新工业革命时代工程人才就业技能新需求与培养模式改革①

马廷奇，刘思远

（天津大学，天津 300350）

强化工程人才技能培养是工程教育一直不变的主题。新工业革命时代，物联网、大数据、人工智能等新兴技术正在推动全球范围内工业生产的人机物互联和数字化转型，进而改变了工程人才的工作方式，颠覆了劳动力市场的技能需求。一方面，人工智能人才供需比例严重失衡，2019 年我国人工智能人才缺口超过500万，国内供求比例为1∶10［1］；另一方面，工程人才技能培养与未来社会需求严重不匹配，到2030 年，我国多达2.2 亿劳动者可能因自动化技术而变更职业。在中等自动化情境下，我国将有5 160 亿工时被自动化取代，劳动者需重新获取知识，掌握技能［2］。就业市场与技能需求的变化表明，我国工程人才技能培养体系所产生的技能组合已无法完全匹配未来的就业需求。那么，面对技能断裂的局面，工程教育能否明晰技能培养需求、把握技能变迁趋势？工程人才进入劳动力市场会面临怎样的困境？这一困境将促生怎样的技能转向？回答这些问题，对新工业革命背景下推动工程人才技能培养模式改革至关重要。可以说，在智能技术加速发展的未来，就业趋势和技能转向是工程教育人才培养的风向标。工程教育要在劳动力市场发生重大变革之际重新审视技能培养体系，以人才优势抢占未来新一轮科技竞争的主导权。

一、新工业革命引发的全球性就业危机与就业技能缺失

纵观前几次工业革命与劳动力就业的关系，工业革命进程中现有工作岗位消失的同时也缔造了大量全新的就业机会，并且这些新增的就业机会与工作岗位并未超出人类的掌控范畴。但在新工业革命时代，新工作的光明前景似乎不太明显，全球性就业危机持续蔓延。2016 年的达沃斯世界经济论坛发出警告，到2022 年，全球内将会有500万个工作岗位消失。［3］2020 年世界经济论坛的调查研究显示，到2025 年企业内平均15%的员工面临技能被颠覆的风险，平均6%的员工将完全被取代，8 500 万个工作岗位将消失。［4］在未来10—20年内，美国将有47%的人口面临失业风险，德国现有的工作岗位也将减少50%以上。可以说，与历次工业革命相比，新工业革命推进的速度之快、范围之广、程度之深，对全球就业市场造成了极大破坏。现有工作岗位的减少、消失与科技发展直接相关。新工业革命以物联网、云计算、人工智能等新兴技术的涌现为特征，不断消弭物理、数字与生物世界之间的界限，带来了全球范围内产业发展模式的重大变革。“智能工厂”的发展，实现了虚拟和实体生产体系的灵活协作；物理网络系统的出现，将通信的数字技术与软件、传感器相结合，推动着生产过程和工业领域的人机物互联和数字化转型。“技术和数字化将会改变一切”［5］，进而带来人类经济体制、社会结构、生产方式的深刻变革。在世界经济论坛调查的企业中，84%的企业正在打造数字化工作环境与流程；43%的企业计划进一步推进自动化生产，减少工人数量；41%的企业将通过外包的方式完成专业化工作。［6］与此同时，智能机器的岗位替代性越来越明显。据预测，到21世纪20年代中期，90%的新闻将通过算法生成，且其中大部分内容完全不需要人参与（算法设计除外）。［7］但“自动化在补充劳动力、提高产出的同时，也对劳动力提出了更高要求”。数字化与智能化的结合，势必会引发劳动力技能的大幅调整。［8］据麦肯锡全球研究所预测，全球4—8 亿个工作岗位将实现自动化，7 500 万至3 亿工人（约占全球员工总数的3%—14%）将不得不重新接受培训［9］，失业风险和未来工作的不确定性引发了人们巨大的恐慌。在一项“最恐怖事件”的调查中，美国人对机器人取代劳动力的恐惧比对死亡的恐惧整整高出了7个百分点。［10］

