目录
谈到"AI 最先取代的工作"时，大多数人凭直觉会认为"做着例行性工作的资深者最危险"。然而，过去两年实际发生的事情却恰好相反。
Stanford Digital Economy Lab 在 2025 年 11 月发布的分析报告"Canaries in the Coal Mine（煤矿里的金丝雀）"，连同 Yale SOM、美联储以及业界调查数据，全都指向同一个方向——最先被 AI 替代的是年轻人，而资深者反而在扩大就业份额。
本文将梳理最新数据揭示的事实，剖析资深者为何胜出、年轻人和资深者各自应当采取什么策略，以及正在迫近的长期问题——"培训管道的崩塌"。
反直觉——AI 正在最先削减年轻人
—— 2022 年末至 2025 年 5 月的就业变化（Stanford Digital Economy Lab，美国）
研究者将这种现象命名为 "seniority-biased technological change（资历偏向型技术变革）"。
过去的自动化夺走的是资深者的例行工作；而 AI 正在夺走年轻人的入门级任务。
1. 结论——数据告诉我们：年轻人先被替代
这并非凭感觉。多项独立研究都指向同一方向。
| 研究 | 对象 | 主要发现 |
|---|---|---|
| Stanford Digital Economy Lab（Brynjolfsson, 2025-11） | 美国 AI 高暴露职业 | 22～25 岁：就业 −13%，30 岁以上：+6～12% |
| Stanford / 同一论文 | 22～25 岁软件工程师 | 较 2022 年末峰值 −20% |
| 美国年轻人就业数据（2025-07） | 22～25 岁 IT 岗位 | −6%（同期 35～49 岁增长 +9%） |
| 业界调查（2024） | 美国入门级科技岗招聘 | 2023 至 2024 年 −67% |
| 业界调查 | IT 就业中初级/应届占比 | 三年内由约 15% 降至 7% |
| SHRM（2024） | 美国超 1,000 名 HR 专业人士 | 70% 表示"AI 能完成实习生的工作" |
| Stack Overflow（2025） | 全球开发者 | AI 工具使用率 84%（较 2023 年 +14pt） |
| 美国应届毕业生失业率（2026） | CS/CE 毕业生 | CS 6.1%、CE 7.5%（22～27 岁整体为 7.4%） |
"年轻人是被保护对象"这一旧有假设已经崩塌。被揭示出来的是一个结构性事实："AI 最容易自动化的，恰恰是人们在职业起步阶段以教科书方式学习的工作——写代码、记账、应对一线咨询。"
2. 为什么资深者能存活
研究者所使用的框架叫 "seniority-biased technological change（资历偏向型技术变革）"。AI 替代的是"成文化的知识"，同时放大"以经验为支撑的判断"，最终结果就是资深者的市场价值上升。
AI 无法替代的四种能力（恰好是资深者所拥有的）
这正是暗默知识的领地——无法写进手册、必须在现场吸收的那种知识。AI 能够瞬间复现已经被写下来的内容，却进不了暗默的领域。这正是资深者市场价值上升的原因。
3. 各行业受到的影响
"被 AI 替代的难易程度"因职业而大不相同。Stanford 的研究将以下职业列为AI 暴露度尤其高的职业。
| 职业 | 对年轻人的影响 | 对资深者的影响 | 典型被替代的任务 |
|---|---|---|---|
| 软件开发 | 大（22～25 岁 −20%） | 上升（35～49 岁 +9%） | 样板代码、Bug 修复、追加测试 |
| 客户支持 | 大 | 中（向上层升级转移） | FAQ 应答、一线分诊、例行咨询 |
| 会计与审计 | 大 | 上升（复杂判断、治理） | 记账、报表编制、数据对账 |
| 运营管理 | 中 | 上升 | 仪表盘制作、例行报告、KPI 汇总 |
| 前台与文档处理 | 大 | — | 预约管理、引导、文档分类 |
| 市场营销与文案 | 中至大 | 上升（战略、品牌判断） | 社交媒体发帖、邮件通讯、套路化文案 |
| 医疗与护理 | 低至中 | 低 | 仅记录与总结；诊断仍由人主导 |
| 建筑与物流现场 | 低 | 低 | 体力劳动超出 AI 触及范围 |
