今年5月，中國青年報社社會調(diào)查中心針對應(yīng)屆畢業(yè)生的調(diào)查顯示，64.1%的受訪者期待企業(yè)更加注重人才培養(yǎng)，提供完善的崗前培訓(xùn)與成長支持。在人工智能快速進入招聘、辦公和專業(yè)服務(wù)場景的背景下，這個期待值得認真理解。人們常把AI對就業(yè)的影響概括為“哪些崗位會增加、哪些崗位會減少”，但對剛進入勞動力市場的年輕人來說，還有一個更具體的問題：當(dāng)文案整理、資料搜集、基礎(chǔ)分析、簡單編碼等入門任務(wù)越來越多地由AI完成，年輕人究竟通過什么任務(wù)積累最初的工作經(jīng)驗？

　　第一份工作是把學(xué)校知識轉(zhuǎn)化為職業(yè)能力的重要階段。很多看起來并不復(fù)雜的初級任務(wù)，實際上承擔(dān)著“學(xué)徒期”的功能：新人通過反復(fù)整理材料理解業(yè)務(wù)邏輯，通過跟著前輩修改報告，學(xué)會判斷輕重緩急，通過處理小錯誤認識流程邊界，再逐漸承擔(dān)更復(fù)雜的任務(wù)。勞動經(jīng)濟學(xué)所說的“邊干邊學(xué)”，是人力資本形成的一條重要路徑。

　　被自動化的，可能恰恰是經(jīng)驗的入口

　　AI最容易替代的，往往是規(guī)則相對清晰、可以標(biāo)準化表達的任務(wù)，而這些任務(wù)過去又經(jīng)常由新人承擔(dān)。對用人單位而言，讓模型先完成初稿、摘要、數(shù)據(jù)清洗或代碼模板，當(dāng)然能夠提高效率；但如果用人單位進一步得出“既然AI能做初級任務(wù)，就不需要給新人這些任務(wù)”的結(jié)論，就可能出現(xiàn)一個新的矛盾：用人單位減少了培養(yǎng)新人的成本，卻也減少了新人形成經(jīng)驗的機會。幾年之后，當(dāng)組織需要能夠獨立判斷、協(xié)調(diào)和承擔(dān)責(zé)任的中堅員工時，可能會發(fā)現(xiàn)人才梯隊出現(xiàn)了斷層。

　　這里的關(guān)鍵不是保護某些低效率工作，而是區(qū)分“任務(wù)被自動化”和“學(xué)習(xí)機會被取消”。過去，一名新人通過完成10次基礎(chǔ)分析，逐漸知道哪些數(shù)據(jù)值得懷疑、哪些異常必須追問；現(xiàn)在，AI也許能在幾分鐘內(nèi)完成10次分析，但如果新人只負責(zé)復(fù)制結(jié)果，就很難形成同樣的判斷力。技術(shù)提高了任務(wù)完成速度，卻未必能提高人的學(xué)習(xí)速度。在一些情況下，自動化越徹底，新人越難看見工作是如何一步步完成的。

　　因此，如何把初級任務(wù)改造成更有效的學(xué)習(xí)任務(wù)，是AI時代培養(yǎng)職場新人的重點。用人單位可以讓AI承擔(dān)重復(fù)性計算和初稿生成，同時要求新人負責(zé)核驗數(shù)據(jù)來源、解釋異常、比較不同方案、記錄修改理由。這樣，年輕人不必把時間耗在機械操作上，卻仍然能夠接觸完整的任務(wù)鏈條。工作內(nèi)容發(fā)生了變化，學(xué)徒期并沒有消失，而是從“親手完成每一步”轉(zhuǎn)向“理解每一步為什么這樣完成”。

　　新人需要可驗證的成長軌跡

　　當(dāng)前，不少求職者主動學(xué)習(xí)AI工具，這是積極變化。但“會用AI”很容易成為一個模糊標(biāo)簽。用人單位關(guān)切的不是求職者會不會輸入提示詞，而是他能否借助AI完成一個真實任務(wù)，并知道什么時候應(yīng)當(dāng)相信、什么時候必須核驗、什么時候需要轉(zhuǎn)向人工判斷。這樣的能力只有放在完整工作情境中才容易被觀察。

　　因此，第一份工作的評價方式也要隨之調(diào)整。過去，用人單位可能用“完成了多少份材料、處理了多少條數(shù)據(jù)”衡量新人；當(dāng)這些數(shù)量越來越容易被AI放大后，單純計件的意義會下降。更值得觀察的是新人能否發(fā)現(xiàn)模型遺漏的問題，能否解釋為什么修改AI生成的方案，能否在任務(wù)失敗后找到原因，并把經(jīng)驗轉(zhuǎn)化為下一次可復(fù)用的規(guī)則。換句話說，評價應(yīng)從“產(chǎn)出了多少”逐步轉(zhuǎn)向“形成了什么判斷能力”。

　　這種變化還有助于解決年輕人的一個現(xiàn)實焦慮：如果很多工作都能由AI完成，個人怎樣證明自己的價值？答案并不在于和機器比速度，而在于留下可驗證的成長軌跡。實習(xí)和入職培訓(xùn)可以更多采用項目檔案、修改記錄、錯誤復(fù)盤和階段性成果，讓職場新人能夠說明自己承擔(dān)了什么、糾正了什么、學(xué)會了什么。對用人單位而言，這類過程證據(jù)也比一張“AI技能證書”更能判斷一個人是否值得繼續(xù)培養(yǎng)。

