AI时代最残酷的真相
AI没有先抢走所有岗位，它先压缩了职场的“练级区”。
最近，美国大型律所出现了一个值得注意的变化。2025年，员工规模超过500人的美国大型律所，初级律师招聘人数同比减少7.5%，这是2014年以来首次下降。
减少的主要是刚从法学院毕业、负责资料检索、基础研究、备忘录起草等工作的年轻律师。与此同时，律所却更倾向于从其他机构招聘已经具备经验的律师。
原因当然不只有AI。
但法律行业人士已经开始讨论：当生成式AI越来越擅长资料查找、合同审查和基础文书起草，过去由初级律师承担的工作，还需要那么多人来完成吗？
类似的变化也发生在其他行业。
金融科技公司Chime近期宣布裁减约10%的员工。公司管理层给出的一个重要理由是，AI让更精简、层级更少的团队也能完成更多工作，组织因此需要重新设计。
人们通常把这些新闻理解为：AI开始抢工作了。
但真正值得警惕的，可能不是某几个岗位消失，而是企业正在形成一种新的用人习惯：与其招聘三个新人，再花几年把他们培养成熟，不如直接招聘一个成熟员工，再给他配上AI。
问题是，如果所有公司都想直接购买成熟能力，未来的成熟人才又从哪里来？
企业没有停止招人，只是开始跳过一些人
从猎聘《2026年Q3招聘调研报告》来看，招聘市场并没有全面熄火。
2026年上半年，岗位需求同比增长4.6%，平均薪资增长4.0%。进入Q3，41.32%的受访企业计划增加招聘，表示减少招聘的企业占21.57%，招聘净扩张指数达到19.75个百分点。
换句话说，企业还在招人，而且扩张企业明显多于收缩企业。但企业不再平均地招人。
2026年上半年，初级岗位需求增长1.6%，中级岗位增长5.3%，高级岗位增长4.8%；中级岗位不仅增速最快，占比也达到36.8%，高于初级岗位的33.1%和高级岗位的30.1%。
人才结构正在从过去基层庞大、越往上人数越少的“金字塔”，变成中间更厚的“椭圆形”。这个变化看起来只是几个百分点，背后却是完全不同的组织逻辑。
过去，一支团队可能由一位负责人、几名骨干和大量初级员工组成。新人负责收集资料、整理数据、撰写初稿、执行流程、制作报表；骨干负责检查、判断和修改；负责人做最后决策。
现在，AI开始承担大量基础工作。
一个有经验的员工配合AI，可以自己完成资料搜集、初稿撰写、数据处理甚至部分分析工作。于是，组织开始压缩最底层，把预算集中到“拿到任务就能直接交付”的中级人才身上。
AI没有把岗位一键删除。它先把组织的底部削薄了。
被AI拿走的，可能不只是工作
对于企业而言，减少基础工作似乎是一件好事。新人少了，管理成本下降；团队小了，沟通链条缩短；有经验的人借助AI，产出速度也更快。
但初级工作从来不只是廉价劳动。它也是一个人进入行业的练级区。
律师需要从基础研究和文书起草中，逐渐理解案件逻辑；程序员需要从修改小问题开始，慢慢理解系统架构；HR需要经历一次次面试、员工沟通和业务会议，才能形成真正的组织判断。
很多高级能力，并不是上完一门课突然拥有的。
它来自大量看似重复、低价值，甚至有些枯燥的基础工作。AI接管这些任务后，新人当然可以更快地交付结果，但也可能跳过了形成判断力的过程。
就像一个人从第一天开始就使用导航。他确实更快到达了目的地，却未必真正认识这座城市。
斯坦福相关研究也观察到，AI暴露程度较高的初级岗位招聘已经明显走弱。不过，研究者同时提醒，宏观经济变化等因素也会影响年轻人的就业，因此还不能把所有下降简单归因于AI。
但企业招聘结构正在发生变化，却越来越难忽视：企业今天节省的是新人预算，三五年后缺少的可能是下一批骨干。
岗位还在，“会做”却没有以前值钱了
AI带来的另一种变化更加隐蔽。
一些岗位需求并没有减少，薪资却开始下降。数据显示，2026年上半年：
数据分析师平均年薪从28.63万元下降到23.86万元，降幅为16.7%；Java平均年薪下降9.1%；HRBP下降6.9%；财务BP下降5.5%；自动化工程师下降3.6%；软件测试下降2.3%。
其中不少岗位的需求仍在增长。
软件测试需求增长约41%，自动化工程师增长40.7%，系统工程师增长33.9%，运维工程师增长31.2%，HRBP增长13.4%，但对应薪资却没有同步上涨。
这意味着一个岗位“被需要”，不等于它仍然“被高价需要”。
过去，会写代码、做报表、搭建模型、筛选简历、整理材料，本身就是专业能力。
现在，AI正在把其中一部分变成人人都可以调用的基础设施。
岗位可能还在，工作量甚至可能更多，但完成工作的门槛降低了。企业仍然需要有人操作、检查和负责，却不再愿意为单纯“掌握工具”支付过去的溢价。
AI真正压缩的，不只是工作时间。也是标准化技能的价格。
