【关注】胡泳 | 第一份工作正在消失：AI如何切断年轻人的职业阶梯？

从职业社会学角度看，真正的危机不一定是失业，而是职业再生产机制的断裂。企业越来越倾向于招聘能够直接创造价值的成熟人才，而不愿投入时间和成本培养新人。

本文作者系盘古智库学术委员、北京大学新闻与传播学院教授胡泳，文章来源于“腾讯新闻大声思考”微信公众号。

本文大约6900字，读完约17分钟。

当毕业典礼开始出现对AI的嘘声

一年一度的高校毕业季又来到了。

在美国，过去，毕业典礼演讲通常是关于梦想、创新和未来机遇的鼓舞性场合；然而如今，只要演讲者谈及人工智能，越来越多的学生会表现出明显的抵触甚至敌意。

一个颇具象征意味的场景发生在今年5月的亚利桑那大学毕业典礼上。当谷歌前CEO埃里克·施密特（Eric Schmidt）向毕业生谈论人工智能所带来的机遇与未来时，现场却响起了嘘声。对于长期以来惯于被视为技术创新象征的人物而言，这样的遭遇颇不寻常。

过去，硅谷领袖出现在大学毕业典礼上，往往代表着创业精神、技术进步和无限可能；而如今，当他们谈论AI时，迎接他们的不再只有掌声，还有怀疑和焦虑。施密特将当前的人工智能热潮与四十年前的个人电脑革命相提并论，现场却不断传来学生的喝倒彩。面对这样的反应，他顿了顿，对毕业生说道：“我知道你们很多人对此是什么感受。我听得到你们的声音。”

这句带有安抚意味的话语，凸显了当下美国青年群体对于人工智能的复杂情绪。对于许多即将进入职场的毕业生来说，人工智能不再只是令人兴奋的创新工具，而越来越像一个潜在的竞争者。当科技公司不断展示AI的自动化能力时，年轻人首先想到的往往不是生产力提升，而是自己的第一份工作是否还存在。

入门级工作的消失

越来越多的证据显示，人工智能已开始直接影响年轻人的就业前景。它对大量岗位构成真实威胁，而这些岗位恰恰一直承担着年轻一代进入劳动力市场“第一站”的责任。

它们是传统上被视为职业起点的初级岗位，长期履行着培养新人、积累经验和完成职业社会化的重要功能，是每一代年轻人开始职业生涯的第一块踏板。然而，当AI能够完成基础文案撰写、数据整理、市场调研、代码编写、初始设计、客户服务乃至知识工作时，企业对于初级员工的需求正在发生变化。

这种趋势几乎出现在各个行业之中。

在科技行业，先进的编程工具正在逐步接管原本属于初级工程师的工作，例如编写简单代码与调试——这些任务本来正是年轻开发者积累经验的主要方式。在软件开发领域，此一现象被称为“初级程序员的初学者困境”。GitHub Copilot、Cursor等先进AI编程工具的普及，正在彻底重塑软件工程师的职业路径。

在律师事务所中，曾经由初级助理律师和第一年律师负责的文档审查工作，如今也正被人工智能工具接管，原本需要数周完成的工作，现在可以在数小时内完成。这动摇了法律界小时计费制的根基。过去，大型律师事务所维持其庞大商业帝国的主要模式之一，就是依赖成群结队的初级助理和实习生进行高强度的“流水线作业”。初级律师虽然时薪相对低，但由于基数大、工作时间极长，贡献了律所很大一部分的基础收入。当AI让200小时的工作量变成2小时，律所就无法再向客户收取这200小时的费用。这迫使律所从出售时间向出售价值/固定收费转型。

市场研究行业内的初级岗位（如市场研究分析师助理、数据录入员、初级数据分析师等）正在被生成式AI快速替代或严重压缩。比如，过去需要人工把几十个小时的消费者深访录音转成文字，并进行人工编码和打标签。现在，AI定制系统几分钟就能完成转录、提取关键词，甚至直接抓出消费者的“情绪波动”。原本需要初级员工熬夜搜集几十家竞争产品的官网、财报和社媒评价，做行业定性研究，而使用联网的大语言模型工具，几秒钟内就能生成一份脉络清晰的竞品对比初稿。

