文：谭寅亮 中欧国际工商学院
整理文档、核对账目、撰写初稿，这些通常是职场新人迈入社会的第一项任务。这些工作虽然不复杂，有时甚至显得琐碎，却能帮助他们逐步接触实际业务。如今，人工智能能够接手其中越来越多的环节。
企业因此节省了时间与成本，但年轻人可能面临一个新的困境：如果那些过去用来积累经验的工作不再需要人力完成，他们又该从哪里获得经验呢？
这既关系到毕业生能否找到首份工作，也关系到企业数年后能否培养出下一批骨干力量。一个行业不能只依赖有经验的员工，却不再为缺乏经验的人提供机会。
2026年10月23日，国务院办公厅发布了《关于适应人工智能技术发展助力构建就业友好型发展方式的意见》，要求对AI应用进行就业风险评估、推动校企联合培养以及建立就业监测预警机制。要落实这些部署，一个值得关注的核心问题在于：技术进步之后，年轻人的职业起点该如何重新设计。
谈及AI对就业的冲击，人们往往首先想到裁员。但对年轻人来说，变化也可能以另一种形式呈现：企业并未解雇现有员工，只是不再像以往那样大量招聘新人。
假设一个业务规模基本稳定的部门。过去需要招聘几名助理，负责整理信息、制作报表和进行初步分析。现在，资深员工借助AI就能完成其中的不少工作。管理者可能会决定少招几个人，现有员工也没有失去岗位。从财务报表看，这似乎是一笔合理的效率收益；但对正在求职的毕业生而言，进入该行业的几个机会就这样消失了。
这种变化容易被忽视。员工总数可能保持稳定，部门业绩甚至可能增长。只有到了校园招聘季，年轻人才会发现适合自己的岗位变少了，而企业又更加看重工作经验。
当然，不能把招聘减少全部归因于AI。市场需求、经济环境以及企业经营调整都会影响用人决策。我们需要持续观察的是，企业采用AI后，哪些基础任务减少了，哪些新人岗位随之改变，以及是否有新的成长机会出现。
教育部此前预计，2026届全国普通高校毕业生规模将达到1270万人。对于这样一个庞大的群体，仅仅知道市场上有多少岗位还不够，还需要了解其中有多少岗位愿意接纳并培养新人。
眼下的秋招中，美团招聘官网已列出面向应届生的AI全栈工程师、AI后端开发工程师等岗位。新机会正在涌现。但我们还需要关注，更多毕业生如何从零经验起步，逐步走到能够独立负责的那一天。
初级工作有一个容易被忽视的价值：它既是在完成任务，也是在训练人。
一个财务新人核对凭证，学到的不仅仅是把数字对上，还包括为什么同一笔业务会有不同的口径，哪些异常需要追问。一个销售助理跟进订单，会慢慢理解客户为何催货，采购与生产为何难以协调。这些判断力，很难靠听一堂课就掌握。
工作经验往往就是在反复做事、犯错、被提醒、再修改的过程中积累起来的。基础任务可以自动化，但这个学习过程却需要有人重新设计。
如果公司把所有简单工作都交给AI，只把复杂问题留给新人，新的困难就会出现。一个人连正常的业务流程都不熟悉，如何判断AI的建议是否合理？没有处理过普通客户的需求，又怎能直接应对复杂投诉？即使安排新人去审核AI输出，也需要给予他们相应的训练。
对企业来说，减少培养新人可能短期内体现为人均效率提升。但人才储备的损失不会立即反映在当期报表上。等到骨干离职、业务扩张或需要有人接班时，才会发现能独立负责的人不够用了。
如果每家企业都希望从别处招聘成熟人才，却都不愿承担培养成本，整个行业的人才供给就可能受到影响。今天看似节省的一笔开支，几年后可能以更高的招聘成本、更长的磨合时间重新出现。
这种变化还会放大年轻人之间的机会差距。有家庭资源和实习渠道的人能够提前积累经验；缺少这些条件的人，更依赖公开招聘中的初级岗位。经验门槛不断提高，也可能把原本可以通过工作弥补的差距，提前变成求职时的障碍。
