八月下旬，一名二十四岁的大学毕业生坐在安静的社区图书馆里。这是她这一小时内第十次刷新求职网站，眼看着那三个初级会计师的职位在几分钟内出现又消失。她的父母将他们的第一份工作描述为从教室到办公室隔间的平稳过渡；而她则将自己的求职视为在不透明数字迷宫中的艰难穿行。经济报告显示增长稳定且整体失业率较低，但她的收件箱依然是一片自动拒信的坟场。这种个人的挫败感是系统性转变的缩影。虽然更广泛的劳动力市场看似稳定，但入门级阶层正经历着深刻的结构性收缩。
从宏观层面看，传统的职业阶梯正在失去其底部的横木。几十年来，职业世界的运作基于一种可预测的交换：年轻员工提供廉价且充满热情的劳动力，以换取获取隐性知识的机会。今天，这种交换正在瓦解。曾经旨在辅助人类生产力的工具，现在正执行着以前作为新专业人士培训场的任务。我们正见证着职业生涯早期的原子化，指导的物理和社会空间正被自主脚本和大型语言模型所取代。
来自煤矿的发现
斯坦福大学数字经济实验室的最新数据表明，这一趋势已不再是未来的理论担忧。2026年8月更新的《煤矿里的金丝雀？关于人工智能近期就业影响的六个事实》研究显示，劳动力市场出现了剧烈的分化。在人工智能暴露程度最高的职业中，22至25岁工人的就业水平比暴露程度较低领域的同龄人低19%。这一差距较一年前记录的13%显著扩大。由埃里克·布莱恩约弗森（Erik Brynjolfsson）领导的研究人员利用来自ADP的高频工资数据实时跟踪这些变化。
放大来看，研究人员发现整体经济尚未因人工智能而出现大规模的总就业人数下降。这创造了一种虚假的稳定性错觉。资深员工和职业中期专业人士仍留在原位，通常利用人工智能来提高自己的效率。然而，数据显示最年轻群体的招聘率正在下降。其影响不是一波突如其来的大规模裁员；而是大门的悄然关闭。被认为最容易受自动化影响的职业，如接待员和初级审计师，新进入者的就业水平表现最差。相比之下，需要身体在场或复杂人为干预的角色，如注册护士，年轻工人的就业人数持续增长。
编码知识与隐性知识的鸿沟
要理解为什么年轻工人承受了这次转型的冲击，我们必须审视专业知识的本质。社会学家通常区分编码知识和隐性知识。编码知识是正式且有记录的；它存在于教科书、手册和标准化程序中。这正是现代人工智能模型能够高精度处理的信息类型。入门级工作几乎完全由植根于编码知识的任务组成。当一名初级律师起草一份标准合同或一名初级分析师清洗数据集时，他们正在执行高度可预测且易于被软件复制的工作。
通俗地说，这些任务曾经是准入门槛。初级员工执行重复的、编码化的工作，以赢得观察高级合伙人运用隐性知识的机会。隐性知识通过实践和指导获得；它是资深专业人士用来应对危机的“直觉”或微妙的社会直觉。由于人工智能现在处理了编码化任务，年轻工人与导师共处同一空间的机会正在消失。如果一家公司不需要初级员工做电子表格，就很少会邀请他们参加真正决策发生的会议。入门级角色的缺失威胁到人类专业知识的长期培养。
教育缓冲与新的社会分层
斯坦福大学的研究表明，教育仍然是抵御这些力量的重要但并不完美的盾牌。大学毕业生比例较高的职业在人工智能暴露领域与非暴露领域之间的差异较小。相比之下，学历持有者较少的行业年轻就业人数下降最剧烈。从历史上看，学位是通用能力的信号；今天，它正成为人工智能尚不能完全自动化的角色的先决条件。这创造了一个碎片化的劳动力市场，那些没有接受过专门高等教育的人发现自己被推向了体力要求高但认知停滞的低薪服务岗位。
有趣的是，该研究还使用 Anthropic 经济指数来区分技术的自动化用途和增强用途。自动化完全取代人类工人；增强则帮助人类更有效地工作。首席执行官和高级经理使用人工智能来合成海量信息——这是典型的增强用途。这使他们能够维持甚至扩大自己的影响力。与此同时，涉及数据录入、基础调度和常规报告的角色则被自动化了。其结果是，指挥机器的人与职业路径被机器阻断的人之间的鸿沟正在扩大。
原子化与专业惯习的丧失
在这一趋势的背后，专业惯习（Habitus）的概念正在发生变化。社会学家皮埃尔·布尔迪厄（Pierre Bourdieu）使用这个词来描述我们通过环境获得的根深蒂固的习惯和倾向。对于年轻的专业人士来说，惯习是在办公室里形成的。它是通过观察资深员工如何接听电话、如何着装以及如何在休息室解决冲突而习得的。当入门级工作转移到屏幕上或完全消失时，这种专业文化的传递就停止了。我们剩下的是原子化的劳动力，年轻人虽然技术精湛，但在社会层面上与他们所选领域的传统隔绝。
这种孤立是流动现代性的症状，职业路径不再是坚固的结构，而是变幻莫测、转瞬即逝的溪流。过去，年轻人加入一家公司时期望稳步攀升。现在，他们必须在系列短暂的合同和零工任务中穿行。自2022年以来，受人工智能影响的工作岗位中年轻工人就业率下降11%，这不仅仅是一个统计数字。它代表了整整一代人在最具塑造力的时期正在失去建立稳定专业身份的机会。
重构前行之路
最终，斯坦福大学的研究为我们经济的“准入通道”敲响了警钟。如果我们继续在不为年轻人创造进入职业世界新途径的情况下自动化他们的任务，我们就有可能面临社会流动性停滞的未来。目前的劳动力市场依靠年长工人的惯性保持较高的整体就业水平，但这种惯性是有有效期的。当当前这一代高级领导者退休时，缺乏准备充分的中层阶层将演变成系统性危机。
应对这一转变的个人应考虑如何培养那些依然具有顽强人性特征的技能。虽然编码知识容易被自动化，但管理复杂的人际关系和伦理困境的能力仍然是溢价特质。我们必须摆脱快餐式的数字证书，专注于通过直接的人际互动建立隐性知识的体验。工作的未来可能属于机器，但工作的方向必须保持为人类的努力。
值得思考的问题
- 你的日常工作中，有多少依赖于“编码化”规则，有多少依赖于“隐性”直觉？
- 如果你的第一份工作在今天被自动化了，你会从哪里学习职业中那些不成文的规则？
- 目前对“技能提升”的关注是真正的解决方案，还是忽略了入门级机会结构性消失的事实？
- 在初级任务不再存在的环境下，公司可以通过哪些方式重建导师辅导结构？
- 求职过程中的孤立感如何改变了年轻人对更广泛社会契约关系的看法？
来源
- Stanford University Digital Economy Lab: "Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence," August 2026 edition.
- Anthropic Economic Index: Occupational analysis of Claude model usage in professional environments.
- O*NET Occupational Database: Educational requirements and knowledge classification for US occupations.
- Erik Brynjolfsson: Interview with The Washington Post regarding labor market on-ramps.
- ADP Research Institute: Anonymized high-frequency payroll data subsamples 2022-2026.
