来源：HRflag

　　一张被削减的校招计划，正在成为许多企业2026年下半年人力预算会议上的典型场景。业务负责人拿出一份经过AI测算的效率方案：材料整理、信息检索、数据汇总、会议纪要、基础文案和标准化分析，都可以由工具完成，因此原本计划招聘的十名新人，也许只需要保留三到五名。从短期财务视角看，这似乎是一笔十分清晰的效率账，但从未来三年的组织能力来看，这张表格可能遗漏了最昂贵的一项成本——企业将从哪里获得下一批成熟人才。

　　7月27日，Gartner发布的一项调查把这个问题推到了CHRO面前。调查显示，22%的CHRO表示，组织内至少有一位业务负责人因为AI自动化停止招聘某些入门岗位；与此同时，95%的组织在过去一年以某种形式采用了AI，但真正获得显著或转型价值的只有约五分之一。这两个数字放在一起看，比单独讨论“AI是否替代新人”更值得警惕： 许多企业还没有证明AI创造了足够大的业务价值，却已经开始按照AI能够替代大量工作的假设重组人才入口。

　　这并不意味着企业不应调整招聘规模，也不意味着所有传统入门岗位都值得保留。真正的问题是，部分组织把“任务被自动化”直接等同于“岗位可以取消”，又把“岗位可以取消”进一步理解为“人才梯队可以缩短”。在这个推导过程中，企业只计算了新人当期可以完成多少工作，却没有计算入门岗位承担的另一项功能：让没有组织经验的人逐步形成判断力、业务理解、人际网络和制度记忆。

　　Gartner给出的答案不是守住旧岗位，也不是否认AI带来的效率，而是重新设计早期职业角色。它建议CHRO识别可以安全下移给入门员工的高价值任务，激活团队支持结构，并为新人建立能够在模糊环境中工作的“发展安全网”。换句话说， AI改变的不是企业需不需要新人，而是企业还能不能用过去那套方式培养新人。

　　AI先拿走的，往往是新人的“练习题”

　　传统入门岗位的设计逻辑非常清楚：新人先从低风险、低复杂度和高度标准化的任务做起，在重复中熟悉规则，在反馈中认识业务，再逐渐承担需要判断和协调的工作。一名刚进入市场部门的员工，可能先整理传播数据，再参与内容分析和活动策划；一名刚进入财务部门的员工，可能先核对基础数据，再逐步理解预算、经营和风险。这些工作未必直接创造更高价值，却构成了新人理解组织的台阶。

　　生成式AI和智能体首先接管的，恰恰是这些过去被用作训练入口的任务。它能够快速汇总资料、生成初稿、整理客户信息、检查格式、提取合同要点，也能够在限定规则内完成大量基础分析。当企业把这些工作从岗位中抽走，新人面临的变化不是“工作轻松了”，而是入职后能够安全练习、允许出错并逐步积累经验的空间缩小了。

　　这形成了一种看似矛盾的新局面：业务部门不愿再为基础任务招聘大量新人，却希望剩下的新人一进入组织就能理解业务、判断风险、管理AI输出并与多方协作。过去需要两三年积累的能力，被压缩成了入职几个月甚至入职当天就要具备的条件。 入门岗位没有简单降低门槛，而是在减少基础任务之后，被提前“化”了。

　　企业招聘中已经能够看到这种变化。很多岗位的职级仍然写着“初级”“助理”或“专员”，但职位描述同时要求候选人能够独立拆解问题、理解业务目标、使用AI工具、核验信息、形成建议并推动协作。岗位名称没有变化，能力要求却悄然跨越了一个层级，这也是许多企业一边感到新人供给充足，一边又认为“合适的人越来越难找”的原因。

　　问题在于，学校教育、实习经历和通用AI培训很难完全替代真实组织中的经验。候选人可以熟练使用工具生成市场方案，却未必知道哪些数据可以直接使用；可以迅速完成客户分析，却未必理解一个建议会对销售、交付和合规产生什么影响。AI能够缩短答案生成的时间，却不能自动赋予新人对组织后果的认识。

　　如果企业只保留能够立即独立工作的新人，实际上是在把培养成本转移给其他雇主、教育机构或候选人本人。短期看，这是提高招聘标准；长期看，却可能导致所有企业都想招聘“已经成熟的年轻人”，但愿意提供成熟过程的组织越来越少。最终结果不是人才培养更高效，而是市场上可供争夺的成熟人才更加昂贵。

