AI时代最尴尬的一代，可能是刚毕业的大学生

最近，我们接触的一家美资500强企业招聘两个初级岗位。岗位并不高级，也不是管理职位，但招聘信息发布以后，很快收到了大约1000份应届毕业生简历。更让人意外的是，其中大约500人来自985、211以及国际Top 50高校。最后，企业仍然只录用了两个人。

1000个人竞争两个岗位，当然不能简单归因于AI。经济环境、就业市场、毕业生数量以及大企业本身的吸引力都会影响这个数字。但这个案例还是让我想到一个正在发生的变化：AI时代，职业竞争最尴尬的一群人，可能恰恰是刚刚走出大学校园的年轻人。

因为AI对不同职业阶段的人，影响并不一样。对于一个已经工作20年的人来说，AI可能是一台能力放大器；但对于一个刚刚毕业、还没有建立专业经验的人来说，AI却可能首先成为他的竞争者。

过去，企业为什么愿意招聘那么多年轻人？

回头看十几年前，一个大学毕业生进入企业以后，通常不会马上承担特别复杂的工作。他可能先整理Excel、制作报表、查资料、准备会议纪要、收集数据、制作PPT、整理客户信息、跟踪项目进度，或者帮助资深工程师完成一些基础分析。

这些工作看起来技术含量并不高，甚至有些枯燥。但它们过去有一个非常重要的作用：它们是年轻人进入真实商业世界的入口。

一个刚毕业的质量工程师，可能：

-先整理投诉数据，然后慢慢接触8D；

-先整理SPC数据，然后逐渐理解过程为什么会波动；

-先陪着资深工程师去供应商现场，然后慢慢知道审核时应该看什么。

一个年轻咨询顾问也可能先整理访谈记录、查行业资料、制作PPT，几年以后才逐渐能够独立分析客户问题。

所以过去的职业成长，本质上是一条很长的路径：先做简单工作→ 接触真实问题 → 不断犯错 → 被前辈纠正 → 积累案例 → 形成经验 → 最终形成判断。

企业招聘年轻人，一方面是因为年轻人成本比较低，另一方面也是因为大量基础工作确实需要有人完成。年轻人在帮助企业完成这些工作的同时，也完成了自己的职业训练。但AI正在改变这个交换关系。

AI最先替代的，恰恰是年轻人的“入门工作”

看看现在AI最擅长做什么：查资料、整理信息、会议纪要、数据处理、报告初稿、PPT框架、邮件、翻译、基础代码、行业研究、方案比较、知识检索……仔细看会发现，这些恰恰是过去很多初级岗位最主要的工作内容。

1、过去一个部门负责人可能需要几个助理帮助收集资料、整理数据、写报告，现在借助AI，自己就可以完成其中相当一部分。

2、过去一个资深工程师可能需要年轻工程师帮忙查标准、整理数据、形成报告，现在很多基础工作几分钟就可以完成。

3、过去咨询项目需要年轻顾问花大量时间整理访谈记录、搜索行业资料、搭建PPT框架，现在AI已经可以完成很大一部分。

这就产生了一个非常现实的问题：当企业发现一个资深员工加上AI，可以完成过去一个小团队的工作时，它为什么还需要那么多初级岗位？

AI未必直接“抢走”某一个大学生的工作，但它正在降低企业对大量初级执行工作的需求。而这恰恰发生在大学毕业生数量增加、学历越来越高、就业竞争越来越激烈的时候。于是就可能出现我们前面看到的场景：两个并不高级的岗位，吸引了1000名应届毕业生，其中大量还是传统意义上的“名校生”。

AI对有经验的人，却可能完全相反

有意思的是，同样一个AI，对一个工作了20年的人产生的效果可能完全不同。过去，一个有丰富经验的质量经理可能很懂现场、很懂供应商，也很懂客户，但他未必擅长数据分析，未必会写程序，英语资料阅读速度可能也没有年轻人快，制作PPT和整理大量信息更需要时间。

这些过去都会限制他的能力边界，但AI出现以后，这些限制正在快速下降。他可以让AI帮助整理数据、搜索资料、比较标准、翻译外文、生成报告框架，甚至帮助写简单程序。

原来需要几个年轻员工协助完成的工作，现在一个资深人士借助AI就可能完成。于是一个很有意思的变化发生了：AI没有让他的20年经验贬值，反而把这20年经验放大了。

因为真正困难的问题从来不是“找到十条信息”，而是知道哪三条信息真正重要。不是生成五个解决方案，而是知道哪一个在工厂现场真正能落地，不是让AI分析一堆数据，而是知道数据背后究竟意味着设备、材料、工艺还是管理出现了问题。

这些能力，AI可以辅助，却很难凭空替一个人建立。

AI时代真正升值的，可能是“判断力”

这也是为什么我认为，未来职业竞争真正的分界线可能越来越不是“会不会做”，而是“会不会判断”。

1、AI可以帮一个质量工程师生成8D，但它不知道现场真正的根因是不是报告上写的那个原因；

2、AI可以帮采购比较供应商，但它不知道某家供应商老板虽然承诺得很好，实际上整个管理团队是否具备量产能力；

3、AI可以帮助研发生成几个技术方案，但最终选择哪个方案，需要综合成本、可靠性、制造能力、客户需求和项目风险。

这时候，人的价值开始从“生产答案”转向“判断答案”，而判断力从哪里来，很大程度上来自经验。你见过多少失败项目，处理过多少客户投诉，去过多少供应商现场，经历过多少次设备异常，犯过多少错误，又在多少次错误之后真正理解了为什么。

