把初级工作交给 AI，今年的人力成本立刻下降。但五年之后，当你需要提拔一位能独当一面的经理时，候选名单上可能空无一人，因为本该在这些工作中成长起来的人，当初根本没有被招进来。
效率与传承之间的这种张力，正摆在香港许多营运总监、人力资源总监和业务负责人面前。本文梳理最新研究数据，解释初级岗位收缩为何是一个接班问题，并提出一套四步框架，帮助你围绕 AI 重建初级职业路径，而不是简单地把它删除。
什么是“AI 初级岗位缺口”？
AI 初级岗位缺口，指的是 AI 工具接手毕业生过去赖以成长的例行任务之后，入门岗位在组织中所占比例不断下降的现象。员工总数未必减少，但人员结构向资深员工倾斜，未来能成长为管理者和专家的后备力量随之变薄。
它和裁员不是一回事。多数企业没有辞退任何人，只是第二个助理岗位的招聘申请迟迟没有批下来，因为一名配备 AI 助手的员工，已经能完成以前两个人的工作量。
从单个团队看，这个决定无可厚非。但当每个团队连续几年都这样做，整个组织的金字塔就会悄悄变成“倒梯形”。
Anthropic 的员工数据说明了什么？
Anthropic 在 2026 年 10 月发布的员工报告显示，自 2025 年初以来，新招技术人员中初级员工的比例从 27% 降至 9%，技术部门整体的初级员工比例也从 21% 降至 14%。招聘总量仍在增长，因此变化体现在结构而不是人数。
据 TechCrunch 对这份报告的报道，Anthropic 认为自己的工作流程已经“全面围绕 AI 塑造”，所以它更像一个领先指标，而不是普通雇主的样本。
报告中还有三点值得企业管理者关注：
--- 2026 年 4 月的内部调查中，20% 的员工表示自己的工作已经从“亲自做事”转为“管理多个 Claude”。
--- 人均会议时间同比增加 20%，公司认为这反映出人与人之间的信任和问责依然不可替代。
--- 报告指出，人的注意力和判断力正在成为生产力瓶颈，因为 AI 产出的内容远超人能审阅的速度。
Anthropic 自己也强调，这只是单一公司的案例。但它清楚展示了一个高度依赖 AI 的组织，会对初级层级产生怎样的影响。
香港的入门岗位是否已经受到挤压？
是的。香港科技大学 2026 年的研究发现，香港新进入劳动力市场的人员中有 52.1% 属于相对初级，但只有 19% 的 AI 相关职位面向初级人才。香港特区政府随后提出四步 AI 人才阶梯，以应对入门岗位受到的冲击。
科大商业及社会分析中心认为，问题的核心是结构错配，而不是人才短缺：企业需要有经验的 AI 人才，而每年进入市场的大多是新人。
斯坦福大学 Brynjolfsson 等学者的研究也得出相似结论：在受 AI 影响最大的职业中，22 至 25 岁从业者的就业人数相对下降了 13%，同一职业的年长员工则基本稳定。
对香港企业来说，这意味着同行正在做出与你相同的招聘决定，市场不会自动为你储备一批中层人才。
为什么削减初级岗位会带来领导力风险？
削减初级岗位会带来领导力风险，因为判断力正是在初级工作中磨炼出来的。资深人员能迅速发现数据异常、合同漏洞或客户情绪，靠的是成百上千次的亲手实践。缺少这些实践，五到七年后，可接任主管岗位的人选就会明显不足。
以一家会计师事务所的审计经理为例。他刚入行时并不具备专业判断，而是在抽样、核对凭证、被高级经理指出问题、重新修改的循环中，一步步积累起来的。
今天，AI 可以完成大量底稿工作，质量往往也过得去。问题在于，那个本该亲手编制底稿、并从修改意见中学习的人，已经不在团队里了。
还有一个更隐蔽的风险：资深员工越来越多的时间用于审阅 AI 产出，而高质量的审阅，恰恰依赖初级阶段积累的专业功底。如果没有人再去积累，审阅质量迟早也会下滑。
所以，初级岗位缺口首先是董事会层面的接班问题，其次才是人力资源部门的预算问题。
企业应如何为 AI 时代重新设计入门工作？
企业可以通过四个步骤重新设计入门工作：围绕审核与调度 AI 重新定义初级岗位，保留不借助 AI 的刻意练习，把监督 AI 代理变成可分级的能力，并在生产力指标之外同步追踪人才梯队。这样既能保住效率收益，也能保住从新人到领导者的成长通道。
第一步：重新定义初级岗位
不要再为 AI 已能完成的任务写岗位说明，而要为剩下的工作写：核对 AI 产出与原始资料、处理例外情况、与客户沟通、上报需要判断的问题。新人从“第一道录入工序”变成“第一道质量关口”。
