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狀況大致穩定，近期評估也發現，AI對表面數據的影響有限。然而，一個令人不安的變化可能潛藏在表面之下：職涯階梯第一級的悄然削弱。最令人擔憂的證據正出現在我們預期會首先看到的地方：職涯初期招聘。

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，在生成式AI普及後，即使控制了其他可能影響企業僱用決策的因素，22至25歲的年輕人在容易受AI影響的職業中，就業率相對下降了16%。Anthropic於2026年3月發布的一份報告也提供了支持類似結論的啟發性證據。

在這些相同職業中，經驗豐富的員工並未遭受同樣的下降。在AI影響程度低的初階工作中，就業率也沒有下降。這種擔憂專指受AI影響的職涯初期工作。這並非一個微不足道的訊號。它表明企業可能正在使用AI來取代人們傳統上獲得第一個立足點的初階任務——至少對於那些廣泛使用生成式AI的職位，例如軟體開發人員、客戶服務代表、電腦程式設計師和資訊系統經理。

現在是時候改變我們培訓、準備和支持即將進入職場的年輕人的方式了。教育機構需要為AI增強型勞動力時代重新定位。政府必須鼓勵企業雇用和培訓職涯初期員工。企業反過來也需要認識到培養具備AI經驗的長期勞動力的重要性——這個過程始於初階員工。而學生本身也應該承擔起責任，不僅要精通AI，還要學習如何將這些知識應用於各個領域。

簡而言之，我們必須改變傳統上對初階工作的看法。這尤其重要，因為應屆畢業生的整體勞動市場也在疲軟。紐約聯邦儲備銀行報告指出，2025年第四季度，應屆大學畢業生的失業率上升至5.6%，而就業不足率（從事通常不需要大學學位的工作的畢業生比例）達到42.5%，是自新冠疫情以來的最高水準。

沒有任何單一統計數據可以證明AI是造成這種惡化的唯一原因。疫情後整體招聘大幅下降，年輕人特別容易受到經濟放緩的影響。但如果忽視AI可能正在加速從學校到工作本已困難的過渡，那將是一個錯誤。這些統計數據背後是大量的個人困境。如今的應屆畢業生通常在收到一份錄取通知前，會提交數百份申請，調查也持續發現，在長期求職的年輕員工中，焦慮、財務不穩定和職業倦怠的比例很高。

如果AI悄然關閉了典型的初階工作大門，人們將付出延遲獨立、推遲組建家庭，以及首次認真的專業努力遭到拒絕的代價。這也很重要，因為初階工作是經濟體的培訓系統的一部分。初級分析師學習哪些數據值得信任。年輕軟體開發人員學習生產系統如何失效。新進行銷人員學習客戶在儀表板簡潔語言之外的實際行為。

職涯初期的法律和金融人員學習規則、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初階員工的起草、分類、編碼、摘要和行政準備工作，企業短期內可能更有效率，但社會長期能力可能下降。提升年輕員工技能的正確方式不是告訴他們「學習編碼」。

這個建議塑造了十多年的聯邦計畫和大學擴張，其前提是編碼是一種穩定、可擴展的技能，幾乎任何人都可以學習並轉化為中產階級工作。這個前提不再成立。AI擅長處理的工作層面——將規範轉化為常規程式碼、複製標準模式、偵錯可預測的錯誤——正是「學習編碼」課程所圍繞的層面。

現在，監督AI系統的工作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、社區大學和專業課程將AI素養、數據素養、基於提示詞的工作流程技能、驗證技能和領域判斷力融入普通學位課程。每位畢業生都應該知道如何使用AI工具、檢查其輸出、理解其限制，並將其與人類專業知識結合。

即使對於進入看起來相對不受AI影響的職業（例如醫療保健）的畢業生來說，這也很重要。幾乎每個工作都包含一些任務——起草、摘要、排程、研究、基礎數據工作、日常溝通——對於這些任務，AI已經是一個重要的生產力工具。大多數年輕員工將經歷的競爭不是人類與機器，而是同事與AI增強型同事。

對於大多數年輕員工來說，讓自己有價值的現實途徑不是避免AI，而是精通該技術，並將其與領域判斷力、情境推理和人際關係技能結合。為此，學校應強調有薪實習、學徒制和與雇主連結的專案，讓學生在畢業前在實際工作場所培養判斷力。政府還應為雇用職涯初期員工從事結構化、AI增強型職位的雇主，提供目標性稅收抵免、工資補貼和培訓補助。

這種有條件、與行為掛鉤的補貼架構在美國稅務政策中已經存在。目前缺少的是專為職涯初期的AI增強型工作設計的版本。企業方面，則不應僅基於AI帶來的短期成本節省來做出招聘決策。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。

初階招聘不僅僅是一項開支。它更是對公司內部未來判斷力儲備的投資。2030年代後期最有效的AI增強型資深勞動力，將絕大多數來自今天的初級員工群體。那些自動化掉學習階段的企業，可能會提高其即時利潤，但十年後卻發現自己沒有人了解他們自己的AI驅動工作流程實際如何運作。

今年春天和明年畢業的學生將面臨一個艱難的轉型勞動市場。AI素養正在商品化。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。具備製造知識和AI能力的機械工程師；具備金融服務知識且精通AI的軟體程式設計師——這些是將會受到需求的人才類型。

Georgios Petropoulos是南加州大學馬歇爾商學院的助理教授。他的研究重點是資訊科技對創新、競爭政策和勞動市場的影響。