01. AI把作业写完了，学徒怎么办
今年一月，Anthropic CEO Dario Amodei 写了一篇很长的风险清单。他担心，如果 AI 能力继续快速上升，劳动力市场的短期转型会比过去的技术革命“异常痛苦”。但他也在原文里反复限定：这是一种需要预先应对的可能性，不是已经发生的失业统计。[1]
三个月后，Microsoft 宣布扩大与北美建筑工会的合作。过去一年，已有一千五百多名现有培训中心讲师参加 AI 素养项目。Microsoft 的判断是，AI 可以辅助规划和管理，但不会取代技工的经验、判断与手艺。后半句是公司的观点，不是自然定律。[2]
又过了一个月，Google 宣布向密苏里州基础设施投资一百五十亿美元，其中包括一座新数据中心。配套合作计划在两年内培训两千三百多名建筑工人，其中有一千五百名学徒。[3][4]
模型在讨论怎样替代人，建设模型的机房在开班招人。科技业的未来感，最后经常要由一根电缆负责落地。
不过，这几件事并不发生在同一周，也不能拼成“Google 因为找不到电工，数据中心被迫停摆”的故事。Google 和密苏里州的公开材料都没有这样说；一百五十亿美元也不全是数据中心资本开支，还覆盖能源、社区和劳动力项目。[3][4]
电工需求确实旺盛，但口径也要放稳。美国劳工统计局预计，二〇二四至二〇三四年电工就业增长百分之九，十年间平均每年约有八万一千个岗位空缺，其中相当一部分用于补充退休和转岗人员。这能证明训练管道重要，不能证明电工已经拿到自动化时代的免死金牌。[5]
这些新闻提出的并不仅是“蓝领赢了，白领输了”。更麻烦的问题是：当 AI 把新手今天的产出迅速抬高，公司会不会顺手拆掉新手明天成为专家的路径？
02. 机房先招学徒
电工这个职业很适合解释“培养”与“用人”的区别。
美国多数电工通过学徒制入行。一个典型项目需要四到五年，每年约两千小时带薪在岗训练，内容既有电气理论和规范，也有真实工地上的诊断、安全与协作。[5]
公司当然可以买到工具、教材和标准答案，但一个人仍要亲手判断哪根线该接、哪项读数不对，并为错误承担后果。学徒制里有辛苦，却不是因为辛苦本身值钱，而是因为判断、结果和反馈被安排在同一个现场。
白领行业过去也有自己的学徒制，只是通常不叫这个名字。初级律师整理案例，分析师核对口径，程序员排查基础故障，咨询顾问改第八版表格。这些任务的单次产值不高，常常还消耗资深员工的耐心，但它们让新手反复看见：一个看似正确的答案，具体错在什么地方。
生成式 AI 首先改变的，正是这部分工作。它可以从历史记录里找出高频模式，把资深员工常用的解决方案递给新手。换句话说，AI 并非只能处理“显性知识”，也能捕捉和传播一部分原本依赖经验的做法。[6]
这点很重要，因为它拆掉了一个听起来很安慰人的结论：隐性知识并不是天然的防自动化护城河。能从大量历史案例中稳定提取的经验，恰恰可能先被模型学走；真正难处理的，是新情境里的判断，以及判断之后的责任。
03. 漂亮作业有两本账
《经济学季刊》发表的一项研究跟踪了五千一百七十二名客服人员。引入生成式 AI 后，员工每小时解决的问题数平均提高约百分之十四；对新手和低技能员工，提升约为百分之三十四；对经验最丰富、技能最高的人，影响很小。[6]
从企业的当期账看，这几乎没有缺点。新人更快接近老手，客户少等一会儿，培训成本也可能下降。管理层终于得到一种不用团建就能改善团队表现的工具。
但研究的机制同样提醒人们：AI 是把高绩效员工已有的做法传播给新人。它证明新手可以更快交出合格答案，却没有回答一个更慢的问题：如果新人长期跳过独立判断、犯错和纠正，他是否还能形成下一批可供模型学习的新经验？[6]
另一项发表于《Organization Science》的实验把边界照得更清楚。研究者让七百五十八名 BCG 顾问完成现实感较强的咨询任务。在十八项位于 GPT-4 能力边界内的任务上，使用 AI 的顾问完成量增加百分之十二点二，速度提高百分之二十五点一，质量也明显上升；但在一项被特意设计到能力边界外的复杂任务上，使用 AI 的顾问给出正确答案的概率平均低了十九个百分点。[7]
研究者把这种不平整的能力范围称为“锯齿状技术前沿”。麻烦不只是模型有时答错，而是它答对和答错时往往使用同一套语气，仿佛正确率也属于排版问题。[7]
这里也要踩一脚刹车：负面结果只来自一项边界外任务，不能外推成“AI 会让所有复杂工作变差”。它能证明的是，同一工具、同一批专业人士，只因任务落在边界两侧，结果就可能反向。[7]
于是，同一份漂亮作业开始出现两本账。
- 一本记录交付：备忘录是否按时、结构是否完整、客户是否满意。
- 另一本记录成长：新人是否自己提出过假设，是否发现过口径错误，是否在反馈里修正了判断。前一本当天就能进系统，后一本通常要几年后才知道有没有记上。