在经受失业危机的同时，劳动力市场还面临着高技能工程人才严重不足的风险。麦肯锡全球研究所研究发现，未来全球会出现3 800—4 000万的高技能劳动力缺口，其中发达国家就可能面临1 600—1 800 万高技能劳动力缺口，而剩余的缺口将会在中国出现。［11］以智能制造领域为例，在我国现阶段高技能工程人才供应中，“数字蓝领”居多，具备智能技术、算法、数据分析等能力的高层次工程人才相对稀缺。［12］2016年领英（Linkedln）发布的研究报告显示，在当时的互联网行业中，数据分析人才最为稀缺，供给指数低且人才缺口呈扩大趋势。［13］《2021年中国中高端人才趋势报告》也显示，2021 年我国中高端人才紧缺指数持续上升，特别在人工智能、生物医药、大数据、智能制造等领域，硕博人才需求显著。［14］同时，技能具有动态性，由于新一轮工业革命才刚刚开始，新兴技术的发展与运用还存在着很大的不确定性，高技能人才短缺或将成为一种持续状态，且“技术焦虑症”在青年人中的表现更为明显。［15］之所以会出现高技能人才短缺的现象，是因为技术进步太快而技能培训“跟不上”。一旦人类创造的技能培训系统失效，工程人才不能正确处理技术过渡、社会适应等问题，“人才危机”就会显现。研究表明，这一情况将在未来5年内变得更糟。［16］

尽管劳动力市场并没有按照原有模式运行，但世界并没有失常。相反，“以指数增长的不仅仅是技术，改变自身也在以指数发生”［17］，在大多数情况下技术的进步会增强人类的能力和认知力。未来，全球预计有9 700 万个新角色来适应人、机器、算法之间新的劳动分工；到2025 年，新兴职业的占比将从7.8%增长到13.5%。［18］新的工作岗位提出新的就业技能需求。为有效应对新工业革命引发的就业危机，在最糟糕的情况出现之前，我们需直接面对劳动力市场的当前需求和潜在需求，准确把握工程人才技能需求的发展动态，积极创新工程人才就业技能的培养模式，为企业和工程教育提供塑造未来的机会。

二、新工业革命对工程人才就业技能的新需求

谈及工程人才就业技能新需求，就必然要弄清楚何为技能。在生产实践中，“技能是人们用已有经验和知识控制自己行动的思维操作活动和动作操作活动”［19］，于外受技术发展水平的影响，于内体现个体的技术操作过程与思维认知活动。从本质上讲，技能可划分为技术操作和思维认知两个维度，并在衍化中始终以动态属性体现技术的发展水平。进入新工业革命时代，企业积极采用人工智能、加密和网络安全、物联网和设备连接、大数据分析等技术，这些新兴智能技术正在重塑新一轮的就业岗位和工作技能。一方面，智能技术的发展正在转变人与生产活动的传统关系，即工业生产中除人这一主体外，又增加了智能机器这一新的主体；另一方面，智能机器的介入使工作的自动化程度越来越高，迫使工程人才的就业技能（技术操作、思维认知）相应提升。进而，围绕人与智能机器在工业生产中的共存与互动，工程人才需处理好人、智能机器、技术操作、思维认知四者之间的关系，具备智能机器—技术层面的数字化技能、人—智能机器层面的人机协作技能、人—技术层面的技术驯化技能和人—认知层面的高级认知技能等。具体来说，新工业革命背景下工程人才的就业技能需求呈现四种趋势。

