一个普通的工作日，一封突如其来的解雇邮件打破了 TikTok 马来西亚内容审核团队的平静。数百名职员瞬间失去了饭碗，取代他们工作的不再是任何人，而是一套毫不知疲倦的 AI 算法。
这并非例外。另一方面，马斯克也裁掉了 xAI 500 名数据标注员，占整个团队的三分之一。企业不再需要那么多初级人手，xAI 更需要的是专家级的人工智能训练师。
这两桩裁员，都有同一个特点：初级岗位，没了。
一些零星案例串联起来，使人不禁发问：AI 真的已经开始「抢饭碗」了吗？当初的人机协作美梦是否正在破灭？
AI ，真的来抢饭碗了
过去几年里，关于 AI 是否带来预期的「协作效益」的议论几度反转。一方面，有报告指出年轻工作者的招聘率下降，引发了对 AI 抢走职位的担心；另一方面，也有经济分析人士查看数据后认为，目前并无明确证据显示 AI 导致失业，多数公司也称， AI 对用工方式暂无明显的影响。
然而，越来越多研究发现，生成式 AI 的接入，可能减弱低技能职工的工作稳定性，特别是，会对初级职位和合同工等组织底层人员，造成结构性挤压。
哈佛大学劳动经济学的两位博士，通过收集过去十年来近 6200 万劳动者，超过 2.45 亿招聘信息，对比招聘网站的简历内容，得到了 AI 「入侵职场」的真相。
首先，是初级岗位的就业人数显著下降。那些采用了 AI 的企业中，初级岗位快速减少。相比之下，高级岗位则持续增多，就业率也持续增长，AI 并没有给这些高级岗位蒙上太多阴影。
另外，采用 AI 的企业，并不是通过裁员来给 AI 腾位置的，而是通过放缓招聘。工作越来越难找，都是有原因的。
有趣的是，AI 冲击最大的人群，竟然不是末流大学生，而是中档名校毕业生。
具体来说，来自第2档（强校）和第3档（普通名校）的毕业生，就业岗位下降最明显。
相比之下，顶尖精英大学（第1档）的毕业生反而受影响较小；普通大学（第4档）也能相对幸免；至于末流大学（第5档）的毕业生，几乎没有受到冲击。
也就是说，除了少数清北级别名校，其他 211/985 的毕业生就业受到 AI 的冲击，可能比「双非」院校的学生还要大得多。
为什么会出现这种「U型」格局？研究者解释：
顶尖名校生：能力与竞争力极强，他们进入的岗位往往更复杂、更具创造性，AI难以替代。
末流院校生：薪资水平较低，雇佣他们的成本不高，用AI来取代并不划算。
中间档次毕业生：薪资并不算低，但工作内容又刚好落在AI的可替代区间。这让他们成为「性价比最低」的群体，自然首当其冲。
不同的行业也有不同的表现，批发零售行业的初级岗位风险最大，因为这些岗位通常是数据录入、客户服务等不涉及决策或创造的工作，重复性高，可代替性自然也就高。
这些研究发现表明，生成式 AI 正在引导一种「资历偏向型变化」，在企业内部对初级职位产生不成比例的影响。
简单说，「资历偏向型变化」的意思是，技术对于公司造成的影响，体现在内部不同经验或资历水平的员工上，而并非仅仅是按技能水平或职能划分。
「血洗职场」这样的断言可能有些严厉，但是当下的趋势，已经让我们必须重新对人机协作的现状进行反思。
去人化潮流下，谁的工作首当其冲？
这些研究的发现，跟坊间流传的忧虑不谋而合：生成式 AI 通过自动化某些常规任务，可以让企业减少对入门级员工的需求。恰恰，对于初级员工而言，这些任务是职业生涯起步的一部分。
内容审核员是典型。以前社交媒体公司需要雇用大批人力检查不良内容，现在超过 80% 的违规内容都能由算法自动删除。TikTok 从 2024 年起在全球裁减了数百名内容审核员，用 AI 模型加上少量人力接替这项工作。
Meta 的内容审核外包团队也经历了缩减和重组。 初级财会、行政等办公室底层职位也遇到了类似的命运。以财务助理为例：过去需要人力逐项对照票据和录入，现在许多公司都已配置智能报销和自动记账系统，让 AI 完成这些碎片流程。
结果，这些原本用来练手的职位，要么直接消失，要么不再招收新人。
这些最容易被 AI 替代的职位，以往通常由年轻员工和合同工承担，工作稳定性本已不高，现在更被视为「可有可无」。AI 的普及应用，正在让企业用工模式走向人员更精简、技术替代率更高的方向。
人们希望的「1+1>2」，现实却变成「1 个 AI 顶走 1 个人」。原因之一是 AI 善于处理流程明确、重复性高的任务，当机器足以承担这些琐碎事务，企业就往往直接裁撤相应的初级职位。
原因之二是出于成本和效率考量。 AI 完全替代一位员工可立刻节省成本，而 「AI+员工」提升效率的收益则不易直接体现，还需要培训和调整流程。在短期利益的驱动下，许多公司更愿意选择立竿见影的替代路线，「协作」也便演变为「去人化」。
结果，技术带来了一些技能上的「两极化」趋势。有经验者拥抱 AI 后如虎添翼，而缺乏经验的年轻人则失去了练手机会。人才阶梯的底部被压缩，职业的入门门槛被抬高。
年龄 20，工龄 18，或许近在眼前
对刚起步的年轻人而言，如果没有初级工作作为「垫脚石」，他们会面临更严峻的成长困境——招聘网站上「年龄不超过 25 岁，工作经验至少 10 年」的离谱 JD，很有可能演变成残酷的现实。
这是 AI 时代下，一个不应该忽视的新疑问。
以往，对于技术如何影响就业的讨论，通常围绕着「技能偏向型变化」展开。也就是说，各种自动化、计算机技术，可以造福那些能力过硬、受教育水平高、技术背景的劳动者，提升他们的生产力和工资，取代掉的，也是那些技能低下的劳动者。
而如今，AI 的快速普及采用，出现了对资历浅的劳动者的「歧视」，所以被称作「资历偏向型变化」。资历深未必代表能力强，可是却有助于他们逃过 AI 的取代。
资历浅的员工，从事的职位和工作是入门级的没错，但这是他们的起点——无论什么工作，总是要从零开始的，谁能一步登天呢？
面对这些由 AI 带来的职场变化，思路和打法也需要变化：
1. 学校的课程设计和培养方式得变，不仅要让学生了解什么是 AI，更要能让他们掌握和驾驭对 AI 工具的使用。
2. 对于职业的规划和思考得变，以往按部就班的思路越来越危险了，主动的挑战自己，才是对抗被 AI 取代的风险。
3. 更重要的是终身学习，不断地适应新工具和新挑战的能力，把初级的工作技能转化为高级技能，将会对职业发展起到真正的帮助。
欢迎加入 APPSO AI 社群，一起畅聊 AI 产品，获取，解锁更多 AI 新知
我们正在招募伙伴
简历投递邮箱hr@ifanr.com
✉️ 邮件标题「姓名+岗位名称」（请随简历附上项目/作品或相关链接）
热门跟贴