当基础任务交给AI，企业需要重新设计新人获得经验与判断力的路径

最近，我越来越在意一个看起来有点矛盾的问题。

我们一直在说：AI应该帮人摆脱那些重复、机械、低价值的工作。

这当然是好事。

写初稿、整理资料、搜集信息、基础分析、简单代码、会议纪要……

越来越多过去需要一个新人花几个小时完成的工作，现在AI几分钟就可以做完。

但有一天我突然想到：如果这些“低价值工作”都被AI做掉了，新人靠什么变成高手？

因为我们今天觉得低价值的很多工作，过去恰恰是一个人建立经验、形成判断力的起点。

这可能是AI进入职场以后，一个被低估的问题。

01

AI影响的，可能不只是工作数量

最近几组数据放在一起看，很有意思。

世界经济论坛在2026年6月发布的《人工智能与初级工作未来》报告中指出，全球超过三分之一的年轻劳动者，处于受AI任务变化中高程度影响的职业中。[1]

这里说的是任务发生变化的暴露程度，不是说三分之一的年轻人会失业。

而到了9月，世界经济论坛进一步提到：

一些入门级岗位正在出现“Seniorization”——初级岗位高级化。[2]

原本应该让新人进去学习、积累经验的职位，开始要求候选人在入职之前，就拥有过去更偏Senior的能力和经验。

英国市场已经出现了更具体的信号。

路透社8月底报道了英国兰卡斯特大学Work Foundation委托开展的一项调查：在受访的1001名英国企业高层中，36%表示过去一年减少了面向年轻人的初级岗位；AI和自动化是影响因素之一。[5][6]

这是特定市场的雇主调查，不能据此认定所有岗位减少都由AI造成，也不能直接推及中国市场。

但另一边呢？

2026年9月14日至20日，百日千万招聘专项行动推出了人工智能行业招聘专场。

据光明日报报道、央视网转载，人工智能专场组织了1700余家用人单位，招聘需求1.3万余人次，涉及AI算法、AI应用开发、机器人、数字芯片、数据分析等岗位。[3]

这些是招聘需求，不等于最终录用人数，也不意味着全部面向应届生。

所以我并不想简单得出：“AI来了，工作没了。”

现实显然比这复杂得多。

有些新的工作正在出现。

有些工作正在被重新设计。

有些原本由Junior承担的任务，正在交给AI。

真正值得关注的，也许是：

AI正在改变一个人进入职业世界、积累经验、最后成长为Senior的路径。

数据来源：WEF，2026年6月报告。图中职业成长判断为Crystal观点。

02

我们可能正在遇到一个“经验悖论”