（一）数字化技能需求：强调数据管理技能与机器理解力

新工业革命以智能技术为支撑，持续推动工程人才向“技术偏好型”转变。在可预见的未来，数字化技能将成为社会与产业发展的重要驱动力。数字化技能包括处理数据的技能和基于数据的决策技能，如基本的数字技能、编程技能、高级IT技能、高级数据分析技能等。脸书（Facebook）曾在招聘要求中明确表示：“任何有数据分析能力的人都可以申请，但如果你有编程经验，那就更好了。”我国芯片制造商也意识到，大数据分析技术在改进生产流程、降低残次率方面发挥重大作用，并期待招聘到既懂半导体技术，又懂人工智能的数字化工程人才。［20］但事实上，随着企业对物联网、云计算等智能技术的广泛采用，数字技能人才严重匮乏。据估计，美国短期内可能缺乏大约25万名数据科学家，法国的IT和电子行业将出现8万名员工短缺，英国23%的人口缺乏基本的数字技能。［21］我国数字技能人才情况同样不容乐观。一是与美国数据科学家相比，我国超过40%的数据科学家工作经验尚不足5年；二是我国人工智能尖端人才储备远不能满足产业发展需求。［22］数字技能的严重缺失带来了“技术性失业”的风险，也使数字化技能成为当下需求最强劲的技能要素。据麦肯锡公司研究预测，在制造业领域，我国工程人才花在体力劳动上的时间将减少约12%，对数字化技能的总体需求可能会增加58%。同时，在2016—2030 年间，数字化领域高级IT 和编程技能的需求增长可能高达90%。［23］数字技能成为工程人才开展工业生产活动的基础与关键。

数字化领域的劳动者在提升数字技能的同时，还要顺应技术导向和管理导向协同发展的趋势，在掌握数字技能、操作智能机器的同时还需要理解机器。机器理解力是指在专业技术上追求专精、在系统化生产上追求统筹的能力。技术专精体现在，伴随着工业领域自动化程度的提升，工程人才被期望具备更多的机器控制能力、维护能力和反思能力，这就要求工程人才在操作智能机器时要对其背后的编程、算法等“黑箱”问题有更深入的了解；系统生产的统筹能力是指工程人才围绕工业生产的整个流程，科学处理数据并基于数据进行决策，进而将其所掌握的数字化技术转化为从事生产的能力。

（二）人机协作技能需求：突出人机合作与智能增强意识

工业领域正处于一个机器人介入和转型升级的大变革时代，机器人正在由“机械臂”之类的纯粹机器设备，转变为具有人类智能、智慧和灵活性的新型设备，协作机器人在工业领域中的应用越来越广泛。国际机器人联合会发布的《2020 世界机器人报告》显示，2019 年世界各地工厂正在运行的工业机器人超过270 万台，比2018 增长12%，其中协作机器人的安装量增长了11%。［24］随着协作机器人的应用范围不断扩大，人机紧密合作或共同参与任务的情况越来越普遍。世界经济论坛发布的《2020未来工作报告》认为，到2024年，信息处理、体力劳动、接收工作信息、工作评估等工作任务的50%及以上将由机器完成；推理与决策、协调发展交流和复杂工作任务的人力占比较高，但也在30%—40%的范围内与智能机器合作完成。［25］智能机器在驾驭了危险或枯燥的工作之后，已逐渐渗透到决策领域。在某些工作任务处理上，智能机器已与人类处于同等水平，甚至比人类表现更优。但在弱人工智能阶段，大多数自动化发生在特定工作任务上而不是整个工作层面，工业生产更为关注工程人才与智能机器有效合作的能力。因此，人机安全共存变得至关重要。

与此同时，在可预见的未来，协作机器人只是一个过渡概念。随着智能技术的广泛渗透，人类终将进入与智能机器强强联合的人机融合时代。人机融合的最佳方式在于智能增强，而智能增强的核心就是借助数据和算法增强人类的行为和能力。这一模式正在重新定义人与智能机器的关系，即由“控制”到“竞争”再到“避让与超越”。在工作场域，工程人才要学会避开智能机器最擅长的工作，以专精和创造性的能力与智能机器共同工作，进而补充、增强人类技能，实现工作任务的最优化，最终在人、工作、智能机器间取得新的平衡。

