（来源：经济日报）
转自：经济日报
“十五五”规划纲要明确提出，“加快数智技术创新，深化拓展‘人工智能＋’”。随着人工智能与实体经济深度融合，发展智能经济成为培育经济新动能、提升经济发展质量的关键举措。人才作为第一资源，其供给质量和配置效率直接决定着智能经济的发展潜力与后劲。聚焦人才能力拓展和人才培养新要求，加快构建与之相适应的人才支撑体系，有助于营造人才成长、流动和价值实现的发展环境，为智能经济发展提供高质量人才支撑。
人机协同对人才提出新要求
从人类发展的历史来看，每一次技术革命都会催生新的生产组织方式和要素组合方式。当前，人工智能正在引领新一轮科技革命和产业变革，带来技术、劳动力等要素创新性配置，推动劳动分工逻辑变化。在一定程度上，人工智能不再只是充当工具角色，而是可看作为一种新型知识生产主体，人机关系也逐渐从“人使用机器”演进为“人机协同”。相应地，人才的核心竞争力也不再仅仅体现为掌握多少既有知识，而在于能否有效驾驭人工智能工具，在复杂情境中作出准确判断，在人机分工中发挥自身优势。
一方面，看人机协同能力。从劳动分工演进的视角看，人机协同正在成为智能经济时代劳动分工的新形态，人工智能将劳动者从重复性任务中解放出来，使其能够更多转向需要创造力、判断力和情感交互的高阶活动。这就要求劳动者具备理解人工智能技术原理知识、有效运用人工智能工具的能力，能够将新技术输出与自身专业判断相结合，发挥出超越人工或智能机器单独运行所能实现的协同效应。
另一方面，看跨界融合能力。智能经济价值的实现，往往不只取决于人工智能技术本身，更依赖于人工智能与特定行业知识、业务流程的深度融合。这就要求人才能够更好地将技术与业务、算法与场景、数据与知识连接起来，实现多领域知识的整合与创新。这种跨界融合本质上是对知识生产与应用模式的重构，需要人才具备在不同知识领域之间建立联系、实现知识重组的能力。
适应变化优化人力资本供给
在传统工业经济时代，劳动者的生产能力主要表现为对既定知识的掌握和对标准化流程的熟练操作，人才培养以知识传授和技能训练为主。进入智能经济时代，知识的“半衰期”大幅缩短，技术迭代速度加快，人才培养方式也必须主动适应这些变化，以更好实现人力资本的供需匹配。
一是教育理念从知识传授走向认知建构。教育理念决定了人才培养的基本路径与方法。传统教育以分科知识传授和标准化评价为特征，其隐含的假设是知识具有相对稳定性与可传递性。在智能经济时代，知识获取的门槛大大降低，人工智能可以即时生成、整合、呈现知识内容，这就要求教育方式从知识的单向灌输，转向人机互动的认知建构和复合型人才培养。
二是培养机制从浅层合作走向深度联动。培养机制决定了人才培养过程中各主体的互动关系与资源配置方式。传统产教融合模式大多停留在松散合作层面，开展得不够深入，其原因在于教育与产业遵循不同的运行逻辑。教育注重知识传授和学术评价，产业则以市场价值和效率提升为导向，两者目标不一致会造成人才培养与产业需求的结构性错配。推动培养机制从浅层合作转向深度联动，关键在于促进人才培养与技术进步、产业发展深度衔接，建立稳定的互动渠道与信任机制，在产教深度融合中增强人才培养的适配性、创新性和有效性。
三是伦理认知从被动灌输走向主动探索。人工智能技术持续迭代、释放巨大生产力的同时，也带来了算法偏见、数据隐私等风险，迫切需要加强科技伦理和安全治理，坚持科技向善的价值导向，培养“懂技术伦理”的人才。需要注意的是，当前科技伦理问题的复杂性远超传统伦理议题，人才培养不能依赖简单的规则记忆，而需在具体实践情境中通过体验、反思与对话不断建构价值观念。这意味着不仅要为人才传授基本伦理知识，更要在真实的技术实践中引导其应对伦理冲突、反思价值取舍，将伦理规范逐步内化为自身的行为准则，推动智能经济发展更好兼顾效率与公平、创新与安全。
聚焦全周期培养筑牢人才基石
长远来看，打造与智能经济发展适配的高素质人才队伍，需把握好数智人才需求结构变化趋势，转变培养模式，构建起贯穿全生命周期的支持体系，形成有利于人才发展的良好生态。
完善多元融合的人才成长机制。智能经济的核心特征在于技术、产业与场景深度融合，应摆脱固定发展路径，建立包容多元的人才成长通道，让不同特长、不同知识背景的人才都能找到适合自身发展的空间。构建开放协同的创新平台，推动跨领域、跨行业的资源互通与人才共育，使优秀人才能够在多元创新主体间顺畅流动，在实践中持续学习，在协作中不断成长。
健全灵活适配的人才评价体系。为更好适应信息技术快速迭代的新形势，应坚持分类评价，根据基础研究型、应用开发型、复合型等不同类型人才的特点，设置差异化的评价标准，将算法模型、开源贡献、专利标准、产业落地效果等作为重要的考量因素。支持产业界、投资界、用户等多元主体参与，将市场认可度、用户反馈、技术转化效果、产业贡献等纳入评价体系。坚持动态调整，根据技术与产业需求的变化及时更新评价标准，建立快速响应的调整机制。
营造鼓励创新的人才培养氛围。大模型的训练迭代、算法的优化升级、新场景的落地验证，都离不开持续探索和容错机制支持。需引导全社会理性看待人才在创新活动中遇到的挫折和失败，形成鼓励探索、宽容失败、尊重长期主义的创新环境，激发人才创新创造活力。更深层次地看，人类的创造力、同理心、价值判断能力以及对复杂情境的整体把握能力，始终是人工智能难以替代的独特优势，需在价值导向上进一步发挥人的主观能动性，让人才在智能经济发展进程中保持自信与主动。