来源：HRflag

　　当AI接管了大量基础工作，企业还需不需要招聘那些暂时不能独立创造高价值的年轻人？这看起来是招聘预算问题，实际上关系到未来五到十年，企业从哪里获得骨干员工、专业人才和管理者。

　　22%

　　CHRO称至少一位业务负责人已停止部分入门岗招聘

　　95%

　　受访组织过去一年已以某种方式部署AI

　　约20%

　　真正获得显著或变革性价值

　　数据来源：Gartner，2025年第四季度调查，样本为110名CHRO

　　过去两年，企业讨论AI时，最常出现的词是效率、自动化和降本。到了2026年，这场讨论开始触及一个更难回答的问题：当AI接管了大量基础工作，企业还需不需要招聘那些暂时不能独立创造高价值的年轻人？这个问题看起来指向招聘预算，实际上关系到未来五到十年企业从哪里获得骨干员工、专业人才和管理者。

　　7月27日，Gartner发布的一项调查让这一隐忧变得具体。在2025年第四季度接受调查的110名CHRO中，22%表示，其所在组织中至少有一位业务负责人因为AI自动化停止招聘某些入门级岗位。需要强调的是，这并不意味着22%的企业已经全面冻结校招，也不意味着所有初级岗位都在消失，但它说明一种具有代表性的管理选择正在出现： 当AI能够完成一部分基础任务时，一些业务部门开始直接跳过新人。

　　同一项调查里，还有一组更值得企业高管警惕的数据。95%的受访组织在过去一年以某种方式部署了AI，但只有约五分之一获得了显著或变革性的价值。换句话说，许多企业尚未真正证明AI创造了多少新价值，却已经开始按照“AI能够替代基础人力”的假设调整招聘。

　　AI带来的真正组织风险，未必是今天减少了多少岗位，而是企业可能在效率还没有兑现之前，先拆掉了培养未来人才的第一阶。

　　对企业而言，这是一笔很容易算错的账。减少几个初级岗位，成本节省能够立刻出现在预算表里；五年后缺少成熟骨干、十年后找不到内部管理者，却不会出现在本年度的财务报表中。Gartner揭示的并不是一场已经完成的岗位替代，而是一场正在人才入口处发生的提前收缩。

　　01 · 工作重构

　　一家企业决定是否招聘新人，通常不是从“岗位是否存在”开始判断，而是从“这个人进来后能做什么”开始判断。过去，许多入门岗位由一组低风险、可重复、容易检查的任务构成，例如整理资料、录入数据、制作初版报告、搜索市场信息、核对流程、撰写会议纪要、生成基础代码、处理常规客户问题。这些工作价值有限，却构成了新人理解业务、熟悉规则和积累判断力的入口。

　　生成式AI和自动化工具更先改变的，恰恰是这部分工作。它们可以快速生成文档初稿、整理大量信息、归纳客户反馈、检查格式、编写常规程序，也可以在标准流程内回答大量重复问题。业务负责人看到这些变化后，很容易得出一个看似合理的结论：既然原来交给新人完成的工作已经大幅减少，那么这个岗位也可以一起取消。

　　问题在于，岗位从来不是单个任务的简单。一个初级市场专员不仅制作周报，也在这个过程中学习什么数据值得关注；一个初级招聘顾问不仅筛选简历，也在不断比较候选人的过程中形成对岗位和人才市场的理解；一个初级财务人员不仅核对数字，也在异常、偏差和反复沟通中建立风险敏感度。AI可以接管任务的执行环节，却不会自动把这些隐性经验传递给下一代员工。

　　这正是Gartner所说的“任务错配”。传统入门人才具备的能力，主要对应过去那些低复杂度任务；当其中一部分被AI接管后，企业剩余的低复杂度工作又不足以支撑一个完整岗位。于是，组织面临的并不是简单的“新人没有工作可做”，而是 原来的新人岗位已经被拆散，新的新人岗位却还没有被设计出来。

　　如果企业把任务减少直接等同于岗位消失，就会把技术问题错误地处理成人数问题。更合理的做法，应当是重新组合任务：哪些工作适合交给AI，哪些工作可以从员工手中下移，哪些判断必须由新人在人类导师监督下完成，哪些客户和业务场景能够成为低风险练习场。AI改变的是任务边界，而企业需要重新回答的是岗位如何构成。

