我们一直在讨论AI会取代多少工作却很少追问一个更重要的问题当AI取代了初级员工的工作十年后的高级人才从哪里来这是我在思考人工智能对软件工程、网络安全和翻译行业的影响时发现的一个值得警惕的矛盾。今天一名高级工程师可以借助AI完成过去需要多名初级工程师才能完成的任务。从企业经营的角度看这是令人兴奋的技术进步更少的人力投入、更快的交付速度、更低的短期成本。但从人才培养的角度看事情可能完全不同。一个高级工程师之所以是高级工程师不仅因为他掌握了更多理论知识更因为他曾经是一名初级工程师经历过大量真实项目、复杂问题、反复试错和长期实践。如果AI正在接管这些初级工作而企业因此不再愿意培养新人那么一个严重的问题就出现了我们正在用今天的高级工程师和AI取代培养明天高级工程师所必需的工作机会。这不是简单的失业问题。这是一个可能影响整个行业人才再生产能力的结构性问题。一、初级岗位的价值从来不只是完成简单工作我们先思考一个问题一名拥有十年经验的高级网络安全工程师是怎样成长起来的他不可能在毕业当天就具备处理复杂安全事件、审计大型系统、判断高风险漏洞的能力。通常他需要从基础工作开始。刚进入行业时他可能负责整理安全日志、分析基础告警、编写检测报告、排查常见漏洞。工作几年后他开始接触复杂的安全事件学习如何区分误报与真实威胁如何分析多个系统之间的关联以及如何判断一个技术问题究竟会产生多大的实际影响。直到积累足够经验他才能逐渐承担复杂的安全决策。初级工作不仅是在创造劳动价值也是在创造未来的人才。这里存在一个很容易被忽视的区别企业看到的是一项任务完成所需要的时间和成本。但对于初级工程师而言同一项任务还具有学习价值。一个经验丰富的工程师可能十分钟就能判断出某条安全告警属于误报而一名新人可能需要花费数小时。如果只看工作效率新人显然不具备优势。但新人在这几个小时里学习到的分析方法、系统知识和判断经验正是未来专业能力的一部分。因此我们不能仅仅因为AI能够更便宜地完成初级任务就断言初级岗位已经失去了价值。因为一个岗位的价值不能只计算它今天创造了多少产出还应计算它为未来培养了多少人才。二、这不是空想初级岗位已经出现值得警惕的变化2026年8月12日斯坦福大学数字经济实验室发布了研究《Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence》的修订版。研究人员使用ADP提供的、覆盖数百万美国劳动者的薪资与就业数据观察了生成式AI普及后的就业变化。研究发现在AI暴露程度较高的职业中22至25岁年轻劳动者的就业水平相比低AI暴露职业同龄人的就业增长轨迹出现了约19%的相对缺口。而经验更丰富的劳动者并没有出现同等程度的缺口。研究还发现这种调整主要通过减少年轻员工招聘实现而不是通过大量解雇已经就业的年轻员工实现。[1]请注意这并不代表19%的岗位已经被AI直接取代。研究者也明确指出这些结果属于描述性证据不能直接当作AI导致就业下降的因果估计。但它至少提出了一个不可忽略的问题为什么AI普及后一些高度受影响职业中的年轻劳动者面临的就业压力明显大于经验丰富的劳动者软件行业的研究进一步提供了线索。2026年6月IZA发布了一项关于生成式AI如何改变初级软件工作的研究。研究人员分析美国大规模在线招聘数据发现初级软件开发岗位相对于高级岗位的招聘需求下降了约14%至15%。更加值得注意的是企业提高经验要求主要不是因为招聘岗位的名称发生变化而是因为同一种岗位本身开始要求应聘者拥有更多经验。[2]换句话说企业可能仍然招聘所谓的初级工程师但对他们的能力要求已经提高。这意味着什么越来越多的企业可能希望获得已经具备经验的人才却不愿意承担让新人积累这些经验的成本。这正是我所担忧的人才培养问题。三、AI真正可能破坏的是从初级到高级的成长路径在传统企业中人才成长通常依靠一条相对清晰的路径初级员工承担低风险任务通过实践学习随着经验积累逐渐承担更加复杂的工作最终成长为能够独立负责重大项目的高级人才。