在零售行业，客服岗位（如在线客服、呼叫中心专员、售后接待等）传统上是门槛极低、吸纳年轻就业人口最多的“海绵”之一。然而，随着基于大语言模型的新一代AI智能客服全面上岗，这个庞大的入门级就业蓄水池正在迅速干涸。

在营销行业，因为工作中的大量基础任务本身就具有高度符号化、模板化和可预测的特点，而这些恰恰是大模型最擅长处理的内容，所以初级岗位快速收缩。长期以来，营销行业的人才培养遵循着一种典型的“学徒制”逻辑：新人从整理市场资料、搜集竞品信息、撰写基础文案、运营社交媒体账号、制作数据报告等事务性工作做起，在不断重复的实践过程中逐渐形成对消费者、品牌和市场的理解。现在，实习生→营销专员→高级专员→品牌经理→市场总监的职业路径被打破，初级从业者也因此丧失了进入行业、积累经验和向上流动的机会。

根据哈佛大学的一份最新工作论文，在采用了生成式人工智能的公司中，自2023年以来，初级岗位的招聘人数每季度下降了大约80%。这项由哈佛大学经济学家赛义德·侯赛尼（Seyed Hosseini）和盖伊·利希廷格（Guy Lichtinger）进行的研究，分析了2015年至2025年间，涵盖美国28万多家企业、6600万名员工的简历和招聘职位数据。生成式AI正在不成比例地减少对处于职业生涯底层员工的需求，而同一家公司的资深员工（高级岗位）数量却在持续增长。两位学者将这种现象称为“偏向高资历的技术变革”。

类似地，路透社2026年的调查显示，科技、广告、娱乐等行业已经出现“静默裁员”，许多企业减少应届生招聘规模，并用AI完成原本由新人承担的工作。还有一种情况也很常见：若有员工离开，企业并不会急于寻找新的毕业生来填补空缺，而是选择让岗位自然消失。

这类手段揭示了当前AI影响就业市场的一种重要机制：企业正在通过“自然减员”而非“主动裁员”来重塑组织结构。相比大规模裁员所带来的舆论压力和组织震荡，减少招聘、暂停校招、缩减实习岗位是一种成本更低、风险更小的调整方式。然而，这种渐进式变化对于即将进入劳动力市场的年轻人而言，影响却同样深远，因为他们面对的并非岗位被取消，而是岗位根本不再出现。

这些变化与最新的就业数据中的年轻人失业趋势相呼应。在美国，自2022年9月以来，大学毕业生的失业率上升了30%，相比之下，全体劳动力的增幅约为18%。与此同时，LinkedIn 的“职场信心指数”（Workforce Confidence Index）持续下降，显示出整体不确定性加剧。该指标是基于近50万名专业人士的职业与就业信心调查而得出的。面对如此波动的前景，Z世代对未来的悲观程度高于其他所有年龄群体。

真正的危机是职业再生产机制的断裂

在中国，生成式AI对初级岗位的冲击同样剧烈，且由于独特的经济与人口背景，这种冲击展现出了更具挑战性的中国特色。

中国正面临一个特殊的结构性矛盾：一方面，中国高校毕业生人数再创新高（2026届预计达1270万人）；另一方面，青年群体进入劳动力市场的传统入口，如市场营销、内容运营、行政助理、客服专员、初级程序员等，悉遭压缩。过去承接了大量应届生的产业，正在将预算向AI大模型倾斜。

我的一个学生做广告业从业人员调查，发现AI在基础岗位有明显优势。从业多年的广告人对AI的使用效果给予很高的评价：“各方面都要好于去找一个大学生进来当实习生。”因此，“感觉大学生现在要跟AI竞争是非常难的一件事情。可能需要去培养的人会变少，对于new blood的吸收岗位肯定会变少。”