　　这种区别看似细微，结果却完全不同。按照“任务被替代”的逻辑，组织会重构工作、调整协作和重新设计培养路径；按照“岗位被替代”的逻辑，组织往往只会削减招聘需求。前者把AI当作组织再设计的工具，后者则把AI当作缩减编制的理由，而两者在三到五年后会形成完全不同的人才结构。

　　02 · 学习机制

　　企业长期形成了一套并不写在培训手册里的培养机制：新人从简单任务开始，在大量重复中建立熟练度，再逐步接触复杂问题。制作几十份报告之后，员工才知道哪些数字只是噪声；参与几十场面试之后，招聘人员才知道候选人的表达与实际能力之间可能存在多大差距；处理几十次客户沟通之后，销售人员才逐渐掌握什么时候推进、什么时候停下来倾听。这些基础任务既是工作，也是低成本的训练。

　　AI接管重复劳动后，新人表面上获得了更高的起点。他们不必花几个小时整理材料，不必从空白文档开始写初稿，也不必逐条浏览所有基础信息。但如果企业没有同步重建学习机制，新人失去的不只是耗时的杂务，还包括观察规律、发现异常、理解因果和形成职业直觉的机会。

　　这意味着，AI在缩短工作时间的同时，也可能压缩能力形成的过程。过去，一个年轻员工通过一年基础工作获得的经验，现在不能简单地通过一周AI培训补齐。会使用工具可以提高交付速度，却不能自动产生情境判断，更不能让员工理解一个答案为什么在这位客户、这个市场和此刻的组织环境中成立。

　　很多管理者会发现，AI时代的新人能够更快交出“看起来像样”的结果，却更难解释结果背后的依据。一份报告语言完整、结构清晰，不代表作者理解业务；一个方案包含丰富案例，不代表提出方案的人知道哪些条件无法复制；一段代码可以正常运行，也不代表使用者具备识别边界风险的能力。 AI降低了产出的表面门槛，却抬高了管理者判断真实能力的难度。

　　过去，低复杂度任务天然承担了筛选功能。新人能否按时完成、是否认真核对、遇到异常是否主动反馈，能够帮助主管判断其责任感、学习速度和问题意识。当这些任务被自动化，管理者也失去了一部分观察员工的窗口，如果绩效管理仍然只看最终交付，就更容易把AI生成能力误判为员工能力。

　　因此，企业不能只问“AI节省了多少新人时间”，还要问“这些时间原本培养了什么”。如果被自动化的是没有学习价值的机械步骤，企业当然应该尽快释放人力；如果其中包含形成业务判断所必需的认知过程，就需要通过案例复盘、模拟决策、跟岗观察、客户参与和导师反馈重新补上。否则，组织会得到一批交付速度更快、基础却更薄的员工。

　　03 · 招聘门槛

　　Gartner的发现并不是孤立信号。PwC在2026年全球AI就业晴雨表中分析了六大洲27个和地区超过10亿条招聘广告，发现AI正在推动劳动力市场分化为两条不同轨道。一类岗位因AI承担基础工作而更加依赖人的专业判断，另一类岗位则因AI降低操作难度而向更多非专业人员开放。

　　这种分化在入门级岗位上尤其明显。PwC对美国约240万个初级岗位的分析显示，高度暴露于AI的入门岗位，要求领导力、创造力、战略思维和面对面互动等传统能力的可能性，是低AI暴露岗位的7倍。自2019年以来，这类被“化”的入门岗位招聘量增长了35%，其他入门岗位则下降了10%。

　　企业不是完全不需要年轻人，而是开始要求年轻人更早承担过去属于成熟员工的工作。

　　——基于PwC 2026全球AI就业晴雨表的趋势判断

　　这带来一个明显矛盾。企业希望招聘具备判断力、业务理解、沟通影响力和跨部门协作能力的年轻人，却又减少了他们获得这些能力所需要的基础岗位和练习机会。招聘要求向上移动，培养资源却没有同步增加，最终就会出现一种熟悉的抱怨：候选人很多，真正“能用”的人很少。

　　所谓“能用”，很多时候并不是年轻人个人素质不足，而是企业把两三年工作经验压缩成了一个入职条件。岗位说明书写着“应届生可申请”，实际评价标准却要求候选人理解业务、独立判断、管理利益相关者并对结果负责。企业看似仍然保留了初级岗位，实际上只是把中级员工的要求放进了更低的职级和薪酬区间。