（三）技术驯化技能需求：关注技术伦理与机器防御能力

自动化系统在增强人类能力的同时，也在模糊物理与数字世界、个体与群体之间的界限，进而衍生出复杂的伦理、法律等技术安全问题。例如，企业在收集和使用数据过程中产生了“谁拥有数据”“如何保护数据隐私”“如何应用或共享数据”等问题，这些问题已经引发各国政府、企业、个人的高度关注。2018 年德勤公司发布的《企业人工智能应用现状分析（第二版）》显示，全球许多国家已经开始着手评估如何在扩大创新和潜在经济利益的同时，确保隐私、安全和对人工智能系统的掌握。该研究调查了澳大利亚、加拿大、中国、德国、法国、英国、美国7个国家的1 900名信息技术及业务线高管，企业高管表示，非常担心人工智能技术所具有的漏洞与技术偏见，如网络安全漏洞、人工智能做出的错误决策等。其中，43%的高管对潜在的人工智能风险表示非常或极度担忧，40%的高管将人工智能决策的潜在偏见列为前三大道德风险之一。［26］对智能技术可靠性的担忧使得企业迫切需要具备技术驯化能力、机器防御能力等信息安全领域的高层次工程人才，以最大程度确保智能技术运用的安全性和透明度。

即便如此，我们依然发现数据的力量不容小觑。数据常在系统自动化和智能化外衣的庇护下，潜移默化地对人类进行反控制。例如，智能化、全方位的数据采集，可能是在构建一座全景式“监狱”；习以为常的技术中立，可能在输入算法数据之初就带有现实世界中的各种歧视和偏见。人工智能的威胁不仅仅关乎生计，更关乎生命。因此，面对智能技术这一“潘多拉”魔盒，我们要在充分思考人工智能风险的基础上增强工程人才技术伦理教育。这就要求工程人才在操作层面获得对数据和信息安全的清晰认识，在价值层面具备反思生命、技术、机器关系的伦理素养，从而获得驯服智能技术的力量。

（四）高级认知技能需求：突出领导力、情感技能与创新思维能力

智能技术的入侵，正在改变知识、技能与劳动力的市场价值，进而影响人类的学习活动与工作方式。面对智能机器日益成熟的挑战，世界主要国家正逐步将高级认知技能（如领导力、创新力、情感技能）的培养提升到国家战略的高度。2016年，美国国家科学技术委员会发布题为《规划未来迎接人工智能时代》的报告，提出提升人类创造力、培养创新型人才。2017 年，日本发布新一期《学习指导要领》，提出培养满足新工业革命时代需要的创新人才。可以说，在一个由智能技术、软件和算法驱动的未来工作世界，工程人才的高级认知技能具有日趋旺盛的市场需求。一项关于雇主的调查显示，受访者最希望大学毕业生拥有的素质是“领导力”。工程人才领导力不足成为化学、机械、医疗等领域发展的重大障碍。同时，在弱人工智能阶段，智能机器在领导力、推理与决策等方面的行动空间较小，人工智能掌握这些技能还有很长的路要走。因此，企业对工程人才领导力、创造力以及社交和情感技能的需求迅速上升。有研究显示，到2030 年，劳动力市场对人才领导力、批判性思维和决策能力等高级认知技能的需求将以两位数速度累计增长。［27］

对高级认知技能的关照源于其具备的超越机器创造更大价值的能力。从单纯的知识、精确度和力量方面来说，智能机器在很多方面已超过了人类所具有的明显的进化优势，但却在情感交互、创新思维方面进展缓慢。而正是创造力和思维灵活性的结合使得人类可以适应任何文化环境的变化。因此，随着工程人才被越来越多的机器包围，结构化工作被机器占据，工程人才需要将自己的技能提升至更高级的认知领域。掌握领导力、情感技能和创新思维等高级认知技术，能使工程人才在机器丛林中发挥掌控全局的作用。这些高级认知技能既是企业迅速增长和长期需要的技能，也是人机交互时代人类的优势所在。

可见，分析工程人才的技能需求及其发展趋势，对调整、创新工程教育人才培养模式至关重要。目前，尽管智能技术对工程人才就业市场的冲击程度尚不明确，但仅从新冠肺炎疫情造成的影响来看，工业生产自动化的趋势明显加速。人们逐渐认识到，新旧浪潮的冲突将集中爆发在人机关系中的就业与岗位技能不适应问题上，如若对这一关系处理缺乏战略谋划，就可能造成技能差距扩大、不平等加剧的现实和未来窘境。因此，工程教育必须要在全球劳动力市场发生重大变化之前，围绕智能技术妥当调整、规划、变革工程教育人才培养模式，确保工程人才拥有未来智能时代所需要的技能。

