本文来自微信公众号： 声动活泼 ，作者：声小音，原文标题：《当基础任务逐渐被 AI 接管，人工智能正如何改变我们的第一份工作？｜声动早咖啡》
欢迎来到今天的轻解读。从学校过渡到职场，从来都不是一件容易的事。很长时间以来，各行各业的初级岗位，都是年轻人从教育系统进入真实工作的桥梁。
比如在客户服务岗位上，新人一开始往往要从接电话、回邮件、处理投诉、记录客户需求做起。听起来琐碎，但也正是在大量重复的沟通里，新人开始理解业务流程，并学会把分散的反馈，整理成有价值的信息。在审计行业，新人的基础工作可能是整理底稿、录入数据、对账、检查凭证等等，新人也是在这些反复核对中，才慢慢知道什么样的异常值得追问，什么样的解释只是表面合理；而我们开头提到的大型咨询公司，他们每年也会招聘大量应届毕业生，很多刚从学校走向公司的初级分析师，也都要从翻资料、整理Excel表格、跑基础流程开始，职场新人们也是从这些重复基础的任务里学会边界、标准和专业直觉。
但如今大量类似的基础任务正在被AI接手。根据《泰晤士报》报道，德勤正在部分地区调整审计毕业生的培训项目，原因是AI开始接管数据准备、发送确认函等重复性的入门任务；SaaS软件公司Salesforce此前也表示，人工智能目前承担了他们大部分的客户支持工作。麦肯锡的相关负责人表示，AI的应用并不意味着他们会减少初级岗位的数量，但是会要求初级岗位的员工能去做对客户更有价值的事情。
其实每一次技术的进步，总会伴随着对就业市场的影响。工业革命早期，最先受到冲击的并不是最底层劳动者，而是被新机器替代的熟练纺织工。到了电气化和IT革命时代，当时教育程度更高、技能更强的人群，则更容易从新技术中受益。而今天——人工智能时代，受影响更高的，恰恰是咨询、审计、客服、行政这些知识型、白领型的初级岗位。虽然今天没有人能百分之百证明，任何就业数据的变动是由AI造成的，但当研究机构把年龄和岗位类型拆开来看时还是会发现，在一些AI暴露程度更高的白领岗位上，年轻员工的机会已经先开始变少。斯坦福数字经济实验室不久前，分析了接近3亿条美国在线招聘广告,发现适配22-25岁年轻人群的就业岗位数量出现了6%左右的下降，但企业对能熟练运用AI的资深人才，以及具备管理和决策能力的岗位需求反而有所增加。脉脉发布的2026年1—2月中高端人才招聘洞察显示，要求3年以上经验的岗位占比超过七成，而面向1年以内经验者的岗位缩减约20%。
就像我们之前所提到的，新人刚进入职场时，做的很多工作本来就是执行层和标准化程度高的工作，而AI所擅长的就是这类有明确输入和输出标准的任务，所以越来越多入门岗位也不再只是按步骤执行，而是会更早的要求新人学会做判断、提出想法、与技术协同。世界经济论坛针对全球入门级员工的研究也指出，今天职场的大多数变化，与其说是岗位的流失，不如说是任务的压缩和角色的重塑，AI并不是简单拿走第一份工作，而是在重新定义入门岗位的内容、价值，以及企业培养新人的方式。
那么，当AI开始接手越来越多基础工作后，今天的职场对入门级白领岗位的要求正在发生哪些变化？哪些能力会在这个时代越来越珍贵呢？
本文整理自播客「声动早咖啡」
根据脉脉发布的报告，现如今企业对员工的AI能力要求正在从「加分项」转变为「硬指标」。相关调研中发现，有接近八成被调研者表示，自己所在公司已提出AI能力素养的相关要求，超三成已配套了对应的考核或培训机制。
而所谓的AI素养，不仅仅是指，我们会安装和使用各类AI工具，更多的是指个人能够负责任地使用和评估AI技术的一组基础能力，包括理解AI的能力边界、有效给出上下文、评估输出、保护数据、并把AI放进真实工作流程里解决具体问题的能力。
根据金融时报的评论，现阶段有一个越来越清晰的趋势，那就是同样的工具交给不同的人，产出的差距可能是数量级的。而这个差距不来自技术门槛，而是与使用者自身的认知结构有关。这里所说的认知，并不在于是否知道更多信息和知识，毕竟信息检索是AI最擅长，而在于是否拥有一套问题分解的结构，知道一个复杂问题应该被拆成哪几个子问题、子问题之间的逻辑关系是什么，以及每个子问题的判断标准是什么。AI可以在你的框架内高效执行，但它不能替你建立框架本身。而这套框架的形成也是需要在大量实践和练习中内化的。
另外，哈佛商业评论的文章指出，批判性思维也是AI素养的重要组成部分。比如同样是让AI分析一家公司，如果只是简单抛出一句「帮我分析一下这家公司」，最后得到的往往只是一个看起来完整、但很难直接使用的通用回答。但当提问者带着明确目的进入对话，AI则更有可能给出有价值的回答。比如你到底想了解这家公司的什么信息？是增长潜力、竞争壁垒？还是管理层风险？你是希望AI帮你找寻线索？对比案例？还是挑战已有认知呢？
而批判性思维的作用，不只体现在输入阶段，更体现在后续追问中。高质量的AI的产出，通常伴随着多轮次的追问和校正，比如AI给了我们一个答案后，我们继续追问，这个结论的前提假设是什么？如果没有这个假设，结论还成立吗？支撑当前解释的关键证据是什么？你不是在让AI给你答案，而是在和它进行一场有质量的对话，通过逐步收窄来接近更可靠的结论。就像斯坦福数字经济实验室的经济学家Bharat Chandar所描述的那样，AI更适合站在实现层，去完成那些可以被描述、拆解、验证的动作；而人应该站在更上一层，去表达目标、提供约束、设定优先级、检查结果是否真的有价值。
在大多数组织中，判断力是工作结构本身的副产品。如今，随着AI接手越来越多基础任务，新人原本用来积累经验的那段训练过程，也在发生变化。
斯坦福的经济学家Bharat Chandar表示，对年轻人来说，这个变化最残酷的地方在于：过去很多人是在做几年执行之后，才慢慢学会什么叫判断，今天初入职场者可能必须要更早开始练习这种能力。特别是AI可能会生成错误信息，还会继承并放大训练数据中的偏见，所以今天的企业会需要初级岗位的员工承担更多责任，有能力对AI生成的结果进行严格的核查，并判断什么结果可以被交付。这也是为什么Bharat Chandar认为，今天很多白领的工作更像是管理工作，哪怕你现在还没有任何管理者的头衔。
根据哈佛商业评论的文章，判断力靠的不是掌握所有答案，而是能在混乱与不确定中，迅速识别信号，果断做出决策。然而从过去经验来看，这种判断力是无法借助AI来快速养成的，它仍然需要你亲自动手，去做那些现在可能已经交给AI的工作；也需要你主动向有经验的人积极寻求反馈，在有时笨拙、缓慢、不完美的重复练习中磨练判断力。同时也必须强化自己的专注度，并保持对最终结果直接负责的心态。既然新人不能再依赖多做几年基础工作，自然积累经验，那就需要用更主动、更结构化的方式补回训练。
你今天最想补足的技能是怎样的？在你看来，AI时代一个职场新人最宝贵的「人类」特质又会是什么呢？