🔗 원문 전체 보기 → Venturesquare.net
요약
가트너의 ‘Hype Cycle for the Future of Work, 2026’은 초기 AI 투자가 환멸의 골짜기에 진입하면서 기업의 AI 전략도 자동화 중심에서 인간의 역량을 확장하는 방향으로 전환해야 한다고 분석했다. 가트너는 2029년까지 AI 대체로 해고된 직원의 30%가 다시 고용될 것으로 전망했으며, 비IT 직군에서는 이미 평균 18%의 역할이 상당한 수준으로 재설계됐다고 분석했다. AI Toolmate와 Employee Digital Twin …
본문
- AI로 해고된 인력 30% 2029년까지 재고용 전망…비용 절감 뒤 인재·조직 지식 손실 경고
- 비IT 직군 역할 18% 이미 재설계…AI Toolmate·Employee Digital Twin 등 인간-AI 관계 변화
- AI 생산성을 비용 절감에 우선 사용한 기업 75% 2027년 경쟁사에 추월 전망…AI ROI 기준도 변화
AI가 사람의 일을 얼마나 대신할 수 있을지를 묻던 기업들이 이제 다른 질문 앞에 서 있다. 어떤 일을 AI에 넘기고 어떤 판단은 사람에게 남겨야 하는지, 자동화 과정에서 사라지는 경험과 조직 지식을 어떻게 보존할지, AI가 만든 생산성을 인건비 절감에 쓸지 새로운 역량에 다시 투자할지를 결정해야 하는 시점이다.
가트너가 7월 발표한 ‘2026년 미래 업무 환경 하이프 사이클(Hype Cycle for the Future of Work, 2026)’은 미래 업무 환경을 기술 목록보다 인간과 AI의 관계를 다시 설계하는 문제에서 출발한다. 보고서가 던지는 첫 문장은 강하다. AI가 조직에 미치는 가장 큰 위험은 기계가 더 인간적으로 변하는 것이 아니라 ‘일 자체가 덜 인간적으로 변하는 것’이라는 진단이다. 초기 AI 투자가 하이프 사이클의 ‘환멸의 골짜기(Trough of Disillusionment)’로 내려가면서 기업 역시 AI 도구를 얼마나 많이 배치했는지를 넘어 인간의 지능과 역량을 얼마나 확장했는지를 따져야 한다고 봤다.
가트너가 정의하는 미래의 일도 단순한 재택근무나 AI 자동화에 한정되지 않는다. 일이 어떻게 이뤄지는지, 어디에서 이뤄지는지, 누가 또는 무엇이 일을 수행하는지, 일 자체의 성격이 어떻게 달라지는지 등 네 가지 차원이 함께 움직이는 환경이다. 생성형 AI와 에이전틱 AI가 과거에는 자동화하기 어렵다고 여겼던 영역까지 들어오면서 기업이 결정해야 할 대상도 ‘자동화할 수 있는 업무’에서 ‘기술로 강화해야 할 인간의 능력과 알고리즘에 넘겨서는 안 될 능력’으로 이동했다.
이 변화에서 가장 눈에 띄는 숫자는 ‘30%’다. 가트너는 2029년까지 AI 대체를 이유로 해고된 직원 가운데 30%를 기업이 다시 고용해야 할 것으로 전망했다. 재고용 과정에서는 이전보다 훨씬 높은 비용을 부담할 가능성도 제시했다. 동시에 2027년까지 AI를 통해 얻은 생산성 향상을 비용 절감에 우선 사용하는 조직의 75%가 이를 혁신과 현대화, 직원 역량 강화에 적극적으로 재투자하는 경쟁사에 추월당할 것으로 내다봤다.
두 전망은 AI 투자에서 비용 절감만 앞세울 때 발생할 수 있는 문제를 같은 방향에서 설명한다. 사람을 줄이면 단기적으로 비용을 낮출 수 있지만 그 과정에서 조직 내부의 인재 파이프라인과 축적된 지식, 비판적 사고까지 함께 약해질 수 있다. 자동화할 수 있는 일을 없애는 것과 기업이 앞으로 필요로 할 역량을 없애는 것은 다른 문제라는 얘기다.
AI가 없애는 것은 ‘직업’보다 기존의 직무 경계
변화는 이미 직무 안에서 시작됐다. 가트너의 ‘2026 C-Suite AI Survey’에서 재무와 인사, 조달, 공급망, 마케팅, 영업, 고객서비스, 법무 등 비IT 부문의 리더들은 직원 역할의 평균 18%가 이미 상당한 수준으로 재설계됐다고 답했다. 과거 서로 다른 직무에 속했던 일이 AI를 매개로 섞이고 기존 조직 경계를 넘어 이동하면서 한 사람이 맡는 업무의 범위도 달라지고 있다.
가트너는 미래 업무 환경을 분석하면서 이 변화를 네 방향으로 구분했다. 인간과 AI의 관계를 통해 사람의 능력을 확장하고, AI를 단순히 도입하는 데서 벗어나 변화에 적응할 수 있는 인재를 만들며, 업무의 맥락과 판단을 더 깊게 유지하고, 새로운 AI 활용 사례가 추가될수록 더 빠르고 저렴하며 안전하게 적용할 수 있는 기반을 만드는 것이다. 보고서가 다루는 2000개 이상의 혁신 프로필 가운데 올해 하이프 사이클에 포함된 기술의 절반 이상이 새롭게 등장했다.
첫 번째 변화에서 가트너가 꺼낸 표현은 ‘Toolmate’다. AI를 사람이 명령을 내리면 결과를 돌려주는 ‘도구(tool)’에서 함께 일하는 ‘업무 동반자(toolmate)’로 확장해 해석한다. 이때 목표는 사람을 밀어내는 것이 아니라 직원의 판단과 창의성, 리더십과 의사결정 능력을 AI로 강화하는 데 있다. 이를 위해 AI 에이전트와 직원 AI 아바타, AI Toolmate, AI 증강 리더십, 디지털 코칭, 직원 디지털 트윈, 감정 AI, 인간-에이전트 협업 워크스페이스와 같은 기술이 검토 대상으로 제시됐다.
두 번째는 ‘AI를 쓸 줄 아는 사람’보다 변화에 계속 적응할 수 있는 인력을 만드는 문제다. AI 리터러시(AI Literacy)와 AI 역량 통용성(AI Skills Currency), AI 기반 역량 관리(AI-Enabled Skills Management), 경영진 AI 활용 역량(Executive AI Fluency), 디지털 활용 역량(Digital Dexterity), 업무방식 분석(Workstyle Analytics) 등이 여기에 포함된다. 특정 생성형 AI 서비스를 능숙하게 다루는 데 그치지 않고 기술과 업무가 계속 달라지는 상황에서 새로운 역할을 익히고 다른 분야와 협업할 수 있는 능력을 조직 차원에서 축적하는 방향이다.
세 번째는 속도보다 맥락과 판단을 지키는 일이다. AI가 업무 흐름 안으로 깊숙이 들어올수록 사람이 왜 그런 판단을 했는지, 예외 상황에서 무엇을 고려했는지, 조직이 경험을 통해 쌓아온 암묵지가 자동화 과정에서 빠져나갈 수 있다. 가트너는 인간이 중요한 결정과 결과에 대한 책임을 계속 갖고, AI는 직원이 더 복잡한 문제를 해결하고 지식에 빠르게 접근하며 창의성과 판단, 관계 형성이 필요한 업무에 집중하도록 활용해야 한다고 제시했다. 교육과 도제식 학습, 멘토링, 경력 개발 역시 AI 도입 이후에도 유지해야 할 인재 기반으로 꼽았다.
