產業智能化背景下員工技能培訓的創新績效研究

□ 張雙志

一般來說，“機器換人”并非當前勞動力市場面臨的主要問題，人工智能引發工作任務變革的不確定性才是問題的關鍵。那么，企業需要培育一種鼓勵員工不斷學習的文化，以適應不斷被技術變革的工作任務，從而在智能增強型工作場景中提升創新績效。在新制度主義的“技術—制度”分析框架中引入組織要素考察西方發達國家的技能形成體系，發現在解決企業培訓市場失靈問題上的組織選擇差異是英國滑入低技能均衡發展陷阱和德國形成高技能均衡發展模式的主要原因。[1]當然，這兩種模式下的產業工人技能水平也對產業創新能力產生了差異化影響。但企業投資員工技能培訓并不是其主要目的，而在于通過培訓優化人力資本結構，為企業在創新驅動發展時代筑牢競爭優勢。鑒于此，本文的研究問題可表述為探討在中國情境下員工技能培訓能否塑造創新，產業智能化加持員工技能培訓是否更能塑造創新，二者需要在經驗層面得到相關論證。

一、文獻綜述與研究假設

1.員工技能培訓與產業創新

制造業對創新的重要性怎么強調和重視也不為過，其對于形成國家整體創新能力具有舉足輕重的作用。[2]20世紀90年代，美國迎來了二戰后資本主義世界所謂的“黃金時代”，引發了理論界對這一經濟奇跡發生的根源進行激烈探討。其中，加州大學伯克利分校的保羅·羅默(Paul Romer)教授敏銳捕捉到美國經濟復蘇朝著以信息技術、個人電腦、生物技術、金融服務、軟件開發等知識密集型產業發展，率先提出“知識已成為經濟增長內生動力”[3]的重要論斷。進入21世紀以來，創新能力越發成為一國獲得競爭優勢的關鍵性因素，高素質的技術技能人才越來越重要，土地、自然資源、建筑等物質資本越來越次之。一般而言，被視為能夠創造和推動國家創新能力的知識，主要有三個不同類型的來源，即研究與開發、大學和科研機構的研究，以及產業工人的人力資本。現有文獻認為，員工技能培訓作為塑造產業工人人力資本的內部形成方式，是決定企業技術創新成功與否的重要因素。[4]但當前學術界對產業工人人力資本的衡量，主要是從最高學歷、受教育年限等正規教育的視角予以測算，而從職業資格證書、職業技能等級證書等非正式學習的角度進行評估的研究較為缺乏。[5]與正規教育的學習途徑相比，員工技能培訓對產業創新能力的塑造更具有現實價值。[6]

技術進步不會自動轉化為勞動生產力，知識創新的商業化運作需要解決其中存在的“知識距離”問題。那么，員工技能培訓在有效縮短“知識距離”的傳導機制之中是如何運轉的，需要進一步探討以便打開這個“組織黑箱”，為構建以企業為主體的國家創新體系提供相關學理思考。根據組織吸收能力理論的解釋，大量高素質技術技能人才有助于提高組織對研發創新成果的模仿、吸收和再利用水平。[7]以員工發展為代表的工作場所學習，從生命周期角度來說，時間跨度最大、涉及的人群最多，且衍生出的績效也比較多元，自然成為終身學習研究的重點對象。[8]一般來說，員工技能培訓作為形成組織吸收能力的主要途徑，通過激勵相容、信息效率和資源配置等三重機制來影響企業的技術創新過程。特別是對于低研發密集型企業來說，組織吸收能力更是其同化和平衡外界新技術知識的必備生存要素，以此形成的“粘性知識”也是企業塑造持久競爭優勢的主要條件。[9]同樣，作為高技能均衡發展模式代表的日本在二戰后，形成了強調“人件”主導作用的“人件—軟件—硬件”有機結合的柔性生產系統，塑造了以高技能、高工資和高價值為主要特征的產業創新能力。[10]

