AI催生新岗位，为何普通求职者与应届生反而更难入局？

打开招聘软件，AI相关的岗位日益密集：智能体开发、AI系统应用、具身机器人训练等职位频频占据首页。然而，待遇优厚的核心岗位往往要求深厚的算法积累与项目工程经验；而门槛相对友好的数据采集或标注类岗位，薪资与职业发展空间又十分有限。很多普通求职者发现，AI创造的新岗位看似繁多，自己却难以对号入座。

今年9月，人力资源社会保障部等部门公布了11个新职业与23个新工种，其中智能体开发员、数字孪生工程技术人员、具身智能机器人应用技术员等数字职业赫然在列。技术浪潮正在重写职业目录，但对普通从业者和初入职场的新人而言，进入这些新赛道的门槛并未随之降低。

历史经验：机器曾如何重塑就业阶梯？

回看过去两百年的工业与技术演进，新技术淘汰旧工种的同时，往往会为普通人铺设两条进入产业的通道：

一是通过流程标准化降低技能门槛。18世纪珍妮纺纱机与动力织布机的出现，让手艺复杂的织布工序被设备接管；福特流水线则将汽车组装细分为机械化动作，让未经长期训练的普通工人通过简单培训即可上岗。机器将工艺固化在流程中，实现了“先上岗，再学艺”。

二是通过“学校教育+初级岗位”培养专业人才。在电气化与计算机时代，企业建立了层层递进的培养机制。初级程序员从排查微小Bug做起，审计新人从核对原始凭证起步。这类基础工作虽然枯燥，却是新人建立业务感知、积累专业判断的核心途径。企业为低效率的基础劳动支付薪资，实质上承担了培养未来专家的隐形成本。

“静默替代”发生：AI正在抽走新人的练手垫脚石

大语言模型与生成式AI的普及，正在悄然打破这种成长闭环。

首先是新岗位的两极分化。高级开发岗位需要跨学科知识与落地经验，而新设立的低门槛岗位——如穿戴动捕设备教机器人抓取物品的数据采集员——薪资偏低且缺乏长期上升通道。麦肯锡全球研究院此前发布的报告显示，到2035年，美国约有1100万劳动者面临职业转换，但其中仅约14%能在技能差距较小的前提下实现无缝平移且不明显降薪。

更严峻的挑战在于初级练手岗位的消失。以往新人依靠大量低阶任务理解业务逻辑，如今AI编程助手可瞬间完成代码编写、报错排查和单元测试。慕尼黑工业大学的一项教学实验表明，借助AI完成任务的学生虽然当期成绩更佳，但对底层知识的掌握并未同步增长。

企业端随之改变了用人策略。斯坦福大学数字经济实验室基于薪酬数据的研究发现，在AI渗透率较高的职业类别中，22岁至25岁年轻员工的就业增长轨迹，相比低渗透行业同龄人低了约19%。企业并未大规模裁员，而是选择不再补充基础岗位编制，让成熟员工配合AI承担更多工作量。

这种替代极其安静：初级求职者甚至不知道自己失去了一个本该存在的招聘名额。

行业难题：谁来承担培养下一代专家的成本？

对于追求降本增效的机构而言，“成熟员工+AI”的组合极具性价比。例如，电信巨头AT&T此前将外部律所初级律师负责的文件审查与法律检索，转由内部团队借助AI处理，大幅压缩了初级工时支出。但这也意味着外部律所失去了借助基础业务带教新人的场景。

当整个行业都在等待“现成的三年经验熟手”，却不再提供让人获取前三年经验的初级工位时，人才断代便成为系统性风险。未来的资深专家不会凭空产生，如果社会与企业只消费现有存量专家的红利，而由AI完全接管基础训练环节，专业能力的代际传递将遭遇阻碍。

面对这一趋势，不同从业者的突围路径正在分化：

• 成熟从业者：深耕行业经验与落地判断。懂得业务规则的车间工程师、洞察财务风险的资深审计，其多年积累的现实场景理解力，正是判断AI输出是否可行的关键把关人。原有的业务经验成了驾驭AI的最佳抓手。
• 初入职场者：提前证明交付能力。企业对初级员工“即战力”的要求进一步前置，年轻求职者必须在学校或实习期间，借助真实项目与AI协作产出成型作品，以证明自己超越工具之上的独立判断力。

技术重构了工作方式，但如何搭建起连接新手与专家的全新培养阶梯，已成为整个科技与就业市场必须直面的长期考题。