　　AI没有让所有入门岗消失，而是让入门岗出现了两种命运：一部分因任务过于标准化而被压缩，另一部分则因剩余工作更加复杂而迅速“化”。 对HR而言，真正的挑战不是预测某个岗位还会存在几年，而是判断岗位正在向哪条轨道移动，并据此调整招聘、培养和晋升机制。

　　如果属于前一种轨道，企业需要重新组合工作、扩大岗位覆盖范围，让员工借助AI管理更多流程和场景。如果属于后一种轨道，企业则需要提供更密集的导师支持、更清晰的决策边界和更安全的练习环境。继续沿用过去的岗位说明书，只会让招聘标准、员工能力和真实工作彼此脱节。

　　04 · 人才梯队

　　停止招聘入门级员工，在短期内非常容易获得支持。业务部门减少了带教成本，团队不必花时间检查初级产出，管理者也可以把预算集中在少数成熟人才和AI工具上。只要业务量没有立即受到影响，这种选择甚至会被视为组织变得更加精干的证据。

　　但企业的人才梯队不是静态库存，而是一条需要持续补充的流动管道。今天的初级员工通常是三到五年后的专业骨干，也是五到十年后的团队管理者、关键客户负责人和内部专家。企业如果连续几年减少入口端招聘，影响不会立刻显现，却会在中层岗位出现空缺时集中暴露。

　　届时，组织只能从外部市场寻找已经成熟的人才。外部招聘不仅意味着更高薪酬，还包括猎寻成本、融入周期、文化适配风险以及对企业特定业务的学习成本。Gartner明确提醒，完全切断早期职业人才管道的企业，未来可能不得不为外部人才支付更高溢价，同时失去内部培养所积累的组织知识和关系网络。

　　这种风险在高度依赖隐性知识的行业中更为突出。客户信任、内部协作方式、风险偏好、产品历史、监管边界以及不同业务单元之间的真实权责，很难通过知识库一次性传递。员工需要在具体事件中观察组织如何作出选择，才能逐渐理解制度文字之外的运行逻辑。

　　当企业只保留员工时，表面上看，团队平均经验更丰富了；实际上，组织内部知识的代际传递却可能中断。员工忙于处理高价值事务，没有足够的年轻人跟随和承接，许多经验会停留在个人身上。等到关键人员离开，企业才会发现自己购买了更强的AI，却失去了知道如何在真实业务中使用这些能力的人。

　　人才梯队断层也会改变内部晋升。过去，员工从初级岗位成长为骨干，再从骨干中产生管理者；当入口缩小，中间层供给自然减少。到了2030年代，一些企业可能面对的不是“没有管理岗位”，而是缺少既懂业务、又熟悉组织、还愿意承担管理责任的人选。

　　这正是入门岗问题需要进入CEO议程的原因。它并非HR为了维持招聘规模而提出的职能诉求，而是企业对未来核心能力的投资决策。 招聘一个新人，不只是购买其当前产出，也是在购买组织未来拥有内部人才选择权的可能性。

　　05 · AI价值

　　Gartner调查中更具反差感的数字，不是22%，而是95%与约20%之间的巨大落差。几乎所有受访组织都已经以某种方式部署AI，但真正获得显著或变革性价值的企业仍然只是少数。这说明“拥有AI”与“通过AI重构业务”之间，还隔着岗位、流程、数据、权责和管理方式。

　　如果AI只是帮助员工更快完成原有工作，企业获得的通常是局部时间节省。员工用AI写报告、总结会议、处理邮件，个人体验可能明显改善，但这些节省出来的时间不一定自动转化为收入增长、客户价值或组织能力。如果业务流程没有改变，决策节点没有减少，重复审批仍然存在，AI就可能只是让旧流程运行得稍快一点。

　　在这种情况下，企业却很容易先看到人力预算上的机会。某项任务耗时下降后，业务负责人可能认为现有人员已经足够，或者新岗位无需再补充。问题是，节省的工时是否稳定、AI结果是否需要复核、异常场景由谁承担、释放出来的时间是否真正进入高价值工作，这些问题往往还没有被完整测量。