| 创意（音乐、视频） | 中 | 中 | 初稿与粗剪；最终决断仍归人 |
共同的模式是"成文化的工作 → 入门级任务 → 分配给年轻人"这条链条，而正是这条链条被 AI 所替代。相反，体力劳动、身体性角色、高度判断性的工作，无论年轻人还是资深者，所受影响都很小。
4. "培训蒸发"——年轻人无法成长的结构性问题
真正严峻的问题是：企业正在悄悄给自己埋下定时炸弹——"不招年轻人 → 年轻人成长不起来 → 5～10 年后资深者枯竭"。
过去，新人工程师和会计是读着前辈的代码、做着例行任务、在现场逐步吸收暗默知识成长起来的。当 AI 接管了这些入门级任务，"年轻人能学习的场所"也随之消失。
AI 正在打破资深者的培养路径
—— 关上年轻人入口水龙头的组织，5～10 年后也将关上资深者的水龙头
（Forrester 2026 Predictions）
就业市场恶化正在改变学生的选择
入口的水龙头大致只剩一半
重建培养管道还需要更多年
换句话说，那些现在决定"既然 AI 能降低成本，就停止招应届"的企业，同时也是在决定不培养自己未来的资深者。Yale SOM 的研究者将这一现象描述为"职业生涯在开始之前就被斩断"。
5. 反驳观点——"AI 并非真正原因"
也存在有说服力的反驳观点。美联储的研究发现，企业的 AI 引入与招聘减少之间仅存在"精确估计的零效应"，并据此得出结论：AI 并非年轻人就业减少的原因。
反方阵营列举的其他因素如下：
- 疫情期超额招聘的修正：科技业 2020～2022 年以不可持续的速度招聘，如今看到的只是其反弹，与 AI 无关。
- 利率上升：初创和科技企业的融资环境恶化，新增招聘冷却。
- 签证与劳动政策的变化：美国 H-1B 限制、欧洲移民政策等与 AI 无关的结构性变化。
- 世代偏好的转变：CS 本科生申请数原本就已进入平台期。
因此，"AI 并非年轻人就业减少的唯一原因"这种谨慎观点无疑有其道理。话虽如此，Stanford 的研究显示出明确的相关性——"职业的 AI 暴露度越高，年轻人被削减得越多"，而且在多种因素叠加之下，AI 的贡献也无法忽视。本文并不主张 AI 是唯一原因，而是采取这样的立场：AI 是一个重要的压力来源。
6. 年轻人的生存策略
"数据我懂了，那到底该怎么办？"答案如下。
1. 站在使用 AI 的一侧——"使用 AI 的人"胜过"被 AI 编写的人"
截至 2025 年，全球 84% 的开发者在工作中使用 AI 工具（Stack Overflow Developer Survey）。"会用"已成为基本门槛。区分能力的，是能用得好、知道何时不该信任的判断力。
2. 早早占据 AI 不擅长的领域
- 体力性、身体性工作：现场工作、医疗护理、现实沟通
- 判断的问责：合规、治理、伦理
- 设计创意性问题：新业务、UX 设计、品牌
- 打动人：销售、教练、领导力
3. 构建复合型技能栈
纯粹的"会写代码""会做会计"已经不够。通过"领域 × AI"或"设计 × 数据"等组合制造稀缺性。例如"临床经验 + 提示词工程""法务实务 + AI 输出验证"等。
4. 自己创造获取暗默知识的场所
如果公司不给你"读前辈代码的环境"，那就自己去争取：开源贡献、副业项目、社群、师徒约定。"公司会培养我"这一前提，对 AI 时代的年轻人而言已经崩塌。如果不靠自己的力量去获取，3 至 5 年后你将一无所有。
5. 提前进入上一阶段——管理、设计或业务判断
纯粹做实现工作的席位的确在缩减。但如果你早早跨入"做设计决策、理解业务、打动人"的一侧，你就会站在 AI 所放大的那一边。在 30 岁之前构建起"实现 + α"，是最重要的 KPI。
7. 资深者也无法高枕无忧的分界线
"资深者胜出"并不意味着每位资深者都安全。下列特征比年轻人更危险。
| 危险的资深者特征 | 为什么危险 |
|---|---|
| 不用、也不会用 AI 工具 | 在生产力上输给"会用 AI 的 30 多岁"。维持现有薪资变得难以正当化 |
| 仅有头衔的资深，实战能力薄于年轻人 | 没有强力的署名能力，岗位看起来完全可被 AI 替代 |
| 以例行管理工作为主 | AI 仪表盘和自动化报告会压缩管理层本身 |
| 固守过去的成功模式 | 当行业围绕 AI 重组，重放旧模式即沦为过时 |
| 无法把暗默知识表达出来或传承下去 | 如果无法整理成"可教给 AI 的形式"，就既无法传承自己的价值，也会与团队隔离 |
