本文來(lái)自微信公眾號(hào)： 聲動(dòng)活潑 ，作者：聲小音

歡迎來(lái)到今天的輕解讀。從校園踏入職場(chǎng)所需的過(guò)渡，從來(lái)都不是一件輕松的事。長(zhǎng)久以來(lái)，各行各業(yè)的入門級(jí)崗位，一直都是年輕人連接校園教育和真實(shí)職場(chǎng)的橋梁。

舉幾個(gè)常見(jiàn)的例子：做客戶服務(wù)的新人，入行一般要從接咨詢電話、回復(fù)客戶郵件、處理投訴訴求、整理客戶需求這些小事做起，內(nèi)容看似瑣碎零散，但恰恰是在海量重復(fù)的溝通工作里，新人才能慢慢摸清楚完整的業(yè)務(wù)邏輯，學(xué)會(huì)把零散碎片化的客戶反饋，梳理成能給業(yè)務(wù)做參考的有用信息。再比如審計(jì)行業(yè)，新人入行的基礎(chǔ)工作基本都是整理審計(jì)底稿、錄入基礎(chǔ)數(shù)據(jù)、核對(duì)往來(lái)賬目、抽查業(yè)務(wù)憑證，新人就是在一次次反復(fù)核對(duì)的過(guò)程中，慢慢培養(yǎng)出敏感度，能分辨出哪些異常數(shù)據(jù)是真的需要深挖，哪些表面通順的解釋其實(shí)站不住腳；就算是頭部咨詢公司，每年也會(huì)招大量應(yīng)屆生，剛畢業(yè)的初級(jí)分析師，往往也要從整理行業(yè)資料、梳理Excel數(shù)據(jù)表、走基礎(chǔ)項(xiàng)目流程開(kāi)始做起，職場(chǎng)新人就是在這些重復(fù)的基礎(chǔ)任務(wù)里，慢慢理解職場(chǎng)的邊界、工作的標(biāo)準(zhǔn)，培養(yǎng)出屬于自己的專業(yè)直覺(jué)。

可現(xiàn)在，大量這類標(biāo)準(zhǔn)化的基礎(chǔ)任務(wù)，正在被AI逐步接手。根據(jù)《泰晤士報(bào)》的報(bào)道，德勤已經(jīng)在部分地區(qū)調(diào)整了針對(duì)審計(jì)崗畢業(yè)生的培訓(xùn)計(jì)劃，核心原因就是AI已經(jīng)接手了數(shù)據(jù)整理、發(fā)送詢證函這類重復(fù)性的入門工作；SaaS企業(yè)Salesforce此前也公開(kāi)表示，目前公司大部分的客戶支持工作，都已經(jīng)由人工智能來(lái)承擔(dān)。麥肯錫的相關(guān)負(fù)責(zé)人也提到，AI的應(yīng)用不會(huì)直接削減初級(jí)崗位的數(shù)量，但會(huì)要求初級(jí)崗的員工，去完成更多對(duì)客戶真正有高價(jià)值的工作。

其實(shí)每一次技術(shù)迭代，都會(huì)給就業(yè)市場(chǎng)帶來(lái)深遠(yuǎn)影響。工業(yè)革命發(fā)展初期，最早受到?jīng)_擊的不是底層體力勞動(dòng)者，而是那些手藝熟練，卻被新機(jī)器替代的紡織工人；到了電氣化和IT革命時(shí)代，反而是教育背景更好、專業(yè)能力更強(qiáng)的人群，更容易抓住新技術(shù)的紅利獲得收益。可到了今天的人工智能時(shí)代，受到影響最大的，偏偏是咨詢、審計(jì)、客服、行政這類知識(shí)型白領(lǐng)的入門崗位。雖然現(xiàn)在還沒(méi)有人能百分百確定，就業(yè)市場(chǎng)的崗位變動(dòng)完全由AI導(dǎo)致，但當(dāng)研究機(jī)構(gòu)拆分年齡和崗位類型分析后還是發(fā)現(xiàn)：在AI滲透率更高的白領(lǐng)崗位里，年輕求職者的機(jī)會(huì)已經(jīng)率先開(kāi)始收縮。斯坦福大學(xué)數(shù)字經(jīng)濟(jì)實(shí)驗(yàn)室不久前分析了近3億條美國(guó)線上招聘信息，發(fā)現(xiàn)面向22-25歲年輕人的適配崗位數(shù)量下降了約6%，但企業(yè)對(duì)能熟練運(yùn)用AI的資深人才，以及負(fù)責(zé)管理、決策的崗位需求反而出現(xiàn)了上升。國(guó)內(nèi)脈脈發(fā)布的2026年1-2月中高端人才招聘洞察也顯示，要求從業(yè)者擁有3年以上經(jīng)驗(yàn)的崗位占比已經(jīng)超過(guò)七成，而面向工作經(jīng)驗(yàn)1年以內(nèi)求職者的崗位，規(guī)?？s減了大約20%。