　　于是，一种危险的顺序出现了：工具先部署，岗位后削减，流程重构被推迟，价值验证反而放在最后。企业看似快速行动，实际上只是把最容易量化的人数作为AI回报的替代指标。 当组织无法准确衡量AI创造了什么，减少编制就容易成为最直观、也最容易被高估的“价值证明”。

　　真正成熟的AI战略，应当先说明价值从哪里产生。是缩短客户响应时间、提高销售转化、减少风险损失，还是扩大产品覆盖、提升决策质量、进入新的市场？只有价值路径明确，企业才能判断哪些任务应该自动化，哪些岗位需要重构，哪些人应当被重新配置，而不是先以人员减少作为默认结果。

　　这也解释了为什么AI回报较高的企业往往不只关注降本。PwC的研究显示，在AI应用能力较强的企业中，员工数量和工资增长并未简单停滞；这些企业更多通过AI放大专业能力、推动创新并创造新的价值来源。AI当然可以提高效率，但如果管理层只允许它回答“可以少用多少人”，就会主动放弃“可以多做什么”的增长空间。

　　06 · 岗位设计

　　传统岗位说明书通常围绕职责清单展开：负责数据收集、协助项目推进、制作报告、参与客户沟通、完成上级交办事项。这样的写法在工作相对稳定时尚能发挥作用，但在AI持续改变任务边界的环境里，很快会失真。工具每隔几个月就能接管新的步骤，而岗位说明书却可能一年甚至数年才更新一次。

　　企业需要把岗位拆解到更接近价值创造的层面。对于一项工作，应当区分信息获取、内容生成、质量验证、情境判断、利益协调、风险承担和结果负责等环节。AI可能擅长搜索和生成，人类则需要决定问题是否值得解决、信息是否可信、结果是否适合当前场景，以及出现错误时如何处置。

　　以招聘岗位为例，AI可以帮助生成职位描述、检索候选人、归纳简历和整理面试记录，但真正决定招聘质量的，仍然包括岗位需求澄清、业务负责人校准、候选人动机判断、组织适配分析和录用风险权衡。如果企业因为前几个环节被自动化就削减初级招聘人员，招聘顾问反而会被大量协调和执行工作重新包围。

　　更合理的设计，是把一部分原本集中在员工手中的工作安全地下移。初级员工可以在AI辅助和明确边界下承担人才市场分析、候选人沟通、结构化面试片段、招聘数据诊断和用人需求复盘。主管的角色不再是逐字修改初稿，而是帮助新人理解证据、判断取舍并对关键决策负责。

　　财务、市场、销售、客户服务和技术团队都可以采用类似思路。企业不应只列出“哪些任务被AI完成”，还要识别“哪些更有学习价值的任务因此可以下移”。当员工因AI释放时间后，他们不仅应承担更多高级工作，也应把部分可控、可复核、能形成能力的任务转移给年轻员工。

　　广告

　　入门岗位的重构，不是把更多复杂工作直接压给新人，而是在AI、导师和制度共同支持下，让新人更早接触价值。 这与简单的岗位升级不同，因为企业必须同时设计权限、复核、反馈和风险边界。缺少这些条件，所谓“让新人承担高价值工作”很容易变成降低职级、增加责任和压缩培养成本。

　　岗位设计还应保留适量的基础训练。并非所有重复任务都应该由新人长期承担，但部分人工演练仍有必要，就像飞行员拥有自动驾驶系统，也必须理解基本原理和异常处置。企业需要判断哪些基础能力可以通过AI直接跨越，哪些能力必须经过亲手完成才能形成，否则员工可能会使用工具，却无法在工具失效时接管工作。

　　07 · 绩效重构

　　岗位改变之后，绩效评价必须同步变化。过去，初级岗位常以处理数量、完成速度、文档质量和流程准确率作为主要指标，这些内容相对容易观察，也适合标准化管理。当AI大幅提升执行效率后，单纯比较产出数量，会把工具能力、任务难度和个人贡献混在一起。

　　如果员工使用AI完成过去三天的工作，管理者不能简单地认为其绩效提高了三倍。需要继续判断输出是否准确、是否解决了真正的问题、是否减少后续返工、是否改善客户体验，以及员工能否解释其判断依据。速度仍然重要，但速度不能替代价值和责任。

　　同样，把“AI使用次数”直接设置为核心绩效指标，也存在明显局限。使用频率可以帮助组织推动早期采用，却无法证明员工选择了合适的场景，更无法说明结果质量。为了完成使用量目标，员工可能把原本不需要AI的工作也交给工具，形成新的流程负担和数据风险。