이 때문에 AI 성과를 측정하는 방식도 달라질 필요가 있다. 보고서는 온보딩과 숙련에 걸리는 시간을 얼마나 단축했는지, 직무 사이 또는 인간과 AI 사이에서 업무가 어떻게 이동했는지, AI를 통해 직원이 얼마나 더 높은 가치의 업무를 맡게 됐는지, 의사결정의 속도와 질이 어떻게 변했는지, 새로운 매출과 같은 사업 성과를 만들었는지를 측정할 것을 제안한다. 사람을 몇 명 줄였는지보다 AI가 기존 인력의 업무 범위와 판단 능력을 얼마나 확장했는지를 성과로 보는 접근이다.
‘나를 돕는 AI’에서 ‘나를 대신하는 AI’로…직원 디지털 트윈의 등장
2026년 하이프 사이클에서 특히 눈에 띄는 개념 가운데 하나는 ‘Employee Digital Twin’, 직원 디지털 트윈이다. 가트너는 이를 파운데이션 모델과 검색 시스템, 메모리 프레임워크, 에이전틱 AI 등을 활용해 개인의 커뮤니케이션 방식과 지식, 추론, 위임된 권한을 지속적으로 담아내는 AI 표현으로 정의했다. AI가 개인을 보조하는 단계에서 개인을 ‘대표하는’ 단계로 넘어가는 변화다.
기업 입장에서는 사람에게 묶여 있던 전문성을 확장할 수 있다. 특정 전문가가 직접 참여하지 않아도 지식과 판단을 다른 업무와 지역, 언어에서 활용하고, 희소한 전문성을 개인의 가용 시간 이상으로 확장할 수 있다. 퇴직이나 이직으로 빠져나갈 수 있는 조직 지식을 남겨 신규 직원의 숙련 시간을 줄이고 인원을 같은 비율로 늘리지 않더라도 기존 직원의 영향력과 생산성을 확대하는 활용도 제시됐다.
하지만 사람의 지식을 AI로 옮기는 순간 새로운 문제가 생긴다. 직원이 새로운 경험과 지식을 쌓았는데 디지털 트윈이 이를 따라가지 못하면 과거의 그 사람만 반영하는 ‘디지털 에코(digital echo)’가 될 수 있다. 암묵적인 판단을 완전히 포착하기 어렵다는 기술적 한계뿐 아니라 직원의 지식과 목소리, 외형, 전문성을 누가 소유하는지, 이를 복제하려면 어떤 동의가 필요한지에 대한 법적·윤리적 문제도 남는다.
특히 디지털 트윈이 정보를 전달하는 수준을 넘어 실제 행동까지 수행하기 시작하면 위험의 크기도 달라진다. 가트너는 디지털 트윈이 할 수 있는 것과 실제로 허용할 행동을 구분하고 즉시 작동을 중단할 수 있는 ‘킬 스위치’를 설계해야 한다고 권고했다. 조직도에 디지털 트윈을 사람처럼 올리기보다 ID·접근관리 시스템 안에서 관리하고 전체 활동을 감사할 수 있도록 해야 한다는 제안도 담았다.
직원 디지털 트윈이 개인의 전문성을 확장한다면 인간-에이전트 경험(Human-Agent Experience)은 사람과 AI 에이전트가 실제 업무에서 어떻게 관계를 맺을지를 다룬다. AI가 단순히 답변을 만드는 수준을 넘어 여러 단계의 업무를 수행하는 상황에서는 사람이 언제 개입하고 무엇을 승인하며 결과에 대한 책임을 어떻게 유지할지를 설계해야 한다. 보고서가 말하는 인간 중심 AI는 사람이 모든 일을 직접 수행하는 방식이 아니라 AI의 속도와 규모, 분석 능력에 인간의 판단과 창의성, 책임을 결합하는 구조다.
여기에는 역설도 있다. AI가 초급 직원이 담당하던 반복 업무를 가져갈수록 사람이 일을 하면서 경험을 축적할 기회도 줄어들 수 있다. 가트너가 생성형 AI 시뮬레이터(Generative AI Simulators)를 미래 업무 기술로 포함한 배경도 이런 변화와 연결된다. 실제 업무에서 경험하기 어렵거나 위험 부담이 큰 상황을 AI 환경에서 반복해 판단하고 훈련함으로써 자동화가 줄여버린 학습 기회를 다른 방식으로 만들어내는 접근이다.
가트너가 제시한 ‘2026 미래 업무 우선순위 매트릭스(Priority Matrix for the Future of Work, 2026)’에서도 기술의 무게중심은 단순한 생성형 AI 하나에 머물지 않는다. 경영진 AI 활용 역량(Executive AI Fluency)과 생성형 AI(Generative AI), 바이브 코딩(Vibe Coding), AI 업무 동반자(AI Toolmate), AI 증강 리더십(AI-Augmented Leadership), 직원 디지털 트윈(Employee Digital Twin), 생성형 AI 시뮬레이터(Generative AI Simulators), 멀티모달 생성형 AI(Multimodal Generative AI) 등이 ‘혁신적 영향(Transformational)’ 영역에 포함됐다. AI 자체의 성능뿐 아니라 사람의 역할과 리더십, 전문성, 학습 방식을 바꾸는 기술이 미래 업무 환경의 주요 축으로 함께 다뤄진다.
보고서가 제시하는 네 번째 변화는 이러한 기술을 개별적으로 도입하는 데서 한 단계 더 나아간다. 새로운 AI 활용 사례가 하나 추가될 때마다 처음부터 다시 구축하는 대신 이전보다 빠르고 저렴하며 안전하게 적용할 수 있는 공통 기반을 만드는 것이다. 에이전틱 브라우저(Agentic Browser)와 에이전트 마켓플레이스(Agent Marketplace), AI 기반 웨어러블(AI-Powered Wearables), 산업·업무 특화 생성형 AI 모델(Domain-Specific GenAI Models), 임바디드 AI(Embodied AI), 생성형 AI, 생성형 AI 시뮬레이터, 노코드 에이전트 빌더(No-Code Agent Builders), 소형언어모델(Small Language Models), 바이브 코딩 등이 이 영역에 포함됐다.
결국 가트너의 2026년 미래 업무 환경 하이프 사이클은 ‘AI가 몇 개의 일자리를 없앨 것인가’를 계산하는 보고서와는 거리가 있다. 보고서가 묻는 것은 AI를 이용해 사람이 얼마나 더 큰 영향력을 만들 수 있는가, 그리고 그 과정에서 어떤 인간의 능력을 반드시 남겨야 하는가에 가깝다. 가트너가 하이프 사이클의 출발점으로 던진 질문도 “근로자가 기술을 활용해 자신의 영향력을 어떻게 증폭시키고 지속 가능한 가치와 새로운 경쟁우위를 만들 것인가”다.
2029년 30% 재고용과 2027년 75% 경쟁력 역전이라는 두 전망도 이 질문 위에서 연결된다. AI로 사람이 하던 일을 없애는 데 집중하면 단기적으로 비용은 줄일 수 있지만 동시에 미래의 관리자와 전문가가 성장할 경로, 조직에 축적된 경험과 판단, 새로운 사업을 만드는 역량까지 사라질 수 있다. 반대로 AI가 확보한 시간과 생산성을 직원의 역량과 새로운 사업, 조직의 기술 기반에 다시 투자한다면 같은 AI를 사용하더라도 기업이 쌓는 자산은 달라진다.
