每年春節過后，用工荒都是抓人眼球的新聞，作為世界上勞動力最充沛的國家，企業竟然也會因為業務需求激增招工困難。

用工荒背后，一方面是市場的用工彈性問題，另外一方面也顯示出，一些工作崗位不被選擇，或是待遇性價比不高、或是崗位枯燥，難以滿足勞動者發展價值。

近些年，一些數據驅動型公司已解決了部分問題，未來依然大有可為。

2020年2月份，珠三角已開工企業用工缺口達20%。去年春節過后，廣東某些地區出現勞工挑老板的奇觀，老板排隊，勞工從中間走過去，現場比較薪酬和勞動時常等條件，決定給哪位老板打工。很多用工大戶在春節后都面臨勞動力緊缺，需要調高薪酬招人。

用工荒為何密集出現在春節后？

這跟我國勞動力流動的特點有關，春節前很多工人都辭工回家過年，春節期間在故鄉交換信息后重新找工作，即使是白領，也傾向于選在春節前領到年終獎后，選擇另尋工作，春節是很多人工作的起點和終點，這就有一個供需錯配問題，勞方和資方有一個彼此尋找過程，資方面臨階段性用工不足，有些聰明的資方在年前就通過打溫情牌，打待遇牌留人。

用工荒主要集中在制造業，待遇穩定、薪酬高的行業就不會出現用工荒，比如金融業、公辦教室、公務員等，用工荒一般出現在流水線制造行業，待遇低是一方面，另一方面工作枯燥，勞動強度大，提升空間有限。

媒體經常關注一部分工作崗位的疾苦，比如外賣、快遞、網約車等行業，這些工種和普通民眾接觸比較多，其實這些崗位相比制造業還更有吸引力，部分制造業工人正是到了這些領域。

制造業很多部分都在自動化，使用機器人替代，解放了不少勞動力，比如記者曾經參觀過的華星光電，機器設備昂貴，絕大多數環節都實現自動化，但是缺陷檢測環節要嚴重依賴人工，工人要長時間用肉眼對比發現缺陷，面板瑕疵實在太過微小，很難發現，缺陷種類多大120種，檢測人員需要2-3個月培訓才能上崗，招工困難。

在這里，騰訊云利用圖片識別技術，開發出一套系統，識別速度提升5-10倍，縮減人力50%。這類人工智能技術被驗證有效后，也在迅速復制到其他工業場景。

上海富馳高科做金屬粉末注射成型，因為產品結構復雜，檢測點多，產品檢測耗時長，在高峰期僅質檢人員就需要1500人，這1500人的工作就是每天10小時左右找產品缺陷。

騰訊云通過對生產環節進行研究對比，提供了新的質檢方法，效率比原來人工質檢提高了10倍，幾乎實現零漏檢，節省了56%成本，釋放了95%勞動力。

這些工作崗位本身就是簡單重復性勞動，對眼睛傷害不小，對個人并沒有實現太多增值，替換的意義還不僅僅是減少枯燥崗位，減少成本，還讓檢測工作不至于成為企業生產瓶頸，提升了效率和良品率，企業更看重效率和良品率提升。

和平常人產生大量數據一樣，生產也會產生大量數據，前者驅動消費互聯網興起，后者可以催生工業互聯網，工業互聯網將大量數據利用起來，改善生產過程。

比如相比單純人工操作,有云業務提供商開發系統，采用AI輔助人的方式可以讓鍋爐燃燒穩定性提升23%，人工智能可以輔助人工做好決策，讓管理更科學。

企業研發也可以使用云業務，比如寧德時代在新能源質檢領域就引入云業務，并在開發新電池方面和云業務廠家合作。

目前，工業互聯網還在發展期，很多業務還在推廣階段，企業有一個接受過程，但是數字驅動經濟發展的道路不會改變。騰訊、阿里、華為等都在大力發展云業務，這項業務不僅是讓企業上云，更重要是提供底層技術，打通消費者和企業內部的通道，借助機器學習等打通某些用工瓶頸，讓管理更高效、決策更科學，夯實我國制造業大國的地位。

關鍵詞：