在伦敦广告公司Catalyst，一名初级员工如今能同时驾驭五个客户账户。创始人Tobias Green指出，以往这需要多人协作，而今AI承担了研究、初稿撰写及数据收集工作，人类角色转变为修正完善及面向客户的“面孔”，这种模式被Green比作“逆向机械土耳其人”。
随着AI在研究、起草、编码及行政事务上日益熟练，广告业对入门级职位的看法正发生根本性转变。“若AI消除了繁琐的基础工作，这些工作便不再具有相关性，”Green表示，新人无需再学习旧有技能，而应掌握操控和利用AI的能力。
尽管生产力提升，但职业晋升路径受阻引发专家担忧。英国开放大学发布的2026年《商业晴雨表》显示，在受访的1500名英国商业领袖中，51%表示AI改变了招聘方式；约19%已减少入门级招聘，其中42%归因于AI的应用。
入门级角色是“获取训练轮的地方”
人才评估公司SHL全球产品高级副总裁Lucy Beaumont指出，大型毕业生招聘方正在重新评估岗位必要性，招聘人数随之减少。她形容组织结构正从传统的“金字塔形”转向中层人员更多的“钻石形”。Beaumont警告，这虽是短期解决方案，但长期来看可能引发危机，因为入门级角色曾是员工获取实战经验、试错及学习企业运作的“训练场”，取消这些岗位将对职业阶梯的每一层产生深远影响。
“为潜力招聘”
初级职位并未完全消失。Klarus对500名英爱中型市场领导者的调查显示，45%的企业利用AI辅助初级员工更高效工作，近四分之一认为AI创造了新机会。在软件开发领域，FDM集团首席运营官Sheila Flavell表示，随着Claude Code等工具普及，开发人员更多承担监督AI代理与人类协作项目的职责，理解如何协作成为关键技能。
招聘策略也随之调整。Beaumont透露，部分雇主放弃预设角色的毕业生招聘，转而“为潜力招聘”，看重候选人的再培训潜力而非特定背景。例如，某全球零售银行开始招募心理学和法律专业毕业生，认为技术技能可教，而批判性思维更难从零构建。
然而，研究机构Bloor董事Cheney Hamilton指出核心矛盾：AI提高了初级员工产出的下限，却无法赋予其判断输出何时错误的判断力，而这种判断力历史上是通过重复工作和承担后果获得的。若取消基础工作，年轻员工将难以培养监督自己从未学过的工作所需的能力。
“曝光”而非“产出”
Hamilton建议，公司应将入门级工作视为“曝光”而非单纯“产出”，让初级员工检查纠正AI成果，并由资深同事刻意传授判断力。FDM集团正尝试此法，通过真实商业问题培训员工利用智能体工程寻找解决方案，以避免未来缺乏经验丰富的工人。Hamilton强调，真正的问题在于是否刻意培养以前通过渗透式学习积累的上下文知识和判断力，否则将面临一代人拥有AI赋能的广度却缺乏深度的风险。