但当AI能够完成大量基础任务时企业面临一种新的选择。假设一家公司原本拥有5名高级工程师和10名初级工程师。随着AI编程和自动化分析工具不断成熟5名高级工程师借助AI就可能完成过去需要整个团队才能完成的部分工作。于是公司决定减少初级招聘。短期来看公司的经营指标可能非常漂亮。但五年、十年以后呢原来的高级工程师会退休、转岗或离开公司。新的高级工程师又从哪里来有人可能会回答从其他公司招聘。但如果越来越多的企业都选择这种方式问题就会从个别企业蔓延到整个行业。为了更清楚地说明这一点我们可以建立一个简化的逻辑模型未来进入高级岗位的人才数量取决于若干年前进入初级岗位的人数以及这些新人在成长过程中获得的实践机会、培养质量和留存情况。初级岗位减少不一定立即导致高级人才短缺。因为企业目前仍然拥有大量已经积累经验的工程师。但是人才培养具有时间滞后性。今天减少招聘可能要经过数年才能充分观察到它对高级人才供给的影响。这就形成了一个危险的可能性短期生产率提升与长期人才供给下降完全可能同时发生。我认为这才是AI对就业结构影响中最容易被低估的风险。四、网络安全行业尤其值得警惕我之所以关注这个问题一个重要原因就是网络安全行业的特殊性。在网络安全工作中理论知识与实战判断之间存在明显差距。了解SQL注入的基本原理不意味着具备审计复杂业务系统的能力。知道某种异常流量的特征也不意味着能够独立判断一次真实安全事件的性质与影响。优秀的安全工程师需要理解技术也需要理解业务、组织环境、风险和证据。这些能力通常需要长期实践才能形成。2025年国际网络安全认证组织ISC2发布了一份网络安全招聘趋势报告。这项研究调查了来自美国、英国、德国、加拿大、印度和日本的929名网络安全招聘经理。调查发现56%的受访经理表示培养一名入门级网络安全员工使其能够独立处理工作通常需要4至9个月。与此同时55%的受访者认为实习是有效的初级人才招聘渠道46%认可学徒制。[3]这些数据说明一件事即使是在技术高度发展的网络安全行业实践训练仍然是培养专业人才的重要方式。而AI恰恰正在改变初级安全工作的组织形式。例如安全日志分类、常规告警初筛、基础文档编写等任务都存在不同程度的AI自动化潜力。这里必须明确目前并没有充分证据证明网络安全初级岗位已经因为AI发生全面萎缩。但是风险机制值得提前重视。如果未来大量企业使用AI承担这些任务同时不再提供替代性的实践训练那么新人获得真实案例经验的渠道就可能变少。更糟糕的情况是初级安全工程师越来越习惯直接接受AI分析结果却没有足够机会独立调查、质疑判断、修正错误。这样的工程师也许可以很快生成一份专业报告却不一定具备独立判断报告正确性的能力。会使用AI完成安全分析与真正理解安全分析是两回事。对高度依赖专业判断的行业而言这种区别尤其重要。五、软件工程和翻译行业也可能面临类似的问题这个问题并不限于网络安全。1. 软件工程代码可以自动生成工程经验不能自动获得软件开发正在发生明显变化。AI可以协助生成代码、编写测试、查找错误、修改文档。这些能力确实提高了软件开发效率也改变了初级工程师的工作内容。但一个高级软件架构师的能力不只是快速编写代码。他还需要理解系统结构、技术债务、复杂故障、可靠性以及长期维护成本。过去新人通过编写代码、理解错误、调试程序和参与项目逐渐学习这些知识。如果未来他们只负责向AI提出要求、接收生成结果却没有足够机会理解程序的内部逻辑那么表面生产率的提高就可能掩盖专业能力积累的不足。2026年7月一项题为《Who Will Become the Next Senior?》的研究专门讨论了生成式AI如何影响软件工程师从初级向高级成长的路径。研究通过对韩国14名初级阶段人员与高级工程师进行访谈观察到一种值得警惕的现象部分原本交给新人的任务被高级工程师与AI组成的新工作流程吸收新人因此可能失去通过实际任务学习的机会。