AI 引发工作领域的巨变

生成式 AI 的横空出世，宛如一颗投入平静湖面的巨石，在工作领域激起千层浪。许多原本依靠人工完成的工作内容实现了自动化，员工的工作能力范畴也随之发生新的变化。

以往，雇主在评估求职者时，所遵循的技能、经验和资质标准相对固定。但如今，面对生成式 AI 带来的冲击，这些标准不得不迅速做出调整。

在这个变革的浪潮中，人们的观点出现了明显的分歧。一部分人忧心忡忡，他们认为这些变化将会给职业发展戴上枷锁，未来想要转换工作岗位将会变得难上加难；而另一部分人则持有乐观积极的态度，他们觉得随着与技术或 “硬” 技能相关的工作要求降低，职业流动性反而会得到显著提升，普通人将迎来更多的职业发展机会。那么，究竟谁的观点更符合未来的发展趋势呢？

AI 影响下的机遇与困境并存

事实上，AI 对工作的影响就像一把双刃剑，机遇与挑战并存。以美国为例，相关研究显示，大约 12% 的劳动者所从事的职业中，入门级岗位的大部分任务极有可能被生成式 AI 自动化。这可不是危言耸听，现实中，随着基于生成式 AI 的微软 Copilot 的问世，入门级软件工程岗位的招聘几乎陷入了停滞状态。

然而，事物总有两面性。约 19% 的劳动者所处的领域，生成式 AI 能够承担目前需要专业技术知识的任务，这无疑为那些不具备过硬专业技能的人打开了一扇新的机遇之门。据估算，在未来几年内，将近 5000 万个工作岗位将或多或少地受到影响。这一变化促使企业必须深度重塑自身的组织结构，重新审慎思考人才管理战略。毕竟，其影响范围之广，涉及到各个行业，对个人和整个社会都具有极为深远的意义。那些能够灵活应变的企业，将最有希望借助生成式 AI 挖掘提升生产力的潜力，同时有效降低人才短缺带来的风险。

学习曲线的改变与职业门槛的升降

接下来，让我们聊聊 “学习曲线” 这个概念。在某些工作中，比如开网约车，新手上手相对比较容易，所需时间较短。但在诸如销售、软件工程等众多工作领域，新手与经验丰富的从业者之间存在着巨大的知识鸿沟。学习曲线直观地反映了不同工作中员工达到最高生产效率所需时间的差异。当一个职业中资深员工的生产效率远远高于入门级员工时，我们就说这个职业的学习曲线较为陡峭。分析发现，在许多这类职业中，入门级技能更容易受到生成式 AI 的冲击，这也就意味着这些职业入门级岗位的门槛可能会随之提高。

哪些职业的技能门槛将被提高

为了弄清楚生成式 AI 究竟会提高哪些职业的专业技能门槛，研究人员付出了诸多努力。首先，他们对一系列不同职业的收入曲线展开分析，因为收入曲线在很大程度上能够反映学习一门专业所需的时间。

通过这种方式，研究人员找出了那些经验丰富员工薪资明显更高的岗位，这表明在这些岗位上，积累的专业技能具有显著的价值。随后，研究人员又从涵盖数百万条美国在线招聘广告、为期两年的数据中，深入分析每个职业中资历较浅和资历较深的员工之间技能要求的差异。

接着，他们采用一个模型，展示生成式 AI 的应用对各个职业中的任务会产生怎样的影响。经过一系列的研究，最终确定了像项目管理专员、培训与发展经理、网页设计师和金融风险专员等 100 个职业，这些职业学习曲线陡峭，并且经验不足的员工比经验丰富的员工更容易受到生成式 AI 的影响。

以信用分析师为例，在生成式 AI 的影响下，其工作模式发生了显著转变。以往，信用分析师可能会将收集和整合信息等任务分配给下属，而现在，他们可以借助生成式 AI 独立评估企业的信用状况，并且能够探索更多不同的场景，利用所得发现重新评估现有客户的信用状况，或者与同事合作确定符合机构标准的潜在新客户。

更为重要的是，他们还可以创建并指令生成式 AI 代理来执行其中的许多任务。这种转变无疑打乱了传统从新手到专家的晋升路径，新员工获得经验的机会大幅减少，这对公司培养未来人才储备构成了严峻挑战。

哪些职业的进入门槛会降低

说完门槛提高的职业，我们再来看看哪些职业的进入门槛可能会降低。同样从学习曲线分析入手，这次关注的是职业生涯早期薪资增长相对平缓的职业。这类职业的特点是，进入这些职业的主要挑战在于最初获得聘用，而非掌握工作技能。然后，研究人员通过基于大语言模型（LLM）对工作要求进行分析，区分出那些高度依赖显性知识（可以从书籍或课程中学习到）的职业，以及那些要求具备积累的隐性知识（通常通过经验获得）的职业。通过这种方式，确定了以数据仓库专员、施工经理、电气绘图员和网络管理员等为代表的 100 个以高显性知识为特点的职业。

在这些职业中，生成式 AI 的出现使得获取技能变得更加容易。由于这些工作原本专业技能门槛较高，常常面临合格候选人短缺的问题，而生成式 AI 恰好能够缓解这一压力，让更多人有机会踏入这些高需求、高薪资的工作领域。不仅如此，像平面设计、编程、写作和数据分析等领域，也有望因生成式 AI 的应用，使专业培训较少的个人能够完成技术含量较高的任务。

