AI时代效率至上，正在压缩“学徒期”与专家养成路径

事件概述

AI正在大规模替代标准化初级认知任务，例如写初稿、整理纪要、检索资料、制作报表、修改代码和起草合同。这些工作过去是年轻人进入专业领域的“学徒期”，其价值不止于产出，更是积累专业直觉、异常敏感度和独立判断能力的过程。AI接管后，年轻人成长为专家的路径正被压缩。

核心信息

• 初级工作是隐性的学徒培养机制：年轻人在重复琐碎的基础工作中形成难以文字化的专业判断力。企业以低效率成本换取下一代专家，这是一笔未计入财报的人才培养交换。

• AI率先挤压年轻人的入门级就业：斯坦福数字经济实验室2025年11月论文显示，在AI暴露程度最高的职业中，22至25岁劳动者就业相对下降约16%，年长劳动者保持稳定；在AI主要“增强”而非“替代”人力的职业中，年轻人就业反而增长。

• 证据仍有争议：国际劳工组织与波兰NASK在2025年5月估计，全球约四分之一劳动者处于对生成式AI有某种程度暴露的职业中，高收入国家为34%，低收入国家为11%，但最高暴露等级仅占全球就业的3.3%，岗位更可能被重新组织而非整体消灭。斯坦福经济政策研究所2026年7月简报则显示，AI高暴露职业与低暴露职业的失业率变化相近，未见明显的整体就业破坏；入门级就业的下降到2024年才明显，且可能受美联储加息和远程办公削弱在岗学习等因素影响。

• AI提升即时产出，不等于培养独立判断力：一项发表于《经济学季刊》2025年第2期的研究发现，某财富500强企业客服人员在生成式AI辅助下，每小时解决问题数提升约15%，低经验员工提升约30%，但高技能员工几乎没有获益。哈佛商学院在肯尼亚的田野实验也发现，能力较弱的创业者使用AI顾问后收入和利润反而低于对照组，因为他们更容易照单执行通用建议，而优秀创业者懂得筛选适用部分。

• AI能力边界并不平滑：哈佛商学院研究提出“锯齿状前沿”概念，即AI在看似相近的任务上可能一个远超人类、一个系统性出错，且同样自信。判断AI何时可信本身就是需要经验的技能。

值得关注

• “中层塌陷”风险：如果初级任务大量自动化，职业结构可能从金字塔变成哑铃：一端是少数资深专家，另一端是大量调用AI工具的普通使用者，中间靠长期实践积累的独立专业能力层会变薄。当前专家仍可监督和纠偏AI，但若不保留下一代成长路径，十年或二十年后可能无人接替。

• 组织理性与集体困境：单个企业压缩初级岗位在成本表上理性，但所有企业都这样做时，整个社会将失去“生产专家”的能力。经合组织2026年报告也指出，技能短缺已成为企业采用AI的主要障碍之一，而真正稀缺的并非高阶AI技能，而是数字素养、数据解释能力、管理能力和人际能力。

• 重新设计学习路径：AI时代不应继续训练人做机器擅长的事，而应训练人“验证答案”而非“得到答案”。企业需要接受合理的“学习冗余”，允许新人通过模拟、复盘和受控实践理解错误为何发生，即使这些安排从生产效率看并不高效。