AI率先吞噬的是“任务颗粒度”(task-level) 类型的重复劳动，而企业会把“岗位定义”(role-level) 重新切片。
最近，IBM 表示，尽管 AI 正在压缩初级岗位需求，公司仍计划在 2026 年将美国入门级招聘规模增加两倍。
IBM 未公布具体人数，仅称此次扩招将覆盖多个部门。IBM 首席人力资源官 Nickle LaMoreaux 在纽约一场会议上表示：“是的，甚至包括那些外界认为 AI 可以完成的岗位。”LaMoreaux 透露，为推动这一招聘计划，公司已重新设计软件开发等入门岗位职责。LaMoreaux 表示：“两三年前的入门级工作，现在 AI 基本能够胜任。如果想说服业务部门继续投资年轻人才，就必须证明他们现在能够创造不同于过去的价值。”
因此，IBM 初级员工的职责正在转型。AI 承担常规编码后，初级开发者更多参与客户合作与实际业务场景。在人力资源部门，新员工主要在聊天机器人无法解决问题时进行人工干预、校正结果，并与管理层沟通。
短期减少初级招聘可能降低成本，但会在未来造成中层管理断层，迫使企业高价挖角竞争对手人才，且外部人员往往更难迅速融入企业体系。
一些企业高管认为，在技术变革时期，年轻人反而是优势资产。譬如，Dropbox 首席人力官 Melanie Rosenwasser 表示：“在使用 AI 方面，他们像在参加环法自行车赛，而我们还装着辅助轮。”Dropbox 正将实习与应届毕业生招聘规模扩大 25%，以抓住年轻员工在 AI 技能上的领先优势。
头顶人工智能与量子计算这两大最前沿科技光环的IBM的上述最新决定出台之际，围绕AI是否会抹去应届生机会的疑问正在增加。去年，“OpenAI最强劲竞争对手”Anthropic的首席执行官达里奥·阿莫代伊警告称，到2030年，半数入门级办公室工作岗位可能会消失。而近期AI大模型极速进展，也加剧了大学生们的焦虑情绪——他们担心在本就艰难的就业市场中被彻底取代。
LaMoreaux表示，削减早期职业招聘短期内或许能省钱，但它会在未来造成中层管理者稀缺的重大风险。这可能迫使企业从竞争对手那里不断“挖人”，而这通常比内部晋升更昂贵。她表示，这类外部招聘通常也需要更长时间来适应公司文化与系统，相比之下，在公司内部培养的人才更容易融入日常经营模式。
一些科技行业高管与经济学家认为，在全球技术巨变之际，招聘年轻员工对企业而言是一项更好的投资。
IBM力争把初级工程师“改造”为AI时代前线战力，同时也在给“AI恐慌叙事”降温
IBM一方面明确承认“过去2–3年的许多入门级工作内容已可被AI完成”，因此把初级岗位职责重新塑造，并且让新人更多转向客户沟通协作与AI输出纠偏等“前线战略价值”工作;另一方面仍决定在2026年把美国入门级招聘规模扩大至三倍，这客观上也在为“AI会直接清零入门岗位”的“人工智能颠覆一切”的AI恐慌叙事降温——前提是岗位被重塑。在IBM看来，AI不是线性地把岗位清零，而是把岗位的价值重心从“生产内容/写代码/做表”推向“把AI驯化为可控产线”。
毋庸置疑的是，AI率先吞噬的是“任务颗粒度”(task-level) 类型的重复劳动，而企业会把“岗位定义”(role-level) 重新切片。来自微软的苏莱曼说的是大量专业岗位中的“多数任务”会被自动化、速度可能超出市场定价;IBM 的动作则是在承认这一前提下，通过重写入门岗位职责，继续投入人才供给并把人力迁移到更高价值的环节(例如客户协作、AI异常处理工作、质量控制与披露落地交付工作)。
从AI代理(agentic AI)工作流 的底层技术逻辑看，这种“岗位重塑 + 扩招”其实非常工程化：代理擅长把流程拆成子任务并自动执行(写代码、生成文档、做初筛、做报表、跑实验脚本等)，但一旦进入生产环境，真正的瓶颈往往转移到权限与数据连接(identity/RBAC以及系统接口、数据血缘关系)、工具调用可靠性、评测与回归(evals/regression)、治理与审计，以及不可避免的长尾异常。这些都意味着企业需要更多“会用 AI 把流程跑起来”的初级人才：他们不再靠“手工产出”创造价值，而是通过编排、验证、监控、纠错、与业务方共创把AI产能转化为可高效率且批量交付的结果。
IBM 近年明显把重心放在“企业级可规模化的大型AI项目落地”上——不仅销售AI模型或其他AI工具，更是聚焦于销售“把AI接入既有系统以及在多云/混合云环境中高效率治理与运用”的综合能力。IBM 近期发布的 Enterprise Advantage(面向企业扩展agentic AI的资产化咨询服务)就强调：帮助客户快速构建、治理、运营内部AI平台，把AI连接到现有系统，并在不更换云/模型/核心基础设施的情况下扩展代理应用。要把这套方法论规模化复制，“人”本身就是交付产能的一部分，扩招入门级可能是为未来2–5年的交付与管理梯队提前准备。
*声明：本文系原作者创作。文章内容系其个人观点，我方转载仅为分享与讨论，不代表我方赞成或认同，如有异议，请联系后台。
热门跟贴