三、基于就业技能需求的工程人才培养模式改革趋势

教育与科技是进入未来社会的两大入口。拥抱新工业革命，就是要把未来社会就业技能新需求体现于人才培养模式及其实践过程中，通过教育教学活动培养适应和引领劳动力市场的工程人才。然而，当下的就业危机和就业技能的缺失深刻反映了传统工程人才培养模式的困境。传统工程人才培养模式以学科逻辑为核心，偏重理论知识的教学和工具理性的培养，工程人才普遍存在实践性不强、创新能力不足、通识素养不深厚等问题。面对数字化技能、人机协作能力、技术驯化素养和高级认知技能等新一轮的工程人才就业技能诉求，工程教育人才培养模式亟待变革。实践中，新的人才培养模式应坚持知识教育与工程实践相统一，开展人机协作教育，全面提升工程人才的技术伦理素养和领导力，培养出兼具工具理性与价值理性的高层次工程人才。

（一）坚持知识教育与情景实践相统一，提升数据管理能力

数据是信息时代的原材料。数据管理是利用计算机硬件和软件技术对数据进行有效收集、储存、处理、应用的过程。随着数据管理自动化的发展，工业生产越来越要求工程人才在智能化、全周期的数据管理中打破人工智能系统及算法的“黑箱式”运作，对算法权利进行反思和监控。这一新的数据管理需求，在知识教育与实践技能层面对工程教育提出了新的要求。

第一，深化知识教育，在理论学习中培育数据管理素养。对传统的工程技术人员而言，自动化数据管理系统的处理模型如同一个“黑箱”，在工业生产中往往是数据输入进去，结果自动显现出来，但数据运行的逻辑是不可知的。这造成了工业生产预测的偏差。因此，数据管理的知识教育要为工程人才提供足够的知识与技术，使其能在工业生产的自动化系统中发挥专业作用。第一，知识教育应加强数学、物理、生物等基础知识的教学。因为数理知识是理解、分析和建构自动化数据管理系统的关键，当下广泛应用的数据模式多依赖数学和数字化的表达方式，对工程人才数理知识有着极高的要求。第二，知识教育应围绕自动化数据管理系统背后的技术，开展与智能技术、深度算法有关的教育，使工程技术人员在掌握智能科学理论、智能计算等知识的基础上，弄清楚自动化数据管理背后的模型假设。第三，知识教育应围绕自动化数据管理模型的可靠性，提高工程人才的风险防控意识和反思批判能力。工业生产中的自动化数据管理模型并不是永远奏效的。因此，工程人才须在掌握专业知识的前提下，洞察数据管理系统在工业生产中的不适应性，及时检查数据的质量和时效性，及时修正数据管理系统的运行规则，为工业生产决策提供合理有效的解释和保障。

第二，打造实践平台，在学习工厂中提升数据管理技能。随着智能机器对入门级工作岗位的取代，企业往往不再雇佣入门级的劳动者。在此背景下，工程人才实践技能的习得更为依赖学校教育活动和学校打造的实践平台。其中，学习工厂是培养工程人才实践技能的重要平台。从教育设计的价值取向来看，学习工厂是关联产业、教育、社会等方面的跨界创新，由政府、企业和学校系统发力，旨在打造用于真学实干的、开展实践教育的真实场景。［28］为培养未来工作岗位所需要的数据管理技能，学习工厂要做好两方面工作。一方面，要打破学校与企业之间的界限，整合学校、企业及其他社会资源，构建多主体合作育人的实践教学模式；另一方面，要为学生提供最贴近工业数据管理的场景、技术和研究主题，使工程人才在掌握理论知识的基础上，接触虚拟生产环境中的真实案例，全面了解工业生产是如何随着数据流和数据技术的变化而发展的，从而在不断扩大的生产情景中将数据管理知识转化为数据管理技能。

