人工智能正在重新定义入门级技术岗位

人工智能准备度是一个劳动力设计问题，而不仅仅是技术问题。我们都见过新闻头条，宣布入门级职位将结束，尤其是在科技行业。鉴于我作为Per Scholas的主席，这是一家提供免费培训并帮助个人连接科技职业的非营利组织，这个话题经常被提及。

一个常见问题是：“当你培训的所有工作都被AI取代时，Per Scholas 会怎么办？”

我的回应是：“继续做我们正在做的事。为那些让初级技术人员与人工智能竞争的岗位进行培训。”

事实上，我过去几个月接触的CIO们不仅对入门级招聘感到焦虑。他们担心人工智能的采用速度快于他们的劳动力战略所能跟上的速度。

这些科技领导者意识到，人工智能并非在淘汰入门级岗位，而是在重新定义这些岗位——而成功的AI战略需要对如何从一开始就重新设计这些岗位进行深思熟虑的分析，将人类潜力与新兴技术结合起来。

最具前瞻性的CIO正在识别入门级工作的变化，组织的人才实践与现实不符，以及今年他们可以做出哪些改变，从意识转向行动。

一、“人工智能取代初级人才”的神话

根据一项针对全球CEO的最新调查，67%的人表示人工智能正在增加入门级员工人数。根据世界经济论坛2025年《就业未来报告》，到2030年全球经济将净增7800万个就业岗位。

2025年，Per Scholas记录的培训项目毕业生初次就业成就创下我们30年历史上任何一年。

换句话说，入门级科技人才的需求依然强劲。问题不在于岗位减少，而是期望值错位。

看看去年夏天LinkedIn上2000个“入门级”职位的分析。研究发现，在软件和IT等行业，超过60%的工作要求3年或更多经验。这当然导致了经典的两难局面——当没有经验的人不愿雇佣时，如何获得经验被录用？

如果他们被录用，如何在当前岗位上表现出色，同时提升技能以跟上快速变化的科技环境？

二、人工智能实际上如何改变入门级工作

五年前，一名受过软件工程培训的Per Scholas毕业生，大部分时间都在逐行创建用户界面和样式化网站。如今，雇主通常期望他们是一名有能力的提示工程师，从第一天起就协助创建面向客户的部分。

人工智能是一个了不起的工具，可以大幅提升生产力。然而，它无法提供的是判断和问责。

而生产力的提升是有代价的。如果没有让初级员工通过实践学习的“苦力劳动”，公司可能会面临Gartner分析师Nate Suda所说的“经验匮乏”——高层员工发现使用AI帮助完成新任务比雇佣初级员工更简单、更快。这意味着没有人指导初级人才，让他们积累成为长期高层员工所需的经验和专业知识。

三、CIO们正在看到崩溃

当我与CIO交谈时，有三个主要关注点：招聘标准、入职培训以及与AI合作的期望。

即使是两年前写的职位描述，也已不再是今天的实际工作。一份写着“编写和调试代码”的初级开发职位，并不反映出这份工作现在很可能涉及验证AI生成的输出、前所未有的大量代码审查以及排查AI无法处理的边缘问题。

还有一些职位要求“初级数据分析师”，要求3年SQL经验、Python和R熟练度，以及Tableau和Power BI经验。这些职位筛选出真正能在适当指导和支持下茁壮成长的初级数据分析师。

这就引出了支持应该是什么的问题。当新员工不再有机会通过完成常规任务来学习时，他们的入职流程应该包含哪些内容？他们如何凭借必要的领域知识有效评估AI输出？

四、前瞻性的CIO们正在做些什么

别担心;我不是在没有答案的情况下随便提问。我从敬佩的科技领袖那里学到了不少经验，也可以借鉴自己在Per Scholas实施AI的经验。

首先，要重视技能优先的招聘。明确职位实际需要的具体技术和持久技能，区分候选人第一天必须掌握的与工作中能学到的。（在这方面要灵活一些——学习和适应的能力往往比对某个工具的了解更重要，尤其是当工具可能快速变化时。）

其次，投资于职业发展。埃森哲——最大的人工智能服务提供商之一——其20%的入门级员工来自其学徒项目。巴克莱学徒项目为入门级人才提供了与更有经验的员工并肩工作，培养有针对性技能的机会。还有佩尔·斯科拉斯的雇主合作伙伴（包括埃森哲和巴克莱），他们不仅雇佣我们的毕业生，还协助设计课程，确保培训反映他们的实时需求。

最后，设计AI支持的工作流程，保留或加速学习，而非取代它。花时间去做这些，已经证明了投资回报率。 麦肯锡《2025年人工智能现状》报告发现，“有意识地重新设计工作流程在所有测试因素中，是实现有意义的业务影响（人工智能使用）最强的贡献之一。”

把人放在平台之前。清晰的沟通、角色明确和培训推动变革。用小组测试工作流程，并与员工互动进行精炼，因为他们最接近工作。

五、CIO今年可以做出的3项调整

如果没有包含人工智能的劳动力战略，组织面临无法实现人工智能投资回报的风险——未来几年可能面临严重的人才短缺。贝恩公司估计，仅在美国，除非70万名员工获得再培训，否则到2027年，每两份人工智能岗位中就有一份空缺。

技术领导者今天可以实施三个具体步骤，为组织的成功奠定基础：

将“入门级”职位描述与实际岗位要求进行审核。取消资格和经验要求，这些要求实际上排除了新技术人才，却不提升候选人质量。

重新设计入职服务以替代失去的学习机会。绘制由AI处理的任务，这些任务曾教授新员工的基本技能。创建结构化的替代方案——影子项目、轮岗任务——以培养相同的能力。评估新员工是否达到了熟练度基准，并根据数据调整项目。

为了提升AI的熟练度，可以考虑投资针对性的AI培训。为技术人才从独立的AI辅助工作到AI工作流程设计创造内部路径。技术创新每天都在发生，为了让你的才能保持在前沿，可以考虑适合职场专业人士生活的短期技能提升项目。

将引领人工智能时代的组织认识到一个根本事实：人工智能转型就是劳动力转型。

2025年的入门级科技岗位与2020年大不相同，未来也会与2030年截然不同。那些将这一演变视为劳动力设计挑战而非招聘问题的CIO们，将打造具备适应性、具备人工智能能力的团队，定义未来十年的竞争优势。

由CXOUNION-CXO联盟（cxounion.cn）编译而成，作者Caitlyn Brazill；编辑/翻译：CXOUNIONCXO联盟小C。

如需加入CXO UNION（CXO联盟）高管社群，请联系社群小伙伴哦~

免责声明: 本网站(http://www.cxounion.cn/)内容主要来自原创、合作媒体供稿和第三方投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何责任。