AI 시대의 업무 혁신은 결국 ‘사람을 어디까지 없앨 수 있는가’보다 ‘사람이 무엇을 더 잘할 수 있게 만들 것인가’에 대한 선택으로 이동하고 있다. 가트너가 AI의 최대 자율화보다 인간과 AI 사이의 최적 관계를 설계하라고 주문하는 이유도 여기에 있다.
Like this:
Like Loading...Related
Is Reducing Human Resources with AI the Answer? Gartner Rewrites 'The Future of Work'
Companies that once asked how much work AI could replace humans now stand before different questions. It is time to decide which tasks to delegate to AI while leaving decision-making to humans, how to preserve the experience and organizational knowledge lost during the automation process, and whether to use the productivity generated by AI to reduce labor costs or reinvest it in new capabilities.
Gartner’s "Hype Cycle for the Future of Work, 2026," released in July, starts from the issue of redesigning the relationship between humans and AI rather than a list of technologies for the future work environment. The report’s opening statement is powerful: it diagnoses that the greatest risk AI poses to organizations is not that machines become more human, but that "work itself becomes less human." As early AI investments fall into the "Trough of Disillusionment" of the Hype Cycle, the report suggests that companies must move beyond simply deploying AI tools to assessing how much they have expanded human intelligence and capabilities.
The future of work, as defined by Gartner, is not limited to simple remote work or AI automation. It is an environment where four dimensions—how work is done, where it is done, who or what performs the work, and how the nature of the work itself changes—move together. As Generative AI and Agentic AI enter areas previously considered difficult to automate, the decisions companies must make have shifted from "tasks that can be automated" to "human capabilities that need to be enhanced by technology and capabilities that should not be handed over to algorithms."
The most striking figure in this change is '30%'. Gartner projected that by 2029, companies will need to rehire 30% of employees laid off due to AI replacement. It also suggested the possibility of incurring significantly higher costs during the rehiring process than before. At the same time, it predicted that by 2027, 75% of organizations that prioritize using AI-driven productivity gains for cost reduction will be overtaken by competitors that actively reinvest these gains in innovation, modernization, and employee empowerment.
Both forecasts explain the problems that can arise when prioritizing cost reduction alone in AI investment from the same perspective. While reducing the workforce may lower costs in the short term, the process can also weaken the organization's internal talent pipeline, accumulated knowledge, and critical thinking. This implies that eliminating tasks that can be automated is a different matter from eliminating the capabilities that a company will need in the future.
What AI eliminates is not 'jobs' but existing job boundaries
Change has already begun within job functions. In Gartner's '2026 C-Suite AI Survey,' leaders in non-IT sectors—including finance, human resources, procurement, supply chain, marketing, sales, customer service, and legal—stated that an average of 18% of employee roles have already been significantly redesigned. As tasks previously belonging to different roles merge through AI and move across traditional organizational boundaries, the scope of work handled by an individual is also changing.
Analyzing the future work environment, Gartner categorized this change into four directions: expanding human capabilities through the relationship between humans and AI, moving beyond mere adoption to cultivate talent capable of adapting to change, maintaining deeper context and judgment in work, and establishing a foundation that enables faster, cheaper, and safer application as new AI use cases are added. Among the more than 2,000 innovation profiles covered in the report, more than half of the technologies included in this year's Hype Cycle are new.
The term Gartner introduced for the first shift is 'Toolmate.' It expands the interpretation of AI from a 'tool' that returns results when a human issues a command to a 'toolmate' that works alongside. The goal here is not to displace humans, but to use AI to enhance employees' judgment, creativity, leadership, and decision-making capabilities. To achieve this, technologies such as AI agents, employee AI avatars, AI Toolmates, AI-augmented leadership, digital coaching, employee digital twins, emotional AI, and human-agent collaborative workspaces were presented as subjects for review.
The second issue is cultivating a workforce capable of continuously adapting to change, rather than simply having "people who know how to use AI." This includes AI literacy, AI skills currency, AI-enabled skills management, executive AI fluency, digital dexterity, and workstyle analytics. The direction is to go beyond merely being proficient in specific generative AI services and instead build, at the organizational level, the ability to learn new roles and collaborate with other fields in a landscape where technology and work are constantly evolving.
The third point is to preserve context and judgment over speed. As AI becomes more deeply integrated into workflows, the tacit knowledge accumulated by organizations through experience—such as why humans made certain decisions and what was considered in exceptional situations—can be lost during the automation process. Gartner suggests that humans should continue to take responsibility for critical decisions and outcomes, while AI should be utilized to allow employees to solve more complex problems, gain rapid access to knowledge, and focus on tasks requiring creativity, judgment, and relationship building. Education, apprenticeships, mentoring, and career development were also cited as talent bases that must be maintained even after the adoption of AI.
For this reason, the way AI performance is measured also needs to change. The report suggests measuring how much onboarding and training time has been reduced, how tasks have shifted between roles or between humans and AI, how much higher-value work employees have taken on through AI, how the speed and quality of decision-making have changed, and whether business outcomes such as new revenue have been generated. This approach views performance as how much AI has expanded the scope of work and judgment capabilities of the existing workforce, rather than simply how many people were laid off.
From 'AI that helps me' to 'AI that takes my place'… The emergence of employee digital twins
One of the particularly notable concepts in the 2026 Hype Cycle is the 'Employee Digital Twin.' Gartner defines this as an AI representation that continuously captures an individual's communication style, knowledge, reasoning, and delegated authority by utilizing foundation models, search systems, memory frameworks, and agentic AI. This marks a shift from a stage where AI assists individuals to a stage where it 'represents' them.
From a corporate perspective, this allows for the expansion of expertise previously tied to individuals. Knowledge and judgment can be utilized across different tasks, regions, and languages without the direct involvement of specific experts, thereby extending scarce expertise beyond an individual's available time. It was also suggested that by retaining organizational knowledge that might otherwise be lost through retirement or turnover, the training time required for new employees is reduced, and the influence and productivity of existing staff can be expanded without increasing the workforce proportionally.
However, new problems arise the moment human knowledge is transferred to AI. If a digital twin fails to keep up with an employee as they acquire new experiences and knowledge, it can become a "digital echo" that merely reflects the person of the past. Beyond the technical limitations of being unable to fully capture implicit judgments, legal and ethical issues remain regarding who owns an employee's knowledge, voice, appearance, and expertise, and what consent is required to replicate them.
In particular, the magnitude of risk changes when digital twins go beyond simply conveying information and begin to perform actual actions. Gartner recommended distinguishing between what a digital twin is capable of doing and what actions are actually permitted, and designing a 'kill switch' capable of immediately halting its operation. The report also suggested that instead of listing digital twins on organizational charts like people, they should be managed within ID and access management systems to enable auditing of all activities.
While employee digital twins extend individual expertise, the Human-Agent Experience addresses how humans and AI agents interact in actual work. In situations where AI performs multi-stage tasks beyond simply generating answers, it is necessary to design when humans intervene, what they approve, and how they maintain accountability for the outcomes. The human-centered AI described in the report is not a model where humans perform all tasks directly, but rather a structure that combines human judgment, creativity, and responsibility with the speed, scale, and analytical capabilities of AI.