分界线不是"资深 = 安全"，而是"会用 AI 且能行使暗默知识判断的资深者 = 安全"。分水岭是姿态，而不是能力。
8. 企业现在应该做的事
超越个人层面，企业需要立足长期人才结构来行动。
1. 把招聘年轻人视为对"未来资深者"的投资，而非成本
AI 能降低短期成本。但5～10 年后资深者短缺几乎是确定的。削减应届招聘，实际上等于削减届时企业自身的竞争力。
2. 为 AI 时代重新设计年轻人培养项目
当"读前辈的代码""通过例行任务吸收"已经行不通，就需要新的课程："批判 AI 产出""与 AI 辩论""感受 AI 的失效边界"。这正是 Anthropic、OpenAI 等公司通过企业培训项目所填补的空白。
3. 把资深者作为"AI 放大器"使用
资深者的暗默知识 × AI 的可扩展性，是当下最高的生产力收益。围绕"一位资深者 + AI = 过去五位资深者的产出"这一前提来重组团队。
4. 把"由人最后签字"的治理制度化
务必在 AI 输出投入实际使用之前插入"人的检查点"。这一举两得：既保留了年轻人的工作，又提供了质量保证。
总结
- 数据显示"年轻人正在最先被 AI 替代"。22～25 岁软件工程师较峰值 −20%，而 35～49 岁 IT 从业者 +9%
- 这就是资历偏向型技术变革。AI 替代成文化知识，同时放大暗默知识与判断
- 长期来看，"培训管道蒸发"才是真正严峻的问题。关闭年轻人入口的组织，5～10 年后资深者也将枯竭
- 反驳观点：疫情超额招聘反弹、利率、签证政策——多重因素叠加。AI 并非唯一原因
- 年轻人的策略：站在使用 AI 一侧 / 占据 AI 弱项 / 构建复合技能 / 自行获取暗默知识 / 提前进入上一阶段
- 资深者的危险线：不用 AI、实战能力薄、以例行管理为主、固守过去成功、无法传承暗默知识——这些反而更危险
- 企业的责任：把招聘年轻人重新定义为未来投资、重新设计培养项目、把资深者作为放大器、把"由人最后签字"的治理制度化
FAQ
Q1. "年轻人优先被替代"只是美国的事吗？日本也适用吗？
主要数据来自美国，但日本也显示出同方向的征兆。由于应届生集中招聘和终身雇佣的惯例，日本的变化更慢，但 IT 与咨询业已经开始重新审视应届招聘人数，普遍预计 2027 年起将出现美国式的格局。
Q2. 那年轻人是不是干脆别当工程师了？
恰恰相反。"现在就能用好 AI 的年轻人"正是稀缺资源。下降的是对"AI 能替代水平的年轻人"的需求——对"判断力超过 AI 的年轻人"的需求反而上升。正确的做法不是放弃 CS 学位，而是改变学什么、怎么学。
Q3. 作为 30、40 多岁的人，怎样才能成为"会用 AI 的资深者"？
只有三件事：
(1) 每天花 30 分钟使用 Claude Code、Cursor 或 Codex
(2) 在自己的专业领域里摸清"AI 能做什么、不能做什么"的边界
(3) 强化用以批判并修正 AI 输出所需的领域知识
长期拉开差距的不是工具熟练度，而是把自己的判断准则表达清楚。
Q4. "培训管道崩塌"能被防止吗？
就单家企业而言，可以。(1) 维持应届招聘，(2) 构建让年轻人与 AI 配对的培养项目，(3) 把"教学时间"纳入资深者的工作。社会层面则仍不确定。美国与欧洲已开始出现政策提案，但尚未进入实施阶段。
Q5. 体力现场工作（建筑、护理、配送）真的安全吗？
在可预见的将来，安全度高。AI 机器人虽在进步，但"人在现场进行判断"含量高的工作，截至 2026 年仍远未被替代。如果把视角拉到 20 年这种时间尺度，自主机器人和自动驾驶普及之后，那就是另一回事了。
Q6. 在"会用 AI 的资深者"和"不用 AI 的年轻人"之间，谁更强？
压倒性地是会用 AI 的资深者。当 AI 的可扩展性叠加在资深者的暗默知识之上，产出会增长到过去的数倍。相反，"不用 AI 的年轻人"正在变成劳动市场上价值最低的一类。
Q7. 我感觉"自己一半的工作被 AI 吃掉了"，该怎么办？
分三个阶段推进。(1) 短期：集中精力提升剩下一半的质量，并用 AI 把那一半的生产力翻倍。(2) 中期：刻意提高自己在 AI 不擅长领域——判断、人、物理世界——的工作占比。(3) 长期：阅读行业本身的变化，重新定义"AI 普及五年后的自己的职业"。要采取的视角是"在行业内重新夺回自己的席位"。
