AI正在侵蚀入门级工作
MIT Technology Review AI··作者 Georgios Petropoulos
关键信息
文章指出，这种下降主要集中在生成式AI暴露度高的职业中的年轻劳动者，而同一职业里更有经验的员工并未出现同样的下滑，低AI暴露的入门岗位也没有类似趋势。文中举出的典型岗位包括软件开发人员、客户服务代表、计算机程序员和信息系统经理，这些职位中的初级任务更容易被AI替代。
资讯摘要
这篇文章认为，AI对劳动力市场的影响，可能最先表现为入门级工作的弱化，而不是大规模失业。文章指出，发达国家的整体就业仍然大体稳定，因此从总量上看，并没有出现明显的“失业海啸”。但在表面平稳之下，最先出现问题的地方恰恰是早期职业招聘。斯坦福数字经济实验室在2025年11月发布的一篇工作论文发现，在最受生成式AI影响的职业中，22至25岁劳动者在AI扩散后就业人数相对下降了16%，而且这一结果是在控制了其他可能影响企业用工决策的因素之后得出的。
Anthropic在2026年3月发布的报告也提供了与此相似的证据。文章强调，同一职业中更有经验的劳动者并没有出现同样的下滑，而AI暴露度低的入门岗位也没有出现类似趋势。作者因此认为，企业可能正在用AI替代那些过去帮助年轻人获得职业第一站的初级任务，尤其是在软件开发、客户服务、计算机编程和信息系统管理等岗位上。文章最后呼吁教育机构、政府、企业和学生共同调整，帮助年轻人进入AI增强的工作环境，并建立长期职业路径。
资讯正文
到目前为止，人工智能还没有带来一则清晰的“大规模失业”故事。发达国家的总体就业人数仍大体稳定，近期的评估也发现，AI对总体数据的影响证据有限。但一种令人担忧的变化可能正隐藏在表面之下：职业阶梯最底端正在悄然变弱。
最令人不安的证据，恰恰出现在我们最应该最先看到它的地方：早期职业招聘。斯坦福数字经济实验室在2025年11月发布的一篇工作论文发现，在AI暴露度最高的职业中，22岁至25岁的劳动者在生成式AI普及后，受雇人数相对下降了16%，即便控制了其他可能影响企业用工决策的因素亦是如此。Anthropic在2026年3月的一份报告提供了提示性证据，并得出了类似结论。
在同样这些职业中，经验更丰富的劳动者并没有遭受同样的下降。AI暴露度较低的入门级工作，就业也没有出现下滑。问题特指那些暴露于AI的早期职业岗位。
这绝不是一个无关紧要的信号。它表明，企业可能正在利用AI替代那些传统上让人们获得第一块立足之地的初级任务——至少对于那些广泛使用生成式AI的岗位而言，例如软件开发人员、客服代表、计算机程序员和信息系统经理。
现在是时候改变我们培训、准备并支持即将进入劳动力市场的年轻人的方式了。教育机构需要为AI增强型劳动力时代重新调整方向。政府必须激励企业雇用并培训早期职业劳动者。企业则需要认识到，培养一支长期、具备AI经验的员工队伍至关重要，而这一过程要从入门级员工开始。学生们自己也应承担起责任，不仅要熟练掌握AI，还要学会如何在不同领域应用这些知识。
简而言之，我们必须改变传统上看待入门级工作的方式。
这一点尤其重要，因为近期毕业生的更广泛劳动力市场也在走弱。纽约联邦储备银行报告称，在2025年第四季度，近期大学毕业生的失业率上升到5.6%，而就业不足率——即从事通常不需要大学学位的工作的毕业生所占比例——达到42.5%，为新冠疫情以来的最高水平。没有任何单一统计数据可以证明AI是这种恶化的唯一原因。疫情后的整体招聘大幅下滑，年轻人尤其容易受到放缓影响。但忽视AI可能正在加速学校到职场这一本已艰难的过渡，无疑是错误的。