第二步：保留刻意练习
飞行员在依赖自动驾驶之前，必须先在模拟舱里反复训练。新人同样需要定期在不使用 AI 的情况下独立完成一项任务，再与 AI 版本对比、讨论差异，从而建立日后审阅所需的思维框架。
第三步：把监督 AI 变成分级能力
如果在 AI 先行的企业里，有五分之一的员工认为自己的工作就是管理 AI，那么监督 AI 就是一项需要培养的职业能力。可以设置三个级别：操作单个助手、调度多个代理完成一条流程、为代理的决策承担责任，并与晋升标准挂钩。
第四步：同步衡量人才梯队
生产力看板天然倾向于减少新人。只有加入反映长期成本的指标，管理层和董事会才能看清其中的取舍。
一家专业服务机构可以怎样落地？
以一家 250 人的香港会计师事务所为例，落地框架可能意味着每年只招五名而不是十二名毕业生，但让每人在 AI 辅助审计、客户沟通和质量复核之间轮岗，每月完成一次不用 AI 的练习，并由指定导师负责其专业判断的培养。
假设事务所过去每年招聘十二名审计助理，负责凭证抽查和底稿编制，而 AI 现在几分钟就能生成底稿初稿。
只看成本的做法是停止招聘。重视人才梯队的做法则是：
--- 招聘五名毕业生，各自负责复核某类客户的 AI 底稿。
--- 每月由新人独立编制一份底稿，再与 AI 版本对照，并和高级经理复盘差异。
--- 第九个月起参与客户现场沟通，培养 AI 无法替代的关系能力。
--- 按监督能力等级追踪成长，事务所在第二年就能判断谁可以独立负责一条 AI 审计流程。
事务所依然拿到了大部分效率收益，却避免了五年后才发现没有内部人选能接任审计经理的困境。
AI 接手初级工作时，企业最常犯哪些错误？
最常见的错误有四个：把每个空缺的初级岗位都当作纯粹节省，假设以后总能从外部招到资深人才，让新人使用 AI 却不理解底层业务，以及把决定分散在各部门预算中，导致没有人看到对整个组织的累积影响。
只算今年的账。冻结一个毕业生岗位，今年省下一份薪资；代价会在几年后以外聘溢价和接班断层的形式出现。
以为市场会供应中层人才。如果所有雇主都削减初级招聘，2030 年的资深人才池对谁都会变小，招聘成本恰恰在最需要的时候上涨。
有 AI，没有传帮带。只负责修改 AI 初稿的新人，可能永远不知道初稿错在哪里，直到遇到特殊案例才暴露问题。
决策过于分散。每位部门负责人都在做合理的局部决定，只有营运总监或人力资源总监才能看到，组织已经不再培养自己的领导者。
哪些指标能反映人才梯队是否健康？
五项指标可以让管理层看清全局：初级员工占总人数的比例、新人实现独立工作所需时间、主管岗位的内部晋升率、AI 产出量与合格审阅人员之比，以及关键岗位拥有内部接班人的覆盖率。建议每季度与 AI 生产力数据一起检视。
--- 初级员工占比：按职能追踪变化趋势。
--- 独立工作时间：新人能够独立负责一条流程（含其中 AI 环节）所需的月数。
--- 内部晋升率：主管空缺由内部人员填补的比例。
--- 审阅容量比：每名合格审阅人员对应的 AI 产出量，比例持续上升是质量风险的早期信号。
--- 接班覆盖率：关键岗位中两年内有内部人选可接任的比例。
代理承担的工作越多，由谁为其决策负责就越关键，可参阅我们的AI 代理问责框架。
结论：重建第一级台阶，而不是拆掉它
AI 会继续接手入门工作，但这不是停止招聘新人的理由，而是要为他们设计不同工作的理由。现在就重新设计职业第一级台阶的企业，五年后会拥有足够的经理、审阅者和 AI 监督者；直接拆掉这一级的企业，将来只能高价把这些能力买回来。
这个决定必须由领导层来做，因为任何单一部门的预算都反映不了它的全部成本。懂AI，更懂你 UD相伴，AI不冷。
由 UD 企业 AI 团队审阅。资料于 2026 年 10 月 22 日核对：Anthropic 员工报告（经 TechCrunch，2026 年 10 月 17 日）、科大商业及社会分析中心（2026 年）、斯坦福大学数字经济实验室（2025 年 8 月）。
推进 AI 转型，同时守住未来领导者
了解了框架，下一步是找出哪些岗位适合由 AI 支持、哪些能力必须继续由人培养。UD 团队手把手带你完成每一步，从 AI 准备度评估、流程重新设计，到部署上线与成效追踪，28 年企业服务经验，全程陪你走。