人工智能时代构建专业能力：下一代由谁培养？

人员与组织绩效实践2026年7月由布莱恩·汉考克与夏洛特·赛勒合著人工智能时代构建专业能力：下一代由谁培养？随着人工智能重塑入门级工作，组织应重新思考如何培养专业能力，将知识管理、角色设计、学习以及辅导整合为一个统一系统。 人工智能时代构建专业能力：下一代由谁培养？2现实生活中，自动化和人工智能的进步正在改变入门级工作的构成。 研究、文档编写、数据清理、基础编程和初步分析等任务正被简化或吸收到人工智能系统中。这些正是年轻员工传统上通过这些活动建立直觉、培养判断力并赢得承担更多任务权利的方式。与此同时，人们日益担忧人工智能对就业的影响。 在麦肯锡和LeanIn.Org发布的2025年职场女性报告中，入门级工人，尤其是女性，表示所有年龄段中他们对人工智能的使用将如何影响其工作感到最为担忧。这种焦虑具有普遍性：在即将毕业的学生中，对开启职业生涯的悲观情绪在短短两年内从46%上升到62%，而四分之三的悲观者将企业减少入门级工人招聘的原因归咎于此。这种软化有多少应归因于人工智能，这仍然是一个真正有争议的问题：纽约联邦储备银行的经济学家估计，远程工作的兴起——这使得在远程培训新员工更加困难——解释了年轻毕业生失业率上升的大部分原因，而耶鲁大学预算实验室发现，尽管它指出了年轻毕业生和年长毕业生之间日益扩大的差距与早期职业效应一致，但目前还没有发现明确的经济范围内的AI特征。对于组织而言，这是一个充满不确定性和选择时刻。 随着人工智能重塑工作方式，问题已不再是雇佣多少入门级职位，而是这些职位旨在完成什么。企业可以利用这一转型，将入门级工作重新思考为在人工智能赋能环境下构建专业知识的基石——使初级员工具备设计、无论学徒渠道是被算法侵蚀还是被距离削弱，对雇主而言意味着同样的事情：曾经将新手培养成专家的非正式机制已不能再被视为理所当然。 这些转变恰逢职业生涯初期的性质正在被重新定义，指明了传统入口渠道正日益狭窄。入门级招聘的前景仍在演变，但早期迹象表明市场正在收紧。 自2019年以来，美国近期大学毕业生的失业率有所上升，而入门级职位的数量正在下降，尤其是在与人工智能相关的职业中。截至2026年第一季度，近期大学毕业生的失业率约为5.7%，大约四分之一的人处于就业不足状态——从事的工作通常不需要学位。2 斯坦福数字经济实验室的研究发现，22至25岁的工人中，“在最受人工智能影响的职业中，即使控制了公司层面的冲击，就业率也相对下降了16%”。3几十年来，组织一直依靠初级人才承担那些支持业务且风险较低的常规工作，并将他们视为未来领导者的培养基地。 想想《广告狂人》中佩吉·奥尔森的经历，从新手助理到唐·德雷珀的得意门生，再到广告公司的自信文案主管——她的晋升之路始于常规工作让她身处评判得以实践、自身能力得以被注意的场所。1 人工智能与未来劳动力市场：2026届毕业生告诉我们关于未来劳动力市场的信息，《握手网络趋势》，2026年。 2 “近期大学毕业生劳动力市场，2026年第一季度更新，”纽约联邦储备银行，2026年5月5日。 要开发、引导人工智能系统，而不仅仅是使用它们。图1人工智能时代构建专业能力：下一代由谁培养？3总会有一条管道。5 马克·拉西诺维奇和斯科特·汉塞尔曼，《为人工智能重新定义软件工程职业》，《ACM 通讯》，2026年4月，第69卷，第4期。麦肯锡调查数据显示，生成式人工智能的使用正开始影响某些组织中入门级职位的需求（图1）。