　　入门岗位从来不只是一个成本单元

　　在传统编制管理中，入门岗位很容易被理解为低产出岗位。新人需要培训，需要经理投入时间，也更容易出现返工，因此当AI能够完成一部分基础任务时，削减这一层级看起来顺理成章。然而，组织中的岗位并不只承担当期交付功能，它们还共同构成了企业的人才供给系统。

　　入门岗位至少同时创造三种价值：完成当期工作，形成未来人才，维持组织知识的连续性。第一种价值最容易量化，因此在预算审议中最受重视；后两种价值往往要在两三年后才会显现，因此很容易被低估。当企业只用当期人均产出评价入门岗位，人才梯队就会被误当成可以压缩的冗余结构。

　　Gartner特别提醒，完全切断早期人才通道，可能迫使企业未来以更高成本从外部招聘有经验的人才。外部成熟人才不仅通常具有薪酬溢价，还需要重新适应组织流程、客户关系、管理风格和决策机制。企业今天节省的一笔新人预算，可能会在未来转化为更高的招聘费用、更长的关键岗位空缺期和更大的继任风险。

　　这也是为什么入门岗位不能按照“AI能做多少任务”来简单决定去留。正确的问题应当是：在AI承担一部分执行工作后，这个岗位还能为组织培养什么能力，员工能够更早接触什么价值环节，经理需要提供什么支持。 企业要取消的不是入门岗位，而是那些只让新人长期停留在低价值重复劳动中的旧岗位设计。

　　对于中国企业而言，这个问题尤其会在校招、管培生项目和职能共享中心中集中出现。过去，一些组织依靠大量基础事务帮助新人熟悉流程，再从中挑选表现突出者进入更复杂的岗位；AI提高事务处理效率后，这条自然筛选通道开始变窄。如果企业只减少入口规模，却没有重建后续培养方式，三年后受到影响的可能不是基础岗位，而是专业骨干和基层管理者的供给。

　　全球人才趋势也在指向同一个变化。世界经济论坛预计，到2030年，结构性变化将影响约22%的现有岗位，可能创造1.7亿个新岗位，同时替代9200万个岗位；雇主预计39%的核心技能将发生变化，63%的雇主已经把技能缺口视为业务转型的重要障碍。岗位总量的增加与部分岗位的消失可以同时发生，真正稀缺的不是“工作”，而是能够从旧任务进入新价值链的人才转换能力。

　　因此，企业不能把入门岗位问题交给招聘部门单独处理。它本质上涉及业务流程如何变化、人才从哪里成长、管理者是否愿意培养新人，以及组织如何平衡短期效率与长期能力。CHRO需要进入的不是一场单纯的HC保卫战，而是一场人才生产方式的重新设计。

　　重做岗位，不是给旧JD加一句“熟练使用AI”

　　很多企业对入门岗位的第一轮改造，是在职位描述中增加“熟练使用AI工具”“具备AI思维”或“能够使用大模型提高效率”。这种调整表达了组织方向，却没有真正回答岗位发生了什么变化。候选人不知道应该在哪些任务中使用AI，业务经理也不知道应如何评估所谓的AI能力。

　　真正的岗位重构，应当从任务而不是岗位名称开始。一个岗位通常包含信息收集、加工分析、判断决策、沟通协作、执行交付和风险控制等不同任务，其中一部分可以自动化，一部分可以由AI辅助，还有一部分必须由人承担责任。只有把这些任务拆开，企业才能判断哪些工作正在消失，哪些工作会因为AI变得更重要，以及哪些工作可以安全地交给新人。

　　Gartner建议组织从关键价值流出发，分析支撑这些价值流的劳动力能力，并绘制AI投资对技能和胜任力的影响。这个思路比简单统计“哪些岗位使用AI”更加接近经营，因为同一个工具进入不同价值流，产生的岗位影响可能完全不同。客服场景中的AI可能压缩信息检索时间，销售场景中的AI可能增强客户洞察，财务场景中的AI则可能改变异常识别和经营分析的分工。

　　企业可以把任务划分为几个风险层级。规则明确、影响有限、结果容易复核的工作，可以由新人借助AI独立完成；需要理解上下文、协调多方或承担一定商业后果的工作，可以由新人提出建议、员工审核；涉及重大财务、法律、客户或声誉风险的任务，则仍需由明确的责任人决策。这样的设计既能扩大新人接触高价值工作的范围，也不会把“让新人更早承担复杂工作”误解为“让新人独自承担全部风险”。

