AI接手基础工作后，年轻人的第一份职场岗位变了什么样？

本文来自微信公众号： 声动活泼 ，作者：声小音

欢迎来到今天的轻解读。从校园踏入职场所需的过渡，从来都不是一件轻松的事。长久以来，各行各业的入门级岗位，一直都是年轻人连接校园教育和真实职场的桥梁。

举几个常见的例子：做客户服务的新人，入行一般要从接咨询电话、回复客户邮件、处理投诉诉求、整理客户需求这些小事做起，内容看似琐碎零散，但恰恰是在海量重复的沟通工作里，新人才能慢慢摸清楚完整的业务逻辑，学会把零散碎片化的客户反馈，梳理成能给业务做参考的有用信息。再比如审计行业，新人入行的基础工作基本都是整理审计底稿、录入基础数据、核对往来账目、抽查业务凭证，新人就是在一次次反复核对的过程中，慢慢培养出敏感度，能分辨出哪些异常数据是真的需要深挖，哪些表面通顺的解释其实站不住脚；就算是头部咨询公司，每年也会招大量应届生，刚毕业的初级分析师，往往也要从整理行业资料、梳理Excel数据表、走基础项目流程开始做起，职场新人就是在这些重复的基础任务里，慢慢理解职场的边界、工作的标准，培养出属于自己的专业直觉。

可现在，大量这类标准化的基础任务，正在被AI逐步接手。根据《泰晤士报》的报道，德勤已经在部分地区调整了针对审计岗毕业生的培训计划，核心原因就是AI已经接手了数据整理、发送询证函这类重复性的入门工作；SaaS企业Salesforce此前也公开表示，目前公司大部分的客户支持工作，都已经由人工智能来承担。麦肯锡的相关负责人也提到，AI的应用不会直接削减初级岗位的数量，但会要求初级岗的员工，去完成更多对客户真正有高价值的工作。

其实每一次技术迭代，都会给就业市场带来深远影响。工业革命发展初期，最早受到冲击的不是底层体力劳动者，而是那些手艺熟练，却被新机器替代的纺织工人；到了电气化和IT革命时代，反而是教育背景更好、专业能力更强的人群，更容易抓住新技术的红利获得收益。可到了今天的人工智能时代，受到影响最大的，偏偏是咨询、审计、客服、行政这类知识型白领的入门岗位。虽然现在还没有人能百分百确定，就业市场的岗位变动完全由AI导致，但当研究机构拆分年龄和岗位类型分析后还是发现：在AI渗透率更高的白领岗位里，年轻求职者的机会已经率先开始收缩。斯坦福大学数字经济实验室不久前分析了近3亿条美国线上招聘信息，发现面向22-25岁年轻人的适配岗位数量下降了约6%，但企业对能熟练运用AI的资深人才，以及负责管理、决策的岗位需求反而出现了上升。国内脉脉发布的2026年1-2月中高端人才招聘洞察也显示，要求从业者拥有3年以上经验的岗位占比已经超过七成，而面向工作经验1年以内求职者的岗位，规模缩减了大约20%。

就像我们前面说的，新人刚入职场时负责的，本来大多是执行层、标准化程度高的工作，而这类有清晰输入输出标准的任务，恰恰是AI最擅长的领域。所以现在越来越多的入门岗位，已经不再要求新人只按流程按部就班执行，反而会更早要求新人学会做独立判断、提出自己的想法、学会和AI工具协同工作。世界经济论坛针对全球入门级员工的研究也指出，现在职场的变化，与其说是直接减少了岗位，不如说是压缩了基础任务的占比、重塑了岗位角色，AI不是简单抢走了年轻人的第一份工作，而是在重新定义入门岗位的工作内容、核心价值，还有企业培养新人的模式。

那么，当AI接手越来越多基础工作后，现在职场对入门级白领的要求，到底发生了哪些改变？又有哪些能力，会在这个时代变得越来越重要呢？

本文整理自播客「声动早咖啡」

根据脉脉发布的报告，现在企业对员工的AI能力要求，已经从原来的「加分项」变成了「硬指标」。相关调研显示，有近八成受访者表示，自己所在公司已经提出了AI能力素养的相关要求，超过三成的企业已经配套了对应的考核或者培训机制。

