第一份工作正在消失:AI如何切断年轻人的职业阶梯?

届生陷入了没有工作经验就找不到工作、从而更加没有工作经验的死循环。

第二是“老带新”变成“嫌弃新”。在学徒制时代，带徒弟是资深员工的荣誉甚至考核指标。但现在资深员工自身难保：在技术迭代和行业裁员的压力下，中年白领或高级技术工人都面临着巨大的续约压力，他们没有精力和义务去义务“扶贫”新人。同时，带新成本也升高了，由于技能范式变成了人机协同式，要教新人用AI跑通工作流，其教学成本甚至超过了资深员工自己动手的成本。

第三是转正考核的“KPI 前置”。过去，新人的试用期是用来学习和适应的；现在，试用期就是生存淘汰赛。很多企业在入职第一周就会给新人下达明确的、甚至是不切实际的产出指标，行就留，不行就立刻换下一个，新人完全没有“试错”的空间。

企业不再提供“新手村”，技能的习得就从一种企业/社会公共行为，彻底变成了个人自费行为。为了跨越这个断层，现在的年轻人不得不开始“自费当学徒”。市面上甚至催生出了畸形的产业链，学生需要花几千甚至上万元，购买一个“远程实习”或“导师带教”名额，仅仅为了在简历上增添一笔“工作经验”。年轻人也被迫在知乎、B站、小红书上自学“如何像一个3年经验的职场人一样汇报”、“如何熟练调教AI”。

对于个人而言，这意味着进入职业共同体的门槛越来越高；对于社会而言，这意味着知识、经验与专业能力的代际传承机制正在遭遇挑战。

AI的影响是一场关于预期的革命

值得注意的是，初级岗位招聘量下降80%，并不是因为这些工作已经被AI大规模自动化取代，而是因为企业相信它们未来将会被取代。

研究发现，在ChatGPT于2022年底发布后，美国企业管理层对于人工智能的关注迅速升温。根据研究团队的统计，到2023年年中，美国上市公司财报电话会议（earnings calls）中提及AI的次数已经增长至原来的三倍以上。企业开始将人工智能视为未来提升生产效率和降低人力成本的核心工具，并据此重新规划自身的人才结构。

许多情况下，企业并没有等到AI真正成熟到能够完全接管相关工作后才采取行动，而是提前调整招聘策略。面对未来可能出现的自动化能力，它们率先缩减了应届毕业生和初级岗位的招聘规模，减少对新人的培养投入，以避免未来出现人员冗余。这意味着，招聘市场的变化更多是由企业对未来技术前景的预期所驱动，而非由已经发生的自动化事实所驱动。

这种现象反映出一种典型的“预期效应”（expectation effect）。在经济学中，企业决策往往并非基于当下现实，而是基于对未来的判断。当管理层相信未来三到五年内AI能够完成越来越多的基础性知识工作时，他们就会倾向于减少今天的初级岗位招聘，即使当前这些工作仍然主要依赖人类完成。换句话说，被裁减的并非已经被AI取代的岗位，而是企业认为未来可能被AI取代的岗位。

这种变化也揭示了生成式AI与以往技术革命的重要区别。传统自动化通常是在机器已经成熟并投入生产之后，劳动力需求才开始下降；而生成式AI则在很大程度上通过改变企业预期来提前影响就业市场。技术尚未完全落地，企业的人才战略却已经发生改变。这里被改变的不是工作本身，是对于未来工作的想象。

年轻求职者面对一种前所未有的挑战：他们所竞争的岗位减少，并不一定因为自身已经输给了AI，而是因为企业认为未来某一天AI可能会胜过他们。就业市场开始围绕一种尚未完全实现的技术能力进行重构，形成一种“预防性裁撤”或“预期性缩招”的现象。

从更宏观的视角来看，这也意味着AI的影响不仅是一场技术革命，更是一场关于预期的革命。

企业可能高估了AI的替代速度

很明显，部分企业的人才收缩策略，建立在对于未来AI能力的预期之上，而非现实中的完全自动化。企业可能高估了AI取代初级知识工作的速度，而认知能力的“最后一公里”问题，或许是造成这种高估的重要原因之一。

所谓“最后一公里”，是指大模型可以轻松完成90%甚至99%的高难度计算、知识检索和文本生成，但在决定最终结果是否真正可用、合规、安全、有同理心等的深层认知和决策上（即最后1%到10%），遭遇了难以跨越的瓶颈。这最后的1%到10%，牵涉到幻觉消除与事实核查、隐形知识与上下文把握、因果推断与“黑天鹅”应对、责任归属与伦理防御等。

很多企业会犯一个致命错误：以为AI完成了90%的工作，就可以裁掉90%的人。但现实是，为了补齐AI留下的“最后一公里”漏洞，企业付出的代价常常比以前更高。

有越来越多的企业开始意识到其中潜藏的风险。根据企业软件公司SAP与Wakefield Research联合开展的一项调查，88%的首席人力资源官认为，AI正在帮助职场新人更快达到岗位要求。这一发现实际上提供了另一种思路：AI的价值未必在于取消初级岗位，而在于重新设计初级岗位。

长期以来，企业培养新人往往需要经历漫长的学习周期。初级员工需要花费数月甚至数年的时间掌握行业知识、熟悉业务流程并形成基本的职业能力。然而，AI工具的出现正在压缩这一学习曲线。过去需要反复练习才能掌握的信息搜集、数据分析、文档撰写和知识检索能力，如今可以在AI辅助下更快获得。换句话说，AI未必一定意味着“更少的新人”，它同样可能意味着“成长速度更快的新人”。

劳动价值观正在发生重构

企业关心的是结果导向的生产效率，而教育关注的则是能力形成的过程。许多学生同时将AI视为两种威胁：一方面，它可能取代未来的工作岗位；另一方面，它可能削弱个人的思考能力和学习能力。对于许多大学生来说，生成式AI不仅意味着就业市场竞争格局的变化，也意味着传统教育模式本身正在受到冲击。

这种焦虑已经开始影响学生的专业选择。根据 Lumina Foundation Lumina Foundation 与 Gallup Gallup 联合发布的《2026美国高等教育状况研究》，由于担心自动化替代，一部分学生正在重新评估自己的学业规划。他们开始减少对入门级技术岗位、数据分析和统计分析等领域的兴趣，而转向更强调批判性思维、沟通能力、人际互动和人文关怀的专业方向。换言之，当机器越来越擅长处理结构化信息和标准化任务时，学生们开始寻找那些更难被算法取代的人类能力。

选择的转变实际上反映了年轻人对未来劳动价值的重新判断。过去，教育体系普遍鼓励学生掌握标准化、可量化和可认证的专业技能；而在AI时代，恰恰是那些难以被标准化描述、难以被数据化编码的能力开始重新获得价值。教育、心理学、社会工作、传播学、公共事务以及医疗照护等方向的工作，不仅依赖知识本身，更依赖人与人之间的互动关系、情境理解和伦理责任，而这些能力至少在可预见的未来仍然较难被自动化系统完全替代。所以，学生的行动，不仅是在规避技术替代风险，也是在重新定义什么样的能力值得投入数年时间去培养。

这可能是职场被AI影响后，产生的一个意外正面效果：高等教育与职业发展的评价体系，被推动从看重知识获取转向强调意义建构、关系建立与复杂问题的解决。