AI时代的教育之问Ⅶ：就业转型

教育系统作为社会巨系统的一个关键子系统，在人工智能技术的驱动下，教育现象变得日益错综复杂，教育动因更加难以解析，教育风险也愈发难以预见。为了有效应对人工智能技术对教育系统的挑战与机遇，需进行跨学科、跨圈层和跨领域的深入对话。

为此，北京大学教育学院汪琼教授团队与腾讯研究院杨健、孙怡、吴朋阳和张鸿茹等合作，产学研共创AI教育课题组，开展AI+教育思想系列沙龙，旨在推动各方对话，为智能时代的教育提供有价值的思路借鉴。

第7期于2025年6月开展，北京大学教育学院、腾讯研究院和HRoot联合发起“AI时代的就业转型”闭门研讨会，旨在探索数智时代的人才市场需求和人才发展策略，邀请企业HR专家分享AI对就业转型带来的挑战与机遇。以下是内容精编，推荐阅读。

观点速览

• AI尚未从根本上改变劳动力市场的结构，但已开始重塑岗位的风险分布。
• 中间层岗位最容易被AI替代，因为它们处于知识复杂度适中、创造力要求较低的区间。
• AI不是单纯的“去人化”，而是将组织重心推向更具思考能力和技术整合能力的人才。
• AI正在打破传统IT与业务部门的界限，催生复合型人才需求。
• 企业倾向于提升现有岗位能力，而不是直接新增AI相关岗位。
• 企业更加青睐拥有技术理解和情感判断双重能力的人才，特别是在创意型工作中。
• 理工科毕业生因专业适配性较强而具备岗位弹性，成为部分企业招聘的主力。
• 单一学科训练已难以匹配现实岗位需求，跨学科融合能力成为核心竞争力之一。
• 学校和企业之间的产教融合需要政策引导，特别是在实习机会和项目合作方面。
• AI领域急需建立权威的人才认证体系，为企业选人育才提供明确标准。

【参与嘉宾】

• Joyce HRVP，Roserberger AP
• Sophia HRD，DIODES
• Edith 执行主编，HRoot
• Shirley HRD，某品牌服饰管理公司
• William Senior Manager，某游戏公司

一、AI对劳动力市场的总体影响

主持人：

请各位谈谈AI目前对就业、对劳动力市场带来了哪些影响？

Edith：

我想从个人体会谈起，为今天的讨论抛砖引玉。今年在提“AI+就业”，而就业涉及供需双方，从哪里开始是一个问题。AI在HR层面的落地是“AI+就业”的一个现实入口。例如某世界500强IT公司是一个典型案例。他们在推动 AI 替代 HR 职能方面非常激进：一方面，全球范围内精简了大量 HR 人员；另一方面，通过 AI 系统完成绩效评分与薪酬建议的全过程，不仅比人更快，而且提供透明的逻辑与理由，主管基本无需干预。该公司还推出了像Ask HR 与 Ask IT的内部平台，用来承接员工的大量事务性问题。原本这些由人工完成的服务，如今已被 AI 自动应答系统取代。但落地并非易事。例如，一些欧资与欧盟企业目前已因信息安全法规的收紧，对 AI 表现出非常强烈的抵触，尤其在 HR 部门。例如，他们以员工面部识别和生物信息为例，指出任何自动化手段收集此类数据都面临巨额罚款，所以这些企业几乎采取“一刀切”式封禁 AI。

Sophia：

去年到今年大家都在喊“AI 元年”，但目前它更多还是个概念，我相信未来三年我们的人才需求不会有太大变化。首先，从当前技术成熟度和企业应用实践来看，尽管“生成式人工智能”的概念自2022年兴起，成为广泛讨论的社会议题，但其在实际生产组织和管理流程中的深度嵌入仍属初期阶段。其次，从岗位结构来看，AI对不同层级劳动力的影响极不均衡。对于底层劳动力市场，尤其是主要供给来自职业院校和大专层次毕业生的群体，目前AI尚未形成明显替代效应。与此相对，中间层岗位，如流程管理、行政事务、基础分析岗位等，面临较高的自动化潜在风险。这些岗位的知识复杂度适中、创造力要求相对较低，恰是AI最容易介入和替代的领域。至于高端人才市场，特别是博士以上层级或深度技术岗位，目前来看，AI尚难以构成实质性挑战。因此，从企业实践出发，AI技术尚未实质改变劳动力市场的整体需求格局，但正在悄然塑造新的岗位风险结构，这需要教育和政策体系的提前介入，以适应AI带来的结构重塑。目前来看，AI对我们企业的实际影响相对有限，尚未对整体工作流程或岗位结构带来根本性改变。尽管“拥抱AI”已成为一种共识，但在具体执行层面，变化更多体现在个体层面而非系统层面。