这些统计数据背后，是大量个人层面的痛苦。如今的应届毕业生在拿到第一份 offer 之前，往往要投出数百份申请，而调查持续发现，长时间求职的年轻员工焦虑水平更高、经济处境更不稳定，也更容易精疲力竭。如果 AI 悄无声息地关上典型入门岗位的大门，人们将为此付出代价：独立生活被推迟、组建家庭被延后，以及一种感觉——他们第一次认真的职业尝试被拒绝了。
这件事同样重要，因为入门级工作是经济体系的培训系统。初级分析师学会哪些数字可信；年轻的软件开发者学会生产系统如何失效；新入行的营销人员学会客户在仪表盘那种整齐语言之外是如何行动的；职业生涯早期的法律和金融从业人员学会规则、判断、期限与人际关系究竟如何相互作用。如果 AI 吸收了更多原本用于培养入门级员工的起草、分流、编码、总结和行政准备工作，企业短期内或许会更高效，但从长远看，社会的能力可能会下降。
提升年轻员工技能的正确方式，不是对他们说“去学编程”。这种建议在十多年联邦倡议和大学扩招中塑造了方向，其前提是编程是一项稳定、可规模化、几乎任何人都能学会并借此获得中产阶层工作的技能。这个前提如今已不成立。AI 处理得最好的那一层工作——把规范转化为常规代码、复现标准模式、排查可预测的错误——恰恰就是“学编程”项目所围绕的那一层。
如今，更相关的技能是监督 AI 系统工作。因此，理解 AI 系统产出的结果将变得非常重要。
为了帮助人们培养这类技能，我们应该要求大学、社区学院和职业项目把 AI 素养、数据素养、基于提示词的工作流程技能、核验技能以及领域判断力嵌入常规学位课程。每位毕业生都应知道如何使用 AI 工具、检查其输出、理解其局限，并将其与人类专业知识结合起来。即便对于那些看起来相对不受 AI 影响的专业毕业生，比如医疗保健领域的从业者，这一点也同样重要。几乎每一份工作都包含一些任务——起草、总结、排程、研究、基础数据工作、常规沟通——而 AI 目前已经是提升这些任务生产力的重要工具。
年轻员工将面对的竞争，更多不是人与机器之间的竞争，而是同事与 AI 增强型同事之间的竞争。对大多数年轻员工来说，让自己变得有价值的现实路径不是回避 AI，而是熟练掌握这项技术，并把它与领域判断、情境推理以及人际关系技能结合起来。为此，学校应当强调带薪合作项目、学徒制和与雇主相连接的项目，让学生在毕业前就在真实工作场景中建立判断力。
各国政府还应为雇用处于职业生涯早期、进入有结构化、由 AI 增强岗位的员工的雇主，设立有针对性的税收抵免、工资补贴和培训补助。这类附条件、与行为挂钩的补贴在美国税收政策中已经有现成的架构。缺少的是一种专门围绕早期职业阶段的 AI 增强型工作而设计的版本。
企业方面，则应停止只依据 AI 带来的短期成本节约来做招聘决定。年轻员工的价值，不仅在于他们这个季度完成了哪些任务。他们的价值体现在学习、技能形成、组织记忆以及未来生产率上。入门级招聘不只是支出，更是对企业内部判断力未来存量的一项投资。到 2030 年代末，最有效的、由 AI 增强的资深员工队伍，几乎肯定会主要来自今天的初级员工群体。那些把学习阶段也自动化掉的公司，短期利润率或许会有所改善，但十年后却可能发现，没人真正懂得自己由 AI 驱动的工作流究竟是如何运转的。
今年春季和明年毕业的学生，正面临一个艰难且处于转型中的劳动力市场。AI 熟练度正在变成一种商品。没有 AI 熟练度的领域专业知识，已经开始落后。真正稀缺的是两者的结合：既懂制造业、又具备 AI 能力的机械工程师；既了解金融服务、又精通 AI 的软件程序员——这类人才才会受到市场青睐。
来源与参考
收录于 2026-05-27