上一篇文章《AI正在重新给人的能力定价》里，我提出过一个判断：

随着AI越来越擅长执行，人的价值会逐渐向上迁移：

执行任务 → 定义问题 → 做出判断，并为结果负责

这个判断我依然认同。

但这几天我一直在想它的另一面：一个人的判断力，到底是怎么长出来的？

很少有人工作第一天，就会定义问题。

更少有人刚毕业，就能够面对复杂信息做出高质量判断。

我们过去的职业成长路径，往往是这样的：

刚开始，做很多基础工作，做得不一定好。犯错，被纠正，重新做；看别人怎么处理，再遇到类似问题，慢慢发现规律。

最后有一天，你不再只是“把任务做完”，而是开始知道：

什么才是真正的问题。

什么信息重要，什么信息只是噪音。

什么时候应该坚持，什么时候应该放弃。

没有标准答案的时候，该怎么做选择。

于是你才从一个执行者，慢慢变成一个能够独立判断的人。

但现在，AI恰恰最先接管了这条链路最前面的部分。

于是，一个新的矛盾出现了。

Crystal原创概念框架：用于说明训练环节可能缺失的风险，不代表所有职业都会经历同样的变化。

03

做了这么多年招聘，我对这个问题感受很深

拿招聘来说。

一个新人刚开始做Recruiter的时候，会做很多今天看来并不“高级”的事情。

搜简历、看简历、打电话，整理候选人信息，跟进面试，做Talent Mapping，反复和Hiring Manager沟通。

这些工作里，有相当一部分，现在AI都可以参与，甚至完成得比一个新人更快。

但问题是：一个真正好的Recruiter，很多判断恰恰是从这些看起来很基础的工作里长出来的。

你可能看过几百、几千份简历以后，才开始真正理解：

什么叫“看起来很漂亮的履历”，什么叫“真正适合这家公司的人”。

你和很多候选人聊过以后，才逐渐知道：

候选人的哪句话值得继续追问。

哪些漂亮的回答其实没有信息量。

哪些不起眼的经历背后，反而藏着很强的能力。

你和业务负责人反复碰撞以后，才开始理解：

他说“我要一个很强的AI产品经理”，真正需要解决的，可能根本不是“找一个履历最好的人”。

而是先回答：这个岗位现在到底需要解决什么业务问题？

AI可以帮我快速找到更多信息。

可以帮我整理候选人。

可以帮我做初步Mapping。

甚至可以帮我分析一个人的履历。

但它也逼着我把自己的价值继续往前推：

如果这些执行工作AI都能做，我凭什么做出比AI更好的判断？

这才是我认为AI给很多知识工作者带来的真正挑战。

它不是简单地让我们“少干一点活”。

而是在逼着我们重新思考：那些高级能力，到底是怎么训练出来的？

04

企业当然可以少招Junior，但Senior从哪里来？

这可能才是企业真正需要认真考虑的问题。

AI带来的效率提升已经不是想象。

据路透社2026年9月10日报道，Wipro首席技术官表示，公司应用AI带来的生产力提升，相当于约2万名员工的工作产出，相关人员已经在公司内部重新配置。[4]

同一报道提到，Wipro正在转向“Human-AI Operating Model”，超过10万名员工接受了高级AI相关培训与认证。

这个数字是公司对释放工作容量的描述，不是“裁员2万人”。它也不能单独证明，AI带来的效率提升已经转化成了新人的成长。

这背后其实有两个完全不同的问题。

第一个问题是：今天怎么提高效率？

第二个问题是：明天的人才从哪里来？

如果AI可以完成大量Junior过去承担的工作，从短期财务视角看，减少初级岗位可能非常合理。

但组织不是只活一年。

今天的Junior，是三年、五年以后Senior人才池的一部分。

如果企业只看到：AI可以替代多少基础工作？

却没有继续追问：那未来的高级人才靠什么获得经验？

短期提高的效率，有可能变成长期的人才断层。

世界经济论坛的初级工作专题报告也把“人才管道”列为一个重要维度：初级工作的变化不仅影响就业入口，也关系到企业未来的持续人才供给。[1]

所以我越来越觉得：AI时代企业真正需要重新设计的，不只是岗位。还有“一个人如何成长”。

05

过去，工作本身就是训练场

这是我现在特别想强调的一点。

过去很多公司其实并没有非常精密的人才培养体系。

但人为什么还是能成长？

因为：工作本身就在训练人。

一个新人通过大量真实任务获得反馈。

通过犯错建立边界。

通过观察Senior形成模式识别。

通过一次次处理真实问题建立专业直觉。

但是如果AI开始承担大量基础任务，企业就不能再默认：

“新人做着做着自然就会了。”

因为他可能已经没有那么多“做”的机会。

这意味着未来企业可能需要主动设计新的经验获取方式。

比如：

让Junior不是直接接受AI答案，而是必须审查AI的答案；

让他解释为什么接受这个判断；

让他找出AI输出中的错误；

让Senior把自己的决策过程显性化；

让新人参与真实复杂问题，而不只是把复杂工作全部交给AI；

让AI成为陪练，而不是代练。

比如，在一轮候选人评估里，可以先让新人独立写下三个判断依据，再对照AI分析，找出双方判断不同的地方。由Senior追问：依据是什么？缺少什么证据？哪条新信息会让你改变决定？最后把判断与面试后的反馈对照。

这是一种可以尝试的训练设计，不是我已经验证过效果的固定流程。它要保留的，是独立尝试、真实反馈和修正判断的机会。

审查AI答案也不会自动带来学习。没有基础知识、没有反馈、没有再次独立尝试，新人可能只是从复制答案变成替答案盖章。

区别非常大。

代练替你升级。

陪练让你自己变强。

06

对年轻人来说，也许最危险的不是“不会用AI”