Brookings 作者 Niam Yaraghi 把这种担忧称为“借来的专家能力”：今天的生产率，部分来自一批在 AI 出现前已经完成训练的专家；如果企业只借他们的判断，却不再支付培养下一代判断者的成本，未来可能出现专家供给缺口。[8]
这是一个有机制支撑的风险假说，不是一张来自未来的人口普查表。现有研究能看见当期产出、个别任务表现和早期就业变化，还没有跟踪完整一代人从新手走到专家。
04. 答案不是唯一的产品
把责任全推给模型，也有点像怪计算器不肯教乘法口诀。工具怎样被使用，首先由产品和组织决定。
Yaraghi 在文章中断言，当时没有商业模型把“有益的挣扎”作为产品。这句话很有传播力，却经不起产品清单核对：Anthropic 早在二〇二五年四月推出 Learning mode，用苏格拉底式追问引导学生；同年八月，Google 推出 Gemini Guided Learning；ChatGPT 也提供 Study Mode，会分步解释、追问并检查理解。[9][10][11]
因此，AI 能不能制造训练并不是问题。它当然可以先隐藏答案，要求用户提交假设，再给反例和反馈。
悬而未决的是另一件事：这些模式有多少人会主动打开，又有多少企业愿意把它们放进正式工作流。学习模式存在，不等于学习已经发生；健身房办卡的历史，对这类推理并不友好。
通用助手的即时价值仍然来自尽快完成任务。用户要一份报告，它若先布置半小时练习，产品经理大概会先完成一次流失率复盘。短期有用性和长期能力形成并非必然冲突，但后者需要额外设计，成本也会落到企业而不是模型身上。
对公司而言，这意味着需要把生产任务和训练任务重新分开。有些工作可以让 AI 全程代办；有些关键案例应要求新人先给判断，再让 AI 做反方；有些复盘不该只看最终文档，还要检查使用者能否解释证据、识别边界并在模型出错时接管。
这不是为低效举行追悼会。无意义加班、机械搬运和糟糕管理不会自动生产专家。值得保留的也不是难受，而是难度与反馈之间的联系：一个人做出判断，看见结果，得到纠正，然后再做一次。
05. 中美不是同一张考卷
劳动力市场已经出现值得警惕的信号，但证据没有整齐地站在同一边。
斯坦福数字经济实验室使用美国大型薪资管理服务商的高频数据发现，在 AI 暴露程度最高的职业中，二十二至二十五岁员工的就业相对下降百分之十六；同一职业中更年长员工的就业总体稳定或继续增长。研究控制了企业层面冲击，并发现调整主要发生在就业而非薪酬上。[12]
这组结果与“初级入口收窄”的担忧相符，却仍是观察性早期证据。它不能证明所有下降都由 AI 引起，更不能直接推出十几年后的专家缺口。
更直接的反证来自 Ramp 与 Revelio Labs。两家公司把真实 AI 采购记录与两万一千多家美国企业的员工数据关联后发现，高强度 AI 采用者在采用后的就业水平比尚未采用者高约百分之十点二，初级员工占比高一点一五个百分点；低强度采用者没有显著就业增长，初级员工占比还略有下降。[13]
这项研究同样不能证明 AI 机械地创造了工作。重度采用者原本就更大、增长更快，也更偏技术行业。研究设计尽量用“尚未采用但后来会采用”的企业作比较，仍不足以把相关性变成因果。[13]
两组数据放在一起，结论反而更有用：AI 对学徒的影响没有唯一方向。企业若只买几个账号，把节省成本理解成少招新人，训练入口可能收缩；企业若把 AI 嵌入业务、扩大产出，再把一部分收益投入招聘和带教，初级岗位反而可能增加。
这套争论搬到中国，难度又多了一层。
二〇二六届中国普通高校毕业生预计达到一千二百七十万人。[14] 这不是一千二百七十万个相同的人，也不是一千二百七十万个等待 AI 处置的岗位，但它说明了中国问题的底色：任何入门门槛的轻微上移，乘上一个巨大的毕业生基数，都会变成一场不太轻微的招聘季困局。
现有中国数据看起来也在互相打架。
北京大学团队基于二〇一八年一月至二〇二四年五月约一百二十五万条网络招聘广告发现，大语言模型暴露度较高的职业主要集中在会计、编辑、销售、程序员等白领岗位。这类岗位的招聘需求相对下降，学历和工作经验要求则有所提高。[15]
如果只看这项研究，中国的风险似乎比美国更直接：岗位未必立刻消失，但公司先把入口抬高。过去愿意招一个人进来学的工作，现在可能要求候选人进门前就像个熟练工。企业把“培养”两个字从岗位说明里删掉，通常不需要召开发布会。
不过，另一份数据给出了相反的画面。腾讯研究院与中国劳动经济学会分析了二〇二四年一季度至二〇二五年二季度约一亿条招聘广告。在明确要求 AI 技能的岗位里，高级职位占比下降，初级职位占比相对稳定。报告据此判断，中国企业更多是在用 AI 增强新人，而不是直接替代新人。[17]
这是一条重要反证，也是一条很容易被读大的反证。
该报告同时写明，明确要求 AI 技能的招聘广告还不到全部样本的百分之二，识别方式主要依赖关键词。它能证明一小部分 AI 技能岗位没有明显排斥新人，不能证明中国所有初级岗位都平安无事。用这百分之二替九十八个百分点名，和让实习生替董事长签字，程序上都比较勇敢。[17]