　　以招聘岗位为例，AI可以完成简历信息提取、候选人材料整理和面试纪要生成，新人因此不必把大量时间耗费在机械录入上。但空出的时间不应简单转化为“一个人处理更多简历”，而可以用于理解业务团队的真实需求、分析人才市场、检查筛选标准是否合理，并参与候选人沟通。岗位的价值由处理数量转向需求判断和人才洞察，入门员工也更早进入招聘真正影响业务的环节。

　　财务、采购、市场和客户服务岗位同样如此。AI完成基础报告后，新人可以承担异常解释、需求澄清、供应商比较、客户意图识别和行动建议，但这些任务必须配套数据边界、复核规则与升级机制。 岗位升级不是把员工的责任直接压给新人，而是把复杂工作拆成新人能够参与、经理能够监督、组织能够承受的学习单元。

　　这也意味着传统JD需要从“工作事项清单”转向“价值贡献说明”。一份新的入门岗JD，不应只写负责收集、整理、协助和跟进，而应明确岗位服务于哪条价值流、需要解决什么问题、可以借助哪些工具、必须做出哪些判断，以及什么情况需要升级给上级。候选人看到的不再是一组模糊动作，而是一条可以成长的价值路径。

　　新入门岗的核心，不是提示词，而是判断力

　　当基础执行被AI压缩后，不少企业会自然地把AI工具使用能力放在新人能力模型的中心。工具能力当然重要，但它更接近一项工作基础设施，就像办公软件、搜索引擎和数据系统一样。真正决定新人能否胜任新岗位的，是他是否知道何时使用AI、如何定义问题、怎样验证结果，以及什么时候不能采用AI的建议。

　　Gartner在报告中把商业敏锐度放在发展安全网的重要位置，并强调员工需要理解自己的具体行动如何交付业务价值。这个表述非常关键，因为许多AI培训仍然以“生成得更快”为目标，却没有告诉员工生成的内容要服务什么经营结果。新人可能完成了一份看起来专业的报告，但如果不能解释它将影响哪个客户、哪项成本、哪段流程或哪个风险，这份报告仍然只是更快生产的材料。

　　判断力也不是一种抽象的个人天赋，而是对情境、规则和后果的综合认识。它来自对业务流程的理解，对过往案例的复盘，对客户反馈的接触，以及在小范围决策中获得及时反馈。过去，新人可以在大量日常工作中慢慢形成这些认识；如今基础工作减少，企业必须更主动地设计判断力的形成过程。

　　OECD对AI与技能需求的研究显示，在高度暴露于AI的职业中，管理和商业技能仍然是需求最集中的能力类型之一，情感、认知和数字技能也持续受到重视。这意味着，大多数员工并不需要成为机器学习专家，却需要在AI环境中表现出更强的问题理解、业务协同和结果判断能力。技术使用与商业理解不是两条独立路线，而是同一岗位能力的两个部分。

　　广告

　　对于入门员工而言，可以把新能力模型理解为四个相互连接的部分。问题定义决定AI是否在解决正确的问题，证据核验决定输出是否可信，商业敏锐度决定建议是否有价值，协作与升级能力决定风险是否能够被及时控制。这些能力不会因为参加一次通用培训而自动形成，必须进入岗位任务、绩效反馈和经理辅导。

　　所谓适应性技能，也不只是面对变化时态度积极。它包括快速理解新工具、把旧知识迁移到新情境、在信息不足时提出合理假设、根据反馈调整行动，以及知道自己的能力边界。Gartner对3086名员工的调查显示，能够在适应性技能基础上继续发展的员工，达到较高技能准备度的可能性是其他员工的3.8倍，这也是传统渐进式发展方式不再足够的重要原因。

　　企业在招聘时因此需要减少对“使用过多少AI产品”的过度关注。工具变化速度很快，今天熟练的操作方法可能很快被新的交互方式取代；而问题拆解、信息验证、业务理解和学习迁移能力具有更长的有效期。一场高质量的面试，与其让候选人背诵工具名称，不如给出一个信息不完整的业务情境，观察他如何澄清问题、调用工具、检查结果并说明风险。

　　绩效考核也要从“完成了多少”转向“创造了什么”

　　岗位发生变化之后，如果绩效标准仍然停留在旧任务上，员工就会被拉回旧的工作方式。企业一方面希望新人使用AI提高效率，另一方面仍然用报告数量、处理件数和交付速度评价表现，最终很容易得到更多材料、更快输出和更严重的信息过载。AI提高了局部产出，却没有自然提高组织决策质量。

