一个萝卜一个坑的时代结束了——岗位正在溶解成任务流

「2021–2026 AI组织转型与领导力」专辑 · 第 3 篇（共 6 篇）
写给创始人与高管　|　写作日期：2026-09-25

一份怎么也投不出去的简历

2026 年夏天，一所普通大学的应届生小林，在招聘软件上投出了第 207 份简历。

四年前，他的学长学姐就是从这里出发的：行政助理、银行柜员、客服专员、初级文案、数据录入、会计助理——这些岗位像一级级台阶，门槛不高，却能让一个什么经验都没有的年轻人，先进门、再学本事。公司也乐于招这样的人：便宜、肯学，干个三五年，就成了熟手。

可小林发现，这些他本来够得着的"第一级台阶"，正在成片地消失。

有的岗位，JD 还挂着，点进去却要求"能独立驾驭 AI 工具链、具备判断力与跨部门协调能力"——那根本不是给新人的要求，而是给一个有多年经验的熟手的。有的岗位，干脆不再招初级，只招高级。还有更多岗位，名字都变了，变成了他从没听过的"AI 训练师""智能体运营""工作流设计师"。

207 份简历，大多石沉大海。

小林想不通：他不是被某一家公司拒绝了，他好像是被"入门"这件事，整体地挡在了门外。

他的遭遇，不是个人的运气问题。过去五年，一场关于"岗位"本身的静悄悄的革命，正在发生——而要理解它，我们得先看清一个我们习以为常、却从未质疑过的东西："岗位"到底是什么？

真正的病因：消失的不是某个岗位，而是"岗位"这种打包方式

我们先拆一个概念。

工业时代的所谓"岗位"，其实是三样东西被捆在了一起：一组被打包好的任务、一条固定的汇报线、一个对应的职级。 公司为什么要这么打包？因为信息处理能力稀缺、协调成本高昂，不可能为每一件零散的事临时找人，于是只能把一堆任务打成一个"包裹"，贴上一个头衔，交给一个固定的人，再让他向一个固定的上级汇报。

这个设计运转了上百年。但它有一个隐含前提：任务一旦被打包，就很难再被单独抽出来。

而 AI 恰恰瓦解了这个前提。今天，一项工作可以被精细地拆解成一个个任务，每个任务都能被单独识别、单独评估，然后分派给当下最合适的节点——重复的交给 AI，需要判断的交给人，复杂的交给人和 AI 的临时组合。于是，那个捆了上百年的"包裹"，散开了。

这才是问题的关键：真正在消失的，首先不是"文案""柜员""助理"这一两个具体岗位，而是"岗位"这种把任务、汇报、职级死死捆在一起的组织方式。 公司不再为一个固定的"坑"去找萝卜，而是围绕一条流动的"任务流"，动态地组合人和 AI。

世界经济论坛在 2025 年 1 月发布的《未来就业报告》，给出了这场重构的全球总账。这份报告调研了 55 个经济体、1000 多家覆盖 1400 万员工的雇主，预测 2025–2030 年：

全球将有 9200 万个岗位被替代，同时新增 1.7 亿个岗位，净增约 7800 万；结构性变动的总量，相当于现有岗位的 22%。

减量最集中的，正是那些"打包"得最规整的事务性岗位：收银员、行政助理、银行柜员、数据录入员、文员与秘书。而增长最快的，是大数据专家、金融科技工程师、AI 与机器学习专家、软件开发者。

请注意这个"一边消失、一边新增"的结构——它说明任务并没有消失，消失的是旧的打包方式。 同样的工作内容，正以新的方式重新组合成新的角色。（需要严谨说明：WEF 的数字是雇主"预期"，是对未来的预测，而非已经发生的事实。）

新角色确实在以惊人的速度冒出来。IBM 在 2025 年对 2000 位 CEO 的调研显示：54% 的企业，已经在招聘"一年前根本不存在"的 AI 岗位。 GitLab 则干脆新增了一整个"AI 安全"岗位族，专门应对提示词注入、模型投毒、AI 供应链这些从前没有的风险——新的危险一出现，新的角色就随之生长。

但总量上的"净增长"，并不能掩盖一个更尖锐、也更让人心疼的结构性问题。那些新增的岗位，几乎都是为"有经验的人"准备的；而消失的，恰恰是为"什么都不会的年轻人"准备的入口。

于是，就有了小林投出的那 207 份简历。

转变一：年轻人的第一级台阶，正在被悄悄抽掉

第一条转变，关乎入门。

过去，组织里有一条隐形的"学徒阶梯"：新人从最基础、最机械的任务干起——复印、跑腿、录数据、回模板邮件、整理档案。这些事本身价值不高，但它们是训练场。年轻人在做这些"琐事"的过程中，耳濡目染，慢慢学会了行业是怎么运转的、判断是怎么形成的、什么叫专业。干个十年，就成了行家。