　　AI时代的入门员工绩效，可以围绕四类证据重新设计。交付结果仍然需要衡量，但应更重视问题定义是否准确、证据是否经过验证、关键判断是否有合理依据，以及员工是否从反馈和错误中形成可迁移的能力。这些内容不必变成复杂的评分表，却需要进入主管的日常观察和绩效对话。

　　团队贡献也应被纳入评价。AI让个人产出速度明显提升后，组织更需要员工共享有效方法、沉淀提示模板、标记工具缺陷、帮助同事识别风险，并把个人经验转化为团队能力。如果绩效仍然只奖励个人交付，员工就缺少动力建设共同的AI工作体系。

　　对新人而言，最重要的绩效证据之一是“判断力的成长轨迹”。同样面对一个业务问题，员工能否从照搬AI答案，发展到主动验证信息，再发展到识别利益冲突和长期影响，应当被持续记录。 绩效管理不只是证明员工已经创造多少价值，也要显示组织正在形成什么能力。

　　这也会改变主管的评价责任。过去，主管可以通过检查过程和结果判断新人是否胜任；现在，AI可能掩盖过程中的能力差距，主管必须增加追问、复盘和情境测试。如果管理者只看成品，不了解员工如何得出结论，企业就会高估人才成熟度，并在更重要的任务中暴露风险。

　　08 · 能力升级

　　当基础任务减少，企业对早期职业人才的能力要求必然变化，但这并不意味着把所有能力简单搬到初级岗位。真正需要提前发展的，是能够与AI共同完成复杂工作的基础能力，包括问题定义、信息验证、业务理解、沟通协作、风险意识和学习迁移。这些能力过去往往随着资历增长自然形成，现在则必须被更早、更有意识地培养。

　　问题定义是其中最容易被忽略的一项。AI可以迅速回答一个问题，却无法保证员工提出的是正确问题。新人需要理解业务目标、使用者需求和限制条件，知道一个看似清晰的任务背后可能存在多个不同诉求，否则工具越高效，错误方向上的产出就越多。

　　信息验证同样重要。AI生成的内容可能结构完整、语气自信，但其中仍可能包含过时信息、错误关联或不适用于当前组织的建议。员工需要建立来源意识、证据分级和交叉验证习惯，并能识别哪些内容可以直接使用，哪些必须由专业人员审核。

　　业务理解不能停留在培训课程里的概念介绍。新人需要知道公司靠什么创造收入，客户为什么选择或离开，成本和风险主要产生在哪里，不同部门的目标为什么会冲突。只有理解这些关系，员工才能判断AI给出的方案是否具有实际价值。

　　沟通协作也会更早进入入门岗位。过去，新人可能先在后台处理资料，几年后才频繁面对客户和业务负责人；现在，当资料工作被AI压缩，他们会更早进入需求澄清、方案解释和跨部门协调。企业如果只教工具，不教如何倾听、提问、表达不同意见和处理利益差异，就无法支撑这种提前到来的责任。

　　世界经济论坛《未来就业报告2025》预计，到2030年，员工核心技能中约39%将发生变化，分析思维、韧性、灵活性、领导力和社会影响力等仍然具有较高重要性。这一趋势说明，技术能力与人类能力不是替代关系。AI越深入工作，员工越需要把技术输出转化为组织能够承担的判断和行动。

　　因此，企业不应把AI培训缩减为提示词课程或工具功能演示。真正有效的培养，需要把AI放进真实业务情境，让员工完成问题拆解、工具选择、结果验证、利益沟通和决策复盘。培训的终点不是“会用某个产品”，而是“能够借助AI更可靠地创造业务价值”。

　　09 · 管理责任

　　入门岗是否能够完成重构，最终取决于业务管理者。HR可以提供岗位模板、能力模型和培训资源，却无法代替主管决定哪些任务可以下移、哪些错误可以容忍、哪些客户场景适合练习。没有业务负责人的参与，岗位重构很容易停留在制度文件里。

　　过去，一些管理者愿意带新人，是因为基础工作确实需要人完成。新人帮助团队分担事务，主管在合作过程中提供指导，双方形成相对清晰的交换。当AI接管大量基础工作后，这种交换关系发生变化：主管可能觉得自己花时间培养新人，却得不到足够的即时产出。

