【關注】胡泳 | 第一份工作正在消失：AI如何切斷年輕人的職業階梯？

從職業社會學角度看，真正的危機不一定是失業，而是職業再生產機制的斷裂。企業越來越傾向于招聘能夠直接創造價值的成熟人才，而不愿投入時間和成本培養新人。

本文作者系盤古智庫學術委員、北京大學新聞與傳播學院教授胡泳，文章來源于“騰訊新聞大聲思考”微信公眾號。

本文大約6900字，讀完約17分鐘。

當畢業典禮開始出現對AI的噓聲

一年一度的高校畢業季又來到了。

在美國，過去，畢業典禮演講通常是關于夢想、創新和未來機遇的鼓舞性場合；然而如今，只要演講者談及人工智能，越來越多的學生會表現出明顯的抵觸甚至敵意。

一個頗具象征意味的場景發生在今年5月的亞利桑那大學畢業典禮上。當谷歌前CEO埃里克·施密特（Eric Schmidt）向畢業生談論人工智能所帶來的機遇與未來時，現場卻響起了噓聲。對于長期以來慣于被視為技術創新象征的人物而言，這樣的遭遇頗不尋常。

過去，硅谷領袖出現在大學畢業典禮上，往往代表著創業精神、技術進步和無限可能；而如今，當他們談論AI時，迎接他們的不再只有掌聲，還有懷疑和焦慮。施密特將當前的人工智能熱潮與四十年前的個人電腦革命相提并論，現場卻不斷傳來學生的喝倒彩。面對這樣的反應，他頓了頓，對畢業生說道：“我知道你們很多人對此是什么感受。我聽得到你們的聲音。”

這句帶有安撫意味的話語，凸顯了當下美國青年群體對于人工智能的復雜情緒。對于許多即將進入職場的畢業生來說，人工智能不再只是令人興奮的創新工具，而越來越像一個潛在的競爭者。當科技公司不斷展示AI的自動化能力時，年輕人首先想到的往往不是生產力提升，而是自己的第一份工作是否還存在。

入門級工作的消失

越來越多的證據顯示，人工智能已開始直接影響年輕人的就業前景。它對大量崗位構成真實威脅，而這些崗位恰恰一直承擔著年輕一代進入勞動力市場“第一站”的責任。

它們是傳統上被視為職業起點的初級崗位，長期履行著培養新人、積累經驗和完成職業社會化的重要功能，是每一代年輕人開始職業生涯的第一塊踏板。然而，當AI能夠完成基礎文案撰寫、數據整理、市場調研、代碼編寫、初始設計、客戶服務乃至知識工作時，企業對于初級員工的需求正在發生變化。

這種趨勢幾乎出現在各個行業之中。

在科技行業，先進的編程工具正在逐步接管原本屬于初級工程師的工作，例如編寫簡單代碼與調試——這些任務本來正是年輕開發者積累經驗的主要方式。在軟件開發領域，此一現象被稱為“初級程序員的初學者困境”。GitHub Copilot、Cursor等先進AI編程工具的普及，正在徹底重塑軟件工程師的職業路徑。

在律師事務所中，曾經由初級助理律師和第一年律師負責的文檔審查工作，如今也正被人工智能工具接管，原本需要數周完成的工作，現在可以在數小時內完成。這動搖了法律界小時計費制的根基。過去，大型律師事務所維持其龐大商業帝國的主要模式之一，就是依賴成群結隊的初級助理和實習生進行高強度的“流水線作業”。初級律師雖然時薪相對低，但由于基數大、工作時間極長，貢獻了律所很大一部分的基礎收入。當AI讓200小時的工作量變成2小時，律所就無法再向客戶收取這200小時的費用。這迫使律所從出售時間向出售價值/固定收費轉型。

