AI要求入职者具备资深员工的判断力

最抗拒AI替代的初级职位，对判断力和领导力的要求是普通初级职位的七倍。这类岗位自2019年以来增长了35%，而其他初级职位同期减少了10%。就业市场并未消灭初级层级，而是将其一分为二：一边是消失中的常规性岗位，另一边是留存下来的岗位——但这些职位从第一天起就要求应聘者具备过去需要十年才能积累的能力。

以上是普华永道《2026年全球AI就业晴雨表》的核心结论，该报告涵盖六大洲27个国家和地区的数据。报告提出的问题出人意料：不是”哪些职业会消失”，而是一个更难回答的问题——当没有任何培训体系为此设计时，我们如何培养一个入职就要具备资深心态的初级员工？

核心要点

• 抗拒AI替代的初级职位，对判断力和领导力的要求是普通初级职位的七倍（普华永道，《2026年全球AI就业晴雨表》）。
• 这类职位自2019年以来增长35%；同期其他初级职位下降10%。
• 学校教育、职业培训和就业政策仍以渐进式能力积累为前提，这一模式与新的入职门槛不相兼容。
• 部分美国高校和试点企业已开始探索加速培养职业判断力的课程，但这些举措仍属少数，尚未系统化。

市场替代了什么，保留了什么

AI实际替代的是处理性工作：根据材料撰写摘要、整理数据、起草报告初稿、填写标准化模板。这些恰恰是过去交给初级员工做的事。这种安排并非轻视，而是学习的方式——通过实操、重复和低成本的试错积累经验。

传统职业起步依赖一套自上而下的任务分配逻辑。员工先积累技术能力，再获得判断权。先执行，后决策。这套路径之所以运转，是因为执行性任务对雇主有实际生产价值，哪怕对雇员而言主要是培训机会。

AI打破了这个等式。它执行得更好、更快，且无需薪酬。雇主不再需要花钱让初级员工写摘要——AI三十秒就能完成。雇主真正还在寻找的，是能判断这份摘要是否准确、相关、方向正确的人。是能与客户沟通、读懂模糊处境、在没有保障的情况下拍板的人。这些是资深员工的能力。而市场从第一个职位起就开始要求它们。

渐进式学习的安全网消失了

传统培训按阶段推进：先掌握技术基础，再理解情境，最后获得判断权和责任。这种教学结构并非随意为之——它反映的是职业学习的心理规律。判断力不能凭空教授，它建立在低风险试错、循序渐进的调整和反复的反馈之上。

这一模式的前提是各层级之间存在自然过渡。雇主先交简单任务，再随信任建立逐步交付复杂任务。但如果简单任务被AI吸收，初级员工就失去了第一级台阶，直接面对复杂性，却没有反复执行本可带来的积累。

这是一个结构性悖论：市场要求初级员工具备判断力，而判断力只能通过市场不再提供的经验积累才能获得。美国高校尚未改革课程以应对这一落差，就业政策同样如此。大多数实习和学徒项目仍围绕有监督的执行性任务设计——而这些任务正在消失。

分化最明显的行业

普华永道报告显示，金融服务、咨询、法律和会计集中了最抗拒AI替代的初级职位，入职门槛持续提升，要求应聘者具备批判性思维、客户沟通能力和不确定性下的决策能力。这些行业的文件处理类任务也正是被AI自动化最快的。

2019年入职这些领域的初级分析师，头几年主要做报告、建模型、做演示文稿。这些工作已大量转移给生成式AI工具。现在，雇主期待入职者能解读工具的输出结果、识别其盲点，并在客户或上级面前表达自己的判断。这种职业成熟度是基础教育不能保证的。

相比之下，医疗、个人服务、教育、建筑等依赖体力或人际互动的行业，初级职位并未出现同样的分化。这些岗位出于其他原因抵御了自动化，入职门槛与以往相比变化不大。

报告的行业分布图揭示：AI对初级职位的冲击并不均匀，集中在高附加值的认知型行业——而这些行业恰恰吸引了最多的高学历求职者。这与我们此前分析企业AI智能体时观察到的现象一致：工具来得很快，组织适应很慢。

部分雇主已开始行动

已有大型美国企业开始重构入职培训，以适应新的入职门槛。普华永道自身已重新设计初级培训项目，纳入模糊条件下的决策模拟、应用批判性思维练习和高风险沟通模块。部分咨询公司和投资银行也在跟进。

共同思路是：压缩学习时间，以直接暴露于复杂情境取代渐进式培养。初级员工更早接触复杂任务，同时接受更密集的指导。他们负责监督AI的输出，而非执行AI替代的任务。评估标准从产出数量转向判断质量。

