AI 抽掉了第一级台阶：金字塔正在变成钻石

第 3 期 #08 · 总第 43 篇 · 数据截至 2026 年 9 月 25 日，以官方发布为准

转发：组织曾是金字塔——底层宽宽的一排新人，往上越来越窄。现在底层被抽掉，变成了钻石。可那一层，恰恰是你学会判断的地方。

一、小柯投了 200 份简历，卡在"没有经验"那个圈

小柯（虚构人物）22 岁，计算机专业毕业，想进一家大厂做产品。面试被问："你独立做过什么？"答："课程项目、实习打杂。"对方礼貌地笑："我们今年初级岗缩了，要能直接上手的人。"

他没说出口的委屈是：我本来就是来"上手"的——上过手，才有经验。可现在，连"上手"的机会都被 AI 和缩编一起抽走了。

这不是他一个人的事。数据开始说话：22—25 岁、处在 AI 高风险岗位的年轻人，就业相对下降了约 13%。不是他们不行，是第一级台阶，正在被拆。

二、两本书，讲透"人是怎么学会做事的"

让·莱夫（Jean Lave）与埃蒂纳·温格（Etienne Wenger），《情境学习：合法的边缘性参与》（1991）。他们研究了一个被忽视的事实：人不是先学好了再干活，是在干活里学会的。 学徒为什么有效？因为学徒把自己放进一个"实践共同体"（community of practice）里，从最边缘、最低风险的小事做起——递工具、看师傅怎么处理意外、帮着记一笔——这叫"合法的边缘性参与"：你被允许在真实现场的边缘，做真实但低风险的事，慢慢往中心挪。

唐纳德·舍恩（Donald Schön），《反思性实践者》（1983）。他补了一刀：专家的本事，不在书本规则，在"行动中反思"（reflection-in-action）——出了意外，当场调整。而这能力，只能在一次次真实的后果里长出来，课堂给不了。

三个反常识细节

一、莱夫最早的研究对象，不是白领，是裁缝和助产士。 她发现西非的裁缝学徒、医院的助产士学徒，都不是"上课—考试—上岗"，而是蹲在旁边看、帮小忙、被纠正，几年后才独立。这套路径，和我们今天"大学四年—毕业—直接胜任"的想象完全相反。

二、温格后来提出的"实践共同体"，解释了为什么很多培训没用。 把人塞进教室学流程，等于把他从共同体里拎出来。没有真实现场、没有师傅、没有后果，学的是空壳。判断力的种子，只在共同体里发芽。

三、舍恩说，最危险的是"用技术理性取代反思"。 当 AI 能给你一个看似完美的答案，你就不必再在意外中反思了——而这正是判断力的死法。

三、"合法的边缘性参与"：学徒制＝在真实工作边缘做低风险的事

把这句拗口的学术话翻成白话：新手最好的位置，不是被保护起来上课，是站在真实工作的边缘，做一点真实但砸了也不致命的事。

底座没了，不是省了成本，是切断了判断力的生产线。

四、AI 抬高了下限，却抽走了判断力的来源

AI 让一个普通人的产出下限变高了：写初稿、做表、出图，几分钟就有个像样的东西。这是好事。

但它同时抽走了两样东西：

• 低风险的练习场
  ：以前新人靠"边缘参与"积累的错误，现在被 AI 抹平了——你没机会犯那个小错，也就没机会长那个教训。

• 后果的连接
  ：判断力来自"我做的决定，带来了真的好或真的坏"。当 AI 替你给答案，后果连不到你身上，你只是个审批员。

AI 抬高了你能产出的下限，却抽走了你学会判断的那一级台阶。

五、74% 的公司，抽了台阶却没给梯子

数据更刺眼：削减入门级招聘的组织里，74% 没有任何替代性的在岗学习项目。也就是说，它们拿走了新人积累判断力的场所，却没打算用别的方式补上。

SHL 的研究把组织形态从"金字塔"改画成"钻石"——中间鼓、两头尖。BCG 把岗位分成六类：约 23% 是"增强型"（AI 帮你做得更好）、约 12% 是"分化型"（人与 AI 各做各的、差距拉大）、约 12% 是"替代型"（AI 直接做掉）。而入门级与初级岗位，占了最易被替代岗位的 61%。

好消息的另一面：57% 的美国岗位（约 9400 万）当前 AI 仍无法有效复刻；AI 创造的价值里，约 70% 来自"人"、算法 20%、基础设施 10%。领先公司计划让 50% 以上员工做 AI 升级，落后公司只有 20%——4 倍生产力差距。 Salesforce 裁了约 4000 客服（AI 处理一半互动），Klarna 用 AI 替代 700 客服后承认质量下降、又重新招人。