　　新入门岗位的绩效不能只看是否使用AI，也不能把提示次数、工具登录频率或生成内容数量当作核心指标。这些数据可以帮助组织了解采用情况，却无法证明员工创造了业务价值。更合理的评价应当关注结果质量、判断过程、风险控制、学习速度以及对团队能力的贡献。

　　结果质量并不意味着每项工作都必须直接对应收入。职能岗位可以关注错误率是否下降、响应是否更快、业务方是否更容易采取行动、流程是否减少返工，以及客户或员工体验是否改善。关键是让新人知道，组织奖励的不是生成动作本身，而是可被验证的业务改善。

　　判断过程同样需要被评价。员工是否识别了AI输出中的不确定信息，是否主动寻找第二个证据来源，是否发现数据口径冲突，是否在高风险情境中及时升级，这些行为都应该进入绩效反馈。 在AI时代，发现一个看似合理但实际错误的答案，往往比快速生成十份普通答案更有价值。

　　学习速度也不能简单等同于完成了多少门课程。更有意义的指标是，员工能否把一次反馈应用到下一项任务，能否从某个业务场景迁移到相邻场景，能否形成可复用的方法并与团队共享。培训记录只能证明员工接触过知识，行为变化和业务结果才能证明能力真正形成。

　　团队贡献则能够防止AI带来新的个人效率孤岛。如果每个人都只优化自己的交付速度，组织可能出现大量重复生成、标准不一致和经验无法沉淀的问题。新人是否维护共享知识、记录高质量提示与复核规则、主动暴露失败案例，并帮助同事避免重复错误，应当成为新的绩效组成部分。

　　经理在绩效讨论中也需要改变提问方式。过去常问“这周完成了多少”，现在还要问“AI替你完成了什么，你把释放出的时间用于什么判断，哪些结果经过了人工验证，哪些经验能够进入团队流程”。这些问题把工具使用重新连接到业务价值，也能避免员工为了证明自己“会用AI”而制造无效使用。

　　培训必须从“教工具”升级为“教员工在模糊地带工作”

　　许多企业的AI培训已经覆盖提示词、文案生成、数据分析和智能体使用，这些课程能够帮助员工快速跨过基础操作门槛。但对新入门岗位而言，最难的部分通常不是让工具输出内容，而是在信息不完整、规则不清晰和利益相关者意见不一致时做出行动。传统课程擅长提供标准答案，现实工作却越来越需要员工处理没有标准答案的问题。

　　Gartner提出的“发展安全网”，正是为了让早期员工能够在这种模糊地带行动。安全网不是降低要求，也不是为所有错误免责，而是通过工具、指导、同伴连接和明确边界，把错误发生的概率及影响控制在组织能够承受的范围内。它让新人获得真实任务，又不会被迫在完全没有支持的情况下独自承担复杂后果。

　　一种有效做法是围绕真实业务情境开展训练。课程不再只展示一个完美提示词，而是给出数据缺失、客户需求模糊、AI答案互相冲突或合规边界不清晰的案例，让员工决定下一步应该追问、验证、试验还是升级。训练目标从“得到答案”转向“形成可靠行动”。

　　案例库也需要发生变化。企业过去习惯收集更佳实践，却很少系统保存失败案例，而AI环境中的能力形成高度依赖对错误模式的认识。哪些答案看起来合理却引用了错误信息，哪些自动化流程在边界情境下失效，哪些客户问题不适合交给模型处理，这些内容比单纯展示成功结果更能帮助新人建立判断。

　　导师制因此不会因为AI出现而过时，反而会变得更加重要。过去，导师可能主要示范如何完成一项任务；现在，导师需要解释为什么接受某个建议、为什么否定另一个建议，以及哪些情境必须由人承担最终责任。AI能够给出操作步骤，但经验丰富的同事才能把组织语境、客户关系和风险边界传递给新人。

　　团队学习结构也要从“一位经理带所有人”扩展为多节点支持。新人可以通过业务导师理解价值，通过专业导师掌握方法，通过风险伙伴了解边界，通过同伴小组交换实践。这样既能减轻直属经理的辅导压力，也能避免新人只复制某一位管理者的工作方式。

