执行摘要

本文基于全球主要研究机构 2025—2026 年的公开数据，试图说清楚三件事。

第一，AI 对 IT 及信息化相关行业的冲击已经从预测变成可测量的事实，且高度集中在初级岗位。斯坦福大学基于 460 万人薪资数据的研究显示，AI 高暴露职业中 22—25 岁早期职业者就业已相对下降 13%，初级软件开发岗位降幅接近 20%，且效应仍在扩大。

第二，用不用 AI 已不构成竞争差异，怎么组织才是分水岭。麦肯锡 2026 年调研显示，88% 的组织在实验 AI，但 81% 没有获得财务收益；而普华永道数据显示，AI 组织化程度最高的前 20% 公司劳动生产率增长 163%，约为行业平均水平的 5 倍。差距不在工具，在组织方式。

第三，对传统 IT 企业而言，转型窗口期大约在未来 12—24 个月。组织规模越小、历史包袱越轻，重构的成本与阻力越低，中小型组织在这轮转型中反而握有先手。文末把全部证据收拢为四个判断。要不要转、往哪转、以什么节奏转，是每一家与信息化相关的企业都要回答的问题。

一、正在发生的：不是裁员潮，是行业级重构

过去一年，多家研究机构先后发布了大样本的实证研究。"AI 冲击就业"不再是观点之争，开始有了数据。

斯坦福数字经济实验室（Erik Brynjolfsson 团队）与美国最大薪资服务商 ADP 合作，基于覆盖 460 万劳动者、730 余种职业的薪资数据发现：自生成式 AI 普及以来，AI 暴露度最高的职业中，22—25 岁早期职业者就业相对下降 13%（已控制企业层面冲击）；其中初级软件开发和客服岗位在 2022 年底至 2025 年中下降近 20%。同期，相同职业中资深从业者的就业稳定甚至增长。截至 2026 年 4 月的最新数据显示，这一效应仍在持续扩大，没有回落迹象。［1］

这项研究里比降幅更值得注意的，是一个分化现象：就业下降集中在 AI 以"自动化"方式介入的职业；而在 AI 以"增强"方式介入的职业里，初级就业并未出现类似下降。也就是说，AI 替代的其实是"任务"，不是"岗位"。初级岗位首当其冲，原因很直接：它们的任务构成里可自动化的比例最高。对企业来说，把 AI 用来替代执行，还是用来放大判断，走向的是两种结果。

人才供给端的最新数据同样明确。风投机构 SignalFire 基于 6.5 亿职业档案的追踪（2026 年报告）显示：应届毕业生占美国科技大厂招聘的比例已从疫情前的约 15% 降至 7%；2025 届美国顶尖计算机专业毕业生进入大厂工程岗的可能性较数年前下降 45%；受访管理者中 37% 表示"宁愿用 AI，也不愿招一名 Z 世代初级员工"。进入 2026 年趋势仍未反转：《华尔街日报》数据显示，2026 年上半年初级岗位占科技行业职位发布的比例同比从 8.1% 降至 7.4%，高级岗位占比则从 38.8% 升至 43.1%；纽约联储数据显示，计算机专业应届毕业生失业率达 6.1%，约为多数专业的两倍。［2］［11］［12］

SignalFire 在报告中同时发出行业级警告：当整个行业为优化当期报表而停止投资早期人才，十年后将面临严重的领导力断层。初级岗位是高级人才的苗圃，这个矛盾在第三部分展开。［2］

宏观层面，世界经济论坛《未来就业报告》预计，到 2030 年技术变革将创造 1.7 亿个新岗位、替代 9,200 万个岗位，净增为正；但失去岗位的人与获得新岗位的人不是同一批人，过半劳动力需要再培训。普华永道 2026 年 7 月发布的《全球 AI 就业晴雨表》显示，具备 AI 技能的劳动者薪资溢价已达 62%（上年为 57%），含 AI 技能要求的岗位增速约为整体岗位市场的 8 倍。［3］［5］

中国市场方向一致，结构上有自己的特点：传统初级岗位在收紧，AI 岗位在爆发，两件事同时发生。脉脉数据显示，2026 年 1—5 月新发岗位明显"去初级化"：3 年以上经验岗位占比超七成，1 年以内经验的社招岗位量同比减少约 20%；同期校招 AI 岗位量同比增长 47.3%，校招岗位的 AI 渗透率由 2025 年的 26.4% 升至 37.6%。BOSS 直聘《2026 人才趋势报告》显示，AI 相关岗位月均新发职位数增速连续三年加速：2023 年 8.5%，2024 年 36.5%，2025 年达 74.1%，其中 AI 工程师岗位需求激增 317%。猎聘数据则显示，2026 届毕业生中标注具备 AI 技能者同比增长 76.5%，用该报告的说法，AI 能力正在从求职加分项变成"出厂配置"。与美国直接减少初级招聘相比，国内企业更倾向以重构而非裁撤完成置换，窗口期相对友好，但方向是一致的。［10］［13］［14］