企业应对变革的战略调整

生成式 AI 对工作格局的重塑，让企业不得不直面新的现实，做出全方位的战略调整。一些领域入门级岗位的减少，将从根本上改变企业的架构。过去，许多企业采用金字塔结构，每个高级岗位由多个入门级员工辅助。但随着生成式 AI 使入门级任务自动化，这种人员配置比例可能会急剧变化，或许会从曾经的每个高级岗位对应五个入门级员工，演变为二比一的比例，甚至更低。

这种结构变化既带来了新的机遇，也带来了相应的挑战。从机遇方面来看，它可能会促进组织层级之间更快地进行信息交流，实现更直接的沟通，进而达成更敏捷的决策和执行。同时，企业能够借此部署更小、更灵活的团队。

由于生成式 AI 接管了许多常规任务和决策流程，对多层级中层管理的需求也会相应减少，这使得高级领导层与初级员工之间的联系更加紧密。借助生成式 AI 工具赋能的经验丰富员工，可能不再需要过多的直接监督，进一步降低了对管理层级的需求。

此外，企业或许能够让高潜力人才在更多职能岗位轮岗，为他们未来担任管理职位做好充分准备。

然而，我们也必须看到其中的挑战。更为扁平、菱形的组织结构可能会导致员工获得管理经验的机会减少。生成式 AI 带来的去层级化现象将减少晋升机会，极大地限制员工获得职业发展所需经验的途径。因此，企业需要重新思考招聘和职业发展策略。

在招聘方面，企业可能会将重点放在更少但更符合要求的技能提供者身上。人才招聘团队需要变得更加敏捷，以获取与快速发展的技术需求相匹配的人才库。

另外，随着企业削减入门级员工数量，可供晋升的候选人储备也会相应减少，这就使得最大化新员工质量变得至关重要。不断发展的企业需要开发新的人才储备渠道，部分可能通过从其他行业招聘来实现，同时要寻找新的方法来培养和储备人才，使其能够胜任高级职位。

除此之外，这些变化还可能引发对经验丰富员工的竞争加剧，这使得人才保留成为企业的关键优先事项。

企业需要从过去 “大量招聘与快速淘汰” 的人才获取模式，转变为更加注重投资和留住具备稀缺专业知识员工的模式。

企业学习与发展的新路径

在以往，学习与发展预算的很大一部分通常用于新员工入职培训。但如今情况发生了变化，随着某些职业的劳动力更加集中在一小部分专家身上，初始培训的重要性可能不如提高现有员工的生产力。一旦生成式 AI 广泛融入职场，企业需要确定并投资于对每个岗位日益重要的技能，以确保经验最丰富的员工始终保持领先水平。

对于采用菱形结构的企业而言，还需要重新规划学习路径，以促进有经验的员工从其他领域横向流动，同时帮助那些职业生涯可能受到 AI 干扰的员工顺利实现转行。

雇主需要采用新的培训模式来加速员工的学习进程，这不仅有助于现有员工适应变化，也能让新员工更快地跨越学习曲线。为了避免在等待第三方开发培训项目时延误创新技术的实施，企业可能会更倾向于定制的、内部开发的项目，这些项目能够大量基于企业和行业特定知识。在一个几乎没有入门级在职学习机会的工作场所，模拟很可能成为使员工能够在更短时间内获得关键经验的重要机制。

随着生成式 AI 使通用技能实现自动化，企业特定知识可能会成为释放员工生产力的一个越来越重要的因素。企业需要专注于识别和培养这种知识，并考虑是否以及如何构建基础设施，使其对员工来说更容易获取。这将涉及到有关创建新知识管理系统的决策，如内部维基和 AI 驱动的学习平台。

企业还需要仔细权衡，确定企业特定知识应设置多高的门槛，以及如何在专业化的好处与劳动力灵活性的需求之间取得平衡。

积极应对 AI 变革，把握未来机遇

总的来说，生成式 AI 引发的这场革命，对我们的学习和工作产生了全方位的深刻影响。然而，这场革命仍在持续演进，我们目前的分析仅仅是基于现有职业、技能和 AI 能力所呈现的一个静态画面。随着生成式 AI 进一步拓宽某些高技能职业的进入机会，劳动力供应的增加可能会给这些领域的工资带来下行压力，这是我们当前研究尚未涉及的一个重要可能性，也为未来的研究指明了关键方向。此外，随着技术的不断进步，在职学习与通过正规教育学习之间的界限可能会持续变化，这将使情况变得更加复杂。

在这场变革中，能够蓬勃发展的组织，必然是那些欣然接纳 AI 增强型学习曲线动态本质的组织。他们将把每条曲线视为不是固定不变的轨迹，而是一条可以通过正确的策略和工具进行重塑和优化的动态路径。通过这样做，他们不仅能够成功适应 AI 革命，还将在塑造其发展方向方面发挥积极作用，进而打造出一支更加敏捷、熟练、多样化和高效的员工队伍。

对于我们每一位打工人来说，身处这样一个充满变革的时代，必须敏锐地感知变化，积极主动地跟上时代的步伐，认真规划自己的职业发展路径。只有这样，我们才能在时代的浪潮中不被淘汰，牢牢把握新的机遇，实现自身的职业价值。

希望今天关于生成式 AI 对学习与职业影响的分享，能让大家对未来的发展趋势有更清晰的认识，也期待大家都能在这场科技变革中找到属于自己的方向。