所以更准确地说，AI正在降低执行能力的稀缺性，却提高判断能力的价值。这也是为什么一些40岁甚至50岁以上的专业人士，反而可能成为这一轮AI发展的受益者。他们过去积累了大量专业经验，而AI突然帮助他们补齐了信息获取、表达、数据处理、语言甚至部分技术工具上的短板。经验第一次可以被如此低成本地放大。

年龄本身，并不会自动成为优势

当然，这并不意味着“年纪越大，AI时代越有优势”。一个人工作20年，并不一定拥有20年的有效经验，也可能只是把同一年的工作重复了20遍。如果长期只是按照流程完成任务，没有形成对业务的理解，没有积累解决复杂问题的方法，也没有形成独立判断，那么AI同样可能对他的岗位形成冲击。

所以真正重要的并不是40岁、50岁，而是一个人经过长期工作以后，究竟沉淀下来了什么：

-如果你拥有的主要是执行能力，AI可能成为竞争者；

-如果你拥有的是经验、专业知识和判断能力，AI更可能成为放大器。

这才可能是AI时代真正的职业分界线。

那么年轻人最困难的问题来了——没有经验，怎么形成判断？

这里却出现了一个悖论，我们说未来最值钱的是判断力，而判断力又来自经验。但是一个刚毕业的大学生，恰恰最缺的就是经验。

更麻烦的是，过去帮助年轻人获得经验的那些工作，现在正在被AI大量完成。以前一个年轻工程师可能要亲自整理100份质量报告，在这个过程中逐渐知道哪些问题经常发生。可能要跟着老师傅跑几十次现场，才知道设备真正出问题的时候应该先看哪里；一个年轻咨询顾问可能要整理几十次访谈记录，才逐渐理解企业管理者嘴里说的“问题”和真正的问题之间有什么区别。

现在AI几分钟就把这些工作做完了，效率当然提高了，但年轻人的学习过程，也可能一起被跳过去了。这可能才是AI时代最值得警惕的问题：AI不仅可能减少初级岗位，还可能减少年轻人形成专业经验的机会。

企业也会遇到一个更大的问题——未来的资深人才从哪里来？

如果越来越多企业都采用同一种策略：“初级工作让AI做，我们只招聘有经验的人”，短期来看当然非常划算。但是五年以后呢？十年以后呢？

今天企业想招聘一个有十年经验的研发工程师，他之所以存在，是因为十年前有一家企业愿意招聘一个没有经验的大学毕业生，并且允许他从简单工作开始学习。

如果整个社会都开始减少初级岗位，却仍然希望人才市场不断提供“有经验的人”，这本身就是不可持续的，所以AI最终可能逼迫企业重新思考人才培养方式。

未来企业培养年轻人，可能不能再依靠“让他先做三年基础工作再说”。因为很多基础工作已经没有必要由人完成。新的培养方式可能会变成：

1、AI完成大量基础工作，年轻人更早进入真实问题；

2、资深员工不再只是分配任务，而是帮助年轻人理解AI为什么这样回答；

3、年轻人不仅要提交答案，还必须解释自己为什么接受或者拒绝AI的答案。

企业需要培养的，也不再只是“熟练员工”，而是尽快培养能够理解业务、提出问题和做出判断的人。

大学教育可能也需要重新回答一个问题

这同样会反过来挑战大学教育。过去，一个优秀大学生最大的竞争优势可能是知识更多、考试能力更强、信息处理速度更快。但今天，一个刚毕业的学生与一个工作20年的专业人士，都可以调用几乎同样强大的AI。

知识获取的差距正在迅速缩小。这时候大学真正需要培养的，可能越来越不是“记住多少知识”，而是：

能不能定义一个问题？

能不能验证信息？

能不能理解真实世界中的约束？

能不能发现AI答案中的错误？

能不能在信息不完整的时候做出合理判断？

如果教育仍然主要奖励“给出标准答案”的能力，而工作世界越来越需要“判断答案是否正确”的能力，那么大学和企业之间的距离反而可能越来越远。结语：AI拿走的可能不是工作，而是职业生涯的第一层台阶。

所以回过头再看那1000份竞争两个岗位的简历，我真正担心的，并不是这些年轻人今天能不能找到工作。更值得思考的是：他们未来通过什么方式获得经验？

过去的职业阶梯很清楚：从初级员工开始，做基础工作，慢慢成为骨干，再成为专家和管理者。

AI正在快速拆掉其中最下面的几级台阶。对于已经站在楼梯中间的人来说，这是好消息。他们突然得到了一台非常强大的电梯。一个有20年经验的人，可以借助AI迅速扩大自己的能力边界。

但对于刚刚站在楼梯入口的年轻人来说，问题完全不同：第一层台阶正在消失。这可能才是“AI时代最尴尬的一代”真正尴尬的地方。

当然，年轻人并不是没有机会，恰恰因为执行工作的价值下降，他们需要更早完成过去可能需要五年甚至十年才能完成的转变：从“我会做什么”，转向“我能理解什么、判断什么、解决什么”。

而企业也必须承担另一半责任，不能一边减少初级岗位，一边抱怨年轻人“没有经验”。不能一边让AI完成所有基础工作，一边期待十年以后市场上仍然有大量成熟专家。AI时代真正需要重新设计的，可能不仅是工作，也包括人的成长路径。