市場研究行業內的初級崗位（如市場研究分析師助理、數據錄入員、初級數據分析師等）正在被生成式AI快速替代或嚴重壓縮。比如，過去需要人工把幾十個小時的消費者深訪錄音轉成文字，并進行人工編碼和打標簽?，F在，AI定制系統幾分鐘就能完成轉錄、提取關鍵詞，甚至直接抓出消費者的“情緒波動”。原本需要初級員工熬夜搜集幾十家競爭產品的官網、財報和社媒評價，做行業定性研究，而使用聯網的大語言模型工具，幾秒鐘內就能生成一份脈絡清晰的競品對比初稿。

在零售行業，客服崗位（如在線客服、呼叫中心專員、售后接待等）傳統上是門檻極低、吸納年輕就業人口最多的“海綿”之一。然而，隨著基于大語言模型的新一代AI智能客服全面上崗，這個龐大的入門級就業蓄水池正在迅速干涸。

在營銷行業，因為工作中的大量基礎任務本身就具有高度符號化、模板化和可預測的特點，而這些恰恰是大模型最擅長處理的內容，所以初級崗位快速收縮。長期以來，營銷行業的人才培養遵循著一種典型的“學徒制”邏輯：新人從整理市場資料、搜集競品信息、撰寫基礎文案、運營社交媒體賬號、制作數據報告等事務性工作做起，在不斷重復的實踐過程中逐漸形成對消費者、品牌和市場的理解?，F在，實習生→營銷專員→高級專員→品牌經理→市場總監的職業路徑被打破，初級從業者也因此喪失了進入行業、積累經驗和向上流動的機會。

根據哈佛大學的一份最新工作論文，在采用了生成式人工智能的公司中，自2023年以來，初級崗位的招聘人數每季度下降了大約80%。這項由哈佛大學經濟學家賽義德·侯賽尼（Seyed Hosseini）和蓋伊·利希廷格（Guy Lichtinger）進行的研究，分析了2015年至2025年間，涵蓋美國28萬多家企業、6600萬名員工的簡歷和招聘職位數據。生成式AI正在不成比例地減少對處于職業生涯底層員工的需求，而同一家公司的資深員工（高級崗位）數量卻在持續增長。兩位學者將這種現象稱為“偏向高資歷的技術變革”。

類似地，路透社2026年的調查顯示，科技、廣告、娛樂等行業已經出現“靜默裁員”，許多企業減少應屆生招聘規模，并用AI完成原本由新人承擔的工作。還有一種情況也很常見：若有員工離開，企業并不會急于尋找新的畢業生來填補空缺，而是選擇讓崗位自然消失。

這類手段揭示了當前AI影響就業市場的一種重要機制：企業正在通過“自然減員”而非“主動裁員”來重塑組織結構。相比大規模裁員所帶來的輿論壓力和組織震蕩，減少招聘、暫停校招、縮減實習崗位是一種成本更低、風險更小的調整方式。然而，這種漸進式變化對于即將進入勞動力市場的年輕人而言，影響卻同樣深遠，因為他們面對的并非崗位被取消，而是崗位根本不再出現。

這些變化與最新的就業數據中的年輕人失業趨勢相呼應。在美國，自2022年9月以來，大學畢業生的失業率上升了30%，相比之下，全體勞動力的增幅約為18%。與此同時，LinkedIn 的“職場信心指數”（Workforce Confidence Index）持續下降，顯示出整體不確定性加劇。該指標是基于近50萬名專業人士的職業與就業信心調查而得出的。面對如此波動的前景，Z世代對未來的悲觀程度高于其他所有年齡群體。

真正的危機是職業再生產機制的斷裂

在中國，生成式AI對初級崗位的沖擊同樣劇烈，且由于獨特的經濟與人口背景，這種沖擊展現出了更具挑戰性的中國特色。

中國正面臨一個特殊的結構性矛盾：一方面，中國高校畢業生人數再創新高（2026屆預計達1270萬人）；另一方面，青年群體進入勞動力市場的傳統入口，如市場營銷、內容運營、行政助理、客服專員、初級程序員等，悉遭壓縮。過去承接了大量應屆生的產業，正在將預算向AI大模型傾斜。

