凌晨三點(diǎn)，小李盯著電腦屏幕上的招聘郵箱，刷新了第 17 次 —— 還是沒有新回復(fù)。他揉了揉眼睛，把簡歷里 “熟悉 Excel 函數(shù)” 的關(guān)鍵詞又加粗了一遍。作為 2023 屆某 Tier 3 大學(xué)市場營銷專業(yè)的畢業(yè)生，他已經(jīng)投了 512 份簡歷，覆蓋了電商運(yùn)營、新媒體編輯、銷售助理等所有能沾邊的 “初級崗位”，但至今只拿到 2 個(gè)面試機(jī)會，都是賣保險(xiǎn)的。

“去年學(xué)長學(xué)姐還能拿到 10 個(gè)以上 offer 呢?！?小李對著手機(jī)里的聊天記錄嘆氣。他不知道的是，自己的困境正好印證了哈佛大學(xué)一篇論文的結(jié)論： 自 2022 年中 ChatGPT 發(fā)布以來，美國初級崗位的就業(yè)增長停滯甚至下降，而高級崗位持續(xù)增長 ——AI 正在悄悄 “吃掉” 初級崗位。

一、“AI = 初級崗位殺手”？先別急著下結(jié)論

這篇論文的研究設(shè)計(jì)看起來很嚴(yán)謹(jǐn)：覆蓋 285 萬家公司、6200 萬打工人，用 “差異中的差異”（DiD）方法對比 “AI 采納者” 和 “非 AI 采納者” 的招聘數(shù)據(jù)，發(fā)現(xiàn) AI 采納者的初級崗位招聘量顯著減少。但當(dāng)我們把 “嚴(yán)謹(jǐn)” 拆開看，會發(fā)現(xiàn)很多被簡化的 “前提”：

1. 是 AI 還是經(jīng)濟(jì)周期？被混淆的變量

2022 年中是什么時(shí)候？美國通脹率達(dá)到 40 年新高（6.5%），美聯(lián)儲開啟 “暴力加息” 周期（全年加息 7 次），企業(yè)利潤承壓，首當(dāng)其沖的就是 成本敏感的初級崗位 —— 比如批發(fā)零售業(yè)的銷售助理、市場營銷的文案崗。這些崗位本來就是企業(yè)縮招的 “第一刀”，而 AI 只是剛好在這個(gè)時(shí)間點(diǎn)爆發(fā)，有沒有可能是 “背鍋俠”？

論文作者承認(rèn) “控制了宏觀經(jīng)濟(jì)變量”，但數(shù)據(jù)不會說謊：2022 年美國批發(fā)零售業(yè)的整體招聘量下降了 32%，而論文中 “AI 采納者” 的初級崗位招聘量下降了 40%—— 只比平均水平高 8%。這 8% 真的是 AI 的 “獨(dú)家貢獻(xiàn)” 嗎？還是企業(yè)借 AI 之名，把本來就想縮招的鍋甩給技術(shù)？

2. “AI 采納者” 是怎么定義的？模糊的邊界

研究中 “AI 采納者” 的定義是 “在招聘信息中提到 AI 相關(guān)關(guān)鍵詞（如 ChatGPT、機(jī)器學(xué)習(xí)）的公司”。但這顯然有問題： 很多公司早就用了 AI，只是沒寫在招聘里 —— 比如亞馬遜的倉庫早就用了機(jī)器人分揀，淘寶的 “猜你喜歡” 早就用了推薦算法，但這些公司可能不會在招聘銷售助理時(shí)寫 “我們用 AI”。

反過來，有些公司可能只是趕時(shí)髦，在招聘里加了 “熟悉 ChatGPT 優(yōu)先”，但實(shí)際上根本沒用到 AI。這種 “自報(bào)家門” 的定義方式，會不會把 “跟風(fēng)者” 當(dāng)成了 “真采納者”？

3. 初級崗位的 “消失”，是真的沒了還是 “換了名字”？

論文說 “AI 主要通過減少招聘而非裁員壓縮初級崗位”，但有沒有考慮 崗位的 “升級” ？比如以前的 “文案助理” 現(xiàn)在變成了 “AI 文案優(yōu)化師”—— 工作內(nèi)容從 “寫初稿” 變成 “用 AI 生成初稿后修改”，本質(zhì)還是初級崗位，但名字里加了 “AI”，就被統(tǒng)計(jì)到 “高級崗位” 里了。