AI也可以降低新人学习的门槛。过去需要反复向同事请教的基础知识，现在可以先借助AI了解；过去很难独立完成的初步分析，也可以先做出一个版本，再请导师指出问题。
机会也不只属于开发大模型的人。新华社今年6月报道，西安科技大学学生郭海锋修读了相关“微专业”，将采矿工程与人工智能、大数据技术结合，找到了心仪的工作。这个例子提示年轻人，学习AI可以从自己的专业出发，找到工具能够帮助解决的具体问题。
以库存管理为例，AI给出一份补货建议，学生或新人仍需要检查销量数据是否受促销影响，供应商是否能够按时交货，仓库能否容纳新增库存。把这些条件弄清楚，才能判断建议是否可行。学习就在核实和修正的过程中发生。
企业可以让新人先独立提出初步判断，再与AI结果比较，由资深员工解释差异；也可以用历史案例训练，等新人能够说明错误为何发生，再逐步扩大负责范围。AI加快了获取答案的速度，导师则需要帮助新人理解答案成立的条件。
学校的考核方式也应相应改变。一份排版完整、语言流畅的报告，越来越难以说明学生究竟学会了什么。教师可以要求学生当面解释依据，临时改变一个业务条件，再看他能否调整方案。能够解释、纠错、应对变化，才更接近真实工作的要求。
对年轻人而言，简历上多写几个AI工具名称，作用有限。更有说服力的是一个完整项目：你面对什么问题，核实了哪些信息，发现并改正了什么错误，最后产生了什么结果。企业最终需要有人对工作负责。
将这些想法落到实处，首先需要企业重新审视新人岗位。岗位可以随着技术改变，但应当保留真实业务、导师指导和逐步承担责任的机会。
例如，可以在六至十二个月的培养期内，让新人从熟悉流程、参与项目，逐步走向独立负责一个有限范围的任务。带教时间要计入骨干员工的工作量。如果主管只考核当期产出，谁也很难腾出时间认真培养新人。
企业也可以把AI节省的部分时间，用于过去顾不过来的业务，例如跟进更多中小客户、改善售后服务，再让新人参与其中。效率提升能否创造岗位，还受市场需求制约，但企业值得多算一笔业务扩展和人才培养的账。
学校与企业的合作，则需要提供连续的实践机会。《意见》提出推动学生入企实践、企业工程师入校授课。双方可以共同开发持续一个学期的真实项目，让学生反复修改方案，看到自己的建议为何被接受或否决。评价实习，应当看学生承担过什么任务、获得过什么反馈。
公共政策也可以把支持做得更具体。《意见》已要求开展AI应用就业影响专项调查。落实时，可以持续跟踪应届生岗位数量、零经验岗位占比、首次求职时长和见习转正情况。当某些行业持续减少新人招聘时，应进一步调查原因，及时提供支持。
国务院《实施就业优先战略“十五五”规划》已经提出实施百万就业见习岗位开发计划。在此基础上，可以选择部分岗位试点人机协同培养，将部分补贴与导师投入、能力提升和后续就业情况挂钩，并结合岗位难度评价，鼓励企业认真带人。
对缺少培训资源的中小企业，行业协会、公共就业机构和高校可以共同提供项目与导师服务。高质量实践机会还应优先向家庭困难、缺少实习渠道的毕业生开放。不能让有没有资源找到第一段实习，过早决定一个人的职业起点。
年轻人需要主动学习AI，企业和学校也需要提供能够学习的场景。只要求毕业生尽快变得有经验，却没有人给他们积累经验的机会，这个问题很难靠个人努力解决。
AI会不断改变工作的内容。企业未来有没有足够的人能够独当一面，也要看它今天是否还愿意认真带新人。为年轻人安排好第一份工作，就是在为下一批骨干创造成长的机会。
作者系中欧国际工商学院决策科学与管理信息系统教授