[4]这项研究样本较小不能据此推断整个软件行业都已经出现同样的问题。但它直接触及了本文的核心当初级工作从组织中消失时可能一起消失的还有培养下一代高级人才的机制。2. 翻译行业自动生成语言不等于理解语言的全部责任翻译行业也面临类似的潜在变化。AI已经能够完成大量普通文本初译并辅助术语整理和语言润色。但高级翻译工作并非简单替换词汇。专业译者还需要处理上下文歧义、文化差异、专业术语以及法律、医学等场景中的准确性要求。过去译者通过大量实际翻译和修改逐渐培养语言判断能力。如果大量基础翻译任务转向AI而新人只能少量参与审核未来专业译者的培养路径也可能发生变化。当然AI也可能成为翻译训练工具帮助新人更快获得反馈。因此翻译行业是否会出现类似的人才断层还需要专门的就业和职业成长数据验证。但其背后的机制与软件工程和网络安全具有相似之处我们不能只关注AI能否完成任务还必须关注人类如何通过这些任务获得专业能力。六、一个更深层的经济矛盾企业都想招聘专家却不想培养专家我认为AI时代的人才培养问题还有一个值得深入分析的经济学原因。假设有两家公司。A公司坚持招聘初级工程师为他们提供导师、项目和长期培训。B公司则选择利用AI减少初级岗位将节省的资金用于招聘成熟的高级工程师。短期来看B公司可能拥有更低的培训成本。当A公司培养的人才逐渐成熟后B公司还可能通过更高的薪酬将他们招聘过来。于是A公司承担了部分培养成本B公司却可以分享人才成长带来的收益。这种现象可以从人力资本投资、人才流动和外部性的角度理解。如果培养人才的收益不能完全由培养者获得企业就可能缺乏足够的长期培训激励。在AI降低初级工作的直接经济价值之后这个问题可能进一步加重。每一家企业从自己的成本角度出发都认为减少初级招聘是合理选择。但如果整个行业都这么做人才培养投入就可能不足。最终出现一个看似荒谬的市场一边是大量希望进入行业的毕业生。另一边是企业不断抱怨缺乏具备实战经验的高级人才。这不是逻辑矛盾。因为企业需要的不是简单意义上的劳动人口而是经过长期训练、能够承担复杂任务的人。人才可以流动但人才不能凭空产生。如果没有企业、学校或其他机构愿意承担培养成本整个行业就可能遭遇长期的人才供给问题。七、必须承认AI也可能加快人才成长但这不是忽略风险的理由一个严肃的观点必须经得起反驳。有人可能会说既然AI能够指导新人、解释代码、模拟案例为什么新人不能通过AI更快成长这个反驳有道理。2023年美国国家经济研究局NBER发布的《Generative AI at Work》研究分析了5179名客户服务员工。研究发现使用生成式AI助手后员工平均生产率提高约14%而新手及低技能员工的生产率提升约34%。研究还发现AI可能帮助新人学习经验丰富员工的工作方法。[5]这说明AI并不天然与人才培养对立。它完全可能成为一种高效的教学工具。但这里必须区分两个问题AI能否帮助已经进入行业的新人提高能力以及企业是否还愿意给新人提供进入行业、承担实际任务的机会这不是同一个问题。即使AI可以将培训效率提高一倍如果大量企业停止招聘新人培训技术的进步也不一定能够弥补实践机会的减少。同样即使新人能够通过AI快速完成任务也不能自动证明他们已经获得独立处理复杂问题的能力。因此我并不反对AI自动化。相反我认为AI应该承担更多重复劳动让人类从机械性工作中解放出来。但我坚决反对把这种效率提升简单理解为可以无限削减初级人才培养投入。还要承认目前对于年轻人就业变化的成因研究界存在不同解释。例如华威大学研究者在2026年的一项研究中发现远程办公等工作组织方式的变化也可能是解释初级招聘下降的重要因素。[6]这提醒我们不能把所有就业问题都直接归因于AI。然而不管初级招聘下降的原因是什么只要人才成长所依赖的实践机会持续减少培养机制就必须重新设计。八、真正的解决方案不是阻止AI而是重新设计人才培养体系我认为未来企业必须改变一种根深蒂固的观念初级员工不是高级员工的低效率替代品。