是时候解决入门级工作即将面临的危机了。

MIT Technology Review 新闻
artificial-intelligence labor-market entry-level-work employment generative-ai early-career education

摘要

文章讨论了有证据表明生成式AI正在减少入门级工作机会，尤其是对AI暴露职业中的年轻工人，并呼吁在教育、政府政策和商业实践方面进行变革，以应对这场即将到来的危机。

<p>到目前为止，人工智能并未导致大规模失业的明确局面。发达国家的总就业人数保持基本稳定，最近的评估发现，AI并未明显改变整体数字。但一个令人不安的变化可能隐藏在水面之下：职业阶梯的第一级正在悄然弱化。</p> <p>最令人担忧的证据正好出现在我们预期最早出现的地方：早期职业招聘。斯坦福数字经济学实验室在2025年11月发布的一份<a href="https://digitaleconomy.stanford.edu/publication/canaries-in-the-coal-mine-six-facts-about-the-recent-employment-effects-of-artificial-intelligence/">工作论文</a>发现，在生成式AI普及后，即使控制了可能影响企业雇佣决策的其他因素，22至25岁、从事AI暴露程度最高职业的工人就业率相对下降了16%。Anthropic在2026年3月发布的一份<a href="https://www.anthropic.com/research/labor-market-impacts">报告</a>提供了类似结论的提示性证据。</p> <p>同一职业中经验更丰富的工人并未遭受同样的下降。在AI暴露程度低的入门级工作中，就业率也没有下降。这种担忧特指那些暴露于AI的早期职业岗位。</p> <p>这不是一个微弱的信号。它表明企业可能正在利用AI替代那些人们传统上通过其获得第一份立足点的初级任务——至少对于生成式AI被广泛使用的职位（如软件开发人员、客服代表、计算机程序员和信息系统经理）而言是如此。</p> <p>现在是时候改变我们培训、准备和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增强的劳动力时代重新定位。政府必须激励企业雇佣和培训早期职业工人。反过来，企业需要认识到培养长期经验丰富的AI劳动力——这一过程始于入门级工人——的重要性。而学生自己也应承担责任，不仅要精通AI，还要学会如何将这些知识应用于各个领域。</p> <p>简而言之，我们必须改变传统上对入门级工作的看法。</p> <p>这一点尤为重要，因为应届毕业生更广泛的劳动力市场也在走软。纽约联邦储备银行<a href="https://www.newyorkfed.org/research/college-labor-market#--:explore:unemployment">报告</a>称，2025年第四季度，应届大学毕业生的失业率上升至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能证明AI是导致这一恶化的唯一原因。疫情后总体招聘人数大幅<a href="https://www.bls.gov/jlt/latest-numbers.htm">下降</a>，年轻人尤其容易受到放缓的影响。但忽视AI可能正在加速本已困难的从学校到工作的过渡的可能性，将是一个错误。