六、人生版：没有第一级台阶时，怎么自己造台阶

台阶被抽掉，不等于不能自己造。方法：

• 0—1 年
  ：给自己安排一件"低风险高反馈"的小事——公开写、做小项目、帮人解决具体问题。目的不是赚钱，是制造真实后果。

• 1—3 年
  ：要求看到错误的后果。不做"无反馈的事"——做了不知道对错的事，长不出判断力。

• 3—5 年
  ：把 AI 输出当草稿，不当答案。你来做那个"行动中反思"的人。

• 5 年以上
  ：成为"能教判断力的人"——带新人，重建你当年失去的那级台阶。

七、2026 时事锚点（截至 2026 年 9 月 25 日）

• 斯坦福数字经济实验室研究：22—25 岁、处于 AI 高风险岗位 的年轻人，就业相对下降约 13%。

• Open University 2026 Business Barometer（调研 1500 名英国企业领袖）：51% 称 AI 改变招聘方式；19% 减少入门级招聘，其中 42% 归因于 AI；56% 削减入门招聘的组织以 AI 为首要原因（超过预算与重组）。

• 74%
   削减入门招聘的组织，无任何替代性在岗学习项目。

• 组织形态由"金字塔"变"钻石"（SHL）；BCG 六分类：增强型约 23%／分化型约 12%／替代型约 12%；入门级与初级岗位占最易替代岗位 61%。

• 57% 美国岗位（约 9400 万）AI 当前无法有效复刻；AI 价值约 70% 来自"人"、算法 20%、基础设施 10%；领先公司计划 50%+ 员工 AI 升级 vs 落后 20%，4 倍差距。

• 案例：Salesforce 裁约 4000 客服（AI 处理一半互动）；Klarna 替代 700 客服后承认质量下降并重新招聘。

（数据以来源机构公开研究为准，跨国样本不等同于中国本土情形。）

八、人生进阶路径：四个阶段，全部可测量

九、八个金句

1. 人不是先学好了再干活，是在干活里学会的。
2. 金字塔的底座，不是多余的人力，是判断力的生产线。
3. AI 抬高了你能产出的下限，却抽走了你学会判断的那一级台阶。
4. 74% 的公司抽了台阶，却没给梯子。
5. 判断力来自"我做的决定带来了真的好或真的坏"——AI 把这条连线剪断了。
6. 把 AI 输出当草稿，不当答案。你才是那个"行动中反思"的人。
7. 入门级岗位占了最易被替代岗位的 61%——第一代被 AI 顶掉的，是新人。
8. 没有第一级台阶时，自己造：做一件真实但砸了也不致命的事。

伞式结尾

市场会下雨，人生也会。

AI 这一场雨，淋得最狠的，不是谁被替代，是新人失去了"在边缘学会判断"的那块湿地。组织把金字塔削成钻石，效率上去了，可判断力的种子没了土。

莱夫和温格九十年前就说过：人是在真实现场的边缘，一寸寸长出来的。愿你为自己造一块湿地——做一件真实但砸了也不致命的事，让判断力，还有地方发芽。

如果你身边有那个正卡在"没有经验"循环里的年轻人，这篇文章，如果你愿意，转给他。告诉他：台阶被抽掉了，但你可以自己造第一级。

互动:

留一个题：你现在做的事里，有多少是"做了能立刻看到对错"的？写个百分比。

比如："写代码 70% 有反馈，写报告 30% 有反馈——平均约 50%。"只写比例。算出来的那一刻，你会知道自己离"判断力"是近还是远。

合规提示

1. 本文为学习科学与就业趋势科普，不构成职业、教育或投资建议，不推荐任何平台、课程或岗位。
2. 就业与组织形态数据引自斯坦福、Open University、SHL、BCG 等机构公开研究，截至 2026 年 9 月 25 日，跨国样本不等同于中国本土情形，以官方统计为准。
3. "小柯"为虚构人物，相关场景为示意，不构成任何真实就业或招聘建议。
4. 莱夫、温格、舍恩的著作为学术作品，框架用于理解学习机制，不能外推为个人职业指令。
5. AI 对就业的影响存在显著行业与地区差异，本文数据仅为研究结论引用，非预测。
6. 不诱导转发、不组织付费社群、不提供有偿咨询。