There is also a paradox here. As AI takes over repetitive tasks previously handled by entry-level employees, opportunities for humans to accumulate experience while working may diminish. This shift is also the reason Gartner included Generative AI Simulators as a future work technology. It is an approach that creates learning opportunities—which automation has reduced—in a different way by repeatedly making judgments and training in an AI environment regarding situations that are difficult to experience in actual work or carry high risks.
In Gartner's 'Priority Matrix for the Future of Work, 2026,' the focus of technology does not remain solely on Generative AI. Executive AI Fluency, Generative AI, Vibe Coding, AI Toolmates, AI-Augmented Leadership, Employee Digital Twins, Generative AI Simulators, and Multimodal Generative AI are all included in the 'Transformational' domain. Technologies that transform human roles, leadership, expertise, and learning methods—rather than just the performance of AI itself—are treated as key pillars of the future work environment.
The fourth change presented in the report goes a step further than adopting these technologies individually. Instead of rebuilding from scratch every time a new AI use case is added, it involves creating a common foundation that enables faster, cheaper, and safer deployment than before. This area includes the Agentic Browser, Agent Marketplace, AI-Powered Wearables, Domain-Specific GenAI Models, Embodied AI, Generative AI, Generative AI Simulators, No-Code Agent Builders, Small Language Models, and Vibe Coding.
Ultimately, Gartner’s 2026 Hype Cycle for the future of work is far from a report that calculates "how many jobs AI will eliminate." What the report asks is closer to how much greater influence humans can create using AI, and what human capabilities must necessarily be preserved in the process. The question Gartner posed as the starting point for the Hype Cycle is also, "How will workers leverage technology to amplify their influence and create sustainable value and new competitive advantages?"
The two projections of a 30% rehiring rate by 2029 and a 75% reversal of competitiveness by 2027 are also connected to this question. Focusing on eliminating human tasks with AI may reduce costs in the short term, but it could simultaneously eliminate growth paths for future managers and experts, the experience and judgment accumulated within the organization, and the capacity to create new businesses. Conversely, if the time and productivity gained by AI are reinvested in employee capabilities, new businesses, and the organization's technology foundation, the assets a company builds will differ even when using the same AI.
Work innovation in the AI era is ultimately shifting from a choice regarding "how far humans can be eliminated" to a choice regarding "what to enable humans to do better." This is also why Gartner advises designing the optimal relationship between humans and AI rather than focusing on maximum autonomy.
AIで人を減らすのが答えだろうか… Gartnerが書いた「未来の仕事」
AIが人の仕事にどれだけ代わることができるかを尋ねた企業がもう別の質問の前に立っている。どのようなことをAIに渡し、どの判断は人に残すべきか、自動化過程で消える経験と組織知識をどのように保存するのか、AIが作った生産性を人件費削減に使うのか、新しい能力に再投資するかを決めなければならない時点だ。
ガートナーが7月に発表した「2026年未来業務環境ハイフサイクル(Hype Cycle for the Future of Work, 2026)」は、未来業務環境を技術リストより人間とAIの関係を再設計する問題から出発する。報告書が投げる最初の文章は強い。 AIが組織に及ぼす最大のリスクは、機械がより人間的に変化するのではなく、「仕事自体があまり人間的に変化する」という診断だ。初期のAI投資がハイフサイクルの「幻滅の谷(Trough of Disillusionment)」に下がり、企業もAIツールをどれだけ多く配置したかを超えて、人間の知能と能力をどれだけ拡張したかを問わなければならないと見た。
ガートナーが定義する未来のことも、単純な在宅勤務やAI自動化に限定されない。仕事がどのようになされるのか、どこでなされるのか、誰が何をするのか、仕事自体の性格がどのように変わるのかなど、4つの次元が一緒に動く環境だ。生成型AIとエージェンティックAIが過去には自動化しにくいと考えていた領域まで入ってきて、企業が決めるべき対象も「自動化できる業務」から「技術で強化すべき人間の能力とアルゴリズムに渡してはならない能力」に移動した。
この変化で最も顕著な数字は「30％」だ。 Gartnerは、2029年までにAIの代替を理由に解雇された従業員のうち30％を企業が再雇用しなければならないと予想した。在庫用過程では以前よりはるかに高い費用を負担する可能性も提示した。同時に、2027年までにAIを通じて得た生産性向上をコスト削減に優先的に使用する組織の75％が、これを革新と現代化、職員能力強化に積極的に再投資する競争会社に追い越されると見込んだ。
2つの見通しは、AI投資のコスト削減だけを前進させたときに発生する可能性がある問題を同じ方向で説明しています。人を減らすと短期的にコストを下げることができるが、その過程で組織内部の人材パイプラインと蓄積された知識、批判的思考まで一緒に弱まることができる。自動化できることをなくすことと、企業が今後必要とする力量をなくすことは他の問題だという話だ。
