夜雨聆风
只要我们以想象力与勇气把握当下，AI时代就不会成为机遇的终结，而是通往更智能、更公平、更具成就感的职场形态的开端。
你可能已经听说过，或是亲身体会过，AI正在重塑我们的工作方式。如果你是拥有一定地位、显赫声望和扎实人脉的资深专业人士，那么至少就目前而言，你可能相对安全，不会被AI取代。
然而，越来越多的证据表明，对于从事入门级工作的群体来说，情况并非如此。斯坦福大学的一项研究发现，近年来在美国最易受AI影响的领域（如软件开发和客户服务）中，职场新人的就业率大幅下降。世界经济论坛的研究表明，AI已能完成50%～60%的常规初级任务，包括撰写报告和研究综述、修复代码、安排日程和清理数据。
01
组织为何应重新设计
入门级工作？
我们认为，仅仅为了削减成本而大幅裁减入门级岗位是一种短视的做法，对企业和整个社会而言都危害巨大。有充分的理由表明，企业必须抵制大规模裁减这类岗位的诱惑；相反，企业应该对其进行重新设计。这一观点背后，至少有四个强有力的理由。
1
培养未来的
中层专业人才和领导者。
每一位有能力的管理者和专业人士都有各自成长的起点。最优秀的领导者和最杰出的专家都是从基层开始了解业务，逐步掌握领导团队和解决重大问题所需的技能和视野。在任何职业（或活动）中，随着时间的推移，人们都会经历从“有意识的不胜任”到“有意识的胜任”，再到“无意识的胜任”阶段，从而掌握一系列宝贵的技能。此时，他们更能把握全局，有效地做出高风险决策。裁撤入门级岗位，相当于切断了这条人才培养通道。
想象一下，如果新招的经理从未在一线工作过，从未处理过客户投诉，从未撰写过重要会议纪要，也从未处理过运营工作中的琐碎细节，将会怎样？这样的领导者将脱离实际、虚无缥缈，极其缺乏经验。不妨回想一下你职业生涯中的尤里卡时刻（编者注：灵感迸发的顿悟时刻，源自阿基米德发现浮力的典故），当工作中的相似规律反复出现，你便得以洞察重要的因果关系。或许正是这些经验强化了你的洞见，让你在工作和专业领域中变得更高效。
简而言之，如今大多数入门级岗位具备两个核心职能：完成工作任务，以及将员工培养成组织和社会中更有能力的人。
2
从基层激发创新。
创新往往源于那些最了解工作的人。初级员工不受传统思维的束缚，更擅于发现效率低下的环节并提出创造性解决方案。在科技行业，这种做法被称为“内部测试”（dogfooding），意思是先行试用自家开发的产品。微软就曾在内部对早期版本的Word和Excel做过著名的测试，在公开发布前根据员工反馈不断优化产品。
初级员工通过压力测试流程找出问题所在，也能创造类似价值。与输出稳定的AI不同，人类的表现往往因人而异，这有时会带来混乱，但同时也是新想法、改进建议以及偶然突破的源泉。如果你的创新策略是将创意构思“外包”给人人皆可使用的机器或工具，从而产生非常相似甚至完全一致的结果，那么就不要指望公司能够获得竞争优势。
3
丰富组织文化。
当今职场呈现出前所未有的跨代际特征，多达五代人一同工作。这种年龄与视角的多元性丰富了职场文化，激发了创造力。如果没有年轻人的参与，组织就会失去新鲜活力，观点也会变得局限。这可能催生僵化同质的文化氛围——老员工之间频频内部交流，导致组织的自我更新机制失效。
4
保护社会稳定。
工作不仅是收入来源，还赋予人们目标、生活秩序与归属感。如果没有入门级工作，数百万年轻人将陷入无所事事的境地。历史经验表明，当大批身强力壮的年轻人无法从事有意义的工作时，社会终将为此付出代价，加剧社会疏离、动荡甚至犯罪。保护入门级工作既是企业的责任，也是公民的义务。
02
如何重新设计入门级工作？
为了保护入门级工作，组织必须对其进行重新设计，确保它们在AI驱动的工作环境中仍然能够创造价值。这包括四个主要步骤。
1
重新构想工作任务。
初级岗位不应再被那些重复、可自动化且能由AI更好、更快完成的任务所定义。相反，这些岗位的设计应让员工深入理解工作背后的意义。