　　微型轮岗在这个阶段也会比大规模脱岗培训更有价值。新人可以在相邻任务中短期参与，例如让招聘员工旁听用人部门的业务复盘，让市场员工参与销售客户会议，让财务新人了解预算背后的经营决策。对价值链上下游的接触，会帮助员工理解自己的工作为何重要，也让商业敏锐度不再停留在课程概念中。

　　经理不能一边削减新人，一边拒绝承担培养责任

　　入门岗位重构最终会落到直线经理身上。HR可以提供模型、课程和工具，却无法替代业务经理决定哪些工作可以交给新人、什么结果可以接受、何时需要介入。任何不改变管理行为的新人发展方案，都很容易在业务压力下重新变成一套培训活动。

　　现实中的阻力往往十分具体。经理发现AI可以快速完成基础工作后，倾向于把剩余的复杂任务留给经验丰富的员工，因为这样更稳妥；新人得不到真实任务，又很难证明自己具备更高能力，最终被评价为成长缓慢。这个循环持续下去，企业会越来越确信新人“不好用”，却忽略了组织没有给他们提供可成长的工作。

　　另一种常见情况是，经理把复杂任务直接交给新人，但没有提供足够上下文和检查节点。新人只能依赖AI生成看似完整的方案，直到最终交付时才暴露问题，经理因此进一步失去信任。真正有效的授权不是把任务一次出去，而是设计合理的任务边界、阶段检查和升级条件。

　　业务经理需要成为岗位学习的设计者。他要能够把一项复杂工作拆成问题澄清、信息收集、方案形成、风险识别和利益相关者沟通等环节，再判断新人可以独立承担哪一部分、需要AI支持哪一部分、哪些节点必须审核。这样的管理能力过去可能被视为优秀经理的加分项，如今正在成为组织使用早期人才的基础能力。

　　企业也必须把培养责任写入经理绩效，而不能只在文化倡议中强调“重视人才”。如果经理只对当期交付和成本负责，他自然会把时间投入最熟练的员工；只有当团队能力增长、关键岗位后备、内部流动和新人独立周期同样影响绩效时，人才培养才会成为真实的经营责任。 企业不能要求HR建设人才梯队，却让业务经理只为眼前产出负责。

　　与此同时，组织要承认辅导新人需要时间，并把这部分时间纳入产能规划。AI节省出的时间不应全部转化为更高任务配额，其中一部分应被明确用于审核、复盘、知识沉淀和带教。否则，企业会得到更紧张的工作节奏，却没有得到更成熟的人才。

　　高层管理者在这里承担着重要的示范责任。领导团队需要公开说明，哪些AI效率收益用于降低成本，哪些用于扩大业务能力，哪些用于培养人才和提高组织韧性。只有把这笔“效率红利”的分配说清楚，业务部门才不会默认所有节省时间都应转化为减少人员。

　　CHRO的三步法，本质上是一套人才再生产机制

　　Gartner提出的三个方向，看起来分别对应工作分析、团队学习和员工发展，实际上共同解决的是一个问题：当例行工作不再承担新人训练功能，组织如何继续生产有经验的人才。任务重构决定新人可以接触什么，支持结构决定谁帮助他完成，发展安全网决定他能够在多大的不确定性中行动。缺少其中任何一环，入门岗位都可能出现新的失衡。

　　如果只有任务重构，没有支持结构，新人会被提前推入复杂工作，却得不到形成能力所需的反馈。如果只有培训和导师，没有真实任务，员工会掌握大量概念，却无法建立业务判断。如果只有风险规则，没有授权空间，新人则仍然停留在执行层，组织也无法释放AI带来的岗位升级机会。

　　因此，CHRO不能把三个方向分别交给组织发展、学习发展和招聘团队独立推进。更有效的方式，是围绕关键岗位族建立跨职能改造小组，由业务负责人、HRBP、人才招聘、学习发展、流程负责人和AI或数据团队共同参与。改造对象不是一份JD，而是一条从招聘、入职、任务分配、绩效评价到内部晋升的完整人才链路。

　　选择试点岗位时，也不宜只看哪些岗位最容易被AI替代。Gartner建议关注“高变化、高价值”的岗位族，因为这些岗位既受到AI明显影响，又与关键业务能力紧密相关。企业可以优先选择规模适中、经理意愿较高、风险边界相对清晰且未来人才需求稳定的岗位开展试点。

