一個普通的工作日，一封突如其來的解僱郵件打破了 TikTok 馬來西亞內容審核團隊的平靜。數百名職員瞬間失去了飯碗，取代他們工作的不再是任何人，而是一套毫不知疲倦的 AI 算法。
這並非例外。另一方面，馬斯克也裁掉了 xAI 500 名數據標註員，占整個團隊的三分之一。企業不再需要那麼多初級人手，xAI 更需要的是專家級的人工智慧訓練師。
這兩樁裁員，都有同一個特點：初級崗位，沒了。
一些零星案例串聯起來，使人不禁發問：AI 真的已經開始「搶飯碗」了嗎？當初的人機協作美夢是否正在破滅？
AI ，真的來搶飯碗了
過去幾年裡，關於 AI 是否帶來預期的「協作效益」的議論幾度反轉。一方面，有報告指出年輕工作者的招聘率下降，引發了對 AI 搶走職位的擔心；另一方面，也有經濟分析人士查看數據後認為，目前並無明確證據顯示 AI 導致失業，多數公司也稱， AI 對用工方式暫無明顯的影響。
然而，越來越多研究發現，生成式 AI 的接入，可能減弱低技能職工的工作穩定性，特別是，會對初級職位和合同工等組織底層人員，造成結構性擠壓。
哈佛大學勞動經濟學的兩位博士，通過收集過去十年來近 6200 萬勞動者，超過 2.45 億招聘資訊，對比招聘網站的簡歷內容，得到了 AI 「入侵職場」的真相。
首先，是初級崗位的就業人數顯著下降。那些採用了 AI 的企業中，初級崗位快速減少。相比之下，高級崗位則持續增多，就業率也持續增長，AI 並沒有給這些高級崗位蒙上太多陰影。
另外，採用 AI 的企業，並不是通過裁員來給 AI 騰位置的，而是通過放緩招聘。工作越來越難找，都是有原因的。
有趣的是，AI 衝擊最大的人群，竟然不是末流大學生，而是中檔名校畢業生。
具體來說，來自第2檔（強校）和第3檔（普通名校）的畢業生，就業崗位下降最明顯。
相比之下，頂尖精英大學（第1檔）的畢業生反而受影響較小；普通大學（第4檔）也能相對倖免；至於末流大學（第5檔）的畢業生，幾乎沒有受到衝擊。
也就是說，除了少數清北級別名校，其他 211/985 的畢業生就業受到 AI 的衝擊，可能比「雙非」院校的學生還要大得多。
為什麼會出現這種「U型」格局？研究者解釋：
頂尖名校生：能力與競爭力極強，他們進入的崗位往往更複雜、更具創造性，AI難以替代。
末流院校生：薪資水平較低，僱傭他們的成本不高，用AI來取代並不划算。
中間檔次畢業生：薪資並不算低，但工作內容又剛好落在AI的可替代區間。這讓他們成為「性價比最低」的群體，自然首當其衝。
不同的行業也有不同的表現，批發零售行業的初級崗位風險最大，因為這些崗位通常是數據錄入、客戶服務等不涉及決策或創造的工作，重複性高，可代替性自然也就高。
這些研究發現表明，生成式 AI 正在引導一種「資歷偏向型變化」，在企業內部對初級職位產生不成比例的影響。
簡單說，「資歷偏向型變化」的意思是，技術對於公司造成的影響，體現在內部不同經驗或資歷水平的員工上，而並非僅僅是按技能水平或職能劃分。
「血洗職場」這樣的斷言可能有些嚴厲，但是當下的趨勢，已經讓我們必須重新對人機協作的現狀進行反思。
去人化潮流下，誰的工作首當其衝？
這些研究的發現，跟坊間流傳的憂慮不謀而合：生成式 AI 通過自動化某些常規任務，可以讓企業減少對入門級員工的需求。恰恰，對於初級員工而言，這些任務是職業生涯起步的一部分。
內容審核員是典型。以前社交媒體公司需要雇用大批人力檢查不良內容，現在超過 80% 的違規內容都能由算法自動刪除。TikTok 從 2024 年起在全球裁減了數百名內容審核員，用 AI 模型加上少量人力接替這項工作。
Meta 的內容審核外包團隊也經歷了縮減和重組。 初級財會、行政等辦公室底層職位也遇到了類似的命運。以財務助理為例：過去需要人力逐項對照票據和錄入，現在許多公司都已配置智能報銷和自動記賬系統，讓 AI 完成這些碎片流程。
結果，這些原本用來練手的職位，要麼直接消失，要麼不再招收新人。
這些最容易被 AI 替代的職位，以往通常由年輕員工和合同工承擔，工作穩定性本已不高，現在更被視為「可有可無」。AI 的普及應用，正在讓企業用工模式走向人員更精簡、技術替代率更高的方向。
人們希望的「1 1>2」，現實卻變成「1 個 AI 頂走 1 個人」。原因之一是 AI 善於處理流程明確、重複性高的任務，當機器足以承擔這些瑣碎事務，企業就往往直接裁撤相應的初級職位。
原因之二是出於成本和效率考量。 AI 完全替代一位員工可立刻節省成本，而 「AI 員工」提升效率的收益則不易直接體現，還需要培訓和調整流程。在短期利益的驅動下，許多公司更願意選擇立竿見影的替代路線，「協作」也便演變為「去人化」。
結果，技術帶來了一些技能上的「兩極化」趨勢。有經驗者擁抱 AI 後如虎添翼，而缺乏經驗的年輕人則失去了練手機會。人才階梯的底部被壓縮，職業的入門門檻被抬高。
年齡 20，工齡 18，或許近在眼前
對剛起步的年輕人而言，如果沒有初級工作作為「墊腳石」，他們會面臨更嚴峻的成長困境——招聘網站上「年齡不超過 25 歲，工作經驗至少 10 年」的離譜 JD，很有可能演變成殘酷的現實。
這是 AI 時代下，一個不應該忽視的新疑問。
以往，對於技術如何影響就業的討論，通常圍繞著「技能偏向型變化」展開。也就是說，各種自動化、電腦技術，可以造福那些能力過硬、受教育水平高、技術背景的勞動者，提升他們的生產力和工資，取代掉的，也是那些技能低下的勞動者。
而如今，AI 的快速普及採用，出現了對資歷淺的勞動者的「歧視」，所以被稱作「資歷偏向型變化」。資歷深未必代表能力強，可是卻有助於他們逃過 AI 的取代。
資歷淺的員工，從事的職位和工作是入門級的沒錯，但這是他們的起點——無論什麼工作，總是要從零開始的，誰能一步登天呢？
面對這些由 AI 帶來的職場變化，思路和打法也需要變化：
1. 學校的課程設計和培養方式得變，不僅要讓學生了解什麼是 AI，更要能讓他們掌握和駕馭對 AI 工具的使用。
2. 對於職業的規劃和思考得變，以往按部就班的思路越來越危險了，主動的挑戰自己，才是對抗被 AI 取代的風險。
3. 更重要的是終身學習，不斷地適應新工具和新挑戰的能力，把初級的工作技能轉化為高級技能，將會對職業發展起到真正的幫助。