而这里说的AI素养，不只是会安装、使用各种AI工具那么简单，更多是指一个人能负责任地使用、评估AI技术的一组基础能力：包括理解AI的能力边界、给AI清晰有效的上下文提示、评估AI输出内容的可靠性、保护敏感数据，还有把AI融入实际工作流程解决具体问题的能力。

《金融时报》有评论提到，现在行业里有一个越来越明显的趋势：同样的AI工具交到不同的人手里，最终产出的质量差距可能达到数量级。而这个差距和工具的技术门槛关系不大，反而和使用者自身的认知结构高度相关。这里说的认知，不是指谁掌握的信息更多、知识更广——毕竟信息检索本来就是AI最擅长的事，核心差别在于，使用者有没有一套拆解问题的框架：知道一个复杂问题可以拆成哪几个子问题、子问题之间的逻辑关系是什么、每个子问题的判断标准是什么。AI可以在你搭建好的框架里高效执行，但它没办法替你搭建这套框架本身。而框架的形成，需要大量的实践和练习才能内化。

另外《哈佛商业评论》的文章也提到，批判性思维是AI素养里非常核心的组成部分。比如同样是让AI分析一家企业，如果只是随便输入一句「帮我分析一下这家公司」，最后得到的往往只是看起来结构完整，但很难直接落地使用的通用答案。但如果提问者带着明确的目标和AI沟通，AI就更有可能输出有价值的内容：比如你到底想了解这家公司的哪些信息？是增长潜力、竞争壁垒，还是管理层的风险？你是希望AI帮你找线索、对比同赛道案例，还是挑战你现有的认知呢？

而批判性思维的作用，不只是体现在提问的输入阶段，更体现在得到结果之后的追问环节。高质量的AI输出，通常都需要多轮追问和校正：比如AI给出答案之后，你可以继续追问：这个结论的前提假设是什么？如果去掉这个前提，结论还能成立吗？支撑这个解释的核心证据有哪些？这个过程不是让AI直接给你一个完美答案，而是你和AI展开一场高质量的对话，通过逐步缩小范围，靠近更可靠的结论。就像斯坦福数字经济实验室经济学家Bharat Chandar说的：AI更适合站在执行层，完成那些可以被清晰描述、拆解、验证的动作；而人应该站在更高的层级，负责明确目标、给出约束条件、设定优先级、检查最终结果是不是真的有价值。

在绝大多数企业里，判断力本身就是工作流程积累出来的副产品。现在随着AI接手越来越多基础任务，新人原本用来积累经验的训练过程，也跟着发生了改变。

斯坦福经济学家Bharat Chandar提到，对年轻人来说，这个变化最残酷的一点在于：过去很多人都是做了几年基础执行工作之后，才慢慢学会怎么做出判断，可现在刚入职场的年轻人，可能必须更早开始练习这项能力。尤其是AI本身有可能生成错误信息，还会继承放大训练数据里的偏见，所以现在企业更需要初级岗位的员工承担更多责任，有能力对AI生成的内容做严格核查，判断什么样的结果可以交付给客户或者上下游。这也是为什么Bharat Chandar认为，现在很多白领的工作本质上更像管理工作，哪怕你还没有任何管理者的头衔。

《哈佛商业评论》的文章也提到，判断力不靠记住所有答案，核心是能在混乱和不确定的环境里，快速识别有效信号，果断做出决策。但从过往的经验来看，这种判断力没有办法借助AI快速速成，它仍然需要你亲身体验，哪怕那些工作现在已经交给AI去做了；也需要你主动向资深从业者寻求反馈，在有时候看起来笨拙、缓慢、不完美的重复练习里打磨自己的判断力。同时还要强化自己的专注力，保持对最终结果直接负责的心态。既然新人没办法再靠做几年基础工作慢慢积累经验，自然就需要用更主动、更结构化的方式，补上能力训练这一课。

在AI时代，你最想补充哪项职场技能？在你看来，职场新人最珍贵的「人类专属」特质又是什么呢？