AIが取り除くのは「職業」よりも既存の職務境界
変化はすでに職務の中で始まった。 Gartnerの「2026 C-Suite AI Survey」で、財務と人事、調達、サプライチェーン、マーケティング、営業、顧客サービス、法務などの非IT部門のリーダーらは、職員の役割の平均18％がすでにかなりのレベルに再設計されたと答えた。過去に異なる職務に属していたことがAIを仲介し、既存組織の境界を越えて移動しながら、一人が引き受ける業務の範囲も変わっている。
Gartnerは、将来の作業環境を分析しながら、この変化を4つの方向に分けました。人間とAIの関係を通じて人の能力を拡張し、AIを単純に導入することから抜け出して変化に適応できる人材を作り、業務の文脈と判断をより深く維持し、新しいAI活用事例が追加されるほど、より速く、安価で安全に適用できる基盤を作ることだ。報告書が扱う2000以上のイノベーションプロファイルの中で、今年ハイフサイクルに含まれる技術の半分以上が新たに登場した。
最初の変化でガートナーが引き出した表現は「Toolmate」だ。 AIを人が命令を出すと結果を返す「ツール(tool)」で共に働く「業務仲間(toolmate)」に拡張して解釈する。この時目標は人を押し出すのではなく、職員の判断と創造性、リーダーシップと意思決定能力をAIで強化することにある。このために、AIエージェントと職員AIアバター、AI Toolmate、AI増強リーダーシップ、デジタルコーチング、職員デジタルツイン、感情AI、人間エージェント共同ワークスペースなどの技術が検討対象として提示された。
2つ目は「AIを使うことができる人」よりも変化に適応し続ける人材を作る問題だ。 AIリテラシー（AI Literacy）とAI能力の通用性（AI Skills Currency）、AIベースの能力管理（AI-Enabled Skills Management）、経営陣のAI活用能力（Executive AI Fluency）、デジタル活用能力（Digital Dexterity）、業務方式の分析（Workstyle Analy）特定の生成型AIサービスを上手く扱うことにとどまらず、技術と業務が変わり続ける状況で新しい役割を身につけ、他の分野とコラボレーションできる能力を組織レベルで蓄積する方向だ。
第三は、速度よりも文脈と判断を守ることです。 AIが業務の流れの中に深く入るほど、人がなぜそのような判断をしたのか、例外状況で何を考慮したのか、組織が経験を通じて積み上げてきた暗黙の地が自動化過程から抜け出すことができる。ガートナーは人間が重要な決定と結果に対して責任を持ち続け、AIは従業員がより複雑な問題を解決し、知識に素早く接近し、創造性と判断、関係形成が必要な業務に集中するように活用しなければならないと提示した。教育と道制式学習、メンタリング、キャリア開発もAI導入後も維持すべき人材基盤に挙げた。
このため、AI成果を測定する方式も変わる必要がある。レポートは、オンボーディングと熟練にかかる時間をどのくらい短縮したのか、職務間または人間とAIの間で業務がどのように移動したのか、AIを通じて職員がどれだけ高い価値の業務を引き受けることになったのか、意思決定のスピードと質がどのように変化したのか、新しい売上などの事業成果を作ったかを測定することを提案する。人を何人減らしたのかより、AIが既存人材の業務範囲と判断能力をどれだけ拡張したのかを成果として見るアプローチだ。
「私を助けるAI」から「私に代わるAI」へ…スタッフデジタルツインの登場
2026年のハイフサイクルで特に目立つ概念の一つは、「Employee Digital Twin」、従業員デジタルツインだ。ガートナーはこれをファンデーションモデルと検索システム、メモリフレームワーク、エージェンチックAIなどを活用して個人のコミュニケーション方式と知識、推論、委任された権限を持続的に盛り込むAI表現と定義した。 AIが個人を補助する段階から個人を「代表する」段階に進む変化だ。
企業の立場では人に縛られていた専門性を拡張することができる。特定の専門家が直接参加しなくても、知識と判断を他の業務や地域、言語で活用し、稀な専門性を個人の利用可能時間以上に拡張することができる。退職や離職で抜け出せる組織知識を残し、新規職員の熟練時間を減らし、人員を同じ割合で増やさなくても、既存職員の影響力と生産性を拡大する活用も提示された。
しかし、人の知識をAIに移す瞬間、新しい問題が生じる。従業員が新しい経験と知識を積んだが、デジタルツインがこれに追いつかないと、過去のその人だけが反映する「デジタルエコー（digital echo）」になることができる。暗黙的な判断を完全に捉えにくいという技術的限界だけでなく、職員の知識や声、見た目、専門性を誰が所有するのか、これを複製するにはどんな同意が必要かについての法的・倫理的問題も残る。
特に、デジタルツインが情報を伝達するレベルを超えて実際の行動まで実行し始めると、リスクの大きさも変わる。ガートナーは、デジタルツインができることと実際に許可する行動を区別し、直ちに動作を中断できる「キルスイッチ」を設計しなければならないと勧告した。組織図にデジタルツインを人のように上げるよりもＩＤ・アクセス管理システムの中で管理し、全体の活動を監査できるようにしなければならないという提案も盛り込んだ。
従業員のデジタルツインが個人の専門知識を拡大する場合、人間エージェントエージェントの経験は、人とAIエージェントが実際の仕事でどのように関係を築くかを扱います。 AIが単に回答を作成するレベルを超えてさまざまな段階の業務を遂行する状況では、人がいつ介入し、何を承認し、結果に対する責任をどのように維持するかを設計しなければならない。報告書が言う人間中心AIは、人がすべてのことを直接遂行する方式ではなく、AIの速度と規模、分析能力に人間の判断と創造性、責任を結合する仕組みだ。
ここにはパラドックスもある。 AIが初級職員が担当していた繰り返し業務を取るほど、人が仕事をしながら経験を蓄積する機会も減ることができる。ガートナーが生成型AIシミュレータ(Generative AI Simulators)を未来業務技術として含む背景もこのような変化と繋がる。実際の業務で経験するのが難しい、またはリスク負担が大きい状況をAI環境で繰り返し判断して訓練することで、自動化が減ってしまった学習機会を異なる方法で作り出すアプローチだ。
ガートナーが提示した「2026未来業務優先順位マトリックス(Priority Matrix for the Future of Work, 2026)」でも技術の重心は単純な生成型AI一つに留まらない。経営陣AI活用能力(Executive AI Fluency)と生成型AI(Generative AI)、バイブコーディング(Vibe Coding)、AI業務コンパニオン(AI Toolmate)、AI増強リーダーシップ(AI-Augmented Leadership)、スタッフデジタルツイン(Employee Digital Twin)、生成型マルチモーダル生成型AI（Multimodal Generative AI）などが「革新的影響（Transformational）」領域に含まれた。 AI自体の性能だけでなく、人の役割とリーダーシップ、専門性、学習方式を変える技術が、将来の業務環境の主要軸として共に扱われる。
報告書が提示する4番目の変更は、これらの技術を個別に導入するための一歩進んでいます。新しいAI活用事例が一つ追加されるたびに最初から再構築するのではなく、以前より速く、安価で安全に適用できる共通基盤を作ることだ。エージェンティックブラウザ(Agentic Browser)とエージェントマーケットプレイス(Agent Marketplace)、AI基盤ウェアラブル(AI-Powered Wearables)、産業・業務特化生成型AIモデル(Domain-Specific GenAI Models)、埋め込みAI(Embodied AI)、エージェント型AI、生成型AI Builders）、小型言語モデル（Small Language Models）、バイブコーディングなどがこの領域に含まれた。
結局、ガートナーの2026年の未来業務環境ハイフサイクルは、「AIが何個の雇用をなくすか」を計算する報告書とは距離がある。報告が求められるのは、AIを利用して人がどれほど大きな影響力を作ることができるのか、そしてその過程でどのような人間の能力を必ず残さなければならないのかに近い。ガートナーがハイフサイクルの出発点に投げかけた質問も「労働者が技術を活用して自分の影響力をどのように増幅させ、持続可能な価値と新しい競争優位を作るか」。
2029年の30%在庫用と2027年の75%競争力逆転という二つの見通しもこの質問の上でつながる。 AIで人がしていたことを取り除くことに集中すれば、短期的にコストは減らすことができるが、同時に未来の管理者と専門家が成長する経路、組織に蓄積された経験と判断、新しい事業を作る能力まで消えることができる。逆に、AIが確保した時間と生産性を職員の力量と新しい事業、組織の技術基盤に再投資すれば、同じAIを使用しても企業が積む資産は変わる。