Joyce：

作为工业行业的从业者，我在欧洲与美国在华企业多年工作中清晰地感受到两股并行的浪潮：一方面，AI 正逐步取代例行化任务，比如工作表格信息的计算、排版，员工自助信息查询，招聘过程中自动简历筛选等，这些基础流程被 AI 工具替代多成日常，直接释放出大量基础性工作时间；另一方面，这种替代将组织重心推向更需要思考的位置，真正懂得与人互动、能把技术与业务经验打通并增加 “power”的复合型人才需求增加。很多企业推动数字化转型时，提出汇聚既懂专业技术又具数字思维的“数字人才”，让算法渗透生产、工艺与研发流程。 目前市场上此类人才资源还相对稀缺。

William：

从我所在游戏行业的实际经验来看，AI对劳动力市场的影响可以从两个维度展开：一是用人判断力的重构与信任机制的稀释，二是内容生产环节中降本增效逻辑的现实挑战。首先，在人才招聘与评估过程中，AI的普及带来了判断困境。当前越来越多的候选人，特别是实习生或初级岗位申请者，会在简历撰写、面试回答、甚至职业规划表达中广泛使用AI辅助。这在一定程度上削弱了我们识别其真实能力、独立思考与创造力的可能性。特别是对于创意类岗位而言，我们更关注的是候选人面对不确定任务时的直觉、风格与灵感捕捉能力，而不是一套格式化、标准化的“AI式”回答。其次，从业务角度而言，AI虽可作为辅助性工具，在内容生成初期提供一定量的创意铺陈，但当我们需要将其应用于具有高度具体性和复杂度的场景时，AI常常难以胜任。例如，在制作某一特定风格的图像、视频或游戏内容时，我们往往需要对姿态、物件、环境、情绪等多维要素进行精准控制。这也意味着，从降本角度看，AI生成内容的边际成本并不比人工明显降低；从增效角度看，其带来的产出回报与内容质量的相关性也并不稳定。因此，从实际使用情况来看，AI更多是一个“铺量”的辅助者，它适用于初步创意收集或大规模素材铺设，但在高标准生产、稳定输出和精准交付方面仍需大量人工干预。

Shirley：

作为一家深耕本土市场二十余年的设计师品牌企业，我们始终秉持开放和拥抱变革的理念。从三年前开始，HR部门率先探索AI工具在实际工作流程中的应用。我们的探索从设计端到销售端，围绕整个工作流程倒推，寻找可以被现有成熟技术替代或增强的环节。在设计领域，AI工具个人应用有所增加，以往设计助理承担的配色、细化、素材整理等任务，如今尝试增加AI工具辅助完成。然而，设计师群体对AI的接受度仍有分化。部分设计师认为，AI的介入挑战了他们的核心专业能力，因此最初态度较为保留。但随着AI逐步在图像生成、风格参考等方面展现出辅助价值，这种抵触正在被更加务实的态度所取代。

述评：AI对劳动力市场的影响尚未导致根本性的结构性改变，但它正在悄然塑造岗位的风险结构，尤其是对于那些重复性、标准化程度较高的岗位。在此背景下，教育和政策体系的适应性调整显得尤为重要，比如，跨学科人才培养，只有通过灵活应对和提前介入，才能更好地应对AI带来的劳动力市场变革。

