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）