AI技术

AI 时代的人才分层：初级岗位正在被“高级化”

, , , ,

摘要：AI 没有简单地消灭工作，而是在重写岗位阶梯：低阶重复任务被自动化，初级岗位开始要求判断力、沟通力、业务理解和工具组合能力。真正稀缺的人才，不是会用 AI，而是能带着 AI 完成复杂闭环。

AI 人才地图

AI 对就业市场的影响，不是简单的“替代人”或“创造更多岗位”。更准确的说法是：它正在重写岗位阶梯。

过去一个新人进入组织，通常从低风险、低复杂度、重复性较高的任务开始。整理资料、初步分析、写初稿、做表格、查信息、跑流程、记录会议、改格式、做基础测试。这些工作看起来琐碎，却是新人理解业务、建立判断、积累经验的入口。

现在，这些入口正在被 AI 吃掉。

问题不只是“初级岗位少了”，而是剩下的初级岗位正在被高级化。

数据里已经能看到这个变化

PwC 2026 Global AI Jobs Barometer 分析了 27 个国家和地区超过 10 亿条招聘广告，得出的结论不是“AI 让工作消失”，而是“AI 正在制造两条路径”。

一条路径是能够把 AI 用进流程的组织和岗位，生产率、工资和人员增长更快。PwC 的报告指出，AI 暴露度最高的公司，相比暴露度最低的公司，有更高的生产率增长，也出现更快的员工数量和工资增长。另一条路径是没有完成技能迁移、仍依赖旧岗位结构的组织，增长会明显吃亏。

更值得关注的是 entry-level roles 的变化。PwC 单独分析了初级岗位技能要求，发现 AI 暴露度高的初级岗位越来越要求过去更像中高级人才的能力：判断、领导、沟通、协作、战略理解、情绪智能、创造力。

这就是“初级岗位高级化”。

企业并不是不需要新人，而是不再愿意为只会做低阶重复任务的人买单。因为这些任务已经可以被模型、自动化工具或经验员工带 AI 更快完成。

为什么新人会更难

这件事有点残酷。

过去新人不懂业务没关系，可以先做基础工作。基础工作本身就是训练场。你整理资料时会接触概念，你写会议纪要时会理解利益关系，你做表格时会发现数据口径，你改方案时会学习老板和客户真正看什么。

AI 让这些任务变快以后，组织自然会提高门槛：既然 AI 可以帮你整理资料，那我希望你能直接判断资料哪些重要；既然 AI 可以写初稿，那我希望你能指出初稿哪里不成立；既然 AI 可以做表格，那我希望你能解释指标为什么变化；既然 AI 可以生成方案，那我希望你能知道客户会不会买账。

于是新人一上来就被要求具备更高阶的判断力。

这不是某个行业的问题，而是所有知识工作都会遇到的问题。法律、咨询、产品、运营、市场、软件、财务、人力、研究，都会出现类似变化：低阶任务被自动化，高阶判断提前压到新人身上。

“会用 AI”本身不再构成优势

很多培训喜欢把“掌握 AI 工具”包装成竞争力。这个说法越来越不够用了。

会用 AI 很快会变成默认能力，就像会用 Office、会搜索、会写邮件一样。真正拉开差距的，不是你会不会打开一个模型，而是你能不能把 AI 嵌入一个真实任务闭环。

比如同样是写市场分析：

低阶用法是让 AI 写一篇报告。

高阶用法是定义问题、拆分数据来源、判断哪些数据可信、让 AI 做候选假设、用外部资料交叉验证、识别反例、形成观点、设计下一步行动，并把结论写成老板或客户能决策的形式。

同样是写代码：

低阶用法是让 AI 生成函数。

高阶用法是让 AI 理解仓库、定位问题、提出改法、跑测试、解释风险、拆小 PR、保持可维护性，并知道什么时候必须停下来让人审查。

同样是做工业项目：

低阶用法是让 AI 查设备手册。

高阶用法是把工艺、设备、数据、控制逻辑、安全边界和现场反馈组织起来，让 AI 帮助形成可验证的工程改进。

这类能力不叫“提示词技巧”，而叫任务架构能力。

人才培养要从“学工具”转向“练闭环”

Coursera 的 2026 Job Skills Report 也给了一个类似信号：生成式 AI 仍然是最热门技能之一，但它必须和岗位核心能力叠加，而不是单独存在。报告还强调，学习者正在把 GenAI 能力叠加到数据、IT、软件和产品开发等基础技能上，同时问题解决、决策、协作、批判性思维等能力继续变得重要。

这对企业培训很有启发。

如果培训只是教员工怎么写提示词、怎么让 AI 生成 PPT、怎么总结文章，很快就会变成低价值培训。真正有用的训练应该围绕真实任务闭环：

  • 给一个模糊业务问题，要求员工用 AI 拆成可验证假设；
  • 给一组冲突材料，要求员工判断哪些来源可信；
  • 给一个客户场景，要求员工用 AI 做流程重构，而不是只写方案；
  • 给一段 AI 生成内容，要求员工找出逻辑漏洞和事实风险；
  • 给一个跨部门问题，要求员工设计人机协作流程、权限边界和交付指标。

也就是说，培训对象不是“工具熟练度”，而是“带着 AI 完成复杂工作的能力”。

对个人的建议：不要把自己训练成 AI 的操作员

如果你是职场新人，最危险的定位是“我会帮你用 AI 更快产出材料”。这个价值很快会被压低，因为所有人都会学会。

更好的定位是：我能把问题讲清楚，把材料判断清楚，把 AI 的输出审查清楚，把结果推进到业务闭环。

这需要几类能力：

第一，领域理解。你必须知道这个行业真正重要的问题是什么。没有领域理解，AI 生成得再多也只是表面信息。

第二，判断力。AI 会给出看似完整的答案，但你要知道哪里不可靠、哪里缺证据、哪里只是漂亮话。

第三，结构化表达。能把复杂问题拆成层级、流程、对象、约束和指标，是 AI 协作的基础。

第四，工程化意识。无论你是不是程序员，都要理解“验证、迭代、版本、权限、日志、责任”这些概念。AI 时代，很多知识工作都会变得更像工程。

第五，现场感。不要只在屏幕里和 AI 对话，要去看真实用户、真实流程、真实设备、真实客户。AI 可以生成信息，但不能替你建立对现场的判断。

对组织的建议：重新设计新人训练场

组织不能只抱怨新人能力不够。低阶任务被 AI 吃掉以后，企业必须重新设计新人训练机制。

过去的训练场是基础工作本身。现在基础工作自动化了，组织就要人为搭建新的训练场：让新人参与真实项目，但配上 AI 工具、导师审查、明确任务边界和复盘机制；让他们不只是交结果，还要解释判断过程；不只是会生成内容，还要能指出 AI 为什么错。

否则组织会陷入一个悖论：一方面不再提供初级任务，另一方面又抱怨没有成熟人才。

AI 时代的人才战略，不是少招新人，而是更早训练新人做复杂判断。

未来最值钱的人，不一定是最懂某个 AI 工具的人，而是能在不确定场景中组织人、模型、数据、流程和责任的人。

这就是 AI 时代真正的人才分层。

不会用 AI 的人会被淘汰。

只会用 AI 的人会被压价。

能带着 AI 完成复杂闭环的人，会变得更稀缺。

参考资料

分享到