而 AI 最擅长的，恰恰是一进门，就把阶梯最下面那几级——最机械、最标准化的那几级——给接管了。

这对组织是效率，对年轻人，却是灾难：最下面的台阶没了，他要怎么一步跨到五楼？

斯坦福数字经济实验室的研究，第一次用硬数据，把这个现象钉死在了纸上。这篇名为《煤矿里的金丝雀？》（Canaries in the Coal Mine?）的研究，由 Erik Brynjolfsson 等学者完成，最厉害之处在于它的数据底座：基于 ADP 覆盖 2600 多万名劳动者的真实薪资行政记录，而不是问卷调查。

研究发现：

22–25 岁的年轻劳动者，在高度 AI 暴露职业中的就业水平，比"假设没有 AI、按低暴露职业增速正常推演"的水平，低了约 19%。 而且这个缺口还在逐年扩大。

更耐人寻味的是两个细节。其一，同一个职业里的资深员工，并没有出现类似的就业下滑——受冲击的几乎全是最年轻、最入门的那一批。其二，这种效应主要不是通过"裁掉年轻人"实现的，而是通过"干脆不再招年轻人"——企业把入门的招聘闸门，直接关上了。

如果说斯坦福用"行政数据"照见了发生了什么，那么普华永道 2026 年的《AI 就业晴雨表》，则用"市场数据"解释了这背后的机制。这份报告分析了全球 27 个地区、超过 10 亿条招聘广告，仅美国就覆盖 240 万个入门级岗位，结论是一个很刺眼的词——入门岗位的"资深技能化"：

在 AI 高度暴露的入门岗位上，要求"判断力、领导力、面对面沟通"这些传统上属于资深员工的技能的概率，是其他入门岗位的 7 倍。

数据还显示，这类"已经资深化"的入门岗位，自 2019 年以来增长了 35%，而普通入门岗位反而减少了 10%。换句话说，入门岗并没有消失，它只是被抬高到了新人够不着的高度。 公司不再花钱培养一张白纸，而是希望招来的人，第一天就能驾驭 AI、判断结果、对接客户。

这种"跳过培养、直接摘取"的做法，在短期内极其划算，但作为高管，你必须看见它长期的致命隐患：

如果所有公司都不再招"什么都不会"的年轻人，那么十年之后，那些能做判断、能担责任的资深行家，将从哪里来？ 你今天省下的每一个培养成本，都可能变成未来无人可用的断代。

这不是假设。IBM 已经在自己身上演示了这种"置换"：约 8000 个以 HR 为主的后台岗位，通过暂停招聘、自然减员被 AI 接管，而把省下的编制，投向了工程师和销售。Klarna 也曾一度把客服岗位大量压缩——它的摇摆我们在上一篇已经看过。岗位的此消彼长是真实的，但被抽掉的入门阶梯，谁来重建，至今没有答案。

转变二：不是不需要人，而是任务在向"更高价值"上移

看到这里，很多人会得出一个悲观结论：AI 要让大家都没饭吃了。

但如果你深入观察那些最高端、最依赖人的行业，会发现一个更微妙的真相——公司需要的人，未必更少了，但对"人"的要求，确实在向更高价值上移。 被 AI 拿走的，是任务的"执行层"；而人被重新要求的，是任务的"判断层"。

高盛是最典型的样本。

2025 年 10 月，这家顶级投行被曝出内部备忘录"OneGS 3.0"，全公司进行"有限裁员"、严格控制人头增长。但 CEO David Solomon 在随后的公开表态中，把话说得非常清楚，这句话值得所有管理者记住：

"我们不是需要更少的人，而是需要更高价值的人才。"

事实上，高盛当年的员工总数仍在净增长，9 月末约为 48300 人，同比还增加了约 1800 人；公司每年在技术上投入约 60 亿美元，拥有约 1.2 万至 1.3 万名工程师。它要压缩的，不是"人"，而是那些能被 AI 更高效完成的低价值任务；它要争抢的，是能在 AI 之上做复杂判断、维护客户关系、设计交易结构的高价值人才。

这里有一个极具象征意味的细节，为"任务如何流动"做了最生动的注脚：

OpenAI 已经雇佣了 100 多位前投资银行家，不是去做投行业务，而是去训练金融大模型。

你看，连"训练 AI"这件事本身，都在创造高端岗位——但它要的，是有深厚行业积淀的人，而不是一张白纸。任务从"人执行、AI 辅助"，上移成了"AI 执行、人来定义和判断"；而行业经验本身，成了最稀缺的训练素材。（严谨提示：网上流传的"AI 几分钟写完 IPO 招股书 95%"仅见单一中文信源、无法证实，本文不予采信。）