初级员工是未来高级人才的重要来源。AI时代不应该简单消除初级岗位而应该重新定义这些岗位。例如在网络安全行业可以让AI承担重复的日志整理工作同时让新人参与告警验证、案例分析和经过授权的安全演练。在软件工程行业可以让AI辅助编写基础代码同时要求新人理解程序结构、独立解释设计选择并参与真实项目的测试与维护。在翻译行业可以使用AI生成初稿但仍保留译者独立翻译、对照分析和专业审核的训练环节。更重要的是企业需要建立新的能力考核机制。不能只看员工借助AI完成了多少任务还要考察当AI的结论出现错误时他能否发现当AI无法解决问题时他能否独立分析当任务涉及重大风险时他能否解释自己的判断并对结果承担责任这些能力应当成为未来人才培养体系的重要目标。学校同样需要改变。学生不应只学习如何让AI快速给出答案更应该学习如何验证答案、理解原理、提出质疑并在适当的训练环境中积累实践经验。AI可以成为教师可以成为助手但不能成为取消学习过程的理由。九、结语我们不能为了今天的效率透支未来的人才回到最初的问题如果AI已经能够完成大量初级工程师的工作企业为什么还要招聘和培养初级工程师我的回答是因为企业不仅需要完成今天的任务也需要有人能够承担明天的复杂任务。现在的高级工程师大多也是从初级工程师成长起来的。他们所拥有的经验不是凭空产生的而是在长期工作、学习和试错过程中逐渐形成的。如果我们只关注AI今天节省了多少成本却忽略那些被自动化任务曾经承担的培养作用那么今天的技术红利就可能转变成明天的人才短缺。这并不是说AI必然制造高级人才危机。而是说如果企业持续压缩初级招聘同时没有建立足够有效的替代性培养体系那么长期人才断层就是一种有充分理由警惕的风险。真正成熟的AI应用不应该只是让组织使用更少的人完成更多的工作。它还应该帮助更多新人以更高效、更可靠的方式成长为专业人才。一个行业最危险的时刻不一定是机器能够完成大部分工作的时候。而是所有人都在招聘有经验的人却没有人再愿意为经验的形成提供机会的时候。当AI替代了初级工程师我们必须认真回答下一代高级工程师究竟应该在哪里成长这才是AI时代值得企业、教育机构和整个社会共同思考的问题。参考资料与研究来源以下研究主要来自美国和其他海外市场不能直接作为中国就业变化的统计结论。文中涉及未来人才短缺的部分属于基于现有证据提出的推论而非已被证实的结果。Brynjolfsson, Chandar Chen斯坦福大学数字经济实验室2026年8月修订《Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence》。原始研究Westby, Modestino ChengIZA Discussion Paper No. 187232026年6月《Generative AI and the Redefinition of Entry-Level Software Work》。原始研究ISC22025年6月《2025 Cybersecurity Hiring Trends Report》相关调查结果。官方报告介绍Yu Moon2026年7月《Who Will Become the Next Senior? How Generative AI Erodes the Development Pathway in Software Engineering》。研究预印本Brynjolfsson, Li RaymondNBER Working Paper 31161《Generative AI at Work》。原始研究Lambert Schindler华威大学CAGE研究中心2026年《The Broken Ladder: Remote Work, AI, and the Decline in Early-Career Hiring》。研究简报