是时候解决入门级工作中迫在眉睫的危机了。

是时候解决入门级工作中迫在眉睫的危机了。以下是年轻求职者、企业和社会应该如何适应人工智能革命。到目前为止，人工智能还没有给出一个关于大规模失业的干净故事。发达国家的总就业率保持总体稳定，最近的评估发现，人工智能改变了总体数据的证据有限。

但表面之下可能隐藏着一个令人不安的变化：职业阶梯第一级的悄然削弱。最令人担忧的证据恰恰出现在我们首先应该预料到的地方：职业早期招聘。

斯坦福大学数字经济实验室于2025年11月发布的一份工作论文发现，即使在控制了可能影响公司就业决策的其他因素后，在生成性人工智能传播后，22至25岁从事人工智能暴露最多职业的工人的就业相对下降了16%。

2026年3月的Anthropic报告提供了导致类似结论的暗示性证据。从事这些职业的经验丰富的工人并没有遭受同样的下降。人工智能暴露率低的入门级工作的就业率也没有下降。这种担忧具体针对接触人工智能的早期职业工作。

这不是一个小信号。

它表明，公司可能正在使用人工智能来取代人们传统上获得第一个立足点的初级任务-至少对于那些广泛使用生成性人工智能的工作的人来说是这样，例如软件开发人员、客户服务代表、计算机程序员和信息系统经理。

现在是时候改变我们培训、准备和支持即将进入劳动力市场的年轻人的方式了。教育机构需要为人工智能增强的劳动力时代重新定位。政府必须激励企业雇用和培训早期职业工人。反过来，企业需要认识到培养一支长期的人工智能经验丰富的员工队伍的重要性-这一过程始于入门级员工。

学生自己不仅应该承担起精通人工智能的责任，还要学习如何将这些知识应用于各个领域。简而言之，我们必须改变传统上对入门级工作的看法。尤其如此，因为应届毕业生的更广泛劳动力市场也在疲软。

纽约联邦储备银行报告称，2025年第四季度，应届大学毕业生失业率升至5. 6%，而就业不足率（从事通常不需要大学学位的工作的毕业生比例）达到42%。5%，为新冠疫情以来的最高水平。没有单一的统计数据可以证明人工智能是导致这种恶化的唯一原因。

大流行后，招聘总体上大幅下降，年轻人尤其容易受到经济放缓的影响。但忽视人工智能正在加速从学校到工作本已困难的过渡的可能性是错误的。这些统计数据的背后是巨大的个人痛苦。

如今，应届毕业生经常在收到一份录取通知书之前提交数百份申请，调查一致发现，在长期求职中，年轻工人的焦虑、财务不稳定和倦怠率较高。如果人工智能悄悄地关闭了典型早期工作的大门，人们将付出代价，延迟独立、推迟家庭组建以及他们第一次认真的职业努力被拒绝的感觉。

这也很重要，因为入门级工作是经济培训系统的一部分。初级分析师了解哪些数字可以信任。年轻的软件开发人员学习生产系统如何失败。新的营销人员了解客户在仪表板简洁语言之外的行为。早期职业的法律和财务人员学习规则，判断，最后期限和人际关系实际上如何相互作用。

如果人工智能吸收了更多曾经帮助培训入门级工人的起草、分类、编码、总结和行政准备工作，那么从短期来看，公司可能会变得更有效率，而从长期来看，社会的能力会变得更弱。提高年轻工人技能的正确方法不是告诉他们，“学习编码。

“这项建议塑造了十多年的联邦举措和大学扩张，其前提是编码是一项稳定、可扩展的技能，几乎任何人都可以学习并获得中产阶级工作。这个前提不再成立。人工智能能够很好地处理这一工作层--将规范翻译成例行代码、复制标准模式、调试可预测的错误--正是“学习编码”程序所围绕的层。

监督人工智能系统的工作现在是一项更相关的技能。因此，了解人工智能系统产生的输出将变得非常重要。为了帮助人们发展此类技能，我们应该要求大学、社区学院和专业项目将人工智能素养、数据素养、基于预算的工作流程技能、验证技能和领域判断嵌入普通学位中。

每个毕业生都应该知道如何使用人工智能工具，检查他们的输出，了解他们的局限性，并将它们与人类专业知识相结合。即使对于进入那些看起来相对安全的职业（例如医疗保健）的毕业生来说，这也很重要。

几乎每项工作都包含任务--起草、总结、安排、研究、基本数据工作、日常沟通--人工智能已经是一个重要的生产力工具。大多数年轻员工将经历的竞争不是人类与机器，而是同事与人工智能增强的同事。

对于大多数年轻员工来说，让自己有价值的现实途径不是避开人工智能，而是熟练掌握技术，并将其与领域判断、上下文推理和人际关系技能相结合。为此，学校应该强调带薪合作、学徒制和与雇主相关的项目，以便学生在毕业前在真实的工作场所建立判断力。

政府还应该为雇用早期职业工人担任结构化、人工智能增强角色的雇主提供有针对性的税收抵免、工资补贴和培训补助金。这种有条件、与行为挂钩的补贴的架构已经存在于美国税收政策中。缺少的是专门围绕职业早期人工智能增强工作构建的这些工具的版本。

就公司而言，他们应该停止仅根据人工智能的短期成本节省来做出招聘决定。年轻工人的价值不仅仅在于他们本季度执行的任务。它们的价值在于学习、技能形成、机构记忆和未来的生产力。入门级招聘不仅仅是一项费用。

这是对公司内部未来判断力的投资。2030年代末最有效的人工智能增强型高级劳动力将绝大多数来自当今的初级群体。自动化学习阶段的公司可能会提高他们的直接利润率，但十年后他们发现，没有人了解他们自己的人工智能驱动的工作流程实际上是如何运作的。

今年春季和明年毕业的学生面临着艰难的劳动力市场转型。人工智能的流畅性正在成为一种商品。缺乏人工智能流利性的领域专业知识正在被超越。这种组合才是真正稀缺的。具有制造知识和人工智能熟练程度的机械工程师;

具有金融服务知识的软件程序员，同时也是人工智能领域的高手--这些都是需要的人类型。乔治奥斯·佩特罗普洛斯是南加州大学马歇尔商学院助理教授。他的研究重点是信息技术对创新、竞争政策和劳动力市场的影响。

深潜人工智能想了解人工智能的现状吗？查看这些图表。根据斯坦福大学2026年人工智能指数，人工智能正在冲刺，而我们却在努力跟上。10 T