　　这使带教责任更容易被边缘化。业务压力越大，管理者越倾向于亲自处理关键工作，或者直接交给少数成熟员工和AI完成。短期看，这样更快；长期看，新人始终无法进入核心工作，员工负担越来越集中，团队的可替代性和继任能力持续下降。

　　企业需要把培养人才从管理者的“个人热心”变成明确的角色责任。管理者不仅要对当期业务结果负责，也要对团队能力、关键岗位后备、任务下移和知识传承负责。这些责任应进入管理者评价、晋升和激励，而不是只在人才盘点会上被临时提及。

　　不过，增加责任不能只靠要求。企业还需要给管理者提供带教时间、任务设计方法、复盘工具和风险支持，并适当控制其直接管理人数。如果主管承担大量业务任务，却被要求额外进行高频辅导，人才培养最终仍会被更紧急的工作挤掉。

　　AI也可以帮助管理者提高带教效率。它可以根据任务记录生成复盘问题、整理员工常见错误、推荐练习案例、追踪能力变化，但最终反馈仍需要主管结合情境作出判断。技术可以降低培养成本，却不能取代管理者对人、业务和风险的综合理解。

　　AI时代的管理者，不只是拥有一支使用AI的团队，还要能够把AI释放的时间转化为团队能力。 如果管理者只享受效率红利，却不承担人才再生产责任，组织就会在局部效率提高的同时失去长期供给。CHRO真正需要推动的，不只是员工学习AI，而是管理者重新学习如何设计工作和培养人。

　　10 · HR转型

　　面对入门岗位缩减，HR如果只强调“校招不能停”，很难说服业务负责人。业务部门看到的是基础任务减少、预算收紧和成熟人才可以立即产出，单纯要求保留人数容易被理解为维护传统流程。HR需要把讨论从招聘数量转向未来能力供给，并用更具体的业务证据说明人才入口的价值。

　　这要求HR与业务共同分析关键价值链。哪些岗位未来三到五年仍然是组织能力的核心来源，哪些岗位受AI影响更大，哪些工作可以自动化，哪些判断必须由人积累，哪些专业经验在外部市场稀缺且昂贵，都需要形成更清晰的地图。只有看到岗位变化与未来供给之间的关系，管理层才能理解今天的招聘决定会在何时产生后果。

　　招聘标准也需要调整。企业不应继续寻找已经具备完整能力的应届生，而应区分“入职时必须具备的能力”和“能够在支持下快速形成的能力”。学习敏捷性、证据意识、沟通基础和责任感可以在招聘阶段观察，复杂商业判断和组织影响力则需要通过工作逐步形成。

　　选拔方式也要随之变化。仅凭简历、标准问题和AI可能参与生成的作业，很难判断候选人的真实水平。企业可以增加现场问题拆解、信息验证、方案解释和反馈修正环节，观察候选人如何思考、如何使用工具，以及面对不确定信息时是否知道停下来求证。

　　入职培养则不能再采用“集中培训几天，随后交给部门”的旧模式。新人更早接触复杂工作后，需要更密集的任务反馈和阶段性能力校准。HR可以设计30天、60天、90天的任务阶梯，让员工从有明确答案的情境逐步进入需要权衡的场景，而不是一开始就要求独立承担高风险结果。

　　轮岗也需要从“参观多个部门”转向围绕价值链积累经验。员工不只是短暂了解不同职能，而应参与一项工作如何从客户需求进入产品、交付、财务和复盘。这样的轮岗能够帮助年轻员工建立系统视角，也能减少岗位“化”后业务理解不足的问题。

　　对于已经减少初级编制的部门，HR还需要建立人才供给预警。外部招聘依赖度、关键岗位内部晋升率、骨干年龄结构、继任者覆盖率、从入职到独立贡献所需时间，都可以成为观察指标。招聘冻结不应只是预算动作，而应触发对未来人才风险的评估。

　　CHRO需要保护的不是传统意义上的“入门岗”，而是组织持续产生专业人才和管理者的能力。 某些旧岗位确实可能不再需要保留，但人才入口、实践机会和晋升路径必须以新的形式继续存在。守住岗位名称没有意义，守住人才成长的链条才有意义。