就像我們前面說(shuō)的，新人剛?cè)肼殘?chǎng)時(shí)負(fù)責(zé)的，本來(lái)大多是執(zhí)行層、標(biāo)準(zhǔn)化程度高的工作，而這類有清晰輸入輸出標(biāo)準(zhǔn)的任務(wù)，恰恰是AI最擅長(zhǎng)的領(lǐng)域。所以現(xiàn)在越來(lái)越多的入門崗位，已經(jīng)不再要求新人只按流程按部就班執(zhí)行，反而會(huì)更早要求新人學(xué)會(huì)做獨(dú)立判斷、提出自己的想法、學(xué)會(huì)和AI工具協(xié)同工作。世界經(jīng)濟(jì)論壇針對(duì)全球入門級(jí)員工的研究也指出，現(xiàn)在職場(chǎng)的變化，與其說(shuō)是直接減少了崗位，不如說(shuō)是壓縮了基礎(chǔ)任務(wù)的占比、重塑了崗位角色，AI不是簡(jiǎn)單搶走了年輕人的第一份工作，而是在重新定義入門崗位的工作內(nèi)容、核心價(jià)值，還有企業(yè)培養(yǎng)新人的模式。

那么，當(dāng)AI接手越來(lái)越多基礎(chǔ)工作后，現(xiàn)在職場(chǎng)對(duì)入門級(jí)白領(lǐng)的要求，到底發(fā)生了哪些改變？又有哪些能力，會(huì)在這個(gè)時(shí)代變得越來(lái)越重要呢？

本文整理自播客「聲動(dòng)早咖啡」

根據(jù)脈脈發(fā)布的報(bào)告，現(xiàn)在企業(yè)對(duì)員工的AI能力要求，已經(jīng)從原來(lái)的「加分項(xiàng)」變成了「硬指標(biāo)」。相關(guān)調(diào)研顯示，有近八成受訪者表示，自己所在公司已經(jīng)提出了AI能力素養(yǎng)的相關(guān)要求，超過(guò)三成的企業(yè)已經(jīng)配套了對(duì)應(yīng)的考核或者培訓(xùn)機(jī)制。

而這里說(shuō)的AI素養(yǎng)，不只是會(huì)安裝、使用各種AI工具那么簡(jiǎn)單，更多是指一個(gè)人能負(fù)責(zé)任地使用、評(píng)估AI技術(shù)的一組基礎(chǔ)能力：包括理解AI的能力邊界、給AI清晰有效的上下文提示、評(píng)估AI輸出內(nèi)容的可靠性、保護(hù)敏感數(shù)據(jù)，還有把AI融入實(shí)際工作流程解決具體問(wèn)題的能力。

《金融時(shí)報(bào)》有評(píng)論提到，現(xiàn)在行業(yè)里有一個(gè)越來(lái)越明顯的趨勢(shì)：同樣的AI工具交到不同的人手里，最終產(chǎn)出的質(zhì)量差距可能達(dá)到數(shù)量級(jí)。而這個(gè)差距和工具的技術(shù)門檻關(guān)系不大，反而和使用者自身的認(rèn)知結(jié)構(gòu)高度相關(guān)。這里說(shuō)的認(rèn)知，不是指誰(shuí)掌握的信息更多、知識(shí)更廣——畢竟信息檢索本來(lái)就是AI最擅長(zhǎng)的事，核心差別在于，使用者有沒(méi)有一套拆解問(wèn)題的框架：知道一個(gè)復(fù)雜問(wèn)題可以拆成哪幾個(gè)子問(wèn)題、子問(wèn)題之間的邏輯關(guān)系是什么、每個(gè)子問(wèn)題的判斷標(biāo)準(zhǔn)是什么。AI可以在你搭建好的框架里高效執(zhí)行，但它沒(méi)辦法替你搭建這套框架本身。而框架的形成，需要大量的實(shí)踐和練習(xí)才能內(nèi)化。