鑒于此，從人力資本效應的角度來看，提出本文的第一個研究假設：員工技能培訓能夠提升產業的創新能力。

2.產業智能化、員工技能培訓與產業創新

人工智能在與產業融合發展的過程中，也深刻影響了產業工人的技能需求的變化。從“機器換人”到“人機共生”工作場所的演化，推動了產業工人從去技能化到再技能化的轉型。[11]換言之，技術進步仍然是形成產業工人技能素質的動力源泉，規定了技能形成體系具有工具理性導向。目前，西方發達資本主義國家的產業工人技能形成體系在國家創新能力的塑造過程中，分別形成了以英國為代表的低技能均衡發展模式和以德國為代表的高技能均衡發展模式。簡言之，產業工人技能形成體系作為國家創新體系的重要組成部分，其制度效能的歸宿在于為創新驅動發展戰略塑造一大批知識型、技能型和創新型的勞動者大軍。黨的十八大以來，以企業為主體的國家創新體系的構建進一步增強了企業在市場經濟中的主體地位，也讓其隨之成為產業工人技能形成體系的構建主體。培訓為員工之間、員工與高管之間的集體學習提供了一個交互式的信息平臺，通過“干中學”“用中學”“做中學”機制塑造企業創新必備的吸收能力。[12]“雙元制”教育體系為德國中小型企業提供了一大批訓練有素且靈活機動的高技能產業工人，也創造了高達42%份額的工業增加值，這被德國著名智庫弗勞恩霍夫協會(Fraunhofer Institute)稱之為非高密度投入下獲得的持續創新績效。[13]

同樣，作為高技能均衡發展模式代表的日本在二戰后，形成了強調“人件”主導作用的“人件—軟件—硬件”有機結合的柔性生產系統，塑造了以高技能、高工資和高價值為主要特征的產業創新能力。豐田汽車公司的精益生產方式以人的技能為中心，視機器設備為提升勞動生產率的輔助手段。[14]流水線車間催生的勞動去技能化已不再適用于信息時代的生產系統，重拾“技藝”滿足感的勞動再技能化成為新的職業發展趨勢。產業工人勞動技能所塑造的企業人力資本，是企業形成創新能力的關鍵要素，這一過程亦是企業使用技術進步獲取經濟效益的傳導機制。簡言之，企業投資員工技能培訓是技術進步與產業工人技能形成體系的互動結果，實質是一種企業生產性組織行為。[15]基于工作場所的學習由于更加貼近生產系統，實現了共創性多層次互動學習過程對知識型專業人才的培育具有更大的價值。[16]因此，絕大多數世界500強企業都建立了自己的企業大學，特別是美國企業大學數量的增長保持在一個較高的水平。[17]企業在通過內部創辦大學開展人才培養的同時，也會參與產業學院的建設，借助利益攸關方的力量推動企業人力資本的轉型升級。[18]2018年，《國務院關于推行終身職業技能培訓制度的意見》對促進企業投資員工技能培訓配套了諸多政策紅利，彰顯了企業培訓對技能塑造的重要作用。[19]

綜上所述，從組織吸收能力和技能需求提高的角度來看，人工智能作為新一代信息技術的代表，其與產業的融合發展能夠從技術維度催發企業對員工技能培訓的投資擴張，使得培訓在提升員工技能水平的過程中對產業創新能力的塑造效應更加明顯。據此，提出本文的第二個研究假設：產業智能化加持員工技能培訓更能塑造創新。

圖1為研究思路圖，較為清晰地表達了本文在“技術—制度”分析框架下提出的兩個研究假設。具體來說，實證研究的第一步是論證員工技能培訓是否從提升企業人力資本的視角對產業創新產生了促進作用；同時，在人工智能融入產業發展的過程中，可能會產生“機器換人”或者“人機共生”兩種截然不同的現象，那么此時的員工技能培訓是否還能對產業創新帶來促進效應是實證研究的第二步。根據前文的研究假設可知，在員工技能培訓促進創業創新的過程中，產業智能化將發揮“1+1>2”的協同效應，故在圖1中對產業智能化的調節作用采用虛線予以標記。

圖1 產業智能化、員工技能培訓與產業創新示意圖

二、數據、模型與變量

1.模型設定

為檢驗員工技能培訓是否促進產業創新，以及產業智能化加持員工技能培訓是否會產生更大的產業創新績效，構建了如下所示的計量模型：

Innovationit=β0+β1OJTit+β2OJTit×AIit+γCtrit+ωi+μt+εit

(1)

其中，i代表制造業二位碼產業；t表示年份；Innovation是被解釋變量，表示產業內企業的創新水平；OJT、AI是核心解釋變量，分別表示員工技能培訓、產業智能化；OJT×AI是交互項，表示產業智能化對員工技能培訓的協同效應；Ctr表示控制變量，用以緩解遺漏重要解釋變量所帶來的內生性問題；ωi表示產業固定效應，μt表示時間固定效應；εit是隨機誤差項。

