AI 正在重塑职场，传统的入门级岗位正在消失。本文探讨这一趋势的成因、长期风险，以及如何通过现代化学徒制重建人才培养通道。
生成式 AI 的进步使许多常规、可预测的任务变得可自动化，侵蚀了对入门级员工的需求。入门级工作历来涉及基础、重复性任务——如初步研究、初稿撰写、基础编码或测试——而 AI 现在可以"更快、更便宜、且往往比在职学习的人做得更好"。
"今天，数学上已经行不通了"——当"那个没有经验的饥渴新人现在正在与 AI 竞争同样的任务——而现在，AI 正在获胜"。
为了提升即时生产力，公司越来越倾向于招聘有经验的人才并利用 AI，而不是投资入门级员工。调查显示：
历史上，入门级角色是进入职业的"大门"——新人"做苦力活，学习手艺，一步步往上爬"。现在那些较低的台阶消失了，我们正在"把门关在身后"。
41.8% 的应届大学毕业生从事不需要其学位的工作，是多年来的最高水平。入门级职业通道已经从根本上崩溃，让一代人"搁浅"在 AI 代理和资深专家之间。
今天的初级员工是明天的高级工程师、架构师和产品负责人。如果现在没有人接受培训，公司将在 5-10 年后面临经验丰富人才的匮乏。
"如果我们现在关闭入门大门，10 年后，我们会想知道为什么没有高级人才"
AI 无法取代人类的隐性知识。AI 系统擅长编码化、定义明确的任务，但在经验丰富的人类积累的"不言而喻和不可量化"的专业知识方面却力不从心。
一项估计是，如果一位资深员工的专业知识没有被转移，其离职可能会给公司造成约 100 万美元的知识损失。
高级架构师和领导者经常处理 AI 无法整齐解决的 20% 的问题——模糊的需求、伦理决策、战略权衡、人际谈判等。
AI 产生的工作"伪装成有能力的输出，但完全缺乏概念脚手架"——《哈佛商业评论》称之为"workslop"
与其废除入门级角色，公司可以重新设计它们，利用 AI 处理常规工作，同时让人类初级员工专注于更高价值的学习。
每个初级员工都配备 AI 工具，并在资深监督下与这些工具一起工作。AI 负责 80% 的可预测基础工作，而初级员工专注于审查、定制和从 AI 输出中学习。
"由 AI 辅助的入门级员工比没有 AI 的初级员工进步更快，产出更高质量的工作"——有时甚至超过不使用这些工具的资深员工
一家咨询公司在为常见客户问题创建共享内部知识 wiki 后，将新员工上手时间缩短了 50%。
随着所有公司同时削减入门级招聘，几年后将出现中级人才短缺。现在不投资学徒的公司可能会发现自己以后争先恐后地填补中高级职位。
具有长期商业模式和高知识密集度的组织具有支持学徒计划的最佳条件。如果公司的价值取决于专有流程或研发，它必须培养内部专家来维持这种优势。
成功的学徒制系统通常有明确的高管赞助。庆祝学习且不污名化初级错误的文化至关重要。
德国的双元制中，教育机构和公司合作产生稳定的熟练工人供应，使青年失业率保持在非常低的水平。
在"新行会"方法中：AI 做大部分苦力活，而学徒与大师们并肩工作。学徒使用 AI 起草文章，并与资深编辑一起审查，后者指导更高层次的写作技巧。
IBM 的学徒计划提供全职"边赚边学"路径，参与者在不同团队之间轮换，与导师一起工作，逐渐承担更多责任。
新医生要经历住院医师计划，在主治医师监督下工作几年。他们首先处理常规和辅助任务，然后随着技能的增长逐渐在患者护理中发挥主导作用。
通往熟练专业人士的唯一途径是随时间推移的监督实践。AI 可以加速学习，但它不能消除体验真实案例和向导师学习的需要。
在德国，大约一半的年轻人通过学徒计划，将学校学习与在东道公司的在职培训相结合。这个系统使青年失业率保持在低水平，并确保了熟练工人的持续供应。
传统入门级角色的崩溃是由理性的即时激励驱动的，但它带有隐藏的长期成本——资深专业知识成长的基础本身的崩溃。
现代学徒制模式承诺三赢：
通过实施现代学徒制方法，企业可以确保 AI 成为放大人类潜力的工具，而不是让组织空心化的替代品。