精华速览

9月9日，人社部等部门公布11个新职业、23个新工种，其中5个属于数字职业，智能体开发员、具身智能机器人应用技术员等进入名单。但新职业门槛并不低，多数要求算法、编程或行业经验，低门槛岗位如机器人数据采集员月薪仅3500—6000元。与此同时，AI正接手初级工作，斯坦福大学研究显示，AI高暴露职业中22—25岁员工就业增长比低暴露职业低约19%。企业更倾向“成熟员工+AI”模式，减少招聘新人，导致年轻人失去积累经验的入口。文章指出，AI创造新职业，却未必创造普通人进入这些职业的条件，培养下一代专家的成本正成为行业共同难题。

要点透视

  • 9月9日，人社部等部门公布11个新职业、23个新工种，其中5个属于数字职业，包括数字孪生工程技术人员、具身智能机器人应用技术员，智能体开发员进入新增工种名单。
  • 河南一家企业9月在高校就业平台招聘80名机器人数据采集员和20名审核员，采集员培训两天即可试岗，综合月薪3500—6000元。
  • 麦肯锡全球研究院9月报告预计，到2035年美国约1100万劳动者可能需要转换职业，其中约14%拥有技能差距较小、无需明显降薪的直接转岗路径。
  • 斯坦福大学数字经济实验室今年8月更新研究，基于美国ADP薪酬数据发现，AI暴露程度较高的职业中，22—25岁员工就业水平相对低暴露职业同龄人增长轨迹低约19%，差距主要表现为年轻员工招聘减少。
  • 10月8日，路透社报道，AT&T将过去交给外部律所初级律师的文件审查、法律检索等工作，交给内部38人的LegalEdge团队配合AI完成，外部律师计费工时减少。
  • 慕尼黑工业大学2026年一项涉及275名编程学生的实验发现，使用AI的学生练习成绩更好，但知识掌握没有同步提高。
  • 美国律所Ropes & Gray今年允许超过1000名律师将最多100小时的AI实验和培训计入年度计费要求，此前还为一年级律师安排近400小时学习和模拟实践。

文章拆解

AI新职业的密集发布，表面上为就业市场注入了未来感，但求职者很快发现，这些岗位与自身能力之间存在明显断层。数字孪生、具身智能、智能体开发等职位，大多要求算法、编程或深厚行业经验，普通运营、财务或行政人员难以短期转型。而低门槛的机器人数据采集、审核等岗位，虽然培训周期短，但薪资和成长空间有限，对原本有稳定收入的知识工作者而言，并非理想的职业升级。

更值得关注的是，AI正在悄然改变企业的人力结构。过去，新人通过初级工作积累经验，企业也借此培养未来专家。但AI编程助手、法律检索工具等已能高效完成基础任务，企业发现“成熟员工+AI”模式更划算：无需招聘新人、支付培训成本，还能立即产出。AT&T将初级律师工作内包给38人团队配合AI完成，就是典型案例。斯坦福大学的研究进一步显示，AI高暴露职业中，22—25岁员工的就业增长明显放缓，年轻员工招聘减少。这意味着，新人可能连“练手”的机会都在消失。

这种变化的深层逻辑在于，AI让基础劳动变得便宜，却让培养投入更难收回。企业担心培养的人才跳槽，更倾向于招聘有经验者，导致“需要三年经验才能应聘，但三年前没人愿意给经验”的循环。慕尼黑工业大学的实验也表明，使用AI的学生虽然成绩更好，但知识掌握并未同步提高，借助AI做出成果与真正获得能力之间出现距离。

对行业而言，短期效率提升可能掩盖长期人才断层的风险。如果整个行业都减少招聘新人，十年后当现有专家退休或转行，经验传承将出现真空。培养成本不会消失，只会变成社会共同问题。目前，部分律所已开始为学习本身腾出时间，如Ropes & Gray允许律师将AI培训计入计费工时，但这类安排尚不普遍，由企业、学校还是个人支付培养成本，将直接影响谁能获得成长机会。

对普通人来说，有经验者可以带着旧本领进入新职业，如制造业工程师转向工业AI应用、财务人员参与智能财务系统部署，原有行业经验成为进入AI岗位的门票。但年轻人缺乏这张门票，只能通过实习、实验室或家庭资源提前积累，职业竞争因此提前到学校及家庭层面。未来真正稀缺的，可能不只是工作机会，还有让普通人从零成长为专业人才的通道。AI创造新职业的同时，如何保住职业入口，是尚待确认但必须面对的问题。

查看原文