可见，不仅仅是大量传统意义上的入门级岗位消失，“实习生坑位”也不见了。而广告业的情形在其他行业也大量存在：

庞大的游戏产业曾是美术和文学专业毕业生的吸纳大户，而现在，大量的初级原画师、换皮美工、初级游戏剧情/文案策划岗位急剧缩减。企业不再愿意花钱和时间去“养”一个新手成长，而是直接用AI配合1个资深设计师顶替过去5个人的团队。

互联网和软件外包行业（如软通动力、中软国际等外包巨头）曾消耗了海量的计算机专业大专及本科生，但肉眼可见初级“码农”正在被低代码和AI编程取代。“懂业务、能架构、会调教AI”的资深开发者成了香饽饽，只会照着文档写死代码的初学者甚至连面试机会都拿不到。

历史上，每一代劳动者都需要通过一些基础性工作积累经验，然后逐步成长为更高级的人才。但如果这些入门岗位本身被自动化消解，那么年轻人将面临一个前所未有的问题：在缺乏实践机会的情况下，他们又该如何获得成为专家所必需的经验？

从职业社会学角度看，真正的危机不一定是失业，而是职业再生产机制的断裂。企业越来越倾向于招聘能够直接创造价值的成熟人才，而不愿投入时间和成本培养新人。

经验不是不重要了，而是不传递了

AI企业内部的人才结构正在发生明显变化。如前所述，在初级岗位招聘持续萎缩的同时，资深员工的数量却在继续增长。换言之，企业减少的并不是全部劳动力需求，而是对那些仍需培养的人的需求；增加的则是对能够立即创造价值的人的需求。

在那些最容易受到生成式AI影响的职业领域（市场研究、金融分析、内容创作、软件开发、法律助理等知识密集型岗位），这种趋势表现得尤为明显。研究发现，在采用AI的企业中，暴露于生成式AI风险较高岗位的初级员工数量相对于其他岗位下降了约7%，而同一职业中的资深员工却没有出现类似的下滑。这意味着，AI并没有均匀地替代整个职业，而是在职业内部重新分配价值：经验丰富者的价值被放大，而经验不足者的价值则被削弱。

从企业角度看，这种逻辑并不难理解。一名拥有十年经验的分析师配合AI工具，往往能够完成过去一个团队的部分工作；而一名刚毕业的新人，即使拥有同样的AI工具，也未必具备判断信息质量、理解行业背景和做出商业决策的能力。因此，AI并没有消灭经验的重要性，反而提高了经验的回报率。

这也意味着，劳动力市场正在从传统的“培养模式”转向一种新的“购买模式”。过去企业通过招聘大量应届毕业生，在内部完成培训与筛选；如今越来越多企业更倾向于直接招聘已经具备实战经验的人才，再借助AI进一步提升其效率。结果便是，职业成长链条的中下游环节开始收缩，而高端人才市场的重要性持续上升。

但这样也不是没有代价的。首先是一个鸡生蛋蛋生鸡的问题：如果所有企业都希望招聘有经验的人，那么这些经验最初又将从哪里产生？其次是资深人才的消耗问题：由于缺乏基层助理分担杂务，需要调教AI来代替，不得不把时间浪费在低价值的琐事上。或者，由于行业没有新鲜血液流入，面临中年危机与技能固化的双重压力。

学徒制的终结与残酷的职场新常态

职场学徒制的消失，是近几年职场最隐秘、但也最具毁灭性的结构性变化之一。过去，无论是工厂里的“师傅带徒弟”，还是写字楼里的“老带新”，职场都有一条不成文的人才孵化链条。但今天，这条链条在技术大潮和经济效率的逼迫下，正在彻底断裂。

这造成三个极其残酷的职场新常态：第一是招聘要求的“无限套娃”。打开招聘软件，你会发现一个荒谬的现象：一个入门级、助理级的岗位，却要求具备3年以上、能独立操盘项目的经验。企业把本该由自己承担的培训成本，直接转嫁给了社会。这就导致应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 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。■

文章来源于“腾讯新闻大声思考”微信公众号

图文编辑：张洵

责任编辑：刘菁波