AI時代の業務革新は、結局「人をどこまでなくすことができるのか」より「人が何をよりよくできるようにするか」に対する選択に移動している。ガートナーがAIの最大自律化よりも人間とAIの最適関係を設計するように注文する理由もここにある。
利用人工智能减少人力资源是解决之道吗？Gartner重新定义“未来工作”
曾经质疑人工智能能取代多少人类工作的企业，如今面临着截然不同的问题。现在是时候决定哪些任务应该委托给人工智能，而决策权仍然掌握在人类手中；如何保留自动化过程中流失的经验和组织知识；以及是将人工智能带来的生产力提升用于降低劳动力成本，还是将其再投资于开发新的能力。
Gartner 于 7 月发布的《2026 年未来工作技术成熟度曲线》报告，并非罗列未来工作环境中的各种技术，而是着眼于重新设计人与人工智能之间的关系。报告开篇便掷地有声：它指出，人工智能对企业构成的最大风险并非机器变得更像人类，而是“工作本身变得越来越不像人类”。随着早期人工智能投资跌入技术成熟度曲线的“幻灭低谷”，报告建议企业必须超越单纯部署人工智能工具的层面，转而评估这些工具究竟在多大程度上扩展了人类的智能和能力。
Gartner 对未来工作的定义并非仅限于简单的远程办公或人工智能自动化。它是一个四维环境：工作方式、工作地点、工作执行者以及工作性质本身的变化。随着生成式人工智能和智能体人工智能进入以往难以自动化的领域，企业必须做出的决策也从“哪些任务可以自动化”转变为“哪些人类能力需要通过技术增强，哪些能力不应交给算法”。
这一变化中最引人注目的数字是“30%”。Gartner预测，到2029年，企业将需要重新雇用30%因人工智能取代而失业的员工。报告还指出，重新招聘的成本可能会比以往显著增加。与此同时，Gartner预测，到2027年，75%优先利用人工智能驱动的生产力提升来降低成本的企业将被那些积极将这些收益再投资于创新、现代化和员工赋能的竞争对手超越。
两份预测报告都从同一角度解释了在人工智能投资中仅优先考虑降低成本可能带来的问题。虽然裁员可能在短期内降低成本，但这一过程也会削弱组织内部的人才储备、知识积累和批判性思维能力。这意味着，取消可以自动化的任务与取消公司未来所需的能力是两码事。
人工智能消除的不是“工作岗位”，而是现有的工作边界。
工作职能内部的变革已经开始。在 Gartner 发布的《2026 年 C 级高管人工智能调查》中，来自非 IT 行业的领导者——包括财务、人力资源、采购、供应链、市场营销、销售、客户服务和法律等领域——表示，平均 18% 的员工岗位已经发生了重大调整。随着人工智能将原本属于不同岗位的任务融合在一起，并打破传统的组织边界，个人的工作范围也在发生变化。
Gartner在分析未来工作环境时，将这种变化归纳为四个方向：通过人与人工智能的互动来扩展人类能力；超越简单的应用，培养能够适应变化的人才；在工作中保持更深层次的背景分析和判断力；以及建立一个基础架构，以便在新增人工智能应用场景时，能够更快、更经济、更安全地应用人工智能。在报告涵盖的2000多个创新案例中，今年技术成熟度曲线（Hype Cycle）中包含的技术超过一半都是全新的。
Gartner 为第一个转变提出的术语是“工具伙伴”（Toolmate）。它扩展了人工智能的定义，不再仅仅将其视为在人类发出指令后返回结果的“工具”，而是将其视为与人类协同工作的“工具伙伴”。其目标并非取代人类，而是利用人工智能来增强员工的判断力、创造力、领导力和决策能力。为了实现这一目标，人工智能代理、员工人工智能化身、人工智能工具伙伴、人工智能增强型领导力、数字化辅导、员工数字孪生、情感人工智能以及人机协作工作空间等技术被列为评估对象。
第二个问题是培养一支能够持续适应变化的人才队伍，而不仅仅是拥有“懂得如何使用人工智能的人”。这包括人工智能素养、人工智能技能的更新、人工智能赋能的技能管理、高管人工智能应用能力、数字化灵活性以及工作方式分析。其发展方向在于超越对特定生成式人工智能服务的精通，而是在组织层面构建学习新角色以及在技术和工作方式不断发展的环境中与其他领域协作的能力。
第三点是，在追求速度的同时，也要保留情境和判断力。随着人工智能更深入地融入工作流程，组织通过经验积累的隐性知识——例如，人们做出某些决策的原因以及在特殊情况下考虑的因素——可能会在自动化过程中丢失。Gartner 建议，人类应继续承担关键决策和结果的责任，而人工智能则应用于帮助员工解决更复杂的问题、快速获取知识，并专注于需要创造力、判断力和人际关系构建能力的任务。教育、学徒制、导师制和职业发展也被列为人才储备，即使在采用人工智能之后也必须予以维护。
因此，人工智能绩效的衡量方式也需要改变。该报告建议衡量以下几个方面：新员工入职和培训时间缩短了多少；任务在不同角色之间或人与人工智能之间如何转移；员工通过人工智能承担了多少高价值工作；决策的速度和质量发生了怎样的变化；以及是否创造了新的收入等业务成果。这种方法将绩效视为人工智能在多大程度上拓展了现有员工的工作范围和判断能力，而不是仅仅关注裁员人数。
从“帮助我的AI”到“取代我的AI”……员工数字孪生的出现
在2026年技术成熟度曲线中，一个尤为引人注目的概念是“员工数字孪生”。Gartner将其定义为一种人工智能表示，它利用基础模型、搜索系统、记忆框架和智能体人工智能，持续捕捉个人的沟通风格、知识、推理能力和授权范围。这标志着人工智能的发展阶段从辅助个人转向“代表”个人。
从企业角度来看，这使得以往仅限于个人的专业知识得以扩展。知识和判断力可以在不同的任务、地区和语言环境中得到运用，无需特定专家的直接参与，从而将稀缺的专业知识扩展到个人可用时间之外。此外，通过保留可能因退休或人员流动而流失的组织知识，可以减少新员工所需的培训时间，并在不相应增加员工人数的情况下提升现有员工的影响力和生产力。
然而，一旦将人类知识转移到人工智能，新的问题便随之而来。如果数字孪生体无法跟上员工获取新经验和新知识的步伐，它就可能沦为“数字回声”，仅仅反映过去的自己。除了无法完全捕捉隐含判断的技术局限性之外，还存在着法律和伦理问题，例如谁拥有员工的知识、声音、外貌和专业技能，以及复制这些内容需要获得何种许可。
尤其值得注意的是，当数字孪生不再仅仅传递信息，而是开始执行实际操作时，风险的程度就会发生变化。Gartner建议区分数字孪生的能力范围和实际允许的操作范围，并设计一个能够立即停止其运行的“终止开关”。该报告还建议，数字孪生不应像人员一样列入组织架构图，而应纳入身份和访问管理系统进行管理，以便对所有活动进行审计。
员工数字孪生技术扩展了个人专业知识，而人机交互体验则着眼于人类与人工智能代理在实际工作中的互动方式。在人工智能需要执行多阶段任务（而不仅仅是生成答案）的情况下，必须设计人类何时介入、审批哪些内容以及如何确保对结果负责。报告中描述的以人为中心的人工智能并非人类直接执行所有任务的模式，而是一种将人类的判断力、创造力和责任感与人工智能的速度、规模和分析能力相结合的架构。
这里也存在一个悖论。随着人工智能接管以往由初级员工承担的重复性工作，人类在工作中积累经验的机会可能会减少。正是基于这种转变，Gartner 将生成式人工智能模拟器列为未来工作技术之一。这种方法通过在人工智能环境中反复进行判断和训练，模拟实际工作中难以遇到或风险极高的情况，从而以不同的方式创造学习机会——而自动化恰恰减少了这些机会。
在Gartner发布的《2026年未来工作优先矩阵》中，技术的关注点不再仅仅局限于生成式人工智能。高管人工智能素养、生成式人工智能、Vibe编码、人工智能工具助手、人工智能增强型领导力、员工数字孪生、生成式人工智能模拟器以及多模态生成式人工智能都被纳入“变革型”领域。能够变革人类角色、领导力、专业知识和学习方法的技术——而不仅仅是人工智能本身的性能——被视为未来工作环境的关键支柱。
报告中提出的第四项变革更进一步，超越了单独采用这些技术。它不再是每次新增人工智能用例时都从头开始重建，而是创建一个通用基础架构，从而实现比以往更快、更经济、更安全的部署。这一领域涵盖了智能体浏览器、智能体市场、人工智能驱动的可穿戴设备、特定领域的生成式人工智能模型、具身人工智能、生成式人工智能、生成式人工智能模拟器、无代码智能体构建器、小型语言模型和Vibe编码。
最终，Gartner 发布的 2026 年未来工作技术成熟度曲线报告远非一份计算“人工智能将取代多少工作岗位”的报告。该报告更关注的是，人类利用人工智能能够创造多大的影响力，以及在此过程中必须保留哪些人类能力。Gartner 提出的技术成熟度曲线的出发点也是：“劳动者将如何利用技术来扩大自身影响力，创造可持续价值和新的竞争优势？”
到2029年30%的重新招聘率和到2027年竞争力下降75%这两个预测也与此问题相关。专注于用人工智能取代人工任务或许能在短期内降低成本，但同时也可能扼杀未来管理者和专家的成长路径、组织内部积累的经验和判断力，以及创造新业务的能力。相反，如果将人工智能节省的时间和生产力重新投资于员工能力、新业务和组织的技术基础建设，即使使用相同的人工智能，公司最终积累的资产也会有所不同。
人工智能时代的工作创新最终正从“在多大程度上取代人类”的选择，转变为“如何使人类做得更好”的选择。这也是为什么 Gartner 建议设计人与人工智能之间的最佳关系，而不是一味追求最大程度的自主性。
L’IA : la solution pour réduire les effectifs ? Gartner réinvente « L’avenir du travail ».