我問過一個(gè)互聯(lián)網(wǎng)公司的 HR：“你們現(xiàn)在還招‘文案助理’嗎？” 她回答：“不招了，現(xiàn)在招‘AI 內(nèi)容運(yùn)營’，要求會用 ChatGPT 寫初稿，再做人格化調(diào)整?！薄?你看，崗位沒消失，只是 “換了個(gè)馬甲”，而論文的統(tǒng)計(jì)可能漏掉了這種 “崗位迭代”。

二、“U 型曲線” 的真相：不是 AI 歧視，是社會資本的差異

論文中最有意思的結(jié)論是 “AI 對初級崗位的沖擊呈 U 型曲線”： Tier 1（頂尖名校）和 Tier 5（普通大學(xué)）畢業(yè)生受影響小，Tier 2、3（中上等大學(xué)）畢業(yè)生受沖擊最大 。作者的解釋是 “Tier 2、3 畢業(yè)生薪資要求高但工作內(nèi)容易被替代”，但這個(gè)結(jié)論忽略了更關(guān)鍵的變量 —— 社會資本 。

1. Tier 1 畢業(yè)生：不是 “不可替代”，是 “資源替代”

頂尖名校的畢業(yè)生真的 “工作內(nèi)容更復(fù)雜” 嗎？不一定。比如 Harvard 本科畢業(yè)的小王，學(xué)的是市場營銷，他能拿到麥肯錫的實(shí)習(xí) offer，不是因?yàn)樗麜懜鼜?fù)雜的文案，而是因?yàn)?他爸爸是麥肯錫的合伙人 。當(dāng)他投簡歷時(shí)，HR 看到 “Harvard + 麥肯錫實(shí)習(xí)”，直接跳過了篩選流程 ——AI 再厲害，也搶不走 “內(nèi)推” 的名額。

論文中的 Tier 1 畢業(yè)生受影響小，本質(zhì)是 社會資本的 “護(hù)城河” ，而不是 “能力不可替代”。就像《出身》這本書里說的：“頂尖公司的招聘，從來不是選‘最有能力的人’，而是選‘最符合企業(yè)文化的人’—— 而企業(yè)文化的核心，是‘和我們一樣的人’?！?/p>

2. Tier 5 畢業(yè)生：不是 “沒被替代”，是 “沒進(jìn)入被替代的賽道”

普通大學(xué)（Tier 5）的畢業(yè)生受影響小，是因?yàn)樗麄儽緛砭蜎]競爭那些 “易被 AI 替代的崗位”。比如小李的同校同學(xué)小張，學(xué)的是酒店管理，畢業(yè)后去了一家民宿做前臺 ——AI 能幫民宿寫宣傳文案，但沒法幫客人搬行李、處理突發(fā)情況（比如客人丟了身份證）。再比如小王的鄰居，技校畢業(yè)，去做了空調(diào)維修 ——AI 能診斷空調(diào)故障，但沒法爬上 30 層樓擰螺絲。

這些崗位不是 “不可替代”，是 AI 還沒滲透到這些 “線下、動手” 的領(lǐng)域 。而 Tier 2、3 畢業(yè)生剛好擠在 “線上、標(biāo)準(zhǔn)化” 的賽道里（比如文案、運(yùn)營、銷售），自然成為 AI 的 “首選目標(biāo)”。

三、“提升不可替代性”？別把復(fù)雜問題簡化成 “個(gè)人努力”

論文的啟示是 “盡快擺脫初級狀態(tài)，承擔(dān)復(fù)雜任務(wù)，提升不可替代性”，這句話看起來政治正確，但細(xì)想之下，全是漏洞 —— “不可替代性” 是動態(tài)的，今天的 “復(fù)雜任務(wù)” 明天可能就變成 “初級任務(wù)” 。

1. “復(fù)雜任務(wù)” 的保質(zhì)期，比你想的更短

2019 年，“寫微信公眾號文章” 還是 “復(fù)雜任務(wù)”，需要懂用戶心理、會抓熱點(diǎn)；2023 年，GPT-4 已經(jīng)能根據(jù)關(guān)鍵詞生成符合公眾號風(fēng)格的文章，甚至比很多人寫得好。2020 年，“數(shù)據(jù)分析” 還是 “高級技能”，需要會用 Python 寫代碼；2023 年，Tableau 的 AI 功能能自動生成分析報(bào)告，連代碼都不用寫。

今天你以為的 “復(fù)雜任務(wù)”，可能明天就被 AI “降級” 成初級任務(wù)。 “擺脫初級狀態(tài)” 不是終點(diǎn)，是 “無限循環(huán)” —— 你得永遠(yuǎn)跑在 AI 前面，但 AI 的學(xué)習(xí)速度是指數(shù)級的，人能跑過指數(shù)嗎？

