人工智能如何改变入门级工作的本质
入门级员工对企业依然至关重要，而借助人工智能，公司有望提升初级员工的生产力。 Image: 路透社/Benoit Tessier
- 过去18个月间，美国的入门级岗位数量减少了35%，其中很大一部分原因在于人工智能的普及。
- 对于仍开放招聘的岗位，随着人工智能承担起常规性任务执行，这些工作的性质正在迅速发生变化。
- 入门级员工对企业依然至关重要，而借助人工智能，公司有望提升初级员工的生产力。
纵观当前的就业市场，随着各行业领导者纷纷采用人工智能来处理从数据录入、编程到客户支持等基础性任务，新兴的入门级岗位正在迅速消失。
以美国为例，研究机构Revelio Labs的数据显示，过去18个月间，入门级岗位的招聘信息数量骤降了35%，其中很大一部分原因在于人工智能的普及。
初看之下，这似乎是一个非此即彼的严峻抉择：拥抱人工智能以换取效率与成本节约，还是保留企业长期赖以生存的初级岗位层级？
然而，现实远比这更为复杂。
企业通过削减初级人才所获得的短期效率提升，实际上掩盖了更为长期的风险。若缺乏数字原生代的新鲜血液，组织将面临一系列不利影响：人工智能的采纳与应用进程放缓、继任计划被削弱、知识传承陷入停滞、组织文化难以自我更新。若缺乏审慎设计的入门通道，劳动力规划者所寄望的未来，或许永远无法真正到来。
此外，最新报告显示，那些原本被认为将由人工智能承担的初级岗位工作，正被层层上移——结果导致中层管理者与资深人才因接手初级任务而负担过重、疲惫不堪，敬业度也随之下降。
重新审视人工智能与入门级岗位
在人工智能的生产力效益与入门级岗位之间，并不必然是非此即彼的选择。我认为，在人工智能优先的世界里，早期职业人才正变得愈发关键，而非相反。事实上，尽管高知特已广泛使用人工智能，我们仍在2025年招聘了25,000名应届毕业生，并预计今年将超过这一数字。
通过吸纳入门级人才，组织将扩充其“数字原生代”的队伍——这些员工能够快速掌握人工智能，无需经历资深同事所需的那套变革管理曲线。凭借与生俱来的对人工智能的适应力，新员工能够更快地为公司创造价值，因为他们可以即时获取过去需要多年积累的专业知识。处于职业生涯早期阶段的人才，能够借助人工智能更迅速地掌握技能，并更快地晋升至更高价值的岗位。
拥有一支对人工智能工具得心应手的员工队伍，是一项显著的竞争优势，尤其是在当今技术变革日新月异的背景下。而让这些精通人工智能的新员工逐步成长至更高级别的岗位，将为未来数年的人才梯队健康度提供保障。
人工智能将如何改变入门级工作的面貌
入门级工作非但不会消失，反而正在被重新定义。正如我们近期发布的报告《万亿美元之问：人工智能时代的劳动力何去何从》中所讨论的，随着越来越多的初级员工带着在学校中练就的人工智能技能进入职场，这一技术正在改变入门级工作的形态，以及它在人才金字塔中所处的位置。例如：
- 新员工更侧重于判断决策，而非任务执行。初级人才不再需要花费数年时间从事重复性、手动操作的任务，而是可以尽早开始从事基于判断的工作。例如，他们可以负责审查和监控人工智能的输出结果，或将复杂案例标记并转交给人类专家处理。
- 入门级员工能够提炼人工智能洞察，与资深团队分享。早期职业人才不仅依赖导师和经理指导学习，还可以利用人工智能快速探索新思路、验证假设并开展微型实验。他们也可以借助人工智能捕捉新兴趋势、汇聚洞察，传递给资深团队。
- 早期职业人才能够协助打通人工智能工具与人类工作之间的连接。新人可以参与工作流监控，识别流程中的故障与低效环节，并确保人工智能输出的质量。通过这样的实践，他们将助力培养一支既理解人工智能工具、又懂得其业务应用场景的未来劳动力队伍。
如何推动新型入门级岗位的形成
企业可以采取相应措施，确保新员工能够顺利胜任这些新型岗位。例如：
- 循序渐进，设计结构化的入职通道：企业可以为入门级员工分配一部分低风险任务，让他们在实践中积累经验与专长，同时提供培训项目，帮助他们更快地过渡到需要磨练关键人文技能的复杂工作任务。
- 寻找兼具人工智能技能与敏锐辨别力的早期职业候选人：招聘经理需要善于识别那些不仅拥有人工智能技术技能，更对人工智能应在何处、以何种方式使用具备精细判断力的人才。最优秀的初级员工应当理解何时适合使用人工智能、如何质疑人工智能的输出，以及如何优化提示词与工作流。企业不仅需要评估候选人的人工智能经验，更要考察其人工智能推理能力。
- 为新员工搭配资深同事作为搭档：新人必须快速理解业务背景，从而能够以审慎的眼光评估人工智能驱动的输出与工作流。通过有意识地将新员工与经验丰富的人才组队，可以加速这一过程。资深同事能够帮助新人理解业务逻辑、风险意识、组织中人工智能的负责任使用方式，以及如何解读人工智能的输出。
明智的前行之路
当今的领导者们有机会在提升效率的同时，也推动人才的成长。他们能够，也必须在人工智能带来的效率增益与对人才金字塔底层的持续关注之间取得平衡。
唯有如此，他们才能培养出一代能够加速变革的数字原生工作者，并打造一支随时准备成为未来主力军的领导人才梯队。
本文作者：
Kathryn Diaz，高知特首席人才官
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。
不要错过关于此主题的更新
创建一个免费账户，在您的个性化内容合集中查看我们的最新出版物和分析。
许可和重新发布
世界经济论坛的文章可依照知识共享 署名-非商业性-非衍生品 4.0 国际公共许可协议 , 并根据我们的使用条款重新发布。
世界经济论坛是一个独立且中立的平台，以上内容仅代表作者个人观点。
实时追踪：
生成式人工智能
分享：
每周 议程
每周为您呈现推动全球议程的紧要问题（英文）
更多关于 人工智能查看全部
Maha Hosain Aziz, Michael Costigan, Olivier Desbiey, Taylor Hawkins, Rene Rohrbeck and Doris Viljoen
2026年7月29日