在式(1)中，如果OJT的估計系數β1顯著為正，說明員工技能培訓具有顯著的創新促進效應，并且β1代表了促進效應的大小；如果OJT×AI的估計系數β2顯著為正，說明在智能化水平越高的產業中，員工技能培訓能夠帶來更大的創新促進效應。但在產業智能化背景下，員工技能培訓對產業創新的影響需要結合估計系數β1和β2來考慮，不能單純依據β2的數值大小進行解讀。在式(1)中，如果對員工技能培訓(OJT)求一階導，可以得到如下所示的結果：

(2)

由式(2)可知，在產業智能化背景下，員工技能培訓對產業創新的邊際影響為β1+β2AI，這說明隨著產業智能化水平的提升，β1+β2AI的值還會進一步提升。可能存在的解釋是，在塑造產業創新能力的過程中，產業智能化加持員工技能培訓能夠產生“1+1>2”的協同效應。

2.變量測度

(1)產業智能化

假如一個產業內使用了與人工智能相關的技術或產品的企業數量越多，說明人工智能與該產業的融合程度就越高。那么，對產業智能化采用產業內使用了與人工智能相關的技術或產品的企業數量占比進行度量。[20]本文運用Python第三方Pandas庫函數Contains在企查查全樣本數據庫中對“企業名稱”和“經營范圍”進行關鍵詞模糊搜索，從而獲得與人工智能技術相關的企業。如果其包含了“智能”“云”“數據”“物聯”及“機器學習”等關鍵詞，可認為該企業使用了與人工智能相關的技術或產品。

(2)員工技能培訓

員工技能培訓作為塑造產業工人技能的內部積累方式，通過職工教育培訓經費的支出來衡量企業對人力資本形成與重視的程度，已成為目前文獻研究中常用的代理指標。[21]鑒于此，本文采用產業內企業職工教育培訓經費的平均值來度量員工技能培訓。

(3)產業創新

測度產業創新的數據源于復旦大學產業發展研究中心發布的《中國城市和產業創新力報告2017》，該指標充分考慮了專利的內在價值有助于規避使用專利數量和發明專利占比測算產業創新時可能會存在的誤差。考慮到該報告的數據只更新至2016年，為與產業智能化等指標的數據同步，根據歷年產業創新能力的增長率來預測和插補了2017—2019年的數據。

參考現有文獻的通常做法，并結合本文的研究問題，選取產業規模、產業規模的平方、民營企業占比、市場進入率、出口交貨值占比作為控制變量。綜上所述，式(1)所涉及變量的名稱、代碼及定義如表1所示。

表1 變量設定及具體釋義

3.數據說明

首先，產業智能化數據來自企查查數據庫。其次，員工技能培訓數據來源于上海證券交易所和深圳證券交易所上市公司的財務報表。再次，產業創新數據來源于《中國城市和產業創新力報告2017》，并通過插值法形成2001—2019年數據。最后，控制變量數據來源于《中國科技統計年鑒-2020》和國家統計局網站的國家數據資料庫。

三、研究假設驗證及解釋

1.基本回歸結果

交互項的回歸系數雖不能直接反映其對被解釋變量的影響大小，但當回歸系數在顯著性檢驗水平上為正數時即可表明其影響效應比單獨回歸時的影響效應更加明顯。表2匯報了產業智能化、員工技能培訓與產業創新的基本回歸結果，具體來說：第(1)列匯報了在未添加控制變量、時間固定效應和產業固定效應的情況下，產業智能化與員工技能培訓交互項的回歸系數在1%的顯著性檢驗水平上為正數，表明產業智能化加持下的員工技能培訓更能塑造產業創新能力。在此基礎上控制時間固定效應和產業固定效應之后，第(2)列匯報了產業智能化與員工技能培訓交互項的回歸系數在1%的顯著性檢驗水平上仍然為正數。雖然，交互項的回歸系數出現了較大的波動，但擬合優度從第(1)列的0.298 3一躍升至0.992 1，說明在控制了時間固定效應和產業固定效應之后，第(2)列的回歸結果具有較強的解釋力。第(3)列進一步添加了控制變量，產業智能化與員工技能培訓交互項的回歸系數在1%的顯著性檢驗水平上繼續為正數，與第(2)列的回歸系數幾乎沒有差異，且擬合優度也僅從0.992 1略微增長至0.992 9。這說明在添加了控制變量之后，交互項的回歸系數沒有發生實質性的變化，也在一定程度上揭示了控制變量對第(2)列的回歸結果并沒有產生明顯的影響。基本回歸結果提示，產業智能化加持下的員工技能培訓更加能塑造創新。