以会计工作为例。AI可以核对交易记录并起草财务报表，因此大多数会计师事务所已部署各类AI技术，以便将初级员工的工作重心转移到更高价值的活动上，例如异常检测、欺诈调查和客户咨询工作。这样一来，初级员工仍然可以学习基本操作流程，但他们真正的工作是解读机器生成的结果。
同样，在本文作者之一托马斯所从事的人员配置与大规模招聘领域，多年来AI一直作为辅助工具，帮助招聘人员从数百万份简历、求职信和预先录制的面试视频中筛选出高潜力求职者。然而，即使是初级招聘人员，仍然在价值链的“最后一公里”发挥关键作用。把一些任务交给AI处理后，他们利用节省下来的时间，与入围候选人和客户进行更有价值的人际交流。
这些转变与麦肯锡的预测相一致，虽然60%的职业中至少有三分之一的任务可以实现自动化，但很少有职业能够完全自动化。真正的机遇在于重新构想工作内容，让人类将更多时间投入需要判断力、协作和创造力的领域。通过这种方式，AI可以强化人类的能力优势。
2
注重技能提升。
只有与批判性思维相结合，AI才能发挥价值。若以牺牲专业判断力为代价换取生产力提升，则毫无意义。《科学》（Science）杂志近期发表的一项研究发现，生成式AI可以将文本任务的产出提高 40%，但那些不加批判地接受机器建议的新手，其表现反而不如那些通过独立思考解决问题的人。
以银行业为例，大多数分析师使用生成式AI准备PPT和报告。为了完善这一流程，培训课程现已加入“红队演练”（red teaming）环节——要求初级分析师检验假设、识别漏洞，并解释生成式AI可能出错的原因。培训的目标不只是追求速度，更重要的是培养判断力。初级分析师须以怀疑者或竞争对手的视角审视AI的输出结果，找出错误假设、数据缺失与逻辑漏洞，并向资深同事论证自己的批判性意见。AI由此成为人类智力层面的切磋伙伴：虽然它反应迅速、能力强大，但并非完美无缺。
3
重新设计工作流程。
AI的默认用途是替代人工，让机器承担部分工作以削减人力。更明智的做法是调整工作流程，把机械执行的任务交给AI，人类则负责界定问题、提出更好的问题以及建立人际关系。
在咨询行业，AI可以生成市场报告，但咨询公司仍然会让初级顾问参与研讨会和访谈，培养他们的人际交往能力与情境感知力，这是任何算法都无法替代的。在软件开发领域，生成式AI平台被广泛用于编写样板代码，入门级工程师则负责调试、系统设计和结对编程（一种协作式软件开发技术），这些工作最需要团队协作和解决问题的能力。
迄今为止，大部分关于人机混合工作流程的研究表明，最佳效能并非源于“AI优先，人类次之”策略，而是源于精心设计的分工模式：机器加速常规工作，人类则专注于处理具有不确定性、创新性和说服他人的任务。这与拉文·杰萨塔森（Ravin Jesuthasan）和约翰·布德罗（John Boudreau）关于“无岗位工作”（work without jobs）的研究一致，该研究揭示了组织如何突破岗位头衔的限制，转而采用更灵活、以技能为中心、以任务为导向的运营模式。
4
培养人才。
或许最重要的原则是，入门级工作的设计不应局限于完成任务本身，还要培养人才。早期的压力、模糊性乃至失败，是专业人士磨炼韧性与判断力的必经之路。
以医疗行业为例。住院医师仍需承受漫长而疲惫的轮班工作。或许AI终将能自动化处理病历记录或排班工作，但医院仍让年轻医生坚守一线，因为这些经历能培养他们在压力下的临床直觉和同理心。在新闻业，AI可撰写文章，年轻记者却仍被派去报道枯燥的社区会议或追踪渺茫的线索，因为只有通过实践才能获得坚韧毅力和采访技巧。