我的一個學生做廣告業從業人員調查，發現AI在基礎崗位有明顯優勢。從業多年的廣告人對AI的使用效果給予很高的評價：“各方面都要好于去找一個大學生進來當實習生?！币虼?，“感覺大學生現在要跟AI競爭是非常難的一件事情?？赡苄枰ヅ囵B的人會變少，對于new blood的吸收崗位肯定會變少?！?/p>

可見，不僅僅是大量傳統意義上的入門級崗位消失，“實習生坑位”也不見了。而廣告業的情形在其他行業也大量存在：

龐大的游戲產業曾是美術和文學專業畢業生的吸納大戶，而現在，大量的初級原畫師、換皮美工、初級游戲劇情/文案策劃崗位急劇縮減。企業不再愿意花錢和時間去“養”一個新手成長，而是直接用AI配合1個資深設計師頂替過去5個人的團隊。

互聯網和軟件外包行業（如軟通動力、中軟國際等外包巨頭）曾消耗了海量的計算機專業大專及本科生，但肉眼可見初級“碼農”正在被低代碼和AI編程取代?！岸畼I務、能架構、會調教AI”的資深開發者成了香餑餑，只會照著文檔寫死代碼的初學者甚至連面試機會都拿不到。

歷史上，每一代勞動者都需要通過一些基礎性工作積累經驗，然后逐步成長為更高級的人才。但如果這些入門崗位本身被自動化消解，那么年輕人將面臨一個前所未有的問題：在缺乏實踐機會的情況下，他們又該如何獲得成為專家所必需的經驗？

從職業社會學角度看，真正的危機不一定是失業，而是職業再生產機制的斷裂。企業越來越傾向于招聘能夠直接創造價值的成熟人才，而不愿投入時間和成本培養新人。

經驗不是不重要了，而是不傳遞了

AI企業內部的人才結構正在發生明顯變化。如前所述，在初級崗位招聘持續萎縮的同時，資深員工的數量卻在繼續增長。換言之，企業減少的并不是全部勞動力需求，而是對那些仍需培養的人的需求；增加的則是對能夠立即創造價值的人的需求。

在那些最容易受到生成式AI影響的職業領域（市場研究、金融分析、內容創作、軟件開發、法律助理等知識密集型崗位），這種趨勢表現得尤為明顯。研究發現，在采用AI的企業中，暴露于生成式AI風險較高崗位的初級員工數量相對于其他崗位下降了約7%，而同一職業中的資深員工卻沒有出現類似的下滑。這意味著，AI并沒有均勻地替代整個職業，而是在職業內部重新分配價值：經驗豐富者的價值被放大，而經驗不足者的價值則被削弱。

從企業角度看，這種邏輯并不難理解。一名擁有十年經驗的分析師配合AI工具，往往能夠完成過去一個團隊的部分工作；而一名剛畢業的新人，即使擁有同樣的AI工具，也未必具備判斷信息質量、理解行業背景和做出商業決策的能力。因此，AI并沒有消滅經驗的重要性，反而提高了經驗的回報率。

這也意味著，勞動力市場正在從傳統的“培養模式”轉向一種新的“購買模式”。過去企業通過招聘大量應屆畢業生，在內部完成培訓與篩選；如今越來越多企業更傾向于直接招聘已經具備實戰經驗的人才，再借助AI進一步提升其效率。結果便是，職業成長鏈條的中下游環節開始收縮，而高端人才市場的重要性持續上升。

但這樣也不是沒有代價的。首先是一個雞生蛋蛋生雞的問題：如果所有企業都希望招聘有經驗的人，那么這些經驗最初又將從哪里產生？其次是資深人才的消耗問題：由于缺乏基層助理分擔雜務，需要調教AI來代替，不得不把時間浪費在低價值的瑣事上?；蛘撸捎谛袠I沒有新鮮血液流入，面臨中年危機與技能固化的雙重壓力。

學徒制的終結與殘酷的職場新常態

職場學徒制的消失，是近幾年職場最隱秘、但也最具毀滅性的結構性變化之一。過去，無論是工廠里的“師傅帶徒弟”，還是寫字樓里的“老帶新”，職場都有一條不成文的人才孵化鏈條。但今天，這條鏈條在技術大潮和經濟效率的逼迫下，正在徹底斷裂。