Les entreprises qui se demandaient autrefois dans quelle mesure l'IA pouvait remplacer les humains sont désormais confrontées à des questions différentes. Il est temps de décider quelles tâches déléguer à l'IA tout en laissant la prise de décision aux humains, comment préserver l'expérience et le savoir-faire organisationnel perdus lors du processus d'automatisation, et s'il convient d'utiliser les gains de productivité générés par l'IA pour réduire les coûts de main-d'œuvre ou de les réinvestir dans de nouvelles compétences.
Le rapport de Gartner intitulé « Hype Cycle for the Future of Work, 2026 », publié en juillet, aborde la question de la redéfinition de la relation entre l'humain et l'IA plutôt que de dresser une liste des technologies destinées au futur environnement de travail. Son introduction est percutante : le principal risque que l'IA représente pour les organisations n'est pas que les machines deviennent plus humaines, mais que « le travail lui-même se déshumanise ». Alors que les premiers investissements dans l'IA atteignent la « phase de désillusion » du cycle de vie de l'IA, le rapport suggère aux entreprises d'aller au-delà du simple déploiement d'outils d'IA et d'évaluer dans quelle mesure ces outils ont accru l'intelligence et les capacités humaines.
L'avenir du travail, tel que défini par Gartner, ne se limite pas au simple télétravail ou à l'automatisation par l'IA. Il s'agit d'un environnement où quatre dimensions interagissent : comment le travail est effectué, où il est effectué, qui ou quoi l'effectue et comment la nature même du travail évolue. Avec l'arrivée de l'IA générative et de l'IA agentique dans des domaines auparavant considérés comme difficiles à automatiser, les entreprises doivent désormais se concentrer non plus sur les « tâches automatisables », mais sur les « compétences humaines à développer grâce à la technologie et celles qui ne doivent pas être confiées à des algorithmes ».
Le chiffre le plus frappant de cette évolution est celui des 30 %. Gartner prévoit que d'ici 2029, les entreprises devront réembaucher 30 % des employés licenciés suite à leur remplacement par l'IA. Le cabinet évoque également la possibilité d'engendrer des coûts de réembauche nettement supérieurs à ceux d'auparavant. Parallèlement, il prédit que d'ici 2027, 75 % des organisations qui privilégient les gains de productivité liés à l'IA pour réduire leurs coûts seront devancées par leurs concurrents qui réinvestissent activement ces gains dans l'innovation, la modernisation et l'autonomisation des employés.
Les deux prévisions expliquent, d'un même point de vue, les problèmes qui peuvent survenir lorsqu'on privilégie uniquement la réduction des coûts dans les investissements en IA. Si la réduction des effectifs peut permettre de diminuer les coûts à court terme, elle risque également d'affaiblir le vivier de talents internes, le savoir-faire accumulé et l'esprit critique de l'entreprise. Autrement dit, supprimer les tâches automatisables est différent de se priver des compétences dont l'entreprise aura besoin à l'avenir.
Ce que l'IA élimine, ce ne sont pas des « emplois », mais les frontières existantes entre les emplois.
Les changements sont déjà amorcés au sein des fonctions professionnelles. Dans l'étude « 2026 C-Suite AI Survey » de Gartner, les dirigeants des secteurs non informatiques – notamment la finance, les ressources humaines, les achats, la chaîne logistique, le marketing, les ventes, le service client et le juridique – ont indiqué qu'en moyenne, 18 % des postes ont déjà été profondément remaniés. À mesure que les tâches, auparavant réparties entre différents rôles, fusionnent grâce à l'IA et s'affranchissent des frontières organisationnelles traditionnelles, le périmètre d'activité de chaque individu évolue également.
Dans son analyse de l'environnement de travail de demain, Gartner a identifié quatre axes de transformation : le développement des capacités humaines grâce à l'interaction entre l'humain et l'IA ; la formation de talents capables de s'adapter au changement, au-delà de la simple adoption ; le maintien d'un contexte et d'un jugement plus approfondis dans le travail ; et la mise en place d'une infrastructure permettant une application plus rapide, moins coûteuse et plus sûre à mesure que de nouveaux cas d'usage de l'IA émergent. Parmi les plus de 2 000 profils d'innovation présentés dans le rapport, plus de la moitié des technologies incluses dans le cycle de vie des technologies émergentes de cette année sont nouvelles.
Gartner a introduit le terme « Toolmate » pour désigner cette première évolution. Il élargit la conception de l'IA, passant d'un simple « outil » qui produit des résultats suite à une commande humaine à un véritable « Toolmate » qui travaille en collaboration avec l'utilisateur. L'objectif n'est pas de remplacer l'humain, mais d'utiliser l'IA pour améliorer le jugement, la créativité, le leadership et les capacités de prise de décision des employés. Pour ce faire, des technologies telles que les agents IA, les avatars IA des employés, les Toolmates IA, le leadership augmenté par l'IA, le coaching numérique, les jumeaux numériques d'employés, l'IA émotionnelle et les espaces de travail collaboratifs homme-machine ont été présentées comme sujets d'étude.
Le second enjeu est de former une main-d'œuvre capable de s'adapter en permanence au changement, et non pas simplement de disposer de « personnes sachant utiliser l'IA ». Cela inclut la culture de l'IA, la mise à jour des compétences en IA, la gestion des compétences facilitée par l'IA, la maîtrise de l'IA par les dirigeants, l'agilité numérique et l'analyse des modes de travail. L'objectif est d'aller au-delà de la simple maîtrise de services d'IA générative spécifiques et de développer, au niveau organisationnel, la capacité d'acquérir de nouvelles compétences et de collaborer avec d'autres domaines dans un environnement où la technologie et le travail évoluent sans cesse.
Le troisième point est de privilégier le contexte et le jugement à la rapidité. À mesure que l'IA s'intègre davantage aux processus de travail, le savoir tacite accumulé par les organisations grâce à l'expérience – notamment les raisons qui ont motivé certaines décisions humaines et les considérations prises dans des situations exceptionnelles – risque de se perdre lors de l'automatisation. Gartner suggère que les humains continuent d'assumer la responsabilité des décisions et des résultats critiques, tandis que l'IA devrait être utilisée pour permettre aux employés de résoudre des problèmes plus complexes, d'accéder rapidement aux connaissances et de se concentrer sur des tâches exigeant créativité, jugement et aptitude à établir des relations. L'éducation, l'apprentissage, le mentorat et le développement de carrière sont également cités comme des viviers de talents qu'il convient de préserver même après l'adoption de l'IA.