</p> <p>在这些统计数据背后，是大量的个人痛苦。如今的应届毕业生常常在获得一份录用通知前<a href="https://spectrumlocalnews.com/nys/buffalo/campus-report/2026/04/16/college-graduates-face-tough-job-market">提交数百份申请</a>，而调查一致发现，在长期求职的年轻工人中，焦虑、经济不稳定和倦怠的比例升高。如果AI悄悄关闭了典型的早期工作的大门，人们将付出代价：独立延迟、家庭组建推迟，以及感觉自己最初的严肃职业努力遭到拒绝。</p> <p>这一点也很重要，因为入门级工作是经济体系培训系统的一部分。初级分析师学习哪些数字可以信赖。年轻软件开发人员了解生产系统如何失败。新营销人员了解客户在仪表盘简洁语言之外的实际行为。早期职业生涯的法律和财务人员了解规则、判断、截止日期和人际关系如何实际互动。如果AI吸收了更多曾经帮助培训入门级工人的起草、分诊、编码、总结和行政准备工作，企业可能在短期内变得更高效，而社会在长期内则变得更不具能力。</p> <p>提升年轻工人技能的正确方法不是告诉他们“学编程”。这一建议塑造了十多年的联邦倡议和大学扩张，其前提是编程是一项稳定、可扩展的技能，几乎任何人都可以学习并借此获得一份中产阶级工作。这一前提已不再成立。AI处理得好的工作层——将规范转化为常规代码、复制标准模式、调试可预测错误——正是“学编程”项目所围绕的层面。</p> <p>监督AI系统工作现在是一项更为相关的技能。因此，理解AI系统产生的输出将变得非常重要。</p> <p>为帮助人们培养此类技能，我们应要求大学、社区学院和职业项目将AI素养、数据素养、基于提示的工作流技能、验证技能和领域判断力嵌入普通学位中。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相结合。即使对于进入看似相对不受AI影响的职业（如医疗保健）的毕业生，这一点也很重要。几乎每个工作都包含起草、总结、安排日程、研究、基础数据工作、日常沟通等AI已成为重要生产力工具的任务。</p> <p>大多数年轻工人将面临的竞争不是人与机器，而是同事与AI增强的同事。对于大多数年轻工人来说，让自己变得有价值的现实路径不是逃避AI，而是精通该技术，并将其与领域判断力、情境推理和人际关系技能相结合。为此，学校应强调带薪实习、学徒制和与雇主合作的项目，以便学生在毕业前在真实工作场所建立判断力。</p> <p>政府还应创建针对性的税收抵免、工资补贴和培训补助金，奖励雇佣早期职业工人进入结构化、AI增强岗位的雇主。这种有条件、行为关联的补贴架构在美国税收政策中已经存在。缺失的是专门围绕早期职业AI增强工作而构建的这些工具的版本。</p> <p>企业方面，应停止仅基于AI带来的短期成本节约来做出招聘决策。年轻工人的价值不仅仅在于他们本季度完成的任务。他们的价值在于学习、技能形成、机构记忆和未来的生产力。入门级招聘不仅仅是一项开支。它是对企业未来判断力储备的投资。2030年代末最有效的AI增强高级劳动力将绝大多数来自今天的初级群体。那些将学习阶段自动化的企业可能会改善短期利润，但十年后会发现，没有人理解他们自己的AI驱动工作流实际如何运作。</p> <p>今年春季和明年毕业的学生面临一个转型中的艰难劳动力市场。AI流畅度正在成为一种商品。没有AI流畅度的领域专业知识正在被超越。两者结合才是真正稀缺的。具备制造知识<em>和</em>AI能力的机械工程师；具备软件</p>
查看原文
查看缓存全文