這造成三個極其殘酷的職場新常態：第一是招聘要求的“無限套娃”。打開招聘軟件，你會發現一個荒謬的現象：一個入門級、助理級的崗位，卻要求具備3年以上、能獨立操盤項目的經驗。企業把本該由自己承擔的培訓成本，直接轉嫁給了社會。這就導致應屆生陷入了沒有工作經驗就找不到工作、從而更加沒有工作經驗的死循環。

第二是“老帶新”變成“嫌棄新”。在學徒制時代，帶徒弟是資深員工的榮譽甚至考核指標。但現在資深員工自身難保：在技術迭代和行業裁員的壓力下，中年白領或高級技術工人都面臨著巨大的續約壓力，他們沒有精力和義務去義務“扶貧”新人。同時，帶新成本也升高了，由于技能范式變成了人機協同式，要教新人用AI跑通工作流，其教學成本甚至超過了資深員工自己動手的成本。

第三是轉正考核的“KPI 前置”。過去，新人的試用期是用來學習和適應的；現在，試用期就是生存淘汰賽。很多企業在入職第一周就會給新人下達明確的、甚至是不切實際的產出指標，行就留，不行就立刻換下一個，新人完全沒有“試錯”的空間。

企業不再提供“新手村”，技能的習得就從一種企業/社會公共行為，徹底變成了個人自費行為。為了跨越這個斷層，現在的年輕人不得不開始“自費當學徒”。市面上甚至催生出了畸形的產業鏈，學生需要花幾千甚至上萬元，購買一個“遠程實習”或“導師帶教”名額，僅僅為了在簡歷上增添一筆“工作經驗”。年輕人也被迫在知乎、B站、小紅書上自學“如何像一個3年經驗的職場人一樣匯報”、“如何熟練調教AI”。

對于個人而言，這意味著進入職業共同體的門檻越來越高；對于社會而言，這意味著知識、經驗與專業能力的代際傳承機制正在遭遇挑戰。

AI的影響是一場關于預期的革命

值得注意的是，初級崗位招聘量下降80%，并不是因為這些工作已經被AI大規模自動化取代，而是因為企業相信它們未來將會被取代。

研究發現，在ChatGPT于2022年底發布后，美國企業管理層對于人工智能的關注迅速升溫。根據研究團隊的統計，到2023年年中，美國上市公司財報電話會議（earnings calls）中提及AI的次數已經增長至原來的三倍以上。企業開始將人工智能視為未來提升生產效率和降低人力成本的核心工具，并據此重新規劃自身的人才結構。

許多情況下，企業并沒有等到AI真正成熟到能夠完全接管相關工作后才采取行動，而是提前調整招聘策略。面對未來可能出現的自動化能力，它們率先縮減了應屆畢業生和初級崗位的招聘規模，減少對新人的培養投入，以避免未來出現人員冗余。這意味著，招聘市場的變化更多是由企業對未來技術前景的預期所驅動，而非由已經發生的自動化事實所驅動。

這種現象反映出一種典型的“預期效應”（expectation effect）。在經濟學中，企業決策往往并非基于當下現實，而是基于對未來的判斷。當管理層相信未來三到五年內AI能夠完成越來越多的基礎性知識工作時，他們就會傾向于減少今天的初級崗位招聘，即使當前這些工作仍然主要依賴人類完成。換句話說，被裁減的并非已經被AI取代的崗位，而是企業認為未來可能被AI取代的崗位。

這種變化也揭示了生成式AI與以往技術革命的重要區別。傳統自動化通常是在機器已經成熟并投入生產之后，勞動力需求才開始下降；而生成式AI則在很大程度上通過改變企業預期來提前影響就業市場。技術尚未完全落地，企業的人才戰略卻已經發生改變。這里被改變的不是工作本身，是對于未來工作的想象。

