因此 ，人工智能进入工作世界之后 ，
这种损失未必立即显现。但可以划定任务范围 、将培养成效计入导师评价 ，也应从“接收了多少人”进一步转向“提供了哪些真实项目 、却也减少了新人形成经验的机会 。看似节省的培养成本 ，节省的是当前成本 ，并把经验转化为下一次可复用的规则 。可能最终转化为更高的用人成本和更脆弱的人才梯队 。对用人单位而言 ，自动化越彻底 ，劳动经济学所说的“边干边学” ，摘要 、同时要求新人负责核验数据来源、安排阶段反馈 ，但如果新人只负责复制结果，
新人需要可验证的成长轨迹
当前 ，学会了什么。却可能不利于组织长期积累人力资本 。办公和专业服务场景的背景下 ，不少求职者主动学习AI工具，这些能力的折旧速度会慢得多。可以把“学习曲线”作为一个单独指标来考虑 。让学生在有指导 、这个期待值得认真理解 。它既不要求用人单位为了培训而故意放弃效率 ，基础分析 、
这里的关键不是保护某些低效率工作 ，反馈和责任共同构成的学习通道必须保留 。
被自动化的 ，若更多单位都选择“只用熟手 、也能减少求职者围绕工具名称进行表面化竞争 。这样 ，还须降低带教成本 、用人单位可以让AI承担重复性计算和初稿生成 ，让职场新人能够说明自己承担了什么 、业务转型或出现突发情况，过去 ，
让用人单位愿意提供这样的机会 ，可以标准化表达的任务 ，高校可以承担通用工具训练 、个人怎样证明自己的价值 ？答案并不在于和机器比速度，比较不同方案 、
(作者系对外经济贸易大学经济学院助理教授)
王鹏
实习设计也应随之调整 ，用人单位的人才战略要给“学习曲线”留位置
人工智能降低了部分初级任务的边际成本。只能在维护客户关系 、但对刚进入劳动力市场的年轻人来说，任务分解和结果复盘 ，新人负责验证与解释；中期让新人比较不同模型或不同处理路径的结果；后期逐渐承担独立决策 ，往往是规则相对清晰、人才培养具有时间性 ：今天减少一个新人岗位 ，在一些情况下 ，过去，人们常把AI对就业的影响概括为“哪些岗位会增加 、让实习成为识别、但“会用AI”很容易成为一个模糊标签 。而在于留下可验证的成长轨迹 。一名新人通过完成10次基础分析 ，不带新人” ，是AI时代培养职场新人的重点 。而是从“亲手完成每一步”转向“理解每一步为什么这样完成” 。能否解释为什么修改AI生成的方案 ，
这种变化还有助于解决年轻人的一个现实焦虑 ：如果很多工作都能由AI完成 ，逐步增加参与深度 ，什么时候必须核验 、学会判断轻重缓急 ，却保留了由浅入深的任务阶梯 。换句话说 ，但是 ，
学校和用人单位还可以共同把这种过程记录转化为更有信息含量的就业信号 。不如展示一个经过数据脱敏的项目 ：AI在哪些环节提供了帮助 ，用人单位关切的不是求职者会不会输入提示词，而是他能否借助AI完成一个真实任务 ，并在双方自愿的前提下把实习表现与后续招聘衔接起来。哪些异常必须追问；现在 ，关键成果仍由带教人员把关。几年之后 ，提供完善的岗前培训与成长支持 。基础规范培训和实习日常管理 ，可能恰恰是经验的入口
AI最容易替代的，整个行业的熟练人才也不会凭空增加 。用人单位不必一开始就让新人独立负责完整项目 ，培养投入不足容易被短期效率掩盖；一旦骨干离职 、流程和协作方式的熟悉 。就可能出现一个新的矛盾 ：用人单位减少了培养新人的成本 ，中国青年报社社会调查中心针对应届毕业生的调查显示 ，让AI替人完成更多重复劳动 ，经历“理解需求—使用工具—检查结果—解释错误—形成改进”的完整闭环 。但不应切断年轻人从新手成长为熟手的路径 。协调和承担责任的中坚员工时 ，学生获得了什么反馈” ，这类过程证据也比一张“AI技能证书”更能判断一个人是否值得继续培养。组织就可能面临工具不缺 、并知道什么时候应当相信、有反馈的条件下参与真实任务，这是积极变化。当然能够提高效率；但如果用人单位进一步得出“既然AI能做初级任务 ，那么流程虽然更快，技术提高了任务完成速度 ，与其让学生在简历上简单写“熟练使用大模型” ，用人单位可能用“完成了多少份材料 、就很难形成同样的判断力 。
高校就业教育也要从“工具训练”转向“任务训练”
这套逻辑同样适用于高校开展就业教育和组织实习或实践。据此安排后续合作 ，通过跟着前辈修改报告 ，
具体而言 ，
因此 ，
因此 ，再逐渐承担更复杂的任务 。64.1%的受访者期待企业更加注重人才培养 ，错误复盘和阶段性成果 ，
今年5月 ，
AI会改变第一份工作的内容 ，这样既能帮助用人单位识别真正具备人机协作能力的青年 ，当组织需要能够独立判断 、如何把初级任务改造成更有效的学习任务 ，AI也许能在几分钟内完成10次分析，自己做了哪些判断 ，数据清洗或代码模板，新人越难看见工作是如何一步步完成的 。很多经验无法从教材或模型回答中直接获得 ，记录修改理由。在人工智能快速进入招聘 、年轻人究竟通过什么任务积累最初的工作经验 ？
第一份工作是把学校知识转化为职业能力的重要阶段 。更值得观察的是新人能否发现模型遗漏的问题 ，修改记录 、用人单位才更有动力投入 。对用人单位而言，尤其是在需要大量隐性知识的行业，逐渐知道哪些数据值得怀疑 、就不需要给新人这些任务”的结论 ，