重新发现韧性和毅力的价值，同样至关重要。如果机器能够扫除一切障碍，工作就会变得过于轻松，缺乏那些让学习变得有意义的挑战。正如本文作者之一艾米在关于失败的研究中所论证的那样，进步源于明智的失败。在着手处理困难、不确定的任务时，错误的尝试、挫折和失望在所难免。入门级工作提供了安全的试错空间：在这里可以尝试、失败、再尝试，其风险远低于高级职位。这对于培养适应力强、自信的专业人才十分必要。
教育领域也是相似的。如果学生把所有论文都交给生成式AI代写，他们就避开了能够带来深度学习的智力挑战。这就像用微波炉加热食物一样：快速、便捷，但却无法带来真正的满足感。独立思考所需的努力，甚至是痛苦，才是提升学生能力的关键。工作也是如此。如果消除了早期工作中的挑战和不适，我们就剥夺了未来领导者的成长机会，导致他们无法承受领导岗位的挑战和不适。
03
超越组织的社会变革
近百年前，约翰·梅纳德·凯恩斯（John Maynard Keynes）曾预言，到2030年，技术进步将使每周工作时间缩短至15小时。或许时间会证明他是对的，但令人惊讶的是，如今人们仍在争论每周工作4天是否太短。尽管有大量证据表明，每周工作4天对提高生产力、改善身心健康和降低员工流失率都有益处，但组织规范和思维模式仍然滞后。
AI带来了重新校准的契机。企业不应像对待按小时计费的机器一样，从所有员工身上最大化榨取剩余价值，而应该更全面地重新定义价值，包括产出质量、对企业文化的贡献以及创新能力。这不仅需要减少工作时间，还需要更聪明、更高效的工作方式，而入门级工作正是实现这种转变的根基。
将入门级工作以自动化方式淘汰的冲动虽可理解，但目光短浅。这些岗位并非亟待消除的低效环节，而是对未来领导力、创新、企业文化乃至整个社会的投资。随着AI重塑工作形态，我们的任务不是尽可能削减人力，而是最大化发挥人的价值。而这一切始于保护、重新设计入门级工作并重视其作用。
说到底，AI变革的部分挑战在于无人真正知晓这一切将如何演变，这也是教授们尚未大幅调整课程以适应变革的原因之一。如果高等教育的终极目标是培养对世界有贡献的人，那么如果没有预知未来的能力，就很难做到这一点。今天的教学内容可能很快就会过时，但人们未来成功所需的努力、自律和系统性思维习惯却超越了当下具体教学内容的范畴。
对企业来说也是如此。如今，组织在运营过程中，无法确定未来5～10年哪些角色、技能甚至商业模式将决定成功。我们没有人对即将到来的未来有足够的了解，也无法完全准确预测未来。正因如此，那句老话“预测未来的最佳方式就是创造未来”比以往任何时候都更具现实意义。
而这正是我们须面对的当务之急。保护入门级工作，并非是在固守传统，而是在主动塑造一种未来——在这里，工作依然是个人成长、韧性打磨以及人类共同成就的源泉。只要我们以想象力与勇气把握当下，AI时代就不会成为机遇的终结，而是通往更智能、更公平、更具成就感的职场形态的开端。
· FIN ·
艾米·埃德蒙森（Amy C. Edmondson）
托马斯·查莫罗—普雷穆齐克（Tomas Chamorro-Premuzic）| 文
DeepL、Gemini | 初译 周静怡 | 编校
艾米·埃德蒙森是哈佛商学院诺华领导力与管理学教授，其最新著作是《明智的错误：失败的科学》（Right Kind of Wrong: The Science of Failing Well，Atria Books出版社，2023年）。托马斯·查莫罗—普雷穆齐克是罗盛咨询（Russell Reynolds Associates）首席科学官，伦敦大学学院和哥伦比亚大学的商业心理学教授，deepersignals.com联合创始人，以及哈佛创业金融实验室研究员。他的最新著作是《别做你自己：为何真诚被高估（以及该怎样做）》[Don’t Be Yourself: Why Authenticity Is Overrated（and What to Do Instead），哈佛商业评论出版社，2025年]。
微信 ID：chunnuanhuakai-cch
