最底层的横档没了

有一阵子，AI 对就业的影响还是个猜谜游戏。现在不是了。哈佛（Harvard）的一项研究追踪了 2015 到 2025 年间、横跨 28.5 万家美国公司的 6200 万名劳动者的简历数据， 发现了一个干净利落、却令人不安的规律：在那些积极采用生成式 AI 的公司里，初级（junior） 的雇佣相对没采用的公司下降了，而这些同一批公司里的**资深（senior）**雇佣却持续上升。研究者给它起了个名字—— 资历偏向型技术变革——这是个学术化的说法，意思就是 AI 吃掉了梯子的底层，却没动顶层。

而且这并不是裁员。公司没有炒掉初级；他们只是 悄悄不再发布这些岗位。 人们管这叫断掉的横档。

这套逻辑很诱人

不难理解一个管理者为什么会这么做。AI 最擅长的，恰恰是过去要招初级来干的活：样板代码、例行的 bug 修复、写好脚本的测试、那些显而易见之事的初稿。 那既然 agent 几秒就搞定，何必再花钱雇初级来做？招资深去驾驭 agent，把底下的一切都自动化，用更小的团队跑得更快。在这个季度的电子表格上，这显然没错。

这同时也是你悄无声息地拆掉自己未来的方式，而几乎没人把这笔账算进去。

资深不是招来的，是养出来的。

这正是电子表格漏掉的东西。一个资深工程师，是熬过几千个 bug、故障和糟糕决策还活下来的初级。 资历不是你能在公开市场上买到的资质证书；它是 成千上万个被解决的问题、被修掉的 bug、被化解的危机的累积—— 这种隐性判断，只有靠亲手去做那些不光鲜的活、并承担其后果，才能慢慢长出来。你下载不了它，也没法绕开它去招人， 因为资深的供给，无非就是十年前那批拿到了足够练习量的初级。

初级岁月本身，就是那座生产资深的工厂。当你为了今年省钱关掉这座工厂，资深并不会因此变得不再必要——他们只是不再被造出来。 短缺会在以后才显现，落在别人的任期里。

我们正在吃掉自己的种子粮

这跟我写过的廉价代码是同一个陷阱，只是放大到了整个行业： 省下的钱即时而可见，代价却被延后、隐形，而且落在另一个人身上——在这里，是落在另一个十年。 把 2024–2026 这几年的初级招聘砍掉，建模这件事的分析师预计，账单会以 2031–2036 年前后的资历悬崖的形式到来， 那时中层管线先变薄，紧接着是它背后的资深管线。就连微软（Microsoft）自己的工程负责人也开始 警告 AI 正在掏空初级开发者管线。 我们正在用这个季度的一笔账目，去换下一个十年的结构性短缺，还管这叫高效。

残忍之处：我们关掉了那所教稀缺技能的学校

这就是那把老虎钳。在一个 AI 的世界里，一个人能带来的最有价值的东西，恰恰是模型所缺的：判断力—— 驾驭 agent 的能力，识破它自信满满却出错的时刻，并把它的产出整合成真正能跑起来的东西。 研究描述了一种作用在尚未具备这种判断力的职业生涯早期工作者身上的 "AI drag"（AI 拖累）， 他们因此没法好好监督 AI。可一个人唯一能培养出这种判断力的途径，就是当一个初级，去干活，错够多次才学会。 于是 AI 让判断力比以往任何时候都更值钱，却同时拆掉了产出它的那条上车坡道。我们让这项技能变得稀缺，然后关掉了学校。 这正是我反复回到的那个点：知道该做什么才是整盘棋的关键—— 而"做什么"是用昂贵的方式学来的，靠反复做"怎么做"，直到它变成直觉。

诚实的对冲

并非一片注定的黑暗，我也不会假装如此。职业生涯早期的部分下滑，源于远程办公和疲软的市场，而非 AI—— 伦敦政经（LSE）的一项分析认为，AI 占的份额比那些头条标题说的要小。哈佛那个数字是相对下降，不是崩盘。 而且有些公司押的完全是反方向——IBM 正在 把美国的入门级招聘增至三倍， 理由是一个被 AI 增强过的初级，如今更值钱了，而不是更不值钱。"初级"正在被重新定义，而不只是被抹掉： 门槛正在抬高到"从第一天起就能借助 AI 产出"。但更高的门槛本身就是个问题—— 没有过去那些用来练出肌肉的年头，你要怎么跨过它？

实际该怎么做

如果你带团队，省钱的做法是把初级自动化掉，只招资深。而那个眼下昂贵、放到十年尺度上却便宜得多的做法， 是继续招初级，并改变他们做的事——不是去写 AI 现在已经会写的样板代码，而是在真实问题上、以快节奏， 学会指挥它、审查它、对结果负责。把 AI 当成他们的导师，而不是拐杖。在这个时代胜出的初级，不会是那些敲代码的人； 而是那些早早建立起判断力、把 agent 当作陪练对手的人。

人才管线是一个选择，不是一场天气事件。我们可以因为这个季度更便宜，就继续锯掉最底层的横档； 也可以造一根新的，让人更快抵达判断力。但资深不会从天上掉下来，而那个要用惨痛方式学到这一课的十年，已经写在日历上了。