　　11 · 行动框架

　　识别可安全转移给早期人才的任务

　　重点不是给新人“找点事情做”，而是从企业关键价值链出发，分析AI正在辅助、增强、自动化或自主完成哪些环节，再判断哪些工作可以从岗位中下移。任务必须同时具备业务价值、学习价值和可控风险，否则只是把新的杂务重新包装为培养机会。

　　HR可以与业务部门建立一张任务迁移图。图中不仅标记被AI接管的工作，还要标记员工因此释放的时间，以及哪些分析、沟通、判断和项目责任能够转交给新人。每一次重要AI部署，都应同时回答工作如何重新分配，而不是等到出现人员冗余后才讨论岗位。

　　激活团队支持结构

　　Gartner在2025年12月对3086名员工的调查显示，当员工以可适应技能为基础持续学习时，具备较高技能准备度的可能性达到其他员工的3.8倍。这意味着早期职业发展不能再依赖“先做几年简单工作，自然就会成熟”，而要通过团队协作、导师反馈、同伴学习和真实任务帮助员工更快适应变化。

　　团队支持结构可以包括双导师机制、任务审查会议、案例复盘、同伴校验和短周期项目。专业导师帮助员工理解方法和质量标准，业务导师帮助员工理解客户、价值和组织情境；同伴之间则共同验证AI结果、共享有效做法。这样的设计比单次课程更贴近真实工作，也能降低主管单独承担全部培养责任的压力。

　　建立发展安全网

　　新人更早进入复杂、模糊和依赖判断的工作，必然会增加犯错概率，企业不能一方面取消低风险练习，另一方面又要求新人零失误。安全网的意义，是通过工具、指引、权限、复核和同伴连接，把错误控制在组织能够承受的范围内。

　　例如，企业可以为不同任务设置分级授权。低风险内容允许新人借助AI独立完成，中风险内容必须经过同伴或主管复核，高风险决策则由有明确资质的人员负责。系统同时保留来源、修改和审批记录，使组织能够复盘错误来自数据、工具、流程还是判断。

　　安全网还包括心理层面的支持。如果新人因为担心暴露能力不足而不敢提问，或者为了证明自己能够使用AI而隐藏不确定性，风险就会被推迟到交付环节。管理者需要明确哪些情况必须求证、哪些错误可以用于学习，以及哪些边界绝不能突破，让员工能够在安全范围内承认“不知道”。

　　这三项行动并不是彼此独立的人力资源项目。任务下移解决新人做什么，团队支持解决新人如何学，发展安全网解决新人如何在复杂工作中承担责任。三者缺少任何一环，早期职业岗位都可能走向形式化。

　　只有任务下移，没有团队支持，新人会被复杂工作压垮；只有培训支持，没有真实任务，能力仍然停留在课堂；只有风险控制，没有授权空间，员工无法形成判断。 真正有效的早期人才体系，应当让新人接触真实价值，同时获得足够支持，并在清晰边界内为结果负责。

　　12 · 长期回报

　　传统预算通常把初级员工视为当期成本，把成熟员工视为即时生产力。这种计算忽略了人才成长带来的长期回报，也忽略了外部招聘、关键岗位空缺和组织知识流失的成本。当AI改变短期生产率后，这种偏差会进一步放大。

　　企业可以建立更完整的早期人才投资模型。除了薪酬、招聘和培训支出，还应纳入内部晋升率、关键岗位填补速度、外部招聘溢价、新员工融入周期、关键人才流失风险以及管理后备覆盖率。这样才能比较“今天少招几个人”与“未来必须从外部购买经验”之间的真实成本。

　　人才投资也不必平均分配到所有岗位。企业可以根据战略重要性、知识专属性、外部稀缺度和AI影响程度，把岗位划分为不同类型。对于高度标准化、外部供应充足的工作，招聘规模可以适当调整；对于需要长期积累客户关系、专业判断和组织知识的岗位，则应谨慎保护人才入口。

　　同时，企业应关注不同年份入职群体的规模变化。某一年少招一部分新人，组织通常可以通过内部调动解决；连续三到五年缩减，则可能形成明显的人才凹槽。等这一群体本应进入骨干和基层管理岗位时，断层才会显现，而那时再扩大校招已经来不及。

　　这也是为什么人才规划不能只看年度编制。业务负责人关注下一年度收入和成本，HR则需要把视线延伸到能力形成周期。对于需要五年才能成熟的岗位，今天的招聘决策本质上已经在决定2031年前后的供给。

