知乎热榜今天挂了个问题：如果AI替代了大量初级岗位，五到十年后，企业会不会找不到真正懂业务的中层管理者？初看像个脑洞题，但我把这两个月陆续出炉的几份研究和报告翻出来对着看了一遍，发现它不是科幻，是一道已经开始显形的算术题。
入口在收窄，而且是有数据的
先看一组硬数字。美国人口普查局的经济学家分析了2016年至2024年约29%的美国学士学位毕业生数据，发现ChatGPT在2022年11月推出之后，受AI影响最高的那组专业——以计算机科学、信息系统和软件相关为主——毕业生初次就业概率下降了五个百分点，起薪下降13%。研究人员说，这个收入跌幅与在严重经济衰退期间毕业所受的损失相当。纽约联邦储备银行的数据更直观：截至今年6月，美国应届大学毕业生失业率5.7%，接近全体大学毕业生2.9%的两倍。
观察者网9月18日编译的一篇法国文章，把这件事说得更透：AI带来的真正风险，未必首先表现为大规模失业，而是「职业入口」收窄、人才培养链断裂。入口一窄，管道就细；管道一细，十年后中游自然就浅。
为什么企业明知有坑，还在抽梯子
腾讯新闻「大声思考」栏目9月刊发的一篇企业走访记，点破了一个决策者最容易犯的错：看到AI能做某个岗位百分之七八十的标准工作，就判断这个岗位同等比例的价值可以被AI拿走，然后按比例裁人。作者管这叫「线性减人的降本算术」，而它博取的是「非线性崩溃的安全红线」。
问题出在哪？岗位的价值分布不是线性的。客服、初级技术支持这些岗位，八成时间确实在「查订单、改密码、套格式」，但剩下那两成——判断什么时候该破例、客户没说出口的真实需求是什么——恰恰是未来中层管理者的种子能力。种子选手全被优化掉，五年后谁来长成大树的中间那截？
36氪9月17日转载的一篇文章给出了另一半证据：生成式AI落地最常见的失败点，不在董事会会议室，也不在供应商名单，而恰恰在中层管理者这一层——他们是把战略愿景翻译成员工日常行为的「转型操作系统」。一边是操作系统离不开人，一边是培养操作系统的苗圃被抽走，这个剪刀差就是知乎那个问题的分量所在。
但结论不是慌，是入口换了形状
把脉脉人才智库9月发布的《AI人才流动报告》拿出来对照，画面就完整了：2026年1-7月，新经济行业新发AI岗位量同比增长789.47%，AI岗位平均月薪63160元。更关键的是结构——AI应用开发岗位占比60.97%，远超AI技术底座岗位的24.55%，热招前三是Agent应用开发、AI评测、AI产品经理；学历门槛反而在松动，要求硕士的岗位占比降到21.28%。
翻译一下：消失的是「纯执行标准指令」的旧入口，爆发的是「把AI接进业务」的新入口。断的是旧梯子，不是所有梯子。企业要的不再是有多少年经验，而是你能不能把模型嵌进具体业务——这件事，新人也能学。
你现在能做的两个动作
**如果你是新人，别让AI抢走你的陪练机会。**同一件活，先自己徒手做一遍，再让AI做一遍，然后对比两份输出的差距——它比你强的地方，是你的短板清单；它不如你的地方，是你的价值证明。我自己整理资料时就常这么干：先列自己的提纲，再用 spark1.cn 的 /ai-writer 跑一版初稿，两版对着改。判断力不是看会的，是比出来的。
**如果你已经在带小团队，去当那个「翻译」。**麦肯锡《2025年AI现状报告》说，AI的使用已经十分普遍，但很多企业仍未能把它深度嵌入业务流程。这个缺口，就是未来十年中层的入场券。不用会写代码，从把周报、会议纪要这类小流程用AI工具链串起来开始，spark1.cn 的 /tools/ 里有现成的工具可以直接上手。
知乎这个问题真正在问的，其实是「不碰真实业务的新人还有没有未来」。我的答案是：AI能接管杂活，但接管不了判断力的养成。它做得越快，能把「为什么这么做」讲清楚的人就越值钱。你不需要跑赢机器，你只需要比机器更懂你的业务——这条路，任何时候走都不晚。
本文素材综合自联合早报、腾讯新闻、观察者网、36氪、北晚在线等公开报道。
💬 评论