第三组数据来自智联招聘。二〇二六年上半年，其平台上的 AI 产业招聘职位数同比增长百分之十点六，招聘企业数增长百分之二十四点八；AI 产品经理、数据标注、AI 训练师等技术和非技术岗位都在增长。[18]
这同样不能推出“AI 正在普遍创造工作”。它只说明 AI 产业本身仍在扩张，而且一个产业完全可以在增加岗位的同时，改变其他行业需要什么样的新人。
三组材料之所以看起来矛盾，是因为它们数的不是同一件事。
北大研究观察的是全市场中高 AI 暴露职业的招聘变化；腾讯报告观察的是明确写出 AI 技能要求的少数职位；智联数据观察的则是 AI 产业。高暴露白领招聘需求下降、AI 技能岗位愿意使用新人、AI 产业继续招人，完全可能同时发生。产业在长大，不代表旧入口没有变窄；电梯上行，也不妨碍一楼门禁升级。
北京大学与智联招聘的另一项研究提供了更细的注脚。研究团队分析了二〇二一年一月至二〇二五年七月超过一百六十二万条职位与求职者匹配数据，发现 AI 可能改善部分高暴露职业的细颗粒度匹配效率，但整体学历错配仍然存在。[16]
算法更会配对了，人力资本没有因此自动长出来。招聘系统可以更快找到“有三年经验的应届生”，至于这种生物是否存在，不在推荐算法的绩效范围内。
这也是中国与美国最值得比较的地方。美国案例里的学徒制，往往围绕一个清晰的项目和职业展开。Google 要在密苏里州建设基础设施，就与工会、社区学院一起扩充施工人才管道，并把一千五百名学徒写进计划。[3][4] 它未必高尚，只是项目要按时通电，组织终于有动力把四五年的训练成本摆到桌面上。
中国并非没有制度化学徒制。企业新型学徒制要求企业与院校实行“双基地、双导师”培养，培训通常持续一至两年，企业要支付工资、安排导师并建立培训台账。[19][20] 从制度设计看，它比许多白领部门靠师傅心情带人的办法正式得多。
但政策对象主要是已经与企业签订一年以上劳动合同的技能岗位职工。[19][20] 换句话说，这套制度擅长回答“人招进来后怎样培养”，却不会自动解决“白领新人怎样先拿到入场券”。如果会计、编辑、销售和程序员岗位先提高学历与经验门槛，毕业生可能在成为学徒之前就被筛掉。
因此，中国版本的专家管道风险，未必先表现为全国初级岗位齐刷刷下降。它更可能以两种不那么整齐的方式出现：一边是 AI 产业和少数人机协作岗位扩张，一边是传统白领岗位把学历、经验和即时产出要求向上推；一边是技能岗位有补贴、有导师、有台账，一边是大量认知型岗位仍把“带新人”留在部门费用里，随时可以优化。
这是一种推论，不是已经完成的因果识别。中国招聘数据覆盖的平台、年份和岗位口径各不相同，中美研究也没有一把可以直接互换的尺子。更何况，宏观周期、产业结构和毕业生专业分布都在同时变化。把青年就业的所有困难都交给 AI 负责，AI 可能也会要求补一份岗位说明书。
但比较仍然揭示了同一个组织问题：专家断档的风险不只来自模型能力，还来自一笔很容易被省掉的预算。取消一个初级岗位，收益当年可见；少培养一个未来专家，成本要很久以后才出现，而且届时负责招聘的人通常不是当年负责降本的人。
Google 在密苏里州的项目至少把训练人数写进了计划：两年内，一千五百名学徒。[3][4] 白领公司也很会数报告、代码和工单，只是很少数一名新人独立判断过多少次，又有多少次得到了诚实反馈。
AI 可以把作业写完，甚至可以把学徒教得更快。它是否掏空专家管道，取决于公司把省下来的时间当作裁员空间，还是当作更高质量的练习空间；也取决于教育、企业和职业训练制度，能不能把新人从校门送到第一个允许犯错的岗位。
劳动力从来不稀缺，办公室里库存充足。稀缺的是一种经过设计的难度：它允许人犯错，但不允许错误悄悄过去。
06. 参考资料
[1] Dario Amodei, The Adolescence of Technology [1], 二〇二六年一月。
[2] Microsoft, Putting AI to work with the building trades [2], 二〇二六年四月二十一日。
[3] Google, Google Deepens Missouri Roots with New Data Center, Energy, and Community Investments [3], 二〇二六年五月二十日。
[4] Missouri Department of Economic Development, Google deepens Missouri roots with $15 billion community investment in Montgomery County [4], 二〇二六年五月二十日。
[5] U.S. Bureau of Labor Statistics, Electricians: Occupational Outlook Handbook [5], 二〇二五年八月二十八日。
