學編程這條路已經走不通了，年輕人該怎么面對AI時代？

（來源：麻省理工科技評論）

到目前為止，AI 并沒有引發大規模失業。發達國家的總體就業水平大致穩定，近期的評估也發現 AI 對整體數據的影響有限。但總體數據之下藏著一個令人不安的變化：年輕人進入職場的入口正在收窄。

最令人擔憂的證據出現在入門級招聘上——這恰恰是我們預料中最先受到沖擊的地方。斯坦福數字經濟實驗室 2025 年 11 月發布的一篇工作論文發現，在 AI 暴露度（AI exposure）最高的職業中，22 到 25 歲工人的就業人數在生成式 AI 普及后相對下降了 16%，這個數字已經排除了其他可能影響企業用人決策的因素。Anthropic 在 2026 年 3 月發布的報告也指向了類似的結論。

同一批職業中，經驗豐富的工人沒有出現同樣的下降；AI 暴露度低的入門級崗位也沒有在縮減。受到沖擊的范圍非常明確：就是那些 AI 暴露度高的、入門級的工作。

這個信號不容忽視。它說明企業可能正在用 AI 取代那些年輕人傳統上靠來站穩腳跟的初級工作——至少在軟件開發、客服、程序員和信息系統管理這些大量使用生成式 AI 的崗位上是如此。

我們必須從現在開始改變培訓和支持年輕人進入職場的方式。教育機構需要為 AI 時代的勞動力重新調整方向，政府需要出臺措施激勵企業雇用和培訓入門級員工，企業需要認識到一件事：培養一支熟悉 AI 的長期勞動力隊伍，要從招入門級員工開始。學生自己也要承擔起責任——不僅要學會用 AI，還要學會把 AI 能力和具體的專業領域結合起來。

一言以蔽之，我們必須重新理解“入門級工作”意味著什么。

這件事格外緊迫，因為應屆畢業生的整體就業市場也在變差。紐約聯邦儲備銀行的數據顯示，2025 年第四季度應屆大學畢業生的失業率升至 5.6%，“不充分就業率”——也就是從事通常不需要大學學歷的工作的畢業生比例——達到了 42.5%，是新冠疫情以來的最高水平。沒有哪個數據能單獨證明這都是 AI 造成的。后疫情時代招聘整體低迷，年輕人在這種環境下尤其吃虧。但我們不能無視一種可能性：AI 正在讓本就艱難的從校園到職場的過渡變得更難。

這些數字背后是真實的個人痛苦。今天的應屆畢業生經常投幾百份簡歷才能拿到一個 offer。調查反復顯示，長期求職中的年輕人焦慮感偏高、經濟狀況不穩定、身心俱疲。如果 AI 悄悄關上了入門級工作的大門，承受代價的是這些年輕人：獨立生活被推遲，成家被推遲，第一次認真的職業嘗試就被拒之門外。

這件事還有另一層重要性：入門級工作本身就是社會培養人才的機制。初級分析師通過工作學會分辨哪些數據靠譜，年輕程序員在實踐中學會系統是怎么出故障的，剛入行的市場營銷人員在真實環境中學會客戶的行為跟報表上寫的不一樣，初級法律和金融人員在實際工作中學會規則、判斷、截止日期和人際關系是怎么交織在一起的……如果 AI 把這些用來培訓新人的工作都接管了——起草、分類、編程、總結、行政準備，企業短期內也許更高效了，但整個社會的人才儲備在長期會被掏空。

幫年輕人提升技能的正確方式不是告訴他們“去學編程”。這條建議影響了十多年的政策和大學擴招，它的前提是：編程是一種穩定的、可規模化的技能，幾乎任何人都能學會，然后靠它找到一份中產階級的工作。這個前提已經不成立了。AI 擅長處理的恰恰是“學編程”項目教的那些東西：把需求文檔翻譯成常規代碼、套用標準模板、修復可預見的 bug。

現在更有價值的技能是監督 AI 系統的工作，以及理解 AI 產出的結果。

為了幫年輕人培養這些能力，大學、社區學院和職業培訓項目應該把 AI 素養、數據素養、提示詞工作流、結果驗證能力和專業判斷力融入日常課程中。每個畢業生都應該知道怎么用 AI 工具、怎么檢查它的輸出、理解它的局限，以及怎么把它和人類的專業經驗結合起來。哪怕是進入醫療等看起來不太受 AI 威脅的行業，這些能力同樣重要。幾乎每份工作都包含一些 AI 已經能大幅提效的任務：起草文件、做總結、排日程、做調研、處理基礎數據、日常溝通。

大多數年輕人將要面臨的競爭不是“人 vs 機器”，而是“你 vs 被 AI 加持的同事”。讓自己有價值的現實路徑不是回避 AI，而是熟練掌握它，再把它和專業判斷力、隨機應變能力和與人打交道的能力結合起來。學校應該重視帶薪實習、學徒制和企業合作項目，讓學生在畢業前就能在真實工作環境中積累判斷力。

政府應該為雇用入門級員工并讓他們進入有體系的 AI 增強型崗位的企業提供稅收抵免、工資補貼和培訓撥款。這種“有條件的、跟企業行為掛鉤的補貼”在美國稅收政策中有先例，缺的只是一個專門針對入門級 AI 崗位的版本。

企業也應該停止只看 AI 省了多少人力成本就決定招不招人。年輕員工的價值不在于這個季度他能完成多少任務，而在于學習、成長、積累對公司運作方式的理解，以及未來的產出。招入門級員工不只是一筆開支，而是在為企業儲備未來的判斷力。2030 年代末最能干的資深員工隊伍，絕大部分會來自今天的初級員工。那些用自動化跳過了新人培養階段的企業也許能改善眼前的利潤率，但十年后可能發現：公司里沒有人真正理解自家那些 AI 驅動的工作流到底是怎么跑的。

今年和明年畢業的學生面對的是一個正在轉型的艱難市場。AI 熟練度正在變成標配，光有專業知識但不懂 AI 的人正在落后。真正稀缺的是兩者的結合：懂制造業又精通 AI 的機械工程師，懂金融服務又擅長 AI 的軟件程序員——這才是市場真正需要的人。

https://www.technologyreview.com/2026/05/26/1137865/its-time-to-address-the-looming-crisis-in-entry-level-work/