缓存时间: 2026/05/26 12:32

# 是时候应对入门级工作中潜伏的危机了。 来源：https://www.technologyreview.com/2026/05/26/1137865/its-time-to-address-the-looming-crisis-in-entry-level-work 到目前为止，人工智能并没有带来一个清晰的、大规模失业的故事。发达国家的整体就业状况基本保持稳定，近期的评估也发现，人工智能对宏观就业数据的影响证据有限。但一个令人不安的变化可能正隐藏在表面之下：职业阶梯第一级阶梯正在悄然弱化。 最令人担忧的证据正出现在我们最应该预期的地方：早期职业招聘。斯坦福数字经济实验室（Stanford Digital Economy Lab）在2025年11月发布的一份工作论文发现，在生成式AI普及后，22至25岁、身处最易受AI影响职业的工人，其就业率相对下降了16%，即使控制了其他可能影响企业雇佣决策的因素也是如此。Anthropic 在2026年3月发布的一份报告也提供了指向类似结论的证据。 在同一职业中，经验更丰富的工人并未遭受同样的就业下滑。AI暴露程度低的入门级工作的就业率也并未下降。问题特指那些暴露于AI的早期职业岗位。 这不是一个微不足道的信号。它表明，企业可能正在利用AI来替代那些传统的、让新手获得最初立足点的初级任务——至少对软件开发者、客服代表、计算机程序员和信息系统管理员等广泛使用生成式AI的岗位是如此。 现在是时候改变我们培训、准备和支持即将进入职场的年轻人的方式了。教育机构需要为AI增强型劳动力的时代重新定位。政府必须激励企业雇佣和培训早期职业工作者。相应地，企业需要认识到培养一支长期、精通AI的劳动力队伍的重要性——而这要从入门级员工开始。学生自己也有责任不仅要成为AI能手，还要学会如何在各个领域应用这些知识。 简而言之，我们必须改变我们对入门级工作的传统看法。 这一点尤其重要，因为面向应届毕业生的整体劳动力市场也在疲软。纽约联邦储备银行报告称，2025年第四季度，应届大学毕业生的失业率升至5.6%，而不充分就业率（即从事通常不需要大学学位的工作的毕业生比例）达到了42.5%，为新冠疫情以来的最高水平。没有任何单一统计数据能证明AI是导致这种恶化的唯一原因。疫情过后，整体招聘需求大幅下降，年轻人尤其容易受到这种放缓的影响。但忽视AI可能正在加速这一本已困难的从学校到工作的转型过程，将是一个错误。 在这些统计数据背后，是大量的个人痛苦。如今的应届毕业生常常在收到一份录用通知前投出数百份申请，调查持续发现，在长时间求职的年轻工人中，焦虑、经济不稳定和倦怠的比例很高。如果AI悄悄关闭了典型的早期工作岗位，人们将为此付出代价：独立生活的延迟、组建家庭的推迟，以及感觉自己最初的严肃职业努力遭到了拒绝。 这一点之所以重要，还因为入门级工作是经济培训体系的一部分。初级分析师学着辨别哪些数字可信。年轻的软件开发者了解生产系统如何失败。新的营销人员了解客户在整洁的仪表盘语言之外的真实行为。早期的法律和金融职员学习规则、判断力、截止日期和人际关系是如何实际相互作用的。如果AI吸收了更多曾经用于培训入门级员工的起草、分类、编码、总结和行政准备工作，那么企业短期内可能会变得更高效，但从长远来看，整个社会的能力将会下降。 提升年轻工人技能的正确方法，不是告诉他们“学编程”。这条建议塑造了十多年的联邦计划和大学扩张，它基于一个前提：编程是一种稳定、可扩展的技能，几乎任何人都能学会并借此获得一份中产阶级的工作。这个前提已不再成立。AI 处理得好的那层工作——将规范转化为常规代码、重现标准模式、调试可预测的错误——恰恰是“学编程”项目所围绕构建的那一层。 现在，监督 AI 系统的工作是一项重要得多的技能。因此，理解 AI 系统产生的输出将变得非常重要。 为了帮助人们发展这些技能，我们应该要求大学、社区学院和专业课程将 AI 素养、数据素养、基于提示词的工作流技能、验证技能和领域判断力嵌入到常规学位中。每位毕业生都应该知道如何使用 AI 工具，检查其输出，理解其局限，并将其与人类专业知识相结合。即使对于进入像医疗保健这样看似相对安全的岗位的毕业生，这一点也很重要。几乎所有工作都包含一些任务——起草、总结、排程、研究、基础数据工作、日常沟通——对于这些任务，AI 已经是一个强大的生产力工具。 大多数年轻工人将面临的竞争不是人类对抗机器，而是同事对抗AI增强的同事。对大多数年轻工人来说，让自己变得有价值的现实路径不是避开AI，而是精通这项技术，并将其与领域判断力、情境推理和人际关系技能相结合。为此，学校应强调带薪合作教育、学徒制和与雇主相关的项目，让学生毕业前在真实工作场所中积累判断力。 政府还应为那些雇佣早期职业工作者进入结构化的、AI 增强型岗位的雇主，设立有针对性的税收抵免、工资补贴和培训补助。这种基于条件的、与行为挂钩的补贴机制的架构，在美国的税收政策中已经存在。缺失的是专门围绕早期职业AI增强型工作设计的这些工具版本。 企业方面，则不应再仅仅基于AI带来的短期成本节约来做招聘决策。年轻工人的价值不仅在于他们本季度执行的任务。他们的价值在于学习、技能形成、机构记忆和未来的生产力。入门级招聘不仅仅是一项开支。它是对企业未来判断力存量的投资。在2030年代末，最有效的AI增强型高级劳动力，将绝大多数来自今天的初级员工群体。那些将学习阶段自动化掉的企业，或许能改善眼下的利润率，但十年后会发现，没人能理解自己公司由AI驱动的工作流程究竟是如何运作的。 今年春天和明年毕业的学生，正面临一个转型中的艰难劳动力市场。AI 熟练度正在成为一种商品。缺乏 AI 熟练度的领域专业知识正被超越。两者的结合才是真正稀缺的。既懂制造知识又精通AI的机械工程师；既懂金融服务业知识又是AI高手的软件程序员——这些将是供不应求的人才。 *乔治斯·彼得罗普洛斯（Georgios Petropoulos）是南加州大学马歇尔商学院的助理教授。他的研究重点在于信息技术对创新、竞争政策和劳动力市场的影响。*

相似文章