[6] Erik Brynjolfsson, Danielle Li & Lindsey R. Raymond, Generative AI at Work [6], The Quarterly Journal of Economics , 二〇二五年二月四日。
[7] Fabrizio Dell’Acqua et al., Navigating the Jagged Technological Frontier [7], Organization Science , 二〇二六年三月十一日。
[8] Niam Yaraghi, Borrowed expertise: Why AI’s productivity boom may not survive the generation that built it [8], Brookings Institution, 二〇二六年七月十日。
[9] Anthropic, Introducing Claude for Education [9], 二〇二五年四月二日。
[10] Google, Guided Learning in Gemini: From answers to understanding [10], 二〇二五年八月六日。
[11] OpenAI, Using Study Mode in ChatGPT [11], 持续更新页面。
[12] Erik Brynjolfsson, Bharat Chandar & Ruyu Chen, Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence [12], Stanford Digital Economy Lab, 二〇二五年十一月十三日。
[13] Lisa K. Simon, Ara Kharazian & Ryan Stevens, The Companies Spending the Most on AI Are Also Spending the Most on Humans [13], Revelio Labs, 二〇二六年六月三十日。
[14] 新华社，《教育部部署开展2026届高校毕业生就业工作》[14]，二〇二六年六月十二日。
[15] 李嘉、张丹丹，《人工智能的就业效应——来自中国与新加坡的比较》[15]，北京大学国家发展研究院，二〇二六年一月五日。
[16] 北京大学国家发展研究院、智联招聘，《人工智能背景下就业市场的匹配效率与学历错配研究报告》[16]，二〇二五年十二月二十二日。
[17] 腾讯研究院、中国劳动经济学会，《AI职业新趋势大数据研究报告》[17]，二〇二六年五月。
[18] 中国经济周刊，《上半年AI行业招聘职位同比增长10.6%》[18]，二〇二六年七月十七日，报道转引智联招聘《2026年人工智能产业人才发展报告》。
[19] 人力资源和社会保障部等五部门，《关于全面推行中国特色企业新型学徒制 加强技能人才培养的指导意见》[19]，二〇二一年六月八日印发，北京市人民政府门户网站转载。
[20] 人力资源和社会保障部办公厅、财政部办公厅、国务院国资委办公厅、中华全国总工会办公厅、全国工商联办公厅，《企业新型学徒制培训计划实施方案》[20]，二〇二二年十二月印发。
6.1 引用链接
[1] *The Adolescence of Technology*: https://darioamodei.com/essay/the-adolescence-of-technology
[2] *Putting AI to work with the building trades*: https://blogs.microsoft.com/on-the-issues/2026/04/21/putting-ai-to-work-with-the-building-trades/
[3] *Google Deepens Missouri Roots with New Data Center, Energy, and Community Investments*: https://storage.googleapis.com/gweb-uniblog-publish-prod/documents/Press_Release__Google_Deepens_Missouri_Roots.pdf
[4] *Google deepens Missouri roots with $15 billion community investment in Montgomery County*: https://ded.mo.gov/press-room/google-deepens-missouri-roots-15-billion-community-investment-montgomery-county