表 1 · 初级岗位与资深岗位的分化（关键数据对比）

图 1 · 中国 AI 相关岗位增速连续三年加速（数据来源：BOSS 直聘《2026 人才趋势报告》）

二、为什么 88% 的公司在用 AI，81% 没赚到钱

麦肯锡《组织状态 2026》给出了一组值得所有管理者警惕的数字：88% 的组织已在实验 AI，但 81% 表示尚未看到财务底线的实质改善；只有 14% 的组织拥有清晰的 AI 战略和持续投入的领导层。报告给出的解释是：多数组织停留在碎片化用例（买工具、上助手、做试点），而没有进行端到端的运营模式重构。麦肯锡给出的经验比例是——每 1 美元技术投入，需配套约 5 美元的人与组织投入才能兑现价值。［6］

图 2 · AI 普及与收益的落差（数据来源：麦肯锡《The State of Organizations 2026》）

类似的事在电气化时代发生过。当年只把蒸汽机换成电动机的工厂，几乎没有得到生产率提升；真正拿到红利的，是那些围绕电力重新设计了厂房布局和生产流程的工厂。放到今天，给员工配一个 AI 助手，相当于换电动机；围绕 AI 重新设计工作流、团队结构和人才标准，才相当于重新设计厂房。

差距已经反映在财务数据上。普华永道测算，AI 暴露度最高行业的公司 2025 年劳动生产率较 2018 年增长 34%（最低组为 24%），而其中前 20% 的公司增长达 163%，接近平均水平的 5 倍。劳动力市场正在"双轨化"，分界线不是用没用 AI，而是会不会组织 AI。［5］

图 3 · 劳动生产率增长分层（数据来源：PwC《2026 全球 AI 就业晴雨表》）

微软《工作趋势指数》基于 31 个国家 31,000 名员工的调研提出"前沿企业（Frontier Firm）"概念：以人机混合团队为基本作战单元、按目标而非职能组队、每位员工都要学会构建和管理 AI 代理。这类企业中 71% 的员工认为公司正在蓬勃发展，全球平均值仅为 37%；82% 的受访领导者认为当下是重新思考战略与运营的关键之年。［8］

Anthropic 基于真实使用数据的《经济指数》系列报告里有一个细节：经验丰富的用户更多用 AI 改进自己的工作，把 AI 当协作者；新手用户则倾向让 AI 代劳全部任务，或者干脆不用。AI 的使用效益，和使用者的判断力成正比。判断力正在取代执行力，成为组织里最稀缺的东西，这也正是人才梯队问题的核心。［9］

三、人才梯队：从执行力阶梯到判断力阶梯

传统 IT 组织的人才梯队是一个执行力阶梯：初级写代码，中级带模块，高级定架构。AI 把这个阶梯的底部抽掉了——但高级人才恰恰是从底部长出来的。SignalFire 警告的"领导力断层"就是这个矛盾：对单个公司，砍掉初级岗位是理性的；对行业、对公司的五年后，这是在吃种子粮。［2］

世界经济论坛 2026 年专门就此发布《AI 与初级岗位工作的未来》报告，核心主张一句话：重新设计初级岗位，而不是消灭它们。报告给出岗位准入、岗位设计、人才管道、教育对齐四个维度的框架，并推动 25 家跨国公司承诺建立"AI 原生"的职业入口。［4］

结合行业实践，"重新设计"落到实处是三件事：

其一，重定义初级岗位职责：从"执行任务"改为"验证 AI 产出、编排任务、拆解需求"。职责一改，AI 就从新人的竞争者变成了新人的工作对象——成长路径不再是"写三年基础代码"，而是从第一天起训练判断力。

其二，调整招聘标准：从"会不会写"变为"会不会驾驭 AI 写、能不能判断产出对错"。这里有一个容易被忽略的事实："为判断负责"对基层从来不是默认要求。传统组织里执行与判断是分离的，基层只对"做没做"负责，不对"对不对"负责。AI 时代第一次把判断责任压到了每一个层级。对新人，这是更高的门槛；对企业，这是把初级岗位从"可替代的执行"升级为"不可替代的判断"的机会。

其三，考核与晋升逻辑必须同步改。行业里普遍存在一个现象：公司花钱给初级员工配了 AI 工具，初级员工的使用率反而低于中高级员工。原因不是觉悟，是激励——对初级员工来说，用 AI 提效等于亲手演示"我可以被替代"；而考核若仍按工作量计算，提效连绩效收益都没有。解法是把"AI 杠杆率"写进晋升标准，让用好 AI 成为晋升信号而非自我替代信号。回头看第二部分那组数字——88% 的组织在实验 AI，81% 拿不到财务收益——微观成因就在这里：工具到位了，但考核、职责与晋升逻辑还停留在旧组织里，员工没有理由把 AI 用到实处。