另外《哈佛商業(yè)評(píng)論》的文章也提到，批判性思維是AI素養(yǎng)里非常核心的組成部分。比如同樣是讓AI分析一家企業(yè)，如果只是隨便輸入一句「幫我分析一下這家公司」，最后得到的往往只是看起來(lái)結(jié)構(gòu)完整，但很難直接落地使用的通用答案。但如果提問(wèn)者帶著明確的目標(biāo)和AI溝通，AI就更有可能輸出有價(jià)值的內(nèi)容：比如你到底想了解這家公司的哪些信息？是增長(zhǎng)潛力、競(jìng)爭(zhēng)壁壘，還是管理層的風(fēng)險(xiǎn)？你是希望AI幫你找線索、對(duì)比同賽道案例，還是挑戰(zhàn)你現(xiàn)有的認(rèn)知呢？

而批判性思維的作用，不只是體現(xiàn)在提問(wèn)的輸入階段，更體現(xiàn)在得到結(jié)果之后的追問(wèn)環(huán)節(jié)。高質(zhì)量的AI輸出，通常都需要多輪追問(wèn)和校正：比如AI給出答案之后，你可以繼續(xù)追問(wèn)：這個(gè)結(jié)論的前提假設(shè)是什么？如果去掉這個(gè)前提，結(jié)論還能成立嗎？支撐這個(gè)解釋的核心證據(jù)有哪些？這個(gè)過(guò)程不是讓AI直接給你一個(gè)完美答案，而是你和AI展開(kāi)一場(chǎng)高質(zhì)量的對(duì)話，通過(guò)逐步縮小范圍，靠近更可靠的結(jié)論。就像斯坦福數(shù)字經(jīng)濟(jì)實(shí)驗(yàn)室經(jīng)濟(jì)學(xué)家Bharat Chandar說(shuō)的：AI更適合站在執(zhí)行層，完成那些可以被清晰描述、拆解、驗(yàn)證的動(dòng)作；而人應(yīng)該站在更高的層級(jí)，負(fù)責(zé)明確目標(biāo)、給出約束條件、設(shè)定優(yōu)先級(jí)、檢查最終結(jié)果是不是真的有價(jià)值。

在絕大多數(shù)企業(yè)里，判斷力本身就是工作流程積累出來(lái)的副產(chǎn)品?，F(xiàn)在隨著AI接手越來(lái)越多基礎(chǔ)任務(wù)，新人原本用來(lái)積累經(jīng)驗(yàn)的訓(xùn)練過(guò)程，也跟著發(fā)生了改變。

斯坦福經(jīng)濟(jì)學(xué)家Bharat Chandar提到，對(duì)年輕人來(lái)說(shuō)，這個(gè)變化最殘酷的一點(diǎn)在于：過(guò)去很多人都是做了幾年基礎(chǔ)執(zhí)行工作之后，才慢慢學(xué)會(huì)怎么做出判斷，可現(xiàn)在剛?cè)肼殘?chǎng)的年輕人，可能必須更早開(kāi)始練習(xí)這項(xiàng)能力。尤其是AI本身有可能生成錯(cuò)誤信息，還會(huì)繼承放大訓(xùn)練數(shù)據(jù)里的偏見(jiàn)，所以現(xiàn)在企業(yè)更需要初級(jí)崗位的員工承擔(dān)更多責(zé)任，有能力對(duì)AI生成的內(nèi)容做嚴(yán)格核查，判斷什么樣的結(jié)果可以交付給客戶或者上下游。這也是為什么Bharat Chandar認(rèn)為，現(xiàn)在很多白領(lǐng)的工作本質(zhì)上更像管理工作，哪怕你還沒(méi)有任何管理者的頭銜。

《哈佛商業(yè)評(píng)論》的文章也提到，判斷力不靠記住所有答案，核心是能在混亂和不確定的環(huán)境里，快速識(shí)別有效信號(hào)，果斷做出決策。但從過(guò)往的經(jīng)驗(yàn)來(lái)看，這種判斷力沒(méi)有辦法借助AI快速速成，它仍然需要你親身體驗(yàn)，哪怕那些工作現(xiàn)在已經(jīng)交給AI去做了；也需要你主動(dòng)向資深從業(yè)者尋求反饋，在有時(shí)候看起來(lái)笨拙、緩慢、不完美的重復(fù)練習(xí)里打磨自己的判斷力。同時(shí)還要強(qiáng)化自己的專注力，保持對(duì)最終結(jié)果直接負(fù)責(zé)的心態(tài)。既然新人沒(méi)辦法再靠做幾年基礎(chǔ)工作慢慢積累經(jīng)驗(yàn)，自然就需要用更主動(dòng)、更結(jié)構(gòu)化的方式，補(bǔ)上能力訓(xùn)練這一課。

在AI時(shí)代，你最想補(bǔ)充哪項(xiàng)職場(chǎng)技能？在你看來(lái)，職場(chǎng)新人最珍貴的「人類專屬」特質(zhì)又是什么呢？