AI接手入门工作，年轻人的职业起点怎么重排

整理资料、核对报表、起草方案，这些事往往是年轻人进入职场的第一课。活不复杂，有时还挺琐碎，但正是在这些事里，他们开始摸到真实的业务。如今，其中越来越多的活儿，AI能接过去干了。

企业省了时间也省了成本，可年轻人面前冒出一个新问题：以前靠这些活攒经验，如果这些活不再需要人来干，经验又该从哪儿来？

这既关乎毕业生能不能找到第一份工作，也关乎企业几年后能不能找到下一批骨干。一个行业不能只要熟手，却不再给生手机会。

2026年10月23日，国务院办公厅公布《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》，对AI应用的就业风险评估、校企联合培养和就业监测预警作出部署。这些部署要落地，有个问题绕不开：技术进步之后，年轻人的职业起点该怎么重新安排。

招聘入口可能悄悄变窄

说起AI对就业的冲击，大家容易先想到裁员。可对年轻人来说，变化也可能走另一条路：企业没裁人，只是不再像从前那样招新人了。

设想一个业务规模基本不变的部门。原先要招几名助理，整理信息、制作报表、做初步分析。现在资深员工靠AI就能把其中不少活干完。管理者也许决定少招几个人，在职员工也没丢饭碗。在财务报表上，这像是一笔合理的效率收益；但对正在求职的毕业生来说，几个进入行业的口子就这么没了。

这种变化不容易被察觉。员工总数可以稳住，部门业绩甚至还可能往上走。只有到了校园招聘，年轻人才发现适合自己的岗位少了，企业还更看重工作经验。

当然，招聘减少不能都算到AI头上。市场需求、经济环境、企业经营调整，都会影响用人。需要持续观察的是：企业用了AI之后，哪些基础任务减少了，哪些新人岗位跟着变了，新的成长机会有没有冒出来。

教育部此前预计，2026届全国普通高校毕业生规模达1270万人。这么庞大的人群，光知道市场上有多少岗位还不够，还得知道其中有多少岗位愿意接纳新人、培养新人。

今年秋招，面向应届生的AI全栈工程师、AI后端开发工程师等岗位已经出现在美团招聘官网上。新机会确实在冒出来。但更该盯着的问题是：大批毕业生怎么从零经验起步，一步步走到能独立扛事的那天。

今天的新手就是明天的骨干

初级工作有个价值容易被忽略：它既在完成任务，也在训练人。

一个财务新人核对凭证，学到的不只是把数字对上，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，慢慢明白客户为什么催交货、采购与生产为什么难以协调。这些判断，很难听一堂课就掌握。

工作经验往往就是在反复做事、犯错、被提醒、再修改的过程中攒起来的。基础任务可以自动化，这个学习过程却需要有人重新设计。

如果公司把简单工作全交给AI，只把复杂问题留给新人，新的麻烦就来了。一个人连正常的业务流程都不熟，怎么判断AI的建议合不合理？没处理过普通客户的需求，又怎么直接应对复杂投诉？把新人安排去审核AI输出，也得给他相应的训练。

对企业来说，少培养新人，可能很快体现为人均效率提高。人才储备的损失却不会马上出现在当期报表上。等到骨干离职、业务扩张，或者需要有人接班时，才发现能独立负责的人不够了。

如果每家企业都想从别处招成熟人才，却都不愿承担培养成本，整个行业的人才供给就可能受影响。今天看似省下的一笔开支，几年后可能以更高的招聘成本、更长的磨合时间重新出现。

变化还会拉大年轻人之间的机会落差。家里有资源、手上有实习渠道的人，能早一步攒下经验；缺这些条件的人，只能盯着公开招聘里的初级岗位。经验门槛越抬越高，原本靠工作能补上的差距，也可能在求职阶段就变成拦路的坎。

让AI帮助年轻人练出真本事

反过来，AI也能把新人入门的难度压下来。以前得一遍遍追着同事问的基础知识，现在可以先找AI弄明白；以前很难独立完成的初步分析，也可以先搭出一个版本，再请导师挑毛病。

机会并不只留给做大模型的人。据新华社今年6月报道，西安科技大学学生郭海锋修读相关“微专业”，把采矿工程与人工智能、大数据技术结合起来，找到了心仪的工作。这个例子说明，年轻人学AI可以从本专业出发，去找工具能帮上忙的具体问题。

拿库存管理来说，AI给出一份补货建议后，学生或新人还得核对：销量数据有没有受促销影响，供应商能不能按时交货，仓库装不装得下新增库存。这些条件都摸清了，才谈得上判断建议行不行。学习就发生在核实和修正的过程里。

企业可以这样带人：先让新人独立给出初步判断，再拿AI的结果对照，由资深员工讲清差异在哪；也可以用历史案例做训练，等新人能说清楚错误为什么发生，再慢慢放开负责的范围。AI让答案来得更快，导师要做的，是帮新人弄懂答案在什么条件下才成立。

学校那套考核方式也得跟着变。一份排版齐整、语句通顺的报告，已经越来越难证明学生到底学到了什么。教师不妨让学生当场讲清依据，再临时改掉一个业务条件，看他能不能把方案调整过来。能解释、能纠错、能应对变化，离真实工作的要求才更近。

对年轻人来说，简历上堆几个AI工具的名字，用处不大。真正有说服力的是做完整一个项目：碰到了什么问题，核实过哪些信息，发现并改掉了什么错，最后结果怎么样。说到底，企业要的是有人对工作负责。

第一份工作需要有人认真带

这些想法要落地，头一件事是企业重新看看新人岗位怎么设。岗位可以随技术变，但真实业务、导师指导、逐步担责的机会，应当留下来。

比如在六至十二个月的培养期里，让新人先从熟悉流程、参与项目做起，再一步步走向独立负责一个范围有限的任务。带教时间要算进骨干员工的工作量。问题是，主管若只考核当期产出，谁也腾不出工夫认真带人。

企业还可以把AI省下的那部分时间，投到过去顾不上的业务上，比如多跟进一些中小客户、把售后服务做得好一点，再让新人参与进来。效率提升能不能造出岗位，还要看市场需求，不过业务扩展和人才培养这笔账，企业值得多算一遍。

学校与企业的合作，要能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。双方可以一起开发持续一个学期的真实项目，让学生反复改方案，看清自己的建议为什么被接受、又为什么被否掉。评价实习，该看学生承担过什么任务、拿到过什么反馈。

公共政策的支持也可以做得更细。《意见》已要求开展AI应用就业影响专项调查。落实的时候，可以持续盯住应届生岗位数量、零经验岗位占比、首次求职时长和见习转正情况。要是某些行业一直减少招新人，就该进一步查原因，及时给出支持。

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。在这个基础上，可以挑一部分岗位试点人机协同培养，把部分补贴和导师投入、能力提升、后续就业情况挂上钩，再结合岗位难度来评价，让企业愿意认真带人。

对缺培训资源的中小企业，行业协会、公共就业机构和高校可以一起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。一个人能不能找到第一段实习，不该由手里有没有资源早早定下职业起点。

年轻人要主动学AI，企业和学校也得给出能学的场景。只要求毕业生快点变得有经验，却没人给他们积累经验的机会，这问题靠个人努力很难解决。

AI会不停改变工作的内容。企业将来有没有足够的人能独当一面，也要看它今天还愿不愿意认真带新人。把年轻人的第一份工作安排好，就是在给下一批骨干留出成长的机会。

作者系中欧国际工商学院决策科学与管理信息系统教授