　　例如，一个企业的客户运营岗位正在大量使用AI处理咨询和生成回复，但未来仍然需要懂客户、懂产品并能够协调内部资源的人才。企业可以减少纯粹的信息搬运任务，同时让新人更早参与客户问题归因、体验分析和改进建议，再通过员工审核高风险沟通。这样既体现了AI效率，也保留了从一线情境中培养业务人才的通道。

　　又如，企业的HR共享服务岗位可能因自动化而减少重复操作，但这并不意味着早期HR人才只能减少。岗位可以转向员工问题诊断、政策解释、流程体验改善和人力数据洞察，让新人更早理解制度与业务之间的关系。关键不是给岗位增加更多“高级”词汇，而是设计真实任务和相应支持。

　　当这些试点取得效果后，组织才有条件讨论更大范围的编制调整。先理解任务变化、验证新岗位设计，再调整规模，更有利于兼顾效率和人才连续性。这不是延迟决策，而是提高组织决策的可逆性。

　　2026年下半年的招聘预算，应从“人数”转向“能力组合”

　　对于正在制定或调整2026年下半年招聘预算的企业，最直接的变化不是全面减少校招，也不是简单增加AI岗位。预算需要从岗位数量配置转向能力组合配置，明确哪些能力通过招聘获得，哪些通过内部培养形成，哪些由AI提供，哪些必须沉淀在组织内部。只有这样，企业才能避免把所有效率期待都压在减少HC上。

　　传统入门岗JD中，整理、协助、跟进、汇总和执行等词汇占据很大比例。这些任务不会全部消失，但其中大量工作将被工具加速，新JD需要增加问题分析、业务沟通、信息核验、流程改善和风险识别等内容。招聘标准也要同步调整，否则企业只是改了岗位文本，并没有改变人才选择。

　　校招数量可以更有针对性，但不能只追求更少。企业需要根据未来两到三年的骨干岗位需求倒推人才入口，并计算内部晋升、流失和业务增长对人才供给的影响。某个部门今年不缺新人，不等于整个岗位族三年后不需要成熟人才。

　　招聘预算中还应出现过去容易被忽略的项目，例如经理带教时间、岗位实践项目、导师激励、AI工具权限、知识库建设和质量审核资源。如果只保留招聘薪酬，却不投入这些支持，新人即使被招进来，也很难适应提前复杂化的岗位。入门岗的单位培养成本可能上升，但形成有效贡献的速度也有机会加快。

　　IMF在2026年的分析中指出，发达经济体约每十个招聘职位中就有一个要求至少一项新技能，新兴市场约每二十个职位中有一个提出类似要求；包含新技能的职位还往往伴随一定薪酬溢价。这说明企业正在为新能力支付更多成本，如果内部培养通道变弱，对外部新技能人才的依赖和竞争还会进一步上升。

　　企业因此需要重新比较“买人才”和“造人才”的总成本。外部招聘看起来可以立即获得经验，但还包括搜索周期、薪酬溢价、文化适应和流失风险；内部培养需要经理时间和发展投入，却能够形成更强的制度记忆与组织黏性。合理的策略不是只选其中一种，而是根据能力稀缺度、业务紧迫度和内部培养周期建立组合。

　　对于高度新兴、内部没有经验的能力，外部引进能够加速组织学习；对于与企业流程、客户和文化深度相关的能力，内部培养通常更具持续价值。入门岗位正是内部能力形成的重要起点，一旦这一入口被大幅关闭，企业未来的选择就会越来越依赖外部市场。

　　企业需要建立一套新的“入门岗仪表盘”

　　岗位改造是否有效，不能只看招聘人数减少了多少，也不能只看员工是否使用AI。企业需要建立一套同时反映效率、质量、能力和人才连续性的指标，让管理层看到短期收益与长期影响。否则，入门岗位很容易在财务指标中被不断压缩，却没有人对后续人才缺口负责。

　　效率指标可以关注任务周期、单位处理成本、自动化比例和员工用于高价值工作的时间。这些指标能够回答AI是否真正释放了产能，而不是仅仅增加了新的工具和流程。尤其需要区分“生成速度提高”与“端到端交付时间缩短”，因为很多AI输出仍可能在复核和返工环节消耗大量时间。

　　质量指标应包括错误率、返工率、升级率、客户反馈和风险事件。新人承担更复杂任务后，短期内不一定所有质量指标都会立即改善，因此企业还需要观察错误是否在安全边界内发生，以及相同错误是否持续重复。发展安全网的价值，不是实现零错误，而是让错误可发现、可控制、可学习。

