当AI接手了入门工作，中国企业如何培养新人？

国务院办公厅近日印发《关于适应人工智能技术发展助力构建就业友好型发展方式的意见》，把技术应用与就业安排放在一起考虑。文件提出，要稳慎把握人工智能在劳动密集型行业应用的范围、力度、节奏，鼓励企业探索失业缓冲安排，并提供转型转岗就业支持。企业在采购AI工具时，多了一笔需要认真计算的人员账。

对尚未进入企业的年轻人，这笔账还有另一面。企业用AI完成基础工作后，准备给应届毕业生安排什么任务？新人又能从哪里开始，逐步学会处理复杂问题？教育部此前公布，2026届全国普通高校毕业生规模预计达到1270万人。对这样一个庞大的求职群体，第一份工作的数量与质量都值得讨论。

招聘总量之外，还要看谁能入行

国际劳工组织2025年的研究估计，全球约四分之一的就业不同程度地受到AI的影响。不过目前的公开材料还不足以证明中国企业已经因为AI而普遍削减入门岗位。招聘变化受业务需求与经营状况共同影响，把岗位减少全部归因于AI，容易掩盖企业之间的差别。国内一些科技公司的招聘计划，也显示出它们仍在增加面向年轻人的机会。

腾讯公司在2025年4月宣布，计划三年内新增2.8万个实习岗位，并加大转化录用力度。当年计划招收的校招实习生中，技术类岗位占六成以上。同时期的报道还提到，阿里国际启动的2026届校招中，AI岗位将占到80%。这些数字说明，企业发展AI业务也会产生招聘需求。

招聘结构同样重要。研发大模型所需的专业人才，与希望从基础运营或普通技术支持岗位起步的毕业生，面对的招聘要求相差很远。某家公司增加AI算法岗位，并不能直接回答另一类毕业生的就业机会是否改善。观察技术对就业的影响，既要统计新岗位，也要追踪原有岗位的经验门槛是否提高。

那么，企业会不会在减少基础任务后，更倾向于招聘有经验的熟手？如果这种调整发生，影响可能先表现为少招一届新人，或者把原本接受应届生的岗位改为要求工作经验。它未必伴随一次大规模裁员，却会改变年轻人的入行机会。就业监测需要留意招聘入口的变化。

任务完成了，人学会了吗

入门工作有不少重复劳动，新人也常常通过做这些事来熟悉业务。AI接手之后，事情做完了，学习的过程却可能被一并省去。一个人交出了合格成果，究竟有多少是他自己掌握的？

Anthropic在2026年1月公布了一项实验。研究招募了52名软件工程师，让他们学习此前没用过的Python工具库。一组可以使用AI，另一组自行完成任务。随后的测验中，AI组平均得分为50%，自行编程组为67%。AI组平均快约两分钟，但速度差异没有达到统计显著水平。两组差距最大的是识别和诊断代码错误。

研究者分析操作记录后发现，那些使用AI时还会追问“为什么这样写”、请它解释相关概念的参与者，在随后的知识测验中表现更好。这项小规模实验给企业提了一个具体问题：代码已经跑通，新人却未必知道它为什么能跑通。如果考核只看交付速度和结果，这个问题就很难被发现。

新人可以少写一些重复代码，但应当参与检查代码是否符合需求，并解释自己的判断。让他先作出决定，再由熟手指出遗漏，才有机会知道自己哪里理解错了。若所有生成工作交给AI，所有判断又交给资深员工，新人虽然参与了项目，却可能始终没有承担过需要动脑的部分。

企业希望新人能够检查AI的工作，就得让他亲自练习判断和纠错。哪些步骤可以交给工具，哪些必须自己试过，带教时需要讲清楚。如果要求新人发现错误，却不给他学习辨认错误的机会，这样的用人安排难以培养出企业想要的熟手。

AI也能帮助新人更快上手

布林约尔松等人发表于2025年《经济学季刊》的研究，记录了另一种情况。他们考察一家企业5172名客服人员使用AI助手的表现。助手实时建议怎样回复，员工可以修改，也可以拒绝。使用工具后，员工每小时解决的问题数平均提高15%，技能和经验相对不足者的提升约为30%。

系统偶尔会意外中断。研究者发现，在AI无法提供建议时，部分员工的表现仍好于使用工具之前。这说明，至少有些人从先前的建议中学到了东西。研究让我们看见了AI帮助新人积累经验的可能。

这与编程实验中的情况有所不同。两项研究的任务和观察时间各异，不能直接比较效果，却值得放在一起思考。新人拿到AI给出的答案之后，还做了什么？他有没有理解答案，遇到问题时是否尝试自己处理？这些过程会影响他留下多少知识，也会影响他下一次能否独立完成工作。

对企业来说，这也关系到招聘新人的成本。如果AI能缩短熟悉业务所需的时间，应届生就可能更早承担工作，企业的培养投入也能更快得到回报。采用工具时，管理者需要把这笔账算进去。眼前少招几个人能够节省费用，几年后需要的熟手从哪里来，同样是用人决策的一部分。

把培养安排写进岗位调整

前文提到的国务院办公厅文件提出加强校企联合培养，并开展面向高校毕业生等群体的AI相关培训。笔者认为，企业可以从三项具体安排做起。

首先，给新人保留需要独立判断的任务。新人使用AI辅助工作后，应当先作出自己的检查和判断，再交给熟手审核。可以从范围较小、出错后容易补救的任务开始，随着能力提高再增加难度。

练习不必脱离业务另起一套。新人借助AI完成一项功能后，导师可以改变一个业务条件，让他说明哪些地方需要修改。也可以给他一份已知有错误的输出，请他找出问题，解释为什么要改。工具生成得再快，新人也要知道它是否符合这项工作的要求。高校实训可以提前做这样的准备。学校练过的任务与入职后的工作衔接起来，企业便更容易判断新人还缺哪一部分训练。

其次，把导师带教计入工时。导师既要完成原有工作，又要额外教新人，一旦项目催得紧，讲解和复盘就容易被省掉。企业应当在排期时给带教留出时间，并把这部分工作计入考核。AI省下来的工时，可以拿出一部分，让熟手和新人一起检查输出，讨论某条建议为什么能用、另一条为什么要舍弃。如果企业把节省的时间全部用于增加产量，就很难同时要求导师把新人教好。

第三，用招聘和入职后的数据检查培养效果。企业需要记录实际招收了多少应届生，岗位是否开始要求更多经验。新人入职后，可以在试用期结束及半年后，检查他能独立完成哪些工作。除了看使用AI时的表现，也要让他解释关键决定，必要时独立核验其中一部分结果。腾讯此前宣布的实习招聘计划，就值得这样继续追踪。多少实习生最终获得正式岗位，入职后能否逐步接手复杂任务，都能帮助外界了解培养的实际情况。

下一轮校招时，企业可以在岗位说明中写清新人将参与什么业务，需要自己作出哪些判断。入职后安排谁带教，给带教留多少时间，也应有明确的约定。半年之后，再看看新人能独立完成什么工作，这份培养承诺是否兑现，就有了依据。

（作者王翔为复旦大学数字与移动治理实验室研究员）