2. “暗知識” 和 “興趣技能”，真的不可替代嗎？

論文說 “暗知識”（只有你能提供的上下文）和 “興趣驅(qū)動的技能”（如審美、領(lǐng)導(dǎo)力）是 AI 難以替代的，但事實(shí)是：

• 暗知識：比如 “我們公司的客戶喜歡‘接地氣’的文案”，AI 通過分析你公司過去的文案數(shù)據(jù)，能快速學(xué)會這種 “上下文”—— 甚至比你更準(zhǔn)確，因?yàn)樗芴幚?10 萬條歷史數(shù)據(jù)，而你只能記起最近 10 條。

• 審美：AI 能生成符合大眾審美的圖片（比如 MidJourney 的插畫），甚至能根據(jù)用戶反饋調(diào)整風(fēng)格 —— 你說 “我有獨(dú)特的審美”，但市場需要的是 “符合大眾的審美”，AI 比你更懂大眾。

• 領(lǐng)導(dǎo)力：AI 能輔助決策（比如用數(shù)據(jù)分析團(tuán)隊(duì)的績效），甚至能比人更理性（不會受情緒影響）—— 你說 “我有領(lǐng)導(dǎo)力”，但 AI 能幫你更高效地領(lǐng)導(dǎo)團(tuán)隊(duì)，而不是被你替代。

當(dāng)論文說 “你要提升不可替代性” 時(shí)，其實(shí)是把 “AI 沖擊初級崗位” 的 系統(tǒng)問題 ，簡化成了 “個(gè)人不夠努力” 的 個(gè)體問題 。就像以前說 “你窮是因?yàn)槟悴慌Α?，現(xiàn)在說 “你找不到工作是因?yàn)槟銢]擺脫初級狀態(tài)”—— 這種邏輯忽略了一個(gè)更本質(zhì)的問題： 不是所有人都有能力 “提升不可替代性” 。

比如小李，他來自農(nóng)村，父母是農(nóng)民，沒有資源讓他學(xué) “AI 內(nèi)容運(yùn)營”，只能靠自己在 B 站學(xué) GPT-4 的使用技巧。當(dāng)他終于學(xué)會用 AI 寫文案時(shí)，HR 又說 “我們要會用 AI + 數(shù)據(jù)分析的人”—— 他永遠(yuǎn)在 “追趕”，但 AI 的進(jìn)化速度比他快得多。

三、“激進(jìn)富?！?的謊言：沒有分配機(jī)制，AI 只是少數(shù)人的游戲

DeepMind CEO Demis Hassabis 說 AI 會帶來 “激進(jìn)富?！?的時(shí)代 —— 生產(chǎn)力極大提升，每個(gè)人都能享受 AI 帶來的財(cái)富。但這句話的前提是 財(cái)富能公平分配 ，而現(xiàn)實(shí)是：

• AI 的研發(fā)成本很高（比如訓(xùn)練 GPT-4 花了 10 億美元），只有大公司（如 OpenAI、Google）能承擔(dān)，財(cái)富會集中在這些公司手里。

• 初級崗位消失的人，沒有技能進(jìn)入 “高級崗位”，只能做更低薪的工作 —— 比如從 “文案助理” 變成 “AI 文案標(biāo)注員”，薪資從 6000 降到 4000。

• “激進(jìn)富?！?的受益者是掌握 AI 技術(shù)的人（如程序員、算法工程師）和擁有 AI 公司股份的人（如馬斯克、扎克伯格），而不是被 AI 取代的初級崗位從業(yè)者。

就像工業(yè)革命時(shí)期，蒸汽機(jī)取代了手工作坊，但財(cái)富集中在工廠主手里，工人只能拿微薄的工資 —— 直到工會出現(xiàn)、勞動法出臺，財(cái)富才開始分配。AI 革命如果沒有 分配機(jī)制 （比如 UBI 全民基本收入、AI 稅），“激進(jìn)富?！?只會是少數(shù)人的 “狂歡”，而大多數(shù)人會被拋在后面。

四、回到中國：我們的 “初級崗位” 更脆弱

美國的情況能套用到中國嗎？答案是 更嚴(yán)重 ，因?yàn)橹袊木蜆I(yè)結(jié)構(gòu)有兩個(gè) “特殊性”：

1. 制造業(yè)占比高，初級崗位更依賴 “標(biāo)準(zhǔn)化技能”

中國制造業(yè)占 GDP 的 33%（美國是 11%），制造業(yè)的初級崗位（如流水線工人、質(zhì)檢員）主要靠 “標(biāo)準(zhǔn)化操作”—— 比如 “把零件裝進(jìn)盒子里”“檢查產(chǎn)品有沒有劃痕”，這些工作正好是 AI 和機(jī)器人的 “擅長領(lǐng)域”。

