入门级岗位每季度骤降80%，下一代管理者正面临断崖式危机

一个人才层面的隐忧，正潜藏于众目睽睽之下。它不会出现在本季度的财报电话会议上，也不会浮现于明年的劳动力规划之中。然而，若企业此刻仍不将其视为一项系统性的设计缺陷加以应对，未来五年内，势必遭遇一场领导力危机。

尽管人工智能赋予了我们提升生产力的潜质，但它也正在系统性地重塑传统上用以培养下一代领导者的入门级岗位体验。

市场信号已然显现。哈佛大学的研究表明，在引入生成式人工智能的企业中，初级岗位就业率已下降9%，自2023年以来，入门级岗位每季度招聘量更是骤降了80%。ZipRecruiter发布的《2026年毕业生就业报告》显示，2026年初入门级岗位占比已从三年前的逾44%降至38.6%。

入门级的起步任务正被自动化取代，或向上转移，给更高级别岗位带来了沉重的工作负荷。这种压力将在领导力梯队中形成梗阻。

入门级岗位的意义绝非仅限于产出。从真实意义上讲，它们是高度结构化的学习场域。

初级分析师通过亲手构建模型，逐步形成对模型误差的敏锐直觉。新人撰写备忘录并接受批改，恰是通过思维交锋来锤炼判断力。刚刚踏出校门的毕业生，于复杂的客户情境中历练，由此锻造出的情绪韧性，是任何培训课程都难以复制的。

然而，在探讨人工智能对早期职业生涯的冲击时，世界经济论坛描绘出这样一幅图景：当新一代人踏入职场时，那些曾用以树立信心、锤炼能力的结构化重复性任务，正被自动化逐一消解。如今，年轻的专业人士从入职第一天起，便被期望贡献分析、洞见与适应力，却往往缺乏支撑这一切的成长阶梯。

Cornerstone近期对2000名员工的调查显示，95后员工报告的由人工智能驱动的岗位转型比例最高——38%的人表示，AI已从根本上改变了其岗位所需的能力。然而，他们恰恰是最不可能接受过正式培训、以应对这一变革的群体。大多数在工作中使用AI的95后员工（59%）表示，其所在组织从未就此提供过正式培训。

这直接颠覆了“年轻员工在AI方面更能获得组织支持”的普遍假设。他们被迫自谋出路，而这恰恰埋下了隐患——影子AI由此成为风险的倍增器：员工们未经官方许可，便擅自使用那些功能强大的工具，只因组织的正式赋能远未跟上他们的实际需求。

悄然消失的不仅仅是工作任务，更是宝贵的实践机会。传统上，入门级岗位提供的是结构化的反复演练：学会如何确定优先事项、从错误中复原、沟通不确定性，以及逐步建立信任。当人工智能承担了重复性工作，组织或许看到了效率，却失去了培养合格管理者和脚踏实地领导者的成长路径。

如今，人工智能已成为不可或缺的基础运营设施。只需采取以下几项简单举措，便可将领导力培养设计得当、有效衡量并持续优化，使其成为这一基础设施的有力支撑：

当AI接手具体任务后，不应简单将其一笔勾销，而是将其转化为一套判断闭环：审视输出结果、验证假设前提、对建议进行压力测试，以及将边缘案例逐级上报。AI既能令人惊叹，也可能谬以千里，必须有人练就区分两者的能力。

利用人工智能生成初稿、备选方案与情境推演，但必须要求员工（尤其是新人）对其加以批判、打磨，并为决策提供合理论证。学习的精髓，正在于评估的过程。

市场正趋向于让新入职员工更早承担更大责任。这既可能加速他们的成长，也可能引发本可避免的失败。

应构建由浅入深的进阶路径：从低风险、受指导的决策开始，逐步过渡到独立负责，并辅以每个阶段“何为优秀”的明确标尺。AI智能体可在工作流中即时教练，于关键时刻推送资源、示范案例及后续步骤指引，让员工的发展不再受限于那些他们往往无暇顾及的正式培训。

如果入门级工作的性质正在发生改变，管理者也必须与时俱进。他们需要明确传授思考的方式，而非仅仅下达执行的指令。这涵盖建立负责任使用AI的规范、界定逐级上报的时机，以及掌握传达不确定性的能力。

依托AI模型持续产出的劳动力智能分析，管理者能够更早洞悉员工能力的进阶与短板，从而在绩效问题演变为人才流失之前，及时启动辅导、项目历练或学习干预。

在快速变化的环境中，培养领导者的一大载体，便是轮岗或短期项目这类拓展性任务。。这些跨职能项目通过实战磨炼判断力，相较于一成不变的固定岗位，能更快拓宽视野、提升决策能力。以我们自身为例，“Cornerstone Gigs”项目为员工创造了短期机遇，让他们得以申请加入核心团队以外的任务。这帮助员工拓展边界，在锤炼既有技能的同时掌握新本领，也为企业注入新鲜视角，释放出原本可能被埋没的潜能。

AI能够发掘内部机会，并根据员工不断演进的技能进行精准匹配，使人才流动从零散表格或人情网络，升级为一套系统化运行机制。

年轻专业人士所需的，是清晰的权限与边界：在适当场合，须披露AI的辅助角色；对AI生成的结果，须进行严格核实；同时抵制将思考本身也外包出去的诱惑。倘若每一个想法都经由AI层层过滤，那么人们所面临的，将是一个可怕的后果：永远无法培育出属于自己的直觉判断力。

将轻量级的治理机制融入日常工作，例如经批准的工具清单、安全使用提示和核查清单，以引导良好实践。

真正的竞争分水岭，不在于企业采用了怎样的AI，而在于它们能否打造出与之相匹配的人才培养引擎。缺乏人类判断力支撑的自动化，无法规模化提升绩效，只会规模化复制错误。

不妨将这一转变理解为：从“做作业”转向“批作业”。在AI赋能的工作环境中，入门级员工正越来越多地承担起评估者与决策者的角色，而不再是单纯的生产者。批改作业，需要一套标准，需要足够的领域知识，更需要批判性思维，方能及时察觉错误。同时，还需要一份自信，敢于推翻那些听上去头头是道、实则并不可靠的系统判断。

世界经济论坛《未来就业报告》的显示，到2030年，39%的核心技能将发生变化。随着人工智能重塑工作本身，它也在重构能力的内涵。那些有意识地将入门级岗位流失的实践环节，替换为系统性判断力锻造的组织，将培育出能与技术同步产生复利效应的领导力。

若企业不采取行动，今日或许能靠效率驱动收获规模红利，但明日亦将面临领导力危机。

本文作者：

Carina Cortez，Cornerstone OnDemand首席人力官

本文原载于世界经济论坛Agenda博客，转载请注明来源并附上本文链接。