麻省理工学院、卡内基梅隆大学和斯坦福大学已在硕士课程中加入”与AI协作”模块。这些课程不是编程课，而是训练学生如何向AI提出有效问题、评估输出结果、识别其偏差。这些能力接近过去顾问或分析师在入职第二、三年才被培养的内容。

但这些举措仍属少数，主要集中在精英院校和有能力投入培训资源的大型企业。公共职业培训体系、地区性商学院和传统学徒项目尚未跟上。分化风险真实存在：来自优势教育背景的年轻人将获得那些留存且成长中的初级职位；其他人则面对一个消除了过渡性岗位、却未能创造新的可及岗位的市场。

“幽灵台阶”的风险

普华永道报告没有明确提出这一情景，但数据指向它。如果培训体系不调整，结果不是一个转型后仍具韧性的就业市场，而是一个中间断层的市场：高级职位存在，无认知附加值的初级职位消失，连接两者的过渡性岗位越来越少。

这种局面有利于那些通过其他途径积累了判断力的人：有实质性实习经历的名校毕业生、接触过导师的人、从小在批判性思维环境中成长的人。对其他人而言，问题不是能力不足，而是没有人投资于在适当时机为他们提供培养路径。

这并非技术决定的命运。AI不会决定机会分配——它只是让不平等变得可见，并将其放大。教育政策、投资选择和劳动力市场监管，才是决定”幽灵台阶”是变成持久断层还是可管理过渡的关键。这与我们分析欧洲产业政策时面对的处境相同：诊断不缺，系统性投资决策迟迟未到。

下一轮政策需要解决什么

这不是抽象问题。它已摆在人力资源负责人的桌上、大学管理层的会议室里、界定学徒合同标准的议会委员会中。

从现有实践中可以提炼出几条路径。第一，重新定义初级职位招聘中”经验要求”的含义。已将招聘标准从技术年限转向判断能力的企业，发现候选人来源更加多元。批判性思维能力不是名校毕业生的专利，它可以通过非精英课程培养和评估。

第二，投入密集模拟培训。部分美国社区学院正在试点六至十二个月的短期项目，以复杂案例研究和真实条件下的项目为核心，引入产业合作伙伴。这些项目无法替代长学制学位，但能在短时间内培养出标准四年制本科也未必能保证的判断力反射。

第三，调整就业政策的适用标准。美国现有公共工具暴露了明显局限：Work Opportunity Tax Credit旨在激励雇用弱势群体，而非资助职业培训，且已于2025年12月底到期，等待重新授权。注册学徒项目在劳工部和部分州的推动下，已部分扩展至AI相关能力，但未专门覆盖职业判断力的培养。目前没有任何现有机制能激励企业为从入职起就承担复杂认知任务的初级员工提供更密集的指导。

最后一点可能最具结构性意义。若要避免”幽灵台阶”固化为断层，需要公共激励机制推动企业承担更密集的初级员工指导成本，同时需要公共培训体系让这些员工有能力进入这种指导。市场自己做不到这一点——它只会选择那些已经准备好的人。

真正的问题是：谁来决定，培养下一代劳动者是集体投资，而非企业和个人各自为战的结果？

资料来源

1. PwC, Global AI Jobs Barometer 2026 — https://www.pwc.com/gx/en/services/ai/ai-jobs-barometer.html
2. MIT Work of the Future，关于技能演变与自动化的年度报告 — https://workofthefuture.mit.edu
3. 美国劳工部，注册学徒项目 — https://www.dol.gov/agencies/eta/apprenticeship
4. PwC，2026年6月15日官方新闻稿 — https://www.pwc.com/gx/en/news-room/press-releases/2026/pwc-2026-ai-jobs-barometer.html
5. PR Newswire，PwC 2026年AI就业晴雨表新闻稿 — https://www.prnewswire.com/news-releases/ai-reshapes-global-labour-market-into-two-distinct-paths-rewarding-human-skills-pwc-2026-global-ai-jobs-barometer-302798987.html
6. HR Executive，普华永道批判性思维培训项目 — https://hrexecutive.com/pwcs-playbook-for-creating-skilled-critical-thinkers-in-the-age-of-ai/
7. IRS，就业机会税收抵免 — https://www.irs.gov/businesses/small-businesses-self-employed/work-opportunity-tax-credit
8. Complete College America，CCA AI就业准备联盟 — https://completecollege.org/news/community-colleges-join-consortium-working-to-embed-ai-skills-into-curriculum-and-instruction/