　　能力指标可以关注新人达到独立工作标准的周期、能够承担的任务复杂度、跨场景迁移能力和业务知识掌握程度。与完成课程数量相比，这些指标更接近真实岗位准备度。企业还可以通过情境测评、案例复盘和经理校准，提高不同团队评价的一致性。

　　人才连续性指标则包括入门人才保留率、内部晋升率、关键岗位后备覆盖、内部流动和外部招聘依赖度。某个部门通过减少新人实现了当期成本目标，却在两年后大幅增加人才外部招聘，这两笔账应当被放在同一张仪表盘上。只有跨年度观察，企业才能判断入门岗调整究竟创造了效率，还是推迟了成本。

　　经理指标同样不可缺少。新人获得高质量反馈的频率、实际参与复杂任务的比例、导师网络覆盖和带教后的能力提升，都能反映管理结构是否真正运转。把这些数据用于改进，而不是简单排名，才能避免经理为了完成指标制造形式化辅导。

　　管理层最终需要看到的，不是一张“AI替代了多少人”的成绩单，而是一张“AI、人和组织能力如何重新组合”的经营图。它既显示当期生产率，也显示未来人才供给；既记录工具采用，也记录业务价值；既关注岗位减少，也关注新任务和新能力的形成。 这才是CHRO能够与CEO、CFO和业务负责人共同讨论的AI人才账。

　　需要警惕的，不是入门岗变化，而是人才梯队出现断层

　　入门岗位当然不会保持原样，一些高度重复、长期缺少成长空间的职位将继续收缩。对员工而言，这种变化也会带来更高要求，早期职业阶段需要更快形成业务理解、AI协作和判断能力。试图保护所有旧任务，既不现实，也不利于企业和人才发展。

　　但企业不能因为旧岗位减少，就假设新人可以从教育系统直接跳到成熟岗位。经验的形成需要真实情境、反馈关系和责任递增，不可能完全通过课程、证书或模拟工具完成。当组织拿走了传统练习题，就必须设计新的练习场。

　　更值得警惕的是人才梯队的中间层被逐渐掏空。今天少招一批新人，影响可能不会立即出现，因为现有骨干仍能维持业务；两三年后，当组织需要新的项目负责人、专业专家和基层经理时，内部候选人数量才会显著减少。那时再恢复招聘，也无法立即补回失去的成长时间。

　　这种风险在业务快速变化的企业中更加明显。外部成熟人才掌握的是过去组织中的经验，进入新企业后仍需理解新的产品、客户和决策方式；如果内部又缺少熟悉组织的人才，企业可能同时面临外部人才适应慢和内部人才供给不足的问题。人才断层最终会表现为项目推进变慢、管理跨度扩大和关键岗位过度依赖少数员工。

　　入门岗重构还关系到雇主品牌。年轻人才并不只关心企业是否提供一份工作，也会关注自己能否获得真实成长、是否有人提供反馈、AI会成为能力放大器还是单纯的考核压力。能够清晰说明新人如何参与高价值工作、如何获得支持以及如何进入下一阶段的企业，更容易建立可信的早期人才承诺。

　　对社会人才市场而言，企业保留有效的职业入口同样重要。世界经济论坛的报告显示，77%的雇主计划通过技能提升应对未来变化，接近一半的雇主预计将受AI影响的员工转向组织内其他岗位。培训和内部流动之所以受到重视，正是因为单靠外部招聘无法满足大规模技能变化的需要。

　　从未来岗位倒推今天的人才入口

　　CHRO现在需要推动的，不是一场关于“保不保新人”的价值争论，而是一套基于未来业务能力的选择。企业应当先明确未来两到三年需要哪些专业骨干、项目负责人和基层管理者，再倒推他们应从哪些岗位进入、通过哪些任务成长、由谁提供反馈。这样讨论入门岗，才能摆脱短期HC博弈。

　　对于每个关键岗位族，企业都可以回答几个具体问题：AI正在接管哪些任务，哪些人的判断会因此变得更重要，新人可以安全承担哪些更高价值任务，经理需要建立哪些检查点，什么能力达到何种标准后可以进入下一阶段。这些问题共同构成新版职业路径，也会让招聘、培养和晋升之间重新连通。

　　招聘端需要寻找具有适应性基础的人，而不是假设候选人已经完成全部职业训练。绩效端需要奖励可靠判断和业务价值，而不是单纯奖励生成速度。能力端需要让员工在真实任务中学习，管理端则必须为反馈、授权和风险控制承担责任。