C’est pourquoi la manière de mesurer la performance de l’IA doit également évoluer. Le rapport suggère de mesurer la réduction du temps d’intégration et de formation, la redistribution des tâches entre les rôles ou entre humains et IA, la part de travail à plus forte valeur ajoutée prise en charge par l’IA, l’amélioration de la rapidité et de la qualité de la prise de décision, et la génération de résultats concrets, tels que de nouveaux revenus. Cette approche considère la performance comme l’impact de l’IA sur l’élargissement du champ d’action et des capacités de jugement des employés existants, et non comme le simple nombre de licenciements.
De « l’IA qui m’aide » à « l’IA qui me remplace »… L’émergence des jumeaux numériques des employés
L'un des concepts les plus marquants du cycle de vie des technologies émergentes de 2026 est le « jumeau numérique de l'employé ». Gartner le définit comme une représentation par IA qui capture en continu le style de communication, les connaissances, le raisonnement et l'autorité déléguée d'un individu grâce à des modèles sous-jacents, des systèmes de recherche, des systèmes de mémoire et une IA agentielle. Cela marque un passage d'une IA assistant les individus à une IA les représentant.
Du point de vue de l'entreprise, cela permet de diffuser une expertise auparavant concentrée sur des individus. Les connaissances et le jugement peuvent être mis à profit pour différentes tâches, régions et langues sans l'intervention directe d'experts spécifiques, ce qui permet d'étendre une expertise rare au-delà du temps disponible d'un seul individu. Il a également été suggéré qu'en préservant les connaissances organisationnelles qui pourraient autrement se perdre en raison des départs à la retraite ou du roulement du personnel, le temps de formation nécessaire aux nouveaux employés est réduit, et l'influence et la productivité du personnel en place peuvent être accrues sans augmentation proportionnelle des effectifs.
Cependant, de nouveaux problèmes surgissent dès lors que le savoir humain est transféré à l'IA. Si un jumeau numérique ne parvient pas à suivre l'évolution d'un employé à mesure qu'il acquiert de nouvelles expériences et connaissances, il peut devenir un simple « écho numérique », reflet de la personne dans le passé. Outre les limitations techniques liées à l'impossibilité de saisir pleinement les jugements implicites, des questions juridiques et éthiques subsistent quant à la propriété des connaissances, de la voix, de l'apparence et de l'expertise d'un employé, ainsi qu'au consentement requis pour les reproduire.
En particulier, l'ampleur du risque change lorsque les jumeaux numériques ne se contentent plus de transmettre des informations et commencent à effectuer des actions concrètes. Gartner recommande de distinguer les capacités d'un jumeau numérique des actions réellement autorisées, et de concevoir un mécanisme d'arrêt d'urgence permettant de stopper immédiatement son fonctionnement. Le rapport suggère également que, plutôt que de figurer dans les organigrammes comme des personnes, les jumeaux numériques soient gérés au sein de systèmes de gestion des identités et des accès afin de permettre l'audit de toutes leurs activités.
Si les jumeaux numériques des employés étendent l'expertise individuelle, l'expérience homme-machine (EHM) s'intéresse à la manière dont les humains et les agents d'IA interagissent dans le cadre professionnel. Lorsque l'IA effectue des tâches complexes, au-delà de la simple génération de réponses, il est essentiel de définir les moments d'intervention humaine, les actions à valider et les mécanismes de responsabilisation. L'IA centrée sur l'humain décrite dans le rapport n'est pas un modèle où les humains réalisent toutes les tâches directement, mais plutôt une structure qui combine le jugement, la créativité et la responsabilité humaines avec la rapidité, l'échelle et les capacités d'analyse de l'IA.
Il existe un paradoxe : à mesure que l’IA prend en charge les tâches répétitives auparavant dévolues aux employés débutants, les occasions pour les humains d’acquérir de l’expérience au travail risquent de se raréfier. C’est d’ailleurs pour cette raison que Gartner a inclus les simulateurs d’IA générative parmi les technologies du travail de demain. Cette approche recrée des opportunités d’apprentissage – que l’automatisation a réduites – d’une manière différente, en effectuant des tests et des entraînements répétés dans un environnement d’IA, sur des situations difficiles à rencontrer dans le cadre d’un travail réel ou présentant des risques élevés.
Dans la « Matrice des priorités pour l'avenir du travail en 2026 » de Gartner, l'attention portée aux technologies ne se limite pas à l'IA générative. La maîtrise de l'IA par les dirigeants, l'IA générative, le codage interactif, les outils d'IA, le leadership augmenté par l'IA, les jumeaux numériques d'employés, les simulateurs d'IA générative et l'IA générative multimodale sont tous inclus dans le domaine « Transformationnel ». Les technologies qui transforment les rôles humains, le leadership, l'expertise et les méthodes d'apprentissage – et non seulement les performances de l'IA elle-même – sont considérées comme des piliers essentiels du futur environnement de travail.
Le quatrième changement présenté dans le rapport va plus loin que l'adoption individuelle de ces technologies. Au lieu de tout reconstruire à chaque nouveau cas d'usage de l'IA, il s'agit de créer une plateforme commune permettant un déploiement plus rapide, moins coûteux et plus sûr. Cette plateforme inclut le navigateur Agentic, la place de marché des agents, les objets connectés alimentés par l'IA, les modèles GenAI spécifiques à un domaine, l'IA incarnée, l'IA générative, les simulateurs d'IA générative, les générateurs d'agents sans code, les petits modèles de langage et le codage par vibrations.
En définitive, le cycle de vie des technologies émergentes de Gartner pour 2026 est loin de calculer le nombre d'emplois que l'IA va supprimer. Il s'intéresse plutôt à l'influence accrue que les humains peuvent exercer grâce à l'IA, et aux compétences humaines qu'il est impératif de préserver. La question initiale posée par Gartner pour ce cycle est également la suivante : « Comment les travailleurs tireront-ils parti de la technologie pour amplifier leur influence, créer une valeur durable et de nouveaux avantages concurrentiels ? »
Les deux projections d'un taux de réembauche de 30 % d'ici 2029 et d'un recul de la compétitivité de 75 % d'ici 2027 sont également liées à cette question. Miser sur l'automatisation des tâches humaines grâce à l'IA peut certes réduire les coûts à court terme, mais risque simultanément de compromettre les perspectives d'évolution des futurs cadres et experts, de nuire à l'expérience et au savoir-faire accumulés au sein de l'organisation, et de compromettre sa capacité à créer de nouvelles activités. À l'inverse, si le temps et la productivité gagnés grâce à l'IA sont réinvestis dans le développement des compétences des employés, la création de nouvelles activités et l'infrastructure technologique de l'organisation, les atouts que l'entreprise construira seront différents, même en utilisant la même IA.
L’innovation au travail à l’ère de l’IA évolue fondamentalement : d’un choix portant sur « dans quelle mesure les humains peuvent être éliminés » à un choix portant sur « comment permettre aux humains de mieux faire ». C’est pourquoi Gartner recommande de concevoir la relation optimale entre les humains et l’IA plutôt que de se concentrer sur une autonomie maximale.