二、岗位变迁与人才选育

主持人：

在您所在的行业或公司范围内，是否已经观察到AI技术对技能或岗位产生实际影响？在人才招聘或培养上是否有相应的举措？

Joyce：

在企业数字化转型或拥抱AI技术的进程中，技术推动岗位迭代，以MES、ERP系统应用为例，原属IT的系统管理与数据运维职责向业务一线延伸，催生“MES专员、ERP专员”等新型岗位。这些岗位隶属业务部门，承担部分系统信息分析与对接，助力生产流程标准化管理及跨部门资源数据整体效率的提升，实现‘业务流程数字化“与”数字工具业务化“的衔接；随着ERP系统在很多企业内部高度互联、模块深度耦合，组织更需懂业务且具备数字化理念与系统理解能力的复合型人才。目前类似这种新增岗位外部供给有限，企业更多注重内部挖掘数字人才并培养，毕竟数字化转型核心是人的能力与组织效能的协同进化。

Sophia：

从岗位数量上看，我们岗位增设并不明显，而是通过提升现有岗位的技能来应对AI带来的变化。具体而言，企业更倾向于在现有人员的基础上进行技能提升，而不是招聘全新的岗位人才。例如，HR部门和IT部门的员工需要不断学习和适应新的技术和业务需求，尤其是在算法和业务知识的交叉点上提升自身能力。从整体战略角度来看，未来2-3年内，企业的重点将是围绕AI推动组织优化与效率提升，而不是直接增加岗位数量。半导体对技术人才的面试更重视深度面谈和对现场工作环境的体验，AI可以在某种程度上提升候选人对企业的“体验感”，但并没有显著提高招聘效率，也没有解决如何找到真正符合需求的人才的需求。

William：

我们一直以来的工作相对数字化，因此对AI的接受度并不低。我认为AI作为工具本身，最大的价值在于其高效的信息整合和搜索能力，大幅降低了知识获取的门槛和成本，真正关键的是个体如何利用这些信息。我主要负责广告发行，也在不断测试AI在创意内容生产中的应用，从用户反馈来看，他们更倾向于具有人情味和真实情感连接的内容，如果广告内容完全由AI生成，或者AI感过于明显，往往会带来较差的用户体验。因此，在内容创作岗位上，AI能提升收集市场大数据、洞察消费者喜好、分析竞品策略、总结热门趋势等方面的效率，从而为创作者提供更有价值的输入。最终的输出，仍需由具备判断力和情感理解能力的人才来完成。在我们公司，鼓励员工在内部分享具有突破性或总结性的方法论，直接关联到升职通道和奖励机制，这种机制在一定程度上激发了员工主动探索AI在业务中的实践路径。

Edith：

从我们自己所在的行业来看，尽管我们有尝试使用高科技产品渗透到下沉市场，但效果仍然有限。服务性行业的特性使得AI技术的应用场景较为局限，短期内，AI的引入虽然在某些板块上有所提升，但整体上看，很难迅速带来显著的改变。因此，关于岗位增设的问题，我们目前更多的调整也集中在现有岗位的优化与技能提升上。当然也有公司会将IT人员与业务岗位深度融合。比如在业务数字化AI改革中，更倾向于让具备IT背景的人主导项目，因为相比业务人员理解IT，IT人员学习业务会上手更快，更高效推动技术与业务的协同发展。

Shirley：

从我们企业的实际经验来看，AI在HR线上业务中的应用已逐步渗透至招聘流程的多个环节。我们较早尝试引入AI招聘工具，目前使用的是一家创业公司自研模型，主要功能包括自动筛选简历、胜任力与动机模型评估、以及通过数据判断候选人的潜在风险或匹配度评分。初期使用AI工具时，我们也经历了从“为了尝试而使用”到“有选择性整合”的转变。一开始HR团队认为AI工具反而增加了工作量，例如需要额外配合语音输入或标签打标，效果提升并不明显。但随着时间推移和系统不断训练优化，AI逐渐具备了更高的判断准确率。当然，对于某些岗位，尤其是设计师这类高度依赖主观审美与创意判断的职位，目前AI仍难以胜任。我们也尝试训练AI模型去评估审美，但往往面临审美标准主观、多样且易变的现实。

述评：AI技术在岗位变迁与人才选育中的应用体现出行业差异性，AI当前的作用更多是作为工具，推动现有岗位的技能升级和优化，企业在招聘和培养过程中，逐渐倾向于寻找具备跨学科能力和灵活适应技术变化的复合型人才，这对于企业实现数智化转型非常关键。