[5] *Electricians: Occupational Outlook Handbook*: https://www.bls.gov/ooh/construction-and-extraction/electricians.htm
[6] *Generative AI at Work*: https://academic.oup.com/qje/article/140/2/889/7990658
[7] *Navigating the Jagged Technological Frontier*: https://pubsonline.informs.org/doi/10.1287/orsc.2025.21838
[8] *Borrowed expertise: Why AI’s productivity boom may not survive the generation that built it*: https://www.brookings.edu/articles/borrowed-expertise-why-ais-productivity-boom-may-not-survive-the-generation-that-built-it/
[9] *Introducing Claude for Education*: https://www.anthropic.com/news/introducing-claude-for-education
[10] *Guided Learning in Gemini: From answers to understanding*: https://blog.google/products-and-platforms/products/education/guided-learning/
[11] *Using Study Mode in ChatGPT*: https://help.openai.com/en/articles/11780217
[12] *Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence*: https://digitaleconomy.stanford.edu/publication/canaries-in-the-coal-mine-six-facts-about-the-recent-employment-effects-of-artificial-intelligence/
[13] *The Companies Spending the Most on AI Are Also Spending the Most on Humans*: https://www.reveliolabs.com/news/ai-and-work/greater-ai-investment-more-hiring/
[14] 《教育部部署开展2026届高校毕业生就业工作》: https://www1.xinhuanet.com/government/20260612/86bab47d0d4f46698afd524d4ef1fe91/c.html
[15] 《人工智能的就业效应——来自中国与新加坡的比较》: https://nsd.pku.edu.cn/sylm/gd/e7cafa2eaf3d4ccc9df7d61aa2b7a33d.htm
[16] 《人工智能背景下就业市场的匹配效率与学历错配研究报告》: https://nsd.pku.edu.cn/xzyj/cbw/yjbgxl/9295ba3c7e5c4a24aaf57798c94cb1a2.htm
[17] 《AI职业新趋势大数据研究报告》: https://hulianhutongshequ.cn/upload/tank/report/2026/202605/3/a9c8deba818c4fa1b70736fc5b9874d7.pdf
[18] 《上半年AI行业招聘职位同比增长10.6%》: https://www.ceweekly.cn/economic/industry/2026/0717/497479.html
[19] 《关于全面推行中国特色企业新型学徒制 加强技能人才培养的指导意见》: https://www.beijing.gov.cn/zhengce/zhengcefagui/qtwj/202204/t20220417_2679305.html
[20] 《企业新型学徒制培训计划实施方案》: https://chinajob.mohrss.gov.cn/h5/c/2023-01-30/367124.shtml
07. 原文来源
原文发表于微信公众号“中老年叨叨”（2026年7月27日 19:20）。查看微信公众号原文。