表2 產業智能化背景下員工技能培訓創新績效的基本回歸結果

接下來，對控制變量的回歸系數進行相關解讀，以進一步豐富本節的研究結論。產業規模的回歸系數在1%的顯著性檢驗水平上為-0.201 5，且其平方項的回歸系數在1%的顯著性檢驗水平上為-0.034 6，說明產業規模與產業創新能力之間存在“倒U型”曲線關系。換言之，產業創新能力一開始會隨著產業規模的增長而增長，當產業發展到一定規模的時候其創新能力就開始呈下降趨勢。此外，民營企業占比、出口交貨值占比和市場進入率的回歸系數都沒有通過顯著性水平檢驗，故不對此進行過多的解釋。

表2的基本回歸結果提示，產業智能化在員工技能培訓塑造產業創新能力的過程中發揮著協同作用，即隨著產業智能化水平的提升，員工技能培訓塑造產業創新能力的效應呈擴張趨勢。如圖2所示，員工技能培訓在從低培訓水平上升到高培訓水平的過程中，無論是智能化高的產業還是智能化低的產業，其創新績效都處于一個不斷上升的狀態。在智能化水平越高的產業中，員工技能培訓能夠帶來更大的創新促進效應。當然，在智能化水平較低的產業中，員工技能培訓對產業創新能力的提升效應也是較為明顯的。人工智能作為新一代信息技術的代表，其與產業的融合發展能夠從技術維度催發企業對員工技能培訓的投資擴張，使得培訓在提升員工技能水平的過程中對產業創新能力的塑造作用更加明顯。對此可能存在的解釋是，產業智能化加持員工技能培訓在塑造產業創新能力的過程中能夠產生“1+1>2”的協同效應。鑒于此，人工智能時代的企業經營需要重新全面審視對員工進行技能培訓的戰略價值，可將其視為一種戰略投資選擇，而不僅僅是一種生產成本。技術與技能之間的互相協作，有助于實現創新績效的遞增，從而在創新驅動發展時代塑造企業的綜合競爭力。

圖2 產業智能化加持員工技能培訓更能塑造創新

2.夏普利貢獻度的分解

當然，解釋變量在表2中的回歸系數不能直接進行大小比較，需要借助相關的計量經濟學方法予以分解。[19]那么，引入夏普利(Shapley)分解法對此展開進一步研究，以便直觀比較各變量對產業創新能力的貢獻度。表3歸結了相關的夏普利貢獻度分解結果，第(1)列匯報了各變量具體的Shapley值，第(2)列匯報了Shapley值所占的比重。具體來說：產業智能化與員工技能培訓交互項的貢獻度最大，幾乎占到總貢獻度的1/3；其次是員工技能培訓的貢獻度，也達到了17.22%；民營企業占比、出口交貨值占比、產業規模、產業規模的平方、市場進入率的貢獻度則依次降低。相較而言，夏普利貢獻度的分解結果也在一定程度上說明隨著產業智能化水平的提升，員工技能培訓的創新績效會更加明顯，這也從側面驗證了研究假設的可靠性。