初级员工为组织带来新视角和富有创造性的问题解决方法，推动增长与创新。 他们是经验更丰富的导师的学徒，建立着强化了文化、惠及所有人的关系。他们将成为中级管理人员和高级领导者，从而在未来持续为人才库注入活力。如何培养下一批人才的问题并非新话题。 然而，随着人工智能应用同时渗透到各个知识工作层面，这个问题正日益加剧。微软两位高级工程领导马克·拉森诺维奇和斯科特·汉塞尔曼直白地描述了这一动态：智能编码助手为资深工程师提供了“AI助力”，提升了他们的产出效率，却给缺乏判断力来引导和验证AI输出的初级开发者带来了“AI阻力”。由此产生的激励措施——聘用资深员工，自动化初级员工——正悄然瓦解了支撑所有资深职位的人才金字塔的底层。他们的建议因其坦率而引人注目：继续聘用初级员工，接受他们最初会降低产能的现实，并将他们的成长明确为组织的明确目标。本文概述了一种涵盖知识管理、角色设计、工作流程中的学习以及管理辅导的四部分方法。 能够审慎行动的组织可以加速员工判断力的建立以及承担更高价值的问题解决，从而强化个人体验和长期绩效。 这种区别应该在知识的策展（curation）和呈现（surfacing）方式中明确体现。系统可以基础：知识管理人工智能时代构建专业能力：下一代由谁培养？46 “摩根大通将迎来近4000名暑期实习生和校园招聘生”，摩根大通新闻稿，2026年6月3日； 凯瑟琳·多赫蒂，“摩根大通通过招募2000名暑期实习生挑战对AI就业的担忧”，彭博社，2026年6月3日。7 安德鲁·R·汉森与莫莉·库克·埃斯科巴，《AI时代的基础岗招聘：雇主在想什么（及做什么）》，斯特拉达教育基金会，2026年5月19日。例如，考虑一家律师事务所里一名初级律师正在处理一份并购合同。 与其简单地在数千份过往交易中进行搜索，一个人工智能赋能的系统可以根据交易特征找出最相关的先例，并突出显示顶尖合伙人在类似情况下使用的条款、权衡取舍和谈判模式。通过这种方式，它不仅加速了起草工作，还揭示了关键决策背后的逻辑——帮助这位初级律师在工作的同时建立判断力。编码化专业知识能够捕捉顶尖表现者思考的方式——他们的框架、决策规则、假设和过去的判断——并将这些知识结构化，以便大型语言模型（LLMs）能够访问。 这包括干净的数据、经过策划的案例材料以及标准化的分类体系。组织希望雇佣那些具备初步解读人工智能生成深度数据的能力，并能与代理人协同工作的人才。 为制定指导这些员工的策略，领导者可以关注四个方面。组织必须利用其最佳知识来开发人工智能工作流程。 如果它们不知道如何整合当前的专长来创建高质量数据，就很难培养下一批专家。目标是将专长变得可用、可靠，并嵌入日常工作中。2026年3月的一项针对约1500名高管和高级人才领导者的调查中，预计人工智能将增加2026年入门级招聘人数的人，几乎是预计其减少招聘人数的人的三倍——尽管这项调查也发出了一项警告，其中三分之一的企业家报告称，人工智能已经减少了初级员工学习基础技能和构建技能的任务。尽管那是一种值得关注的趋势，但我们与之交谈的领导者们致力于招聘和培训下一代专家，即使他们的数量比以往有所减少。 而且，一些机构正在保持其人员规模稳定。例如，美国银行将在2026年招收近4000名暑期实习生和全职校园招聘人员——与去年从涵盖超过500所学校的的人才库中招聘的规模相当——同时从一开始就明确围绕人工智能重新设计这些职位。其首席人力资源官称这种方法“具有目的性和长期性”。在确定哪些知识应被提升时，会面临类似的挑战。 一家工程公司