法拉利设计师至今仍从铅笔开始
AI消除了杂活，新人借以学习工作的阶梯也随之消失
开篇
订阅者朋友，为法拉利和标致设计车型的意大利工作室宾尼法利纳（Pininfarina），有一条适用于新人设计师的规则：构思新车时必须从铅笔开始。在一个AI能一口气生成200张渲染图的时代，为什么还要坚持手绘草图呢？
本周《金融时报》给出了一个有趣的答案：AI并非在消灭新人的工作岗位，而是在改变新人学习工作的方式本身。先说结论：全球企业现在做的，不是重启新人招聘，而是重建“学习的阶梯”这项工程。而韩国，正是这项工程最为迫切的市场之一。
断裂的阶梯，回归的招聘
让我们把时钟拨回2023年。哈佛商学院研究团队针对波士顿咨询集团（BCG）758名顾问进行了一项实验，结果显示，使用GPT-4的小组在18项标准化任务中，多完成了12.2%的工作量，速度提高了25.1%。但在超出AI能力边界的复杂经营任务中，得出正确答案的概率反而低了19%。研究团队将这种参差不齐的边界称为“锯齿状前沿（jagged frontier）”，而这里真正重要的是：AI最擅长的那部分工作，恰恰就是过去交给新人做的工作。
数字也印证了这一点。据斯坦福数字经济实验室布林约尔松（Brynjolfsson）研究团队发表的《矿井里的金丝雀》论文，生成式AI普及之后，AI暴露度较高职业类别中22~25岁群体的相对就业下降了约13%。而同一职业类别中资深员工的就业却保持稳定。用布林约尔松的话来说，“年轻员工所掌握的知识，恰好与LLM能够替代的部分重叠”。
不过今年局势正在转变。据美国大学与雇主协会（NACE）的2026年春季招聘展望，企业表示今年将把大学应届生招聘量增加5.6%。考虑到仅仅半年前的调查中同一数值还是负2.4%，这一方向可以说是彻底逆转了。不过受访企业仅185家，样本不大，增长部分也主要集中在员工5千人以上的大企业（8.7%）。
更有意思的是Ramp与Revelio Labs对美国约2.1万家企业支出与人力数据进行关联分析的结果。在AI投资最为激进的企业中，引入AI后两年内整体雇佣增长了约10%，而新人招聘更是增长了12%。也就是说，用AI用得最多的公司，招新人也招得最多。当然，这并不能证明AI创造了就业岗位，更自然的解释是：足够成功、能大举投资AI的公司，本身也在大量招人。研究团队自己也附上了同样的说明。
领英的阿尼什·拉曼（Aneesh Raman）把这一变化总结为：“新人的工作正在从杂活（grunt work）转向真正的工作（real work），我们开始看到这种迹象。”这不是招聘回来了，而是新的岗位正在诞生。
杂活其实是学费
这里有一点需要说明。我们过去称之为“杂活”的那些工作——整理会议记录、撰写调研初稿、审阅合同、修改图纸——其实并不是简单的琐事，而是用身体去吸收组织隐性知识1的学费。跟在资深人员身边做杂活，学习“这家组织为何会这样判断”，这正是学徒制模式的核心。
AI把这个缴纳学费的窗口关掉了。问题在于，企业开始在没有教学的情况下，直接索要毕业证书。据普华永道（PwC）分析27个国家超过10亿份招聘公告得出的2026年AI就业晴雨表，要求具备资深能力的“资深化”新人招聘公告自2019年以来增加了35%，而不要求这些能力的普通新人招聘公告则减少了10%。在AI暴露度高的职业类别中，新人招聘公告里新出现的能力要求，有52%原本是针对资深员工的；而在AI暴露度低的职业类别中，这一比例仅为7%。
一边撤走学习的阶梯，一边却要求阶梯之上才具备的能力——这种悖论，在教育现场同样得到印证。据培生（Pearson）与AWS对6个国家2700人的调查得出的AI准备度报告，78%的大学领导者相信毕业生能够满足企业期待，而实际上53%的企业却表示难以找到具备AI能力的毕业生。自认已具备高水平AI实务熟练度的毕业生，仅有14%。
纽约大学的加里·马库斯（Gary Marcus）在此基础上又加了一层担忧：依赖AI成长起来的新人无法培养批判性思维，最终也不具备发现AI错误的能力。