这种"任务先从最外围被拿走"的顺序，在中国市场同样清晰，而且更早。早在 2023 年 4 月，蓝色光标就发出内部通知，全面停止外包给个人的文案、设计等创意采购，把相关预算转向 AI 生成工具。它揭示了一个残酷却真实的次序：最先被任务化、被替代的，往往不是公司的正式员工，而是外围的外包网络与自由职业者。企业的用工边界，总是先从最脆弱的边缘开始收缩。

亚马逊则从另一面印证了同一个趋势——当 Jassy 宣告"晋升不再靠带一个大团队"，本质上是在承认：很多"管理"本身，也只是一组可以被重新分派的任务。

一个必须有的"清醒剂"：别把所有裁员都算到 AI 头上

在结束这一篇之前，我们必须给自己打一针清醒剂，因为这关乎我们对事实的基本诚实。

当"AI 取代岗位"成为最时髦的叙事，一种危险的倾向随之出现：把所有白领裁员，都包装成"AI 转型"。 这既夸大了 AI 的作用，也模糊了企业真正该面对的问题。

沃尔沃汽车就是最好的"证伪"案例。2025 年，这家公司宣布裁减约 3000 个办公室岗位，约占全球白领的 15%，数量不小。如果只看标题，很容易把它写成又一个"AI 干掉白领"的故事。但翻开官方新闻稿，主因写得明明白白：

这是一项总额 180 亿瑞典克朗的成本计划，核心驱动是电动车需求放缓、关税压力和整体降本——而不是 AI。

直到 2025 年 11 月的战略更新中，沃尔沃才真正开始谈 AI 配置器、AI 辅助交付这些应用。这个案例的价值，恰恰在于它的"反叙事"：它提醒每一位领导者和写作者，归因必须严谨。宏观上的白领裁员潮是真的，但其中有多少真正由 AI 驱动、多少只是借了 AI 的名头，必须一份一份地核对一手来源。 否则，我们就会用一个激动人心的错误故事，误导真正的决策。

给领导者的三个动作

理解了岗位的溶解，你可以从三个动作开始应对：

1. 把岗位"任务化"地重新盘点一次。 不要只看头衔和编制，把每个岗位实际承担的任务拆出来，标注：哪些 AI 已能稳定完成、哪些必须靠人、哪些需要人机配合。这是未来所有人力决策的基础地图。

2. 主动重建"入门阶梯"，而不是只摘熟手。 刻意保留一部分适合新人的任务作为训练场，或设计"人带着 AI 学"的新型学徒制——今天你愿意培养新人，决定了十年后你有没有行家可用。

3. 给"判断型任务"对应的人，重塑激励与晋升。 既然价值在向判断、编排、担责上移，就别再只用"带多少人"来衡量一个人，要为这些高价值贡献，给出对等的回报和通道。

最后，回到那个根本的判断：

岗位的溶解，本质是任务的解放。它真正考验的，不是你能不能裁掉旧岗位，而是你能不能在旧秩序散开之后，重新设计出一条让工作完成、让人成长、让经验得以传承的新链路。

记忆锚点

"22–25 岁的年轻劳动者，在 AI 暴露职业中的就业，比正常水平低了约 19%——而企业主要是干脆不再招新人。"
——斯坦福数字经济实验室《Canaries in the Coal Mine?》

"入门岗位没有消失，它只是被抬高到了新人够不着的高度。"
——基于普华永道 2026《AI 就业晴雨表》

"我们不是需要更少的人，而是需要更高价值的人才。"
——David Solomon（高盛 CEO）

当最下面那级台阶被抽掉，我们该担心的不是今天省下的人力，而是十年后谁来做判断。

下一篇预告

这一篇，我们看着"岗位"这个容器一点点溶解：打包方式散开、入门台阶被抽掉、任务向高价值上移。斯坦福、普华永道、高盛已经把这场变化的轮廓，勾勒得清清楚楚。

可一个更根本的问题，随之而来——

岗位可以重新设计，台阶可以想办法重建，但被抛进这场变化里的"人"，要凭什么在 AI 旁边站稳脚跟？

当"会用 AI"在一夜间变成人人都该有的基本功，它已经不再是护城河；真正拉开差距的，是另一种更稀缺、也更难培养的能力。与此同时，全球有数以亿计的劳动者，需要在短短几年内完成一次艰难的再学习。

第四篇 · 人才：从"会用 AI"，到"会质疑 AI"。 我们将从一项堪称经典、用 758 人的随机对照实验，第一次严格证明"人和 AI 之间那道边界如何决定成败"的研究，以及一场覆盖 15 万员工的浩大再培训工程，正式讲起。