　　董事会和管理层在审议AI投资时，也应要求同时提交组织影响评估。除了技术成本、效率收益和风险控制，还要说明任务如何变化、岗位如何调整、哪些能力需要增加，以及早期人才管道是否受到影响。AI项目如果只提交技术回报，却不说明人才后果，就不是完整的商业方案。

　　13 · 人才竞争

　　从个人角度看，年轻员工也需要接受一个现实：过去依靠完成大量基础任务逐步获得稳定晋升的路径正在收窄。会整理信息、制作初稿和执行标准流程仍然有价值，但已经不足以构成长期竞争力。新人需要更早证明自己能够理解问题、验证结果、与人协作并对判断负责。

　　这并不意味着每一名毕业生都要在入职第成为战略专家。企业真正需要的，是能够在支持下快速学习、愿意修正判断并逐渐承担复杂责任的人。把“需要潜力”误写成“必须成熟”，只会让招聘标准脱离人才市场现实。

　　对企业而言，也不能把年轻人缺乏经验视为个人缺陷。经验本来就是通过参与工作获得的，如果组织不给新人进入真实场景的机会，却要求市场提供已经成熟的人才，就等于把培养责任外包给其他公司。所有企业都采取这种策略后，成熟人才的价格必然上升，供给却不会凭空增加。

　　更深层的变化在于，人才竞争正在从争夺现成人才，转向争夺人才成长速度。拥有更好导师、更清晰任务阶梯、更安全试错环境和更丰富业务场景的企业，能够更快把潜力转化为能力。这样的组织即使招聘的不是市场上最昂贵的人，也可能形成更稳定、更懂业务的人才队伍。

　　因此，AI时代的人才优势不是完全取消新人，而是能够让新人以更低的试错成本、更快的反馈速度进入高价值工作。AI可以成为他们的研究助手、模拟伙伴和质量检查工具，管理者则提供情境、标准和责任边界。技术与培养结合，才有可能真正缩短人才成熟周期。

　　结语

　　Gartner的22%不应被理解为“入门岗即将全面消失”的预言。它更像一个提前出现的组织信号：当基础任务被AI接管，一部分企业正在用取消岗位来处理工作变化，而岗位重构、能力培养和管理机制尚未及时跟上。这个选择短期看可以减少成本，长期却可能削弱内部人才供给。

　　更值得警惕的是，AI价值尚未充分兑现，人才管道却已经开始收窄。95%的组织部署了AI，只有约五分之一获得显著或变革性价值，说明企业仍处于寻找有效应用方式的阶段。此时过早把AI等同于人员减少，容易让组织在没有获得真正增长之前，先失去未来增长所需的人。

　　企业当然不必为了保留传统而保留每一个旧岗位。那些缺少价值、长期重复且能够可靠自动化的任务，应当被重新设计甚至取消。但工作可以消失，人才成长不能随之消失；岗位名称可以变化，组织培养骨干和管理者的通道不能中断。

　　对CEO而言，这是一项跨周期的能力投资；对业务负责人而言，这是团队能否持续交付的供给问题；对CHRO而言，则意味着不能再把招聘、学习、绩效和继任计划分开管理。岗位重构决定新人做什么，绩效机制决定组织奖励什么，培养体系决定能力如何形成，管理责任决定这些设计能否真正发生。

　　AI时代真正需要被冻结的，不是入门岗招聘，而是“任务减少就等于岗位消失”的旧式判断。

　　企业可以减少无意义的工作，却仍需为年轻人保留进入业务、形成判断和承担责任的通道。今天保留下来的未必是一批传统意义上的初级岗位，而是企业五年后的专业骨干、十年后的管理者，以及面对下一轮技术变化时仍能内部生长的组织能力。

　　参考来源

　　1. Gartner：《AI Automation Is Reducing Some Entry-Level Hiring at Nearly One-Quarter of Organizations》 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. PwC：《2026 Global AI Jobs Barometer》 https://www.pwc.com/gx/en/news-room/press-releases/2026/pwc-2026-ai-jobs-barometer.html

　　3. World Economic Forum：《The Future of Jobs Report 2025》 https://www.weforum.org/publications/the-future-of-jobs-report-2025/

　　原文链接：https://mp.weixin.qq.com/s/MIw0Ro12HHvGt0OwPWahUQ