表3 夏普利(Shapley)貢獻度的分解結果

四、研究假設的分樣本驗證及解釋

1.分產業樣本的回歸結果

在式(1)中加入員工技能培訓、產業智能化與產業技術水平的交互項，探討產業智能化背景下員工技能培訓在不同技術水平產業中對創新能力的影響效應，具體結果如表4所示。

Panel A部分匯報了使用研發人員數量測度產業技術水平的回歸結果，具體來說：第(1)列匯報了在未添加控制變量、時間固定效應和產業固定效應的情況下，員工技能培訓、產業智能化與研發人員數量交互項的回歸系數在1%的顯著性檢驗水平上為正數，表明隨著產業技術水平的提高，產業智能化加持下的員工技能培訓更能塑造產業創新能力。在此基礎上控制時間固定效應和產業固定效應之后，第(2)列匯報了員工技能培訓、產業智能化與研發人員數量交互項的回歸系數在1%的顯著性檢驗水平上仍然為正數。雖然，交互項的回歸系數出現了較大的波動，但擬合優度從第(1)列的0.242 5一躍升至0.992 0，說明在控制了時間固定效應和產業固定效應之后，第(2)列的回歸結果具有較強的解釋力。第(3)列進一步添加了控制變量，員工技能培訓、產業智能化與研發人員數量交互項的回歸系數在1%的顯著性檢驗水平上為正數，與第(2)列的回歸系數幾乎沒有差異，且擬合優度也僅從0.992 0略微增長至0.992 9。這說明在添加了控制變量之后，交互項的回歸系數沒有發生實質性的變化，也在一定程度上揭示了控制變量對第(2)列的回歸結果并沒有產生明顯的影響。Panel A部分的回歸結果提示，隨著研發人員數量測度的產業技術水平的提高，產業智能化加持下的員工技能培訓也更加能塑造產業創新能力。

Panel B部分匯報了使用研發投入強度測度產業技術水平的回歸結果，具體解讀可參照Panel A部分的說明進行，此處不再贅述。實證結果提示，隨著研發投入強度測度的產業技術水平的提高，產業智能化加持下的員工技能培訓也更加能塑造產業創新能力。綜上所述，產業智能化加持員工技能培訓更能塑造產業創新能力的研究假設在產業異質性檢驗中仍然成立，也在一定程度上說明表2匯報的基本回歸結果具有較高的可靠性。

2.分技術樣本的回歸結果

人工智能作為一項通用技術，需要在與具體產業融合發展的過程中才能衍生出特定的技術或產品，從而通過新產品、新工藝獲取相應的經濟效益。那么，產業內的人工智能企業數量越多，則該產業其他企業就越能較為便捷地獲取相關人工智能技術的應用方案，從而推動該產業整體的智能化程度。但不同的人工智能技術在與產業融合發展的過程中，能否繼續加持員工技能培訓帶來更大的創新績效，需要在經驗層面得到相關證實，具體結果如表5所示。

表4 產業智能化背景下員工技能培訓創新績效的產業異質性分析結果

表5 產業智能化背景下員工技能培訓創新績效的技術異質性分析結果

第(1)列匯報了員工技能培訓與“智能”技術交互項的回歸系數在1%的顯著性檢驗水平上為0.035 8，表明“智能”技術加持下的員工技能培訓更能塑造產業創新能力。第(2)列匯報了員工技能培訓與“云”技術交互項的回歸系數在1%的顯著性檢驗水平上為0.044 7，表明“云”技術加持下的員工技能培訓更能塑造產業創新能力。第(3)列匯報了員工技能培訓與“數據”技術交互項的回歸系數在1%的顯著性檢驗水平上為0.188 5，表明“數據”技術加持下的員工技能培訓更能塑造產業創新能力。第(4)列匯報了員工技能培訓與“物聯”技術交互項的回歸系數在1%的顯著性檢驗水平上為0.682 2，表明“物聯”技術加持下的員工技能培訓更能塑造產業創新能力。第(5)列匯報了員工技能培訓與“機器學習”技術交互項的回歸系數在1%的顯著性檢驗水平上為62.181 8，表明“機器學習”技術加持下的員工技能培訓更能塑造產業創新能力。

五、研究結論與對策建議

1.研究結論

本文使用網絡爬蟲技術所形成的2001—2019年中國制造業上市公司數據，對產業智能化背景下員工技能培訓的創新績效展開實證研究。主要研究結論如下：(1)員工技能培訓對產業創新具有統計學意義上的促進作用，在產業智能化的加持下員工技能培訓的創新效應更加明顯。(2)圖2形象揭示了員工技能培訓在從低培訓水平上升到高培訓水平的過程中，無論是智能化高的產業還是智能化低的產業，其創新績效都處于一個不斷上升的狀態。(3)夏普利貢獻度的分解結果也在一定程度上說明，隨著產業智能化水平的提升，員工技能培訓的創新績效會更加明顯。(4)隨著產業技術水平的提升，員工技能培訓的創新績效及產業智能化加持下員工技能培訓的創新績效會更顯著。(5)對人工智能技術進行“智能”“云”“數據”“物聯”及“機器學習”區分后，員工技能培訓的創新績效及產業智能化加持下的創新績效仍然存在。