　　用人單位的人才戰(zhàn)略要給“學(xué)習(xí)曲線”留位置

　　人工智能降低了部分初級任務(wù)的邊際成本。但是，人才培養(yǎng)具有時間性：今天減少一個新人崗位，節(jié)省的是當(dāng)前成本，損失的可能是幾年后的內(nèi)部人才供給。尤其是在需要大量隱性知識的行業(yè)，很多經(jīng)驗無法從教材或模型回答中直接獲得，只能在維護客戶關(guān)系、使用設(shè)備、適應(yīng)制度和處置異常情況的過程中逐漸形成。

　　這種損失未必立即顯現(xiàn)。當(dāng)日常任務(wù)仍能由AI和少數(shù)骨干完成時，培養(yǎng)投入不足容易被短期效率掩蓋；一旦骨干離職、業(yè)務(wù)轉(zhuǎn)型或出現(xiàn)突發(fā)情況，組織就可能面臨工具不缺、能判斷結(jié)果和承擔(dān)責(zé)任的人卻不夠的困境。屆時再從外部招聘，不僅要付出招聘與磨合成本，也未必能迅速補回對客戶、流程和協(xié)作方式的熟悉。若更多單位都選擇“只用熟手、不帶新人”，整個行業(yè)的熟練人才也不會憑空增加?？此乒?jié)省的培養(yǎng)成本，可能最終轉(zhuǎn)化為更高的用人成本和更脆弱的人才梯隊。

　　因此，用人單位在設(shè)計AI轉(zhuǎn)型方案時，可以把“學(xué)習(xí)曲線”作為一個單獨指標(biāo)來考慮。一個流程自動化之后，應(yīng)當(dāng)問三個問題：新人能否看見完整業(yè)務(wù)鏈條？是否有機會處理邊界情況和錯誤？是否有人對他的判斷給出反饋？如果三個問題的答案都是否定的，那么流程雖然更快，卻可能不利于組織長期積累人力資本。

　　具體而言，可以把新人崗位設(shè)計成“AI輔助的學(xué)徒崗”：前期由AI提供資料和初步方案，新人負責(zé)驗證與解釋；中期讓新人比較不同模型或不同處理路徑的結(jié)果；后期逐漸承擔(dān)獨立決策，并由有經(jīng)驗的員工復(fù)核。與過去相比，這種培養(yǎng)方式減少了機械重復(fù)，卻保留了由淺入深的任務(wù)階梯。它既不要求用人單位為了培訓(xùn)而故意放棄效率，也不讓年輕人因為自動化失去進入復(fù)雜工作的入口。

　　高校就業(yè)教育也要從“工具訓(xùn)練”轉(zhuǎn)向“任務(wù)訓(xùn)練”

　　這套邏輯同樣適用于高校開展就業(yè)教育和組織實習(xí)或?qū)嵺`。如果課程只強調(diào)掌握某種AI軟件，學(xué)生畢業(yè)時可能會發(fā)現(xiàn)工具已經(jīng)更新；如果訓(xùn)練的是問題定義、證據(jù)核驗、任務(wù)分解和結(jié)果復(fù)盤，這些能力的折舊速度會慢得多。當(dāng)一些輔助任務(wù)可以交給AI時，實習(xí)設(shè)計也應(yīng)隨之調(diào)整，讓學(xué)生在有指導(dǎo)、有反饋的條件下參與真實任務(wù)，經(jīng)歷“理解需求—使用工具—檢查結(jié)果—解釋錯誤—形成改進”的完整閉環(huán)。用人單位不必一開始就讓新人獨立負責(zé)完整項目，但可以劃定任務(wù)范圍、安排階段反饋，逐步增加參與深度，關(guān)鍵成果仍由帶教人員把關(guān)。

　　讓用人單位愿意提供這樣的機會，還須降低帶教成本、明確培養(yǎng)回報。高?？梢猿袚?dān)通用工具訓(xùn)練、基礎(chǔ)規(guī)范培訓(xùn)和實習(xí)日常管理，與用人單位共同確定項目任務(wù)和評價標(biāo)準。用人單位則應(yīng)把帶教時間納入工作安排，將培養(yǎng)成效計入導(dǎo)師評價，并在雙方自愿的前提下把實習(xí)表現(xiàn)與后續(xù)招聘銜接起來。讓實習(xí)成為識別、儲備合適人才的渠道，用人單位才更有動力投入。高?？疾鞂嵙?xí)基地時，也應(yīng)從“接收了多少人”進一步轉(zhuǎn)向“提供了哪些真實項目、學(xué)生獲得了什么反饋”，據(jù)此安排后續(xù)合作，而不只是核對實習(xí)證明。

　　學(xué)校和用人單位還可以共同把這種過程記錄轉(zhuǎn)化為更有信息含量的就業(yè)信號。與其讓學(xué)生在簡歷上簡單寫“熟練使用大模型”，不如展示一個經(jīng)過數(shù)據(jù)脫敏的項目：AI在哪些環(huán)節(jié)提供了幫助，自己做了哪些判斷，最終結(jié)果如何改進。這樣既能幫助用人單位識別真正具備人機協(xié)作能力的青年，也能減少求職者圍繞工具名稱進行表面化競爭。

　　AI會改變第一份工作的內(nèi)容，但不應(yīng)切斷年輕人從新手成長為熟手的路徑。人工智能進入工作世界之后，某一項舊任務(wù)也許會被淡化甚至被機器替代，而那條由任務(wù)、反饋和責(zé)任共同構(gòu)成的學(xué)習(xí)通道必須保留。讓AI替人完成更多重復(fù)勞動，同時讓年輕人在更有價值的環(huán)節(jié)獲得真實經(jīng)驗，才可能把技術(shù)進步轉(zhuǎn)化為高質(zhì)量的職業(yè)成長。

　　(作者系對外經(jīng)濟貿(mào)易大學(xué)經(jīng)濟學(xué)院助理教授)

　　王鵬