这件事还有另外一面。

现在年轻人很容易收到一个建议：尽快学会AI。

当然没错。

但我越来越觉得，只做到这一点是不够的。

如果一个新人遇到任何任务：先问AI，让AI给答案、写初稿、做分析，最后稍微修改一下交出去。

他的短期生产力可能非常高。

但这里有一个危险：AI帮你完成了任务，却没有把完成任务所需要的能力留在你身上。

这可能会成为未来非常隐蔽的一种职业风险。

你看起来一直在完成工作。

但几年以后，当你真的需要独立判断的时候，却发现自己缺少那些本来应该在Junior阶段积累起来的东西。

所以对年轻人来说，未来真正重要的可能不是：

“我能不能用AI完成这件事？”

而是再多问一句：“这件事做完以后，有什么能力真正留在了我身上？”

07

AI越强，我们越要重新理解“成长”

我依然相信，很多低价值、重复性的工作没有必要因为“培养新人”就被人为保留下来。

我们没有必要为了学习打算盘，就拒绝计算器。

也没有必要为了培养新人，就坚持让人做机器已经可以高质量完成的重复劳动。

真正需要解决的问题是：

如何在消灭低效工作的同时，不消灭人成长所需要的经验。

这可能会成为未来几年企业管理里一个越来越重要的问题。

这会牵动招聘、岗位设计、培训、绩效，以及管理者带人的方式。

甚至“Junior”“Senior”本身的定义，都可能重新变化。

上一篇文章里，我写：

AI越强，人的价值越会从执行，迁移到定义问题、判断和承担结果。

但现在，我想给这个判断补上另外半句话：

如果我们希望年轻人拥有判断力，就必须重新设计他们获得判断力的路径。

单家公司可以选择长期从外部招聘Senior，但整个行业不能只消耗现成人才，而没有地方培养新人。

今天我们省掉的那些“低价值工作”，曾经也可能是明天高级人才的训练场。

所以AI时代真正需要重新设计的，也许不只是工作。

还有：一个人如何从新人，变成高手。

而这件事，可能比“AI到底会替代多少工作”，更值得我们现在开始思考。

—— Crystal｜AI与人

关于我

我是Crystal。

过去十多年，我一直在科技和AI行业做与“人”有关的工作，从Recruiter、HRBP到HR负责人，也经历了从CV、强化学习到大模型、Agent这一轮轮技术变化。

现在我越来越想研究的，不只是AI又出了什么新模型。

而是：当AI越来越强，人、人才、组织和职业究竟会发生什么变化？

这里是「Crystal｜AI与人」。

一起研究AI，也重新研究人。

参考资料

[1]World Economic Forum｜Artificial Intelligence and the Future of Entry-Level Work（2026-06-22）

https://www.weforum.org/publications/artificial-intelligence-and-the-future-of-entry-level-work-a-framework-for-safeguarding-and-reinventing-early-career-pathways/

[2]World Economic Forum｜Why human connections are once again a hiring advantage in the age of AI…（2026-09-02）

https://www.weforum.org/stories/jobs-and-the-future-of-work/ai-hiring-recommendations-trends-jobs-skills-august-2026/

[3]央视网转载光明日报｜百日千万招聘专项行动推出人工智能等专场（2026-09-15）

https://edu.cctv.cn/2026/09/15/ARTIzBfdIWgzHMHmutkCWrI6260915.shtml

[4]Reuters／MarketScreener转载｜Wipro’s AI push frees capacity equivalent to 20,000 workers, CTO says（2026-09-10）

https://www.marketscreener.com/news/wipro-s-ai-push-frees-capacity-equivalent-to-20-000-workers-cto-says-ce785bdedd88fe22

[5]Lancaster University, Work Foundation｜Employers call youth worklessness a national crisis…（2026-08-26）

https://www.lancaster.ac.uk/work-foundation/news/employers-call-youth-worklessness-a-national-crisis-as-more-than-one-in-three-cut-entry-level-jobs

[6]Reuters／MarketScreener转载｜One in three UK employers have cut entry-level jobs, survey shows（伦敦电头2026-08-26；转载页美东日期2026-08-25）

https://www.marketscreener.com/news/one-in-three-uk-employers-have-cut-entry-level-jobs-survey-shows-ce7858d8d180f124