（二）优化人机分工与开发多元智能相统一，有效增强人机协作能力

人工智能、机器学习、物联网等技术的使用建立在工程人才有效协调人机关系的基础之上，人机共生是未来常态。［29］“机器人面临最大的挑战是与人互动。让机器人在团队中工作比把机器人送到火星上要困难得多。”［30］那么，在新工业革命背景下，工程教育应如何培养并增强工程人才的人机协作能力？

第一，明确人机分工，营造人机协作的实践环境。智能机器的入侵，正在拓展工程人才的发展空间、重塑人机协作的新关系模型。一方面，面对智能机器带来的工程人才的不自在状态，工程教育要明晰人与智能机器的分工与优势。智能机器与工程人才在工作中以完全不同的方式思考。智能机器的思考是在数据和算法基础上按照特定规则处理符号，只能顺次进行运算，更为擅长具有重复性和可预测性的工作。人的思考基于脑的高级认知机能，尽管当前神经科学对大脑如何工作知之甚少，但一般认为意识是大脑的物质基础，思考、创造力是人在工作中的特别与神秘之处。因此，工程人才更适合从事领导、决策和复杂情况的应对工作。另一方面，工程教育应在明确人与智能机器优势与分工的基础上，开展人机协作实践活动。例如，围绕工程领域创新创造的相关工作，工程教育要设定人机协作的实践情景，在工作的第一阶段由智能机器将人类所知道的事情结合起来，以更快的速度集结成更多更好的选项。而工程人才则要从价值层面评估不同选项对解决人类问题的意义和价值，同时监督整个创造活动的完整流程。

第二，注重认知技能与非认知技能培养，开发工程人才多元智能。随着人类越来越适应智能技术，技术对人的反控制能力逐渐增强。面对“机器换人”的生存风险，以人工智能为支撑的新型人机交互模式正在促进工程人才培养模式的变革。首先，工程教育应培养工程人才使用智能机器的技能。工程人才不仅要了解机器运作的计算机技术，还要掌握心理学、生物学、人体工学等知识，以获得对人类感知、信息处理、运动技能的基本认识。其次，人机协作不仅仅是指工程人才懂得如何开发、操作机器，更是指个体要拥有适当的知识并思考什么领域应该被自动化、哪些领域的人工智能行为不能让客户满意。在此基础上，人不需要与技术对抗，而是将自己的生计建立在智能机器无法施展拳脚的领域。再次，当人的认知方式被智能技术改变甚至“束缚”时，工程教育应大力开发工程人才的非认知技能，将工程人才打造成具有多元智能（例如社交和兴趣表达的技能，创造力、幽默感、同理心，等等）的个体，从而使工程人才在人机协作中始终把控事态走向、占据中心地位。

（三）技术标准教育与伦理教育相统一，培育技术驯化素养

技术的使用未必都能有助于提高生产活动，每一项技术都需要我们去细查、批评和控制，并在人与技术的互动中通过技术驯化的方式来掌控。技术驯化被理解为技术使用主体通过日常活动“规训”技术的能动性过程，可以把技术整合到使用者及其环境的结构、常规和价值中去。［31］

第一，深化技术应用标准教育，增强工程人才安全管理能力。智能技术应用标准是对技术使用主客体行为与权责关系的规制。培育学生智能技术的安全应用意识、获取智能技术的管理规范是确保工程人才有效运用技术、全面掌控技术的可靠保障。［32］实践中，工程教育要在理论学习与实践活动两方面全面提升工程人才的技术驯化能力。在理论学习层面，工程教育需根据国家出台的有关智能技术应用的政策、法律和标准以及企业或行业规定的技术操作规范，专门开设智能技术应用规范等课程或讲座，定期邀请技术专家和隐私法律专家等为学生讲授系统、前沿的理论知识。在实践活动中，工程教育要在产品开发、成果展示等全流程中为学生提供技术应用标准的指导。例如，数据是工业生产的要素之一，工程教育要从工业生产的数据使用、数据转移和数据发布等方面提供规范化的操作流程和标准，培养工程人才与程序世界进行法治对话的能力。