当然，不能把所有岗位的薪资变化都归因于AI。行业周期、人才供给和企业成本控制同样会影响薪酬。但数据已经指向一个越来越清晰的趋势：企业正在减少为“会做一项工作”付费，增加为“能判断、能协同、能承担结果”付费。
越靠近真实世界，越不容易被低价复制
当一部分数字化技能溢价下降，另一些能力却在快速涨价。
2026年上半年，城市经理需求增长49.5%，薪资增长30%；仓库管理员需求增长39.2%，薪资增长19.8%；销售经理及主管需求增长31.5%，薪资增长15.1%；硬件测试工程师需求增长18.6%，薪资增长10.4%。
这些岗位看起来属于完全不同的行业，却有一个共同特点：它们离真实现场很近。
仓库不会永远按照系统计划运行，生产线不会完全按照说明书工作，客户不会按照标准话术回应，业务也不会主动把问题描述清楚。
AI擅长回答已经被定义好的问题。但真实工作中最值钱的，往往是发现问题究竟是什么，并对最后的结果负责。
另一组校招数据也很有意思。客户成功岗位需求增长113.57%，薪资增长15.05%；销售代表需求增长58.72%，薪资增长30.89%；销售顾问需求增长75.61%，薪资增长17.97%。
同样是需求高速增长，数据分析师的薪资却下降18.78%，产品经理下降7.13%，实施顾问下降5.35%。
企业不是突然只喜欢销售。它真正愿意支付溢价的，是那些能够影响别人、建立信任、协调资源并推动业务发生的人。
AI可以生成一百套销售话术，却不能替人承担一次谈判失败的关系成本。AI可以整理客户数据，却不能自动获得客户的信任。AI可以给出建议，但在复杂现场里，最终仍然需要有人说：这件事我来判断，这个结果我来负责。
最稀缺的不是会用AI，而是知道用AI做什么
AI岗位本身也在经历相同的变化。
数据显示，AI产品经理、大模型算法成为新增高级岗位中的代表，SLAM算法、规控算法、导航算法和飞控算法等岗位也开始出现。
与此同时，传统机器学习、深度学习和自然语言处理岗位的需求占比有所下降。AI招聘正在从通用算法研究，走向具体场景落地；从“造出一个更好的模型”，走向“用模型解决一个真实问题”。
企业并不只是缺少更多会写算法的人。
它们更缺少能够回答这些问题的人：这个技术应该放进哪个场景？它能解决什么业务问题？怎样接入现有流程？最终能不能增加收入、降低成本，或者改善客户体验？
过去，技术本身就是壁垒。现在，随着工具门槛降低，真正稀缺的开始变成一种复合能力：技术理解、业务判断、场景落地与人际协同。
会不会使用AI，可能很快就会像会不会使用办公软件一样，成为基础要求。
但知道什么时候该相信AI、什么时候该质疑AI，以及如何用AI推动一个复杂结果，仍然需要人。
AI可以接管任务，组织不能外包人才成长
Q3调研中，47.53%的企业已经将AI应用于招聘与配置。“尚未使用AI”的企业占比，则从Q1的44.2%下降到Q3的34.73%。
企业已经越过了“要不要使用AI”的讨论，进入“怎样用AI重新设计组织”的阶段。
与此同时，71.12%的企业把优化组织结构、提升人效列为人才战略重点，52.83%关注核心人才激励与保留，40.95%希望建立学习型组织、提升员工技能。
但如果企业一边强调人才培养，一边又把所有适合新人练习的任务交给AI，组织就会陷入新的矛盾：不愿意培养新人，却希望市场上永远有成熟人才；减少初级岗位，却希望关键岗位随时有人接替；要求员工借助AI提高效率，却没有重新设计学习、考核和晋升机制。
这不仅是一个招聘问题。而是整条人才供应链都需要重新设计。
未来真正有竞争力的企业，可能不是最早砍掉初级岗位的企业，而是最早重建“AI时代学徒制”的企业。
它们需要重新回答：当AI完成第一稿，新人应该学习什么？当AI给出分析，谁来训练员工判断它是否正确？当中级人才借助AI承担更多工作，绩效和薪酬应该如何改变？当基础任务减少，组织如何创造新的练习场，让年轻人逐渐获得真实责任？
在传统组织里，人先做简单的事，再逐渐成为能够解决复杂问题的人。
在AI组织里，这条成长路径不会自动存在。它必须被重新设计。
结论
我们总在讨论AI会不会替代人。但数据呈现出的，可能是一个更早发生的变化：岗位没有大规模消失，人才价值却已经开始重新排序。
初级岗位增长变慢，中级人才受到青睐；标准化技能溢价下降，现场判断、关系建立和结果责任开始涨价；企业不断压缩组织，却仍然需要有人从新人变成骨干。
AI可以替人完成任务。但它不能自动替组织培养下一代人才。
企业今天真正需要思考的，或许不是还能少招多少人，而是：当职场的练级区逐渐消失，我们准备怎样培养未来的高手？
这将决定一家企业获得的是短期人效，还是长期的人才断层。
本文来自微信公众号“猎聘”，作者：JJ，36氪经授权发布。
