概述
早期證據表明,在最受人工智慧影響的職業中,對年輕員工的僱用已經減弱。這超出了個人求職的範圍,因為初級工作是人們傳統上充分學習職業並成為高級職位的方式。
深入探討
入門級工作因其包含的內容而暴露。軟體、行銷、客戶支援、法律和金融等領域的初級員工經常執行最規範、記錄最齊全的任務:初稿、研究摘要、格式化、基本分析和簡單程式碼。生成式人工智慧擅長其中許多方面。招募數據雖然為時過早,但值得認真對待。 Erik Brynjolfsson 及其同事在史丹佛大學數位經濟實驗室發表的 2025 年工作論文中使用了 ADP 的薪資資料。報告稱,自 2022 年底以來,受人工智慧影響最大的職業中 22 至 25 歲工人的就業率相對於受人工智慧影響較小的群體下降了約 13%,而同一職業中的老年工人則保持穩定或增長。下降集中在人工智慧傾向於自動化任務而不是增強人們執行任務的地方。注意事項很重要。利率上升、大流行時期過度招聘和科技業裁員後的調整發生在同一時期,研究人員對於每個因素的貢獻程度存在分歧。不同職業的影響也有很大差異。更深層的擔憂是學徒問題。如果組織將初級人員所學到的任務自動化,那麼做出高階職位所需判斷的人就會減少,未來專家的管道可能會縮小。對於應屆畢業生來說,實用的策略包括: - 熟練使用人工智慧工具,同時展示領域判斷力來審查他們的輸出。 - 建立展示經過驗證、解釋的工作的作品集。 - 尋求實習和學徒機會。 - 將人工智慧輔助任務與客戶接觸、體力工作或責任結合的目標角色。一種誤解是人工智慧全面消除了入門級工作。證據顯示壓力不均勻集中在特定職業上,而不是普遍崩潰。
現實世界的實施
一家顧問公司使用第一年的分析師來建立幻燈片和文獻摘要,現在開始使用人工智慧來編寫初稿。它僱用了更少的分析師,並更快地將保留的分析師轉移到客戶訪談中。
一名剛畢業的電腦科學畢業生與人工智慧編碼助理一起建立了一個投資組合專案。她記錄了她拒絕的建議以及原因,而面試官則準確地詢問了這一點。
一家行銷機構的初級文案撰稿人現在花在編輯和事實核查人工智慧草稿上的時間比從頭開始寫作要多。經理人擔心他們沒有實踐編輯所依賴的基本原則。
畢業生的目標是醫療保健管理和現場操作,其中人工智慧協助處理文書工作,但這項工作也涉及更難交接的面對面協調和責任。
人工智慧和入門級工作的未來
早期職業壓力是否會增加、穩定或逆轉仍然是一個懸而未決的問題。這取決於人工智慧工具的能力如何、公司圍繞它們重組工作的速度以及雇主是否有意重新設計初級職位以進行培訓,而不是簡單地削減他們。一些組織可能會創建新的切入點,專注於審查、整合和監督人工智慧輸出。可能會有更多使用薪資和職位發布數據的研究,它們應該會比第一波證據提供更清晰的情況。對於個人而言,無論情況如何發展,將人工智慧的流暢性與領域知識和麵向人類的技能相結合都是合理的對沖。
付諸實踐
為什麼這很重要
- 風險與安全. 災難性和日常的人工智慧危害都取決於誰了解風險以及誰能夠採取行動。
- 更明確的決策. 民眾和專業素養決定強而有力的安全政策在政治上是否可行。
- 突破炒作. 清晰的解釋可以減少炒作、實驗室公關和模糊道德劇場的影響。
留意
- 將存在風險視為科幻小說,同時能力複合。
- 混淆了表面產品安全與高度自治下的對準。
- 只給非英語和非專業觀眾留下低品質的資源。
後續步驟
- 單獨的產品危害、誤用和失控/失調風險。
- 詢問哪些證據會改變您對時間表和嚴重性的看法。
- 比起行銷主張,更喜歡主要來源和具體評估。
- 確定一條行動路徑:職業、政策、資金或技能——而不僅僅是意識。
不斷探索
常見問題
什麼是人工智慧和入門工作?
人工智慧對入門級工作的影響最直接,其中初級職位由生成式人工智慧擅長的任務組成,例如研究、起草、總結、資料清理和日常程式碼。早期證據表明,在最受人工智慧影響的職業中,對年輕員工的僱用已經減弱。這超出了個人求職的範圍,因為初級工作是人們傳統上充分學習職業並成為高級職位的方式。
根據該指南,為什麼入門級工作特別容易受到生成式人工智慧的影響?
初級角色通常是根據有詳細記錄的任務建立的,例如初稿、研究摘要和簡單程式碼,生成式人工智慧可以很好地處理這些任務。
2025 年史丹佛數位經濟實驗室研究使用了什麼資料來源?
該研究使用 ADP 工資數據來追蹤按年齡和職業劃分的就業情況。
該研究中哪一個族群的就業率相對下降?
研究報告稱,在受人工智慧影響最大的職業中,22 歲至 25 歲的工人相對下降了約 13%,而這些職業中的老年工人則保持穩定或成長。
學徒制問題是什麼?
如果學習任務消失,培養高階職位所需專業知識的人就會減少,這可能會縮小未來的人才管道。
指南列出了哪些因素作為警告,使閱讀招募數據變得複雜?
利率、疫情後的招募調整和技術裁員發生在同一時期,這使得很難孤立人工智慧的影響。