第二，开展身份认同和工程伦理教育，提升工程人才的伦理意识。面对智能技术，一系列数据代码的背后是算法主体的行为目标和价值选择。［33］倘若工程人才在技术开发、使用中缺乏伦理意识，很可能给整个社会带来不同程度的伤害。因此，在工程人才培养之初，高校应围绕文化、价值观开展身份认同与伦理教育。一是面对人工智能兴起带来的工程人才身份认同的嬗变，高校要为人才培养提供特定的教育与实践活动场景，并在实践活动中渗透新角色的规范与标准，提升工程人才的反思性行动能力，从而更好地将自我、场景、行动连贯起来，培养学生在人机互动中的身份认同感。二是在工程人才培养中贯彻以人为本的道德意识和伦理观念。人工智能的出现，对人类社会长期以来遵守的伦理规范提出了新的挑战。人类与机器人的道德地位、人格关系、相处方式成为当代伦理学研究的重要问题之一。面对人机协作的复杂性，工程教育不仅要培养学生有目的选择技术、负责任使用技术的能力，还要确保学生始终坚持“以人为本”的道德理念，形成人与智能机器关系的正确认知。

（四）多元化社会网络与置身真实场景相统一，全面提升领导力

人工智能或许很快就能获得人类拥有的“一般智能”，取代很多管理角色，但“人工智能永远不会有灵魂，它不能取代人类的领导能力”［34］。领导力是知识、能力、行为情景共同作用产生的一种综合影响力，包括复杂问题的解决能力和基于现状提出新想法的创新能力。世界经济论坛创始人施瓦布认为：“在数字经济中，只有提出新想法、创建新商业模式、推出新产品和新服务的人才能在创新驱动的生态系统中取胜。”［35］那么，如何培养数字时代的工程人才领导力呢？

第一，立足高度互联的社会网络，打造多元化的教育生态系统。受新工业革命影响，数字化与网络化从根本上改变了信息传播与工业生产的方式，正在立足高度互联的社会网络重塑领导者多元协同的工作思维和能力取向。培养工程人才的领导力，可以从两方面入手。一方面，要营造资源丰富、与外界高度互联的教育环境。环境越复杂，大脑皮质越发达，神经胶质细胞增加越迅速，输入大脑的血液也就越多，对个体形成灵活多变、面面俱到的领导力也就越有价值。因此，领导力的培养需将个体暴露在丰饶、多元的环境中，在开阔学生眼界的同时不断扩展学生的思维模式。另一方面，要打造跨界协同、百家争鸣的教育团队。跨界协同，是指实现跨层级、跨地域、跨系统、跨部门、跨业务的协同化，以网络力量瓦解职业、地域之间的界限，构建多方利益相关者高效合作的社会网络和人才培养团队，以推动学生在多类主体、多元文化和多样思维环境中不断丰富自我的心理和观念模式。

第二，立足真实需求的教育项目，打造情景化的教育生态系统。领导力培养的最好方式是不断依靠第一线的经验和反馈，在实际训练中系统化培养个体的能力和领导技能。［36］一是要立足工业生产的真实需求，创建领导力培养项目。具体而言，领导力的培养要将工业生产中领导者的相关工作转化为真实的实践活动，围绕文化、社交网络和管理等主题打造领导力培养项目。二是要置身真实情景，提升工程人才的判断智慧。情景判断是预测新趋势即整合零散信息的能力和意愿。情景判断强调面对危机要先搞清楚情景的基本条件，但真实情景中的变化因素太多，“即使是学识最渊博的思想家，一旦面对非常复杂的问题，自然就会只考虑两三个因素，而忽略其他更重要的变量”。［37］因此，工程人才情景判断培养最好的方式就是把个体置于一个真实情景加以训练。工程人才只有通过公共竞技场中无所畏忌的竞争与训练，才能在面对数字时代浩如烟海的信息时，做出精准分析，寻找出最有价值的可能，并为团队成员创造“进球”机会。