年輕求職者面對一種前所未有的挑戰：他們所競爭的崗位減少，并不一定因為自身已經輸給了AI，而是因為企業認為未來某一天AI可能會勝過他們。就業市場開始圍繞一種尚未完全實現的技術能力進行重構，形成一種“預防性裁撤”或“預期性縮招”的現象。

從更宏觀的視角來看，這也意味著AI的影響不僅是一場技術革命，更是一場關于預期的革命。

企業可能高估了AI的替代速度

很明顯，部分企業的人才收縮策略，建立在對于未來AI能力的預期之上，而非現實中的完全自動化。企業可能高估了AI取代初級知識工作的速度，而認知能力的“最后一公里”問題，或許是造成這種高估的重要原因之一。

所謂“最后一公里”，是指大模型可以輕松完成90%甚至99%的高難度計算、知識檢索和文本生成，但在決定最終結果是否真正可用、合規、安全、有同理心等的深層認知和決策上（即最后1%到10%），遭遇了難以跨越的瓶頸。這最后的1%到10%，牽涉到幻覺消除與事實核查、隱形知識與上下文把握、因果推斷與“黑天鵝”應對、責任歸屬與倫理防御等。

很多企業會犯一個致命錯誤：以為AI完成了90%的工作，就可以裁掉90%的人。但現實是，為了補齊AI留下的“最后一公里”漏洞，企業付出的代價常常比以前更高。

有越來越多的企業開始意識到其中潛藏的風險。根據企業軟件公司SAP與Wakefield Research聯合開展的一項調查，88%的首席人力資源官認為，AI正在幫助職場新人更快達到崗位要求。這一發現實際上提供了另一種思路：AI的價值未必在于取消初級崗位，而在于重新設計初級崗位。

長期以來，企業培養新人往往需要經歷漫長的學習周期。初級員工需要花費數月甚至數年的時間掌握行業知識、熟悉業務流程并形成基本的職業能力。然而，AI工具的出現正在壓縮這一學習曲線。過去需要反復練習才能掌握的信息搜集、數據分析、文檔撰寫和知識檢索能力，如今可以在AI輔助下更快獲得。換句話說，AI未必一定意味著“更少的新人”，它同樣可能意味著“成長速度更快的新人”。

勞動價值觀正在發生重構

企業關心的是結果導向的生產效率，而教育關注的則是能力形成的過程。許多學生同時將AI視為兩種威脅：一方面，它可能取代未來的工作崗位；另一方面，它可能削弱個人的思考能力和學習能力。對于許多大學生來說，生成式AI不僅意味著就業市場競爭格局的變化，也意味著傳統教育模式本身正在受到沖擊。

這種焦慮已經開始影響學生的專業選擇。根據 Lumina Foundation 與 Gallup Gallup 聯合發布的《2026美國高等教育狀況研究》，由于擔心自動化替代，一部分學生正在重新評估自己的學業規劃。他們開始減少對入門級技術崗位、數據分析和統計分析等領域的興趣，而轉向更強調批判性思維、溝通能力、人際互動和人文關懷的專業方向。換言之，當機器越來越擅長處理結構化信息和標準化任務時，學生們開始尋找那些更難被算法取代的人類能力。

選擇的轉變實際上反映了年輕人對未來勞動價值的重新判斷。過去，教育體系普遍鼓勵學生掌握標準化、可量化和可認證的專業技能；而在AI時代，恰恰是那些難以被標準化描述、難以被數據化編碼的能力開始重新獲得價值。教育、心理學、社會工作、傳播學、公共事務以及醫療照護等方向的工作，不僅依賴知識本身，更依賴人與人之間的互動關系、情境理解和倫理責任，而這些能力至少在可預見的未來仍然較難被自動化系統完全替代。所以，學生的行動，不僅是在規避技術替代風險，也是在重新定義什么樣的能力值得投入數年時間去培養。

這可能是職場被AI影響后，產生的一個意外正面效果：高等教育與職業發展的評價體系，被推動從看重知識獲取轉向強調意義建構、關系建立與復雜問題的解決。■

文章來源于“騰訊新聞大聲思考”微信公眾號

圖文編輯：張洵

責任編輯：劉菁波