人工智慧迄今尚未造成大規模失業。已開發國家的總體就業人數大致保持穩定，近期評估也發現AI對整體就業數字的影響有限。然而，一個令人不安的變化可能正潛藏在表面之下：職業階梯最底層的悄然弱化。

最令人擔憂的證據正出現在我們最預期會首先看到的地方：早期職業招聘。史丹佛數位經濟實驗室於 2025 年 11 月發布的一份工作論文發現，在接觸 AI 程度最高的職業中，22 至 25 歲的員工在生成式 AI 普及後，就業率相對下降了 16%，即使在控制了可能影響企業就業決策的其他因素後也是如此。Anthropic 公司於 2026 年 3 月發布的報告也提供了類似結論的佐證。

在相同職業中，經驗較豐富的員工並未遭受同樣的下降。在 AI 暴露程度較低的入門級工作中，就業人數也沒有下降。問題的關鍵在於那些接觸 AI 的早期職業工作。

這並非一個微不足道的信號。它表明，企業可能正在利用 AI 來取代人們傳統上獲得第一份工作機會的初階任務——至少對於那些在生成式 AI 被廣泛使用的職位，如軟體開發人員、客戶服務代表、電腦程式設計師和資訊系統經理等。

現在是時候改變我們培訓、準備和支持即將進入勞動市場的年輕人的方式了。教育機構需要重新定位，以適應 AI 輔助勞動力的時代。政府必須鼓勵企業聘用和培訓早期職業員工。企業反過來，需要認識到培養具備 AI 經驗的長期勞動力隊伍的重要性——這個過程始於入門級員工。學生本身也應該承擔責任，不僅要精通 AI，還要學會如何在各個領域應用這些知識。

總之，我們必須改變我們傳統上對入門級工作的看法。

這尤其真實，因為近期畢業生的整體勞動力市場也在走軟。紐約聯邦儲備銀行報告稱，在 2025 年第四季度，近期大學畢業生的失業率上升至 5.6%，而就業不足率（即畢業生從事通常不需要大學學位的職位比例）達到了 42.5%，為自 COVID 疫情以來的最高水平。沒有單一統計數據可以證明 AI 是這種惡化的唯一原因。疫情後整體招聘人數大幅下降，年輕人尤其容易受到放緩的影響。但忽視 AI 可能正在加速本已艱難的從學校到工作的過渡的可能性，將是一個錯誤。

這些統計數據背後是巨大的個人痛苦。如今，近期畢業生通常在收到一份錄取通知前會提交數百份申請，調查一致發現年輕員工在長時間求職過程中焦慮、財務不穩定和倦怠的比例很高。如果 AI 悄悄地關閉了典型早期工作的機會，人們將為延遲獨立、推遲組建家庭以及感覺自己第一次認真的職業努力被拒絕而付出代價。

這也很重要，因為入門級工作是經濟培訓體系的一部分。初級分析師學習哪些數字可以信任。年輕的軟體開發人員學習生產系統如何失敗。新行銷人員學習客戶在儀表板的精確語言之外是如何表現的。

早期法律和金融員工學習規則、判斷、截止日期和人際關係如何實際互動。如果 AI 吸收了更多曾經幫助培訓入門級員工的起草、分類、編碼、摘要和行政準備工作，企業短期內可能會更有效率，而社會長期來看能力會下降。

改善年輕員工技能的正確方法不是告訴他們「學習寫程式」。這個建議塑造了十多年的聯邦倡議和大學擴張，其前提是寫程式是一項穩定、可擴展的技能，幾乎任何人都可以學習並以此獲得一份中產階級的工作。這個前提已不再成立。AI 擅長處理的工作層面——將規格轉化為常規程式碼、複製標準模式、調試可預測的錯誤——正是「學習寫程式」計畫所圍繞的層面。

監督 AI 系統的工作現在是一項更相關的技能。因此，理解 AI 系統產出的結果將變得非常重要。

為了幫助人們發展這些技能，我們應該要求大學、社區學院和專業課程將 AI 素養、數據素養、基於提示的工作流程技能、驗證技能和領域判斷融入普通學位課程。每位畢業生都應該知道如何使用 AI 工具、檢查其輸出、理解其局限性，並將其與人類專業知識結合起來。這對進入看似相對不受 AI 影響的職業（如醫療保健行業）的畢業生也很重要。幾乎所有工作都包含一些任務——起草、摘要、安排、研究、基本數據工作、常規溝通——AI 已經是這些任務的實質性生產力工具。

大多數年輕員工將面臨的競爭不是人與機器之間的競爭，而是同事與 AI 輔助同事之間的競爭。對大多數年輕員工而言，讓自己變得有價值的現實途徑不是避免 AI，而是精通該技術，並將其與領域判斷、情境推理和人際關係技能相結合。為此，學校應該強調帶薪實習、學徒制和與雇主相關的項目，以便學生在畢業前在真實的工作場所培養判斷力。

政府還應該為聘用早期職業員工進入結構化、AI 輔助職位的雇主創建有針對性的稅收抵免、工資補貼和培訓補助。這種與行為掛鉤的條件性補貼的架構已經存在於美國稅收政策中。所缺乏的是一種專門圍繞早期職業 AI 輔助工作而建立的工具版本。

企業方面，應該停止僅僅基於 AI 帶來的短期成本節約來做招聘決策。年輕員工的價值不僅在於他們本季度執行的任務。他們的價值在於學習、技能形成、機構記憶和未來生產力。入門級招聘不僅僅是一項開支。它是對企業內部未來判斷力的投資。到 2030 年代後期，最有效的 AI 輔助高級勞動力將主要來自今天的初級員工隊伍。那些通過自動化消除學習階段的企業，可能會提高其即時利潤，但十多年後，卻發現自己沒有人真正理解他們自己由 AI 驅動的工作流程實際上是如何運作的。

今年春天和明年畢業的學生面臨著一個艱難的轉型勞動力市場。AI 素養正在變得商品化。缺乏 AI 素養的領域專業知識正在被超越。兩者的結合才是真正稀缺的。具備製造業知識和 AI 熟練度的機械工程師；具備金融服務知識且同時是 AI 高手的軟體程式設計師——這些才是將會受到需求的類型。