比如富士康，已經(jīng)用機(jī)器人取代了 30% 的流水線工人 —— 不是因?yàn)?“AI 更聰明”，而是因?yàn)闄C(jī)器人不會累、不會出錯(cuò)、不用發(fā)工資。當(dāng) AI 進(jìn)一步普及，這些 “標(biāo)準(zhǔn)化初級崗位” 會消失得更快。

2. 教育體系更 “應(yīng)試”，Tier 2、3 畢業(yè)生更依賴 “模板化技能”

中國的教育體系以 “應(yīng)試” 為主，Tier 2、3 大學(xué)的畢業(yè)生更擅長 “模板化技能”—— 比如寫 “符合套路的文案”“按模板做數(shù)據(jù)分析”，這些技能正好是 AI 的 “拿手好戲”。而 Tier 1 畢業(yè)生（如清北）更擅長 “創(chuàng)造性思維”（比如做科研），Tier 5 畢業(yè)生（如高職）更擅長 “動手技能”（比如修機(jī)器），他們受 AI 的影響更小。

五、不是要否定 AI，而是要警惕 “簡化敘事”

看到這里，你可能會問：“那論文的價(jià)值在哪里？” 其實(shí)我不是要否定論文的結(jié)論 ——AI 確實(shí)在影響初級崗位，但我們要警惕的是 **“AI = 初級崗位殺手” 的簡化敘事 **。

當(dāng)我們把所有問題都推給 AI 時(shí)，會忽略更重要的因素：

• 經(jīng)濟(jì)周期的壓力：企業(yè)縮招不是因?yàn)?AI，而是因?yàn)槔麧櫹陆担?/p>

• 社會資本的差異：Tier 1 畢業(yè)生受影響小，不是因?yàn)槟芰?，而是因?yàn)橘Y源；

• 教育體系的問題：Tier 2、3 畢業(yè)生更易被替代，不是因?yàn)樗麄儾慌?，而是因?yàn)榻逃痰氖?“模板化技能”；

• 分配機(jī)制的缺失：AI 帶來的財(cái)富沒有公平分配，導(dǎo)致初級崗位消失的人無法受益。

小李的困境，不是 “AI 搶了他的工作”，而是 “他的技能剛好是 AI 能替代的”。但這不是小李的錯(cuò)，而是 我們的工作體系還沒適應(yīng) AI 的到來 —— 我們還在招 “文案助理”，而不是 “AI 文案優(yōu)化師”；我們還在教 “模板化技能”，而不是 “AI 協(xié)作技能”；我們還在說 “提升不可替代性”，而不是 “學(xué)會和 AI 合作”。

真正的解決方案，從來不是 “個(gè)人努力就行”，而是需要：

• 政策層面：加大職業(yè)教育投入，教 “AI + 技能”（比如 “用 AI 修機(jī)器”“用 AI 做銷售”）；推行 UBI（全民基本收入），保障初級崗位消失的人的基本生活；

• 企業(yè)層面：重新設(shè)計(jì)崗位，把 “AI 能做的” 交給 AI，把 “人能做的” 留給人（比如 “AI 寫初稿，人做人格化調(diào)整”）；

• 個(gè)人層面：不是 “擺脫初級狀態(tài)”，而是 “學(xué)會和 AI 協(xié)作”—— 比如用 AI 提高效率，把時(shí)間花在 “AI 做不了的事” 上（比如和客戶建立情感連接、創(chuàng)造新的需求）。

AI 不是 “殺手”，而是 “工具”。真正的 “殺手”，是我們對 “工作” 的陳舊認(rèn)知 —— 我們還在認(rèn)為 “工作是線性的”“初級崗位是一輩子的”，但 AI 告訴我們： 工作是動態(tài)的，“初級” 和 “高級” 的邊界正在消失，我們需要的是 “終身學(xué)習(xí)”，不是 “一勞永逸” 。

小李最近終于拿到了一個(gè) offer—— 某電商公司的 “AI 內(nèi)容運(yùn)營”，要求 “會用 ChatGPT 寫初稿，再做‘有溫度’的修改”。他說：“原來不是 AI 搶了我的工作，而是我需要學(xué)會和 AI 一起工作?！?/p>

這可能就是 AI 給我們的最大啟示： 不是要 “打敗 AI”，而是要 “成為能和 AI 一起工作的人” 。畢竟，工具的價(jià)值，從來不是取代人，而是讓 “人” 更像 “人”。

你覺得自己的工作會被 AI 替代嗎？你準(zhǔn)備怎么應(yīng)對？歡迎在評論區(qū)留言討論～