宾尼法利纳的铅笔规则在这里再次浮现。上海工作室的首席设计师丹尼尔·李（Daniel Lee）这样解释AI渲染的问题：以前只要比例出错，线条上立刻就能看出来，而现在，绚丽的色彩和背景把错误都掩盖掉了。于是就会出现内燃机车型渲染图整个漏掉散热格栅这种最基本的失误。坚持用铅笔，不是浪漫情怀，而是一种训练设计——让人在能看清错误的环境中打好基本功。
重建阶梯的三种方法
走在前面的企业，其应对方式大致可分为三类。
第一，把AI当作训练者而非替代者来使用。德国DHL用官方手册训练AI，同时让即将退休的资深员工来补充和修正这些知识，将原本可能失传的隐性知识转化为组织的共享资产。咨询公司Cognizant构建了引导新人的AI“框架系统（harness）”，CEO拉维·库马尔（Ravi Kumar）把它比作汇聚了数百万驾驶员经验的自动驾驶系统。以前需要在走廊里边走边偷师学到的东西，如今由系统来传授。
第二，重新定义中层管理者的角色。库马尔认为，原本负责测量与协调的中层管理者，应转变为直接培养新人的“球员教练（player coach）”。而法律AI公司Luminance的CEO则给出了更激进的展望：只留下懂AI的初级员工和借助AI提升生产力的资深员工，中间层可能会彻底消失。无论哪种情形，中层管理者以现在的样貌原样存活下去的剧本都不存在。
第三，恢复面对面协作。工程咨询公司奥雅纳（Arup）内部，新人成长的70%来自实际工作，20%来自同事，只有10%来自正式培训。扎哈·哈迪德建筑事务所的尼尔斯·菲舍尔（Nils Fischer）更进一步指出，真正破坏初级员工软技能的，或许不是AI，而是远程办公。这正是AI时代的悖论：技术越发达，企业反而越要把人重新聚集到同一个空间里。
韩国的阶梯早已断裂
把这股全球趋势叠加到韩国身上，会浮现出一个令人不适的事实：韩国是一个在AI到来之前，就已经把阶梯撤走的市场。
大企业的定期公开招聘转为随时招聘已经过去好几年，填补这一位置的是所谓“二手新人”，即拥有工作经验却仍以“新人”身份求职的人。据Incruit调查，去年大学应届入职者中，有28.9%是带有工作经验的“二手新人”，比2023年的25.7%上升了3.2%（即3.2个百分点）。人事负责人认为新人应聘的经验上限是3.1年。而尚未入职的新人求职者中，有73.8%表示未来愿意以“二手新人”身份求职。
从结构上拆解就是这样：如果说全球企业正在把学习的阶梯重新建回公司内部，那么韩国企业则一直把搭建阶梯的成本转嫁给了个人——寻找那些已经在别处完成培训的“成品”。这种模式一旦被所有人采用，就会崩溃：如果没有任何一家公司愿意成为“第一份工作”，那么三年后可供挖角的有经验人才也就不复存在。而当AI开始替代新人的工作，个人能够自行缴纳这份“学费”的场所也会进一步减少。
因此我认为，这篇FT报道对韩国企业而言，与其说是趋势介绍，不如说是一记警告。AI训练者、球员教练、面对面协作设计，这些实验并非可选项，而是为“二手新人模式”寿命耗尽那一天所准备的唯一保险。
Oswarld视角
我在从事GTM战略与组织设计咨询的过程中，经常参与招聘计划的讨论。每次看到“暂时不招新人”这个决定在会议室里被如此轻易地做出，我都感到惊讶。这个决定的实际含义是：我们要从市场上“进口”组织未来的资深人才。问题是，一旦所有公司都做出同样的决定，市场上就不会存在可供进口的资深人才——而韩国已经站在这一进程的起点上了。
在这篇报道里，我认为真正最重要的一句话另有所在。那是领英的拉曼所说的：“新人的工作，预先展示了所有工作最终的走向。”眼下发生在新人身上的变化——重复性工作转移给AI，人则转向判断、验证与协调——正是几年之内将在所有职级发生的变化的预告片。能解决新人入职培训问题的公司，实际上就是最先解决AI时代组织设计问题的公司。