　　这四个环节不能彼此脱节。如果招聘标准要求新人具备判断力，入职后却只分配机械任务，能力不会增长；如果岗位要求员工使用AI，绩效却仍奖励工作时长和材料数量，行为不会改变；如果培训鼓励员工承担复杂任务，经理又不愿授权，发展方案也只能停留在课程中。

　　微软2026年工作趋势报告把“人的能动性”和“人的判断处于关键工作中心”作为人机协作的重要方向。随着智能体承担越来越多执行任务，组织的竞争力不会只取决于部署了多少工具，还取决于人是否拥有重新定义问题、分配工作和承担责任的空间。这与Gartner对早期职业岗位的判断相互呼应：AI越能够执行，企业越需要设计人的成长和判断机制。

　　真正成熟的AI组织，不会把“少用多少人”视为成果。它会更清楚地知道，哪些工作应该交给AI，哪些判断必须留给人，哪些经验需要通过组织内部持续传递。入门岗位就是这套系统中最容易被低估、却最不能随意拆除的环节。

　　结语：不要保留旧岗位，要保留人才成长的入口

　　Gartner的22%不是一份关于“新人将被淘汰”的判决书，而是一项人才系统预警。它提醒企业，AI正在减少一些传统的早期职业任务，也正在制造传统技能供给与剩余工作复杂度之间的错配。组织需要应对的不是一个简单的岗位数量问题，而是一场从工作设计到人才发展的系统变化。

　　过去，企业可以让新人通过大量基础工作自然积累经验；现在，这条缓慢但有效的路径正在被自动化切断。新的职业入口必须让员工更早接触真实业务、更早使用判断，同时获得更清晰的边界、更频繁的反馈和更可靠的支持。难度确实提高了，但成长速度也可能因此加快。

　　对CEO而言，这关系到AI投资能否从局部效率进入组织能力；对CHRO而言，这关系到招聘预算、岗位架构、绩效管理和继任体系能否保持一致；对业务负责人而言，这关系到两三年后是否仍有足够熟悉业务的人承担更复杂的责任。三者面对的其实是同一张人才资产负债表。

　　AI可以替企业完成越来越多的基础任务，却不会自动为企业培养下一代骨干。如果组织因为机器能够处理入门工作，就停止为新人设计成长入口，它节省的可能只是今天的成本，失去的却是明天的人才供给。真正值得淘汰的不是入门岗位，而是把新人长期困在低价值任务中的旧式岗位设计。

　　2026年下半年，企业不必在“继续大量招聘新人”和“全面取消入门岗位”之间做极端选择。更理性的路径，是减少缺少成长价值的旧JD，增加以判断力、商业敏锐度、AI协作和适应性技能为核心的新入口，并把经理带教、发展安全网和人才连续性纳入经营管理。 入门岗不会消失，它只是从廉价执行层，变成了企业必须重新投资的人才生产线。

　　参考资料

　　1. Gartner：《AI自动化正在减少近四分之一组织的部分入门岗位招聘》，2026年7月27日 https://www.gartner.com/en/newsroom/press-releases/2026-7-27-gartner-survey-finds-ai-automation-is-reducing-some-entry-level-hiring-at-nearly-one-quarter-of-organizations

　　2. 世界经济论坛：《未来就业报告2025》新闻稿 https://www.weforum.org/press/2025/01/future-of-jobs-report-2025-78-million-new-job-opportunities-by-2030-but-urgent-upskilling-needed-to-prepare-workforces/

　　3. 国际货币基金组织：《新技能与AI正在重塑未来工作》，2026年1月14日 https://www.imf.org/en/blogs/articles/2026/01/14/new-skills-and-ai-are-reshaping-the-future-of-work

　　4. OECD：《人工智能与劳动力市场技能需求变化》 https://www.oecd.org/en/publications/artificial-intelligence-and-the-changing-demand-for-skills-in-the-labour-market_88684e36-en.html

　　5. OECD：《AI时代的技能》，2026年7月8日 https://www.oecd.org/en/publications/skills-in-the-ai-age_972bd15e-en.html

　　6. Microsoft：《2026工作趋势指数——智能体、人的能动性与每个组织的机会》 https://www.microsoft.com/en-us/worklab/work-trend-index/agents-human-agency-and-the-opportunity-for-every-organization

　　原文链接：https://mp.weixin.qq.com/s/6vn7VwaPc6suk_7FzCGRTg