顺带一提，这对 AI 产品厂商同样有启示：企业客户购买 AI 工具时，真正缺的往往不是功能，而是配套的组织设计——这本身可能就是产品差异化的方向之一。

四、结论：分水岭上的四个判断

本文不附具体的行动清单，转型的节奏与代价，应当由各企业经营层结合自身处境权衡。前文的证据，可以收拢为四个判断。

判断一：AI 替代的是任务，不是岗位。初级岗位承压，是因为其任务构成中可自动化比例最高，而不是因为人的价值消失。企业真正的选择题不是裁不裁人，而是把 AI 用在替代执行上，还是用在放大判断上。斯坦福的数据表明，两种用法对应着截然不同的就业与产出结果。

判断二：工具已不构成竞争差异，"会组织"才是分水岭。88% 的组织在实验 AI、81% 没有财务收益，而组织化程度最高的前 20% 公司生产率增长 163%。麦肯锡"每 1 美元技术投入配 5 美元组织投入"的经验比例说明：AI 红利的大头在组织侧，不在工具侧。

判断三：人才梯队的底层逻辑已经改变。执行力阶梯正在失效，判断力阶梯尚未被大多数公司建立。初级岗位是高级人才的苗圃——砍掉它对当期报表是理性的，对五年后的公司是致命的；反过来，谁先跑通"AI 时代如何培养新人"，谁就掌握了下一个周期的人才供给。

判断四：窗口期约 12—24 个月，最大的风险不是慢，而是判断失准。中国市场"用 AI 为初级劳动力增效"的路径，给了国内企业比美国同行更从容的重构窗口。但高估 AI 当前能力、过早削减执行层导致质量崩塌，与按兵不动同样致命。转型需要的是以实测数据为前提的小步校准，而不是一次性的组织手术。

普华永道的数据显示，前 20% 的公司与其余 80% 正在走上两条不同的增长曲线。对规模小、包袱轻的组织而言，重构的成本与阻力远低于大型企业，分水岭面前，小组织转身更快。要不要成为那 20%、以什么节奏、付出什么代价，是每一家 IT 企业在这个窗口期内避不开的选择题。

麦肯锡预计，未来五年组织所需技能的三分之二将与今天完全不同。这场转型没有观望位，但有先后手。［6］

参考文献

［1］ Stanford Digital Economy Lab, "Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence", 2025 年 11 月（Canaries Dashboard 数据更新至 2026 年 4 月）　https://digitaleconomy.stanford.edu/publication/canaries-in-the-coal-mine-six-facts-about-the-recent-employment-effects-of-artificial-intelligence/

［2］ SignalFire, "State of Talent Report", 2026　https://www.signalfire.com/blog/signalfire-state-of-talent-report-2026

［3］ World Economic Forum, "The Future of Jobs Report", 2025　https://www.weforum.org/publications/the-future-of-jobs-report-2025/

［4］ World Economic Forum, "Artificial Intelligence and the Future of Entry-Level Work", 2026　https://www.weforum.org/publications/artificial-intelligence-and-the-future-of-entry-level-work-a-framework-for-safeguarding-and-reinventing-early-career-pathways/

［5］ PwC, "Global AI Jobs Barometer", 2026 年 7 月；普华永道中国内地市场分析，2026 年 7 月 14 日　https://www.pwc.com/gx/en/services/ai/ai-jobs-barometer.html

［6］ McKinsey & Company, "The State of Organizations 2026"　https://www.mckinsey.com/capabilities/people-and-organizational-performance/our-insights/the-state-of-organizations

［7］ McKinsey & Company, "Redesigning technology workforce for the agentic AI era", 2026　https://www.mckinsey.com/capabilities/mckinsey-technology/our-insights/designing-an-end-to-end-technology-workforce-for-the-ai-first-era

［8］ Microsoft, "Work Trend Index Annual Report: The Frontier Firm", 2025—2026　https://www.microsoft.com/en-us/worklab/work-trend-index/2025-the-year-the-frontier-firm-is-born

［9］ Anthropic, "Anthropic Economic Index"（2026 年 1 月、3 月、6 月各期报告）　https://www.anthropic.com/research/anthropic-economic-index-january-2026-report

［10］ BOSS 直聘，《2026 人才趋势报告》，2026 年 1 月　https://www.chinanews.com.cn/cj/2026/01-23/10557608.shtml

［11］ Federal Reserve Bank of New York, "The Labor Market for Recent College Graduates", 2026　https://www.newyorkfed.org/research/college-labor-market

［12］ The Pragmatic Engineer, "State of the software engineering job market in 2026"（含《华尔街日报》岗位结构数据梳理），2026　https://newsletter.pragmaticengineer.com/p/state-of-the-job-market-2026

［13］ 脉脉高聘人才智库，2026 年校招数据（2026 年 1—5 月），2026 年 7 月发布　https://www.guancha.cn/GongSi/2026_07_03_822514.shtml

［14］ 猎聘，《2025 年度人才供需趋势报告——新质生产力跃迁、AI 人才重构与中国职场变革》，2026 年 2 月　https://finance.sina.com.cn/tech/roll/2026-02-05/doc-inhkutyw1881081.shtml