1987年，美國學者克里斯托弗·弗里曼(Christopher Freeman)首次提出“國家創新體系”的概念之后，超越了技術概念范疇的“創新”，強調借助多元公共性組織機構組成的國家網絡以推動創造、擴散和運用新技術。[22]技術創新動態理論模型將創新區分為產品創新和工藝創新，產品創新屬于“突變型”技術進步，需要大量的研發創新投入和高學歷科技創新人才作為支撐，而工藝創新則屬于“累積型”技術進步，需要一大批會操作懂維修先進機器設備和生產線的高技能人才作為支撐。換言之，從產品創新到商業化生產之間存在一段“知識距離”，員工的高技能素質則是縮短這段知識距離的有效工具，其在革新工藝生產流程中達成提升勞動生產率的目的，從而為企業帶來可觀的經濟收益。那么，技能之所以能產生經濟價值的作用機理之一就是其有助于提升產業創新能力，本文的研究結果也證實了有關理論假設，這也為大規模推進技能型社會的建設提供了學理支撐。

2.對策建議

英國科技委員會(The Lords Science and Technology Commitlee)在2019年8月提交的《為提高生產力而進行技術擴散》(DittusionofTechnologyforProductivity)報告認為，領導和管理能力的不足、技能和知識的廣泛差距所引起的技術擴散傳播障礙是英國生產力低迷的主要原因，報告明確建議財政部、能源和工業戰略部及教育部聯合制定相應政策法規以鼓勵企業雇主支持新技術運用和投資員工技能培訓。[23]可見，基于工作場所的學習在科學技術迭代更新加快的時代，對于創新成果的商業化轉化具有中介承載作用。但當前，企業對員工技能培訓的投資一直處于低迷狀態。鑒于此，結合上述研究結論并從激勵企業投資培訓的角度出發，提出如下對策建議：

第一，降低企業參與培訓的成本。將人力資源轉化為人力資本，需要政府持續加大財政投入力度，并對開展員工技能培訓的企業在財政、金融、稅收、土地、信用等方面給予必要的政策套餐組合支持。考慮到技能屬于準公共產品，可能會引致企業對員工技能培訓存在前期投資規模大、回報周期長且收益不確定等問題，這就需要政府根據強制性、非營利性和營利性來劃分勞動技能的培訓項目，并據此制定不同類型的金融稅收方案。

第二，強化企業的社會責任意識。企業在產業工人技能塑造的過程中占據主體地位，但政府不能單純地希冀企業按照《勞動法》《職業教育法》等法律自覺足額提取和使用職工教育培訓經費，可考慮將企業是否舉辦或參與培訓列入監測企業履行社會責任的指標清單。當然，人社部門對履行社會責任貢獻突出的企業進行表彰獎勵的同時，也要通過及時跟進技術創新的步伐，并不定期發布新職業的培訓標準，以此引導企業從完善生產系統的角度重視培訓工作的開展。

第三，支持職業院校承擔企業培訓。“學歷教育與培訓并重”是凸顯現代職業教育類型屬性的根本特征，培訓為學齡群體和非學齡群體提供了突破學歷教育時空限制的終身學習方式。那么，確定培訓在職業院校辦學任務中的合法性和必要性，將教師承擔職業技能培訓的情況作為績效工資考核分配的重要依據，推進以職業院校為培訓重點承擔主體的終身職業技能培訓制度的構建，有助于推動勞動技能要素加快向企業集聚，從而促進產教融合取得深度成果。

六、結語

國際機器人聯合會(International Federation of Robotics)發布的《世界機器人2021工業機器人》報告顯示，中國的工業機器人密度從2015年的49臺每萬人快速增長至2020年的246臺每萬人，中國的機器人密度在全球排名也因此從五年前的第25位提升至第9位[24]。伴隨著工業機器人的數量激增，生產車間的自動化進程得以加快推進，這將深刻改變勞動者與生產機器的相處方式。流水線生產車間的勞動“去技能化”已成為過去式，而如何推動“人機共生”背景下的勞動“再技能化”成為當前勞動力市場亟待解決的關鍵議題。那么，職業技能培訓憑借“干中學”的獨特屬性，突破了學歷教育的“時空限制”，在靈活多變中承擔起重塑勞動技能的重任。隨著《“十四五”職業技能培訓規劃》的深入實施，以企業為主體的職業技能培訓將為生產車間變革帶來技能的賦能效應。