因此我只有一条实务性建议：在讨论是否招聘新人之前，先把我们组织中“杂活”曾经承担的教育功能列一份清单。这份清单本身，就是AI时代组织需要有意识地重新设计的学习系统的规格书。
结语
把今天的内容浓缩成三句话：AI先消灭的不是新人的工作岗位，而是新人学习工作的方式。走在前面的企业正在用AI训练者、球员教练、面对面协作来重建这座阶梯。而长期依赖“二手新人”的韩国，是这场重新设计最为迫切的市场。
在你们的组织里，新人最先学到的工作是什么？如果AI引入之后这项工作消失了，我很好奇现在是什么填补了这个空缺。无论是作为新人正在经历的体验，还是作为培养新人一方的困惑，都欢迎分享。请在评论区告诉我，我会在下一期反映大家的想法。
💬 欢迎在评论区分享你所在组织“消失的杂活”以及其留下的空缺，我们会在下一期反映大家的想法。 📨 如果身边有正在为新人招聘发愁的同事或团队负责人，欢迎把这篇文章分享给他们。
参考资料与延伸阅读
核心来源
- Brynjolfsson, E., Chandar, B., & Chen, R.，“Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence”，Stanford Digital Economy Lab，2025年。（PDF原文）……这是一篇实证展示22~25岁AI高暴露度职业类别就业下降情况的论文。它是今天这篇文章的数据起点，如果只读一篇，推荐读这个。
- PwC，“Two Futures for Jobs in an AI Era: 2026 Global AI Jobs Barometer”，2026年。（完整报告PDF）……通过10亿份招聘公告展示了新人招聘公告的“资深化”现象。如果你正负责设计招聘公告，这篇特别值得一看。
- Ramp Economics Lab & Revelio Labs，“A New Look at AI’s Impact on Jobs”，2026年。（Revelio Labs解读）……这是一个反直觉的发现：对AI投资越多的企业，反而招聘更多新人。务必连同研究团队关于“非因果关系”的说明一起阅读，才不会产生误解。
- Dell’Acqua, F. 等，“Navigating the Jagged Technological Frontier”，Harvard Business School Working Paper No. 24-013，2023年。……这是针对BCG 758名顾问所做实验的原始论文，也是“锯齿状前沿”这一概念——即AI擅长与不擅长的工作之间边界参差不齐——的出处。
- NACE，“Employers Expect to Hire 5.6% More New College Graduates This Year”，2026年。……这项调查显示，美国大学应届生招聘展望在短短半年内发生了逆转。请注意样本仅185家企业这一点。
- Financial Times，“AI isn’t destroying entry-level jobs. It’s changing them”，2026年。 ……这是本文素材的来源报道，其中详细记录了宾尼法利纳、DHL、Cognizant的案例。（面向FT订阅用户）
背景知识
- Pearson & AWS，“AI Readiness: Building the Bridge from Higher Education to Work”，2026年。……通过6个国家的数据，展示了大学（78%）与企业（53%）之间的认知落差。如果你从事教育相关工作，其中的框架部分会很有帮助。
- Incruit，“‘二手新人’日益增多……61%的职场人表示‘愿放弃工作经验以新人身份应聘’”，2025年。……这是今天韩国部分数据的出处。
注释
-
隐性知识（tacit knowledge）：无法整理成文档或手册、只能通过经验传承的知识。可以把它理解为“面对这家客户应该这样说话”之类，需要靠身体去学会的门道。 ↩