三、教育供给与就业需求的匹配

主持人：

各位所在企业在招聘应届生方面是否有所调整？是扩大、缩小还是更加聚焦了特定岗位？同时，是否对应届生的要求发生了新的变化？

Joyce：

我们企业在招聘应届生时，主要招聘方向集中在研发或生产运营相关岗位，如研发工程师，产品管理和物流专员等职位，也会根据需求来评估一些平台支持部门的需要，如财务部门、IT的基础职位。在这些岗位上，企业更注重实际操作能力或技术背景；其他部门如销售等，企业通常更倾向于招聘有经验的候选人。

Sophia：

我们当前招聘应届生的策略主要聚焦于技术岗位，以微电子、半导体等专业为主。由于行业的特殊性，我们对于芯片研发岗位的要求非常高，这些岗位通常需要具备几年工作经验的人才，而不是应届生。毕竟，芯片研发涉及高度专业化的技术积累，即使是研究生毕业的应届生，也需要几年时间进行锻炼才能真正参与到研发工作中。但由于人才梯度和人才结构的完善需要，我们开始转变策略，招聘应届生作为人才补充，并为其提供成长机会。尽管文科在提升人文素质方面具有不可替代的作用，但从就业市场来看，理工科的专业背景更加灵活，能够应对多样化的工作需求。理工科毕业生不仅可以从事技术岗位，还可以进入业务部门工作，这在市场上具有很大的弹性。

Shirley：

设计师是我们团队的核心人才，我们作为一个生活方式品牌，更需要能够理解生活、推动产品落地的人才。我们逐渐将目光投向能从设计到设计落地的一体化人才，他们通常在学习中兼顾了设计与制成能力，更符合我们对能出产品的设计师的需求。此外，设计教育中某些偏文科性质、以主观审美为主的课程，也难以匹配我们对设计可实现性和市场转化的要求。因此，我们倾向于招聘具有设计和工造结合能力的应届生，并强调跨学科能力。我们希望设计师不仅懂设计，也能关注新兴的工具，并通过新媒体表达设计理念，推动产品从创意到市场的全过程落地。为此，我们迭代更新了人才画像，从过去设计和市场分离的模式，转变为以设计师为纵向核心的全链路工作模式，要求其参与从创意、面料选择到新媒体传播的全流程。

William：

广告行业特别注重创意性，文科比重较高。我们在招聘中更关注应聘者的市场与生活洞察力，而不仅仅是作品本身的技术水平。比如，在创意岗位上，我们会通过具体案例让应聘者进行分析，考察其对产品、市场甚至人性的理解能力。而这恰恰是传统教育在培养过程中较少涉及的部分。头部公司虽然有强大的技术中台支持，但在实际项目推进中，对创意性和文案策划能力的依赖依然很高。这也说明，即便是偏技术的岗位，也需要具备人文素养和内容思维。

述评：当前企业在招聘应届生方面的策略调整，一定程度上反映出教育供给与就业需求之间日益突出的结构性错位。这一挑战迫切呼唤高等教育在课程设置和培养模式上的改革，特别是要加强技术素养与应用能力、人文理解与创意表达之间的融合教育，以实现对未来岗位能力结构的前置响应。

四、未来展望与建议

主持人：

面对未来的就业市场，大家对教育和政策供给有哪些建议或期待？

Joyce：

我认为教育体系需要更加注重学生的素养培养，特别是强化社会化与团队意识。高校不仅应关注学生的知识积累，更要助力学生明确在群体中的角色定位与自我认知。企业对团队合作的需求日益凸显，这种能力的培养需要从心理学角度深入挖掘，让学生即能融入团队，也能扎实胜任岗位。高校更应重视引导并夯实学生正确的价值观，在日常教学中融入抗压能力与自我心理疏导能力的培养，帮助他们理性看待成绩等外部评价，以更成熟的心态面对成长中的压力与挑战。政策层面，期待更多校企协同支持，比如共建实训基地、共同开展定向技能培养，帮助年轻人快速衔接职场，更好实现自己的价值并为企业发展服务。

William：

我认为当前的教育体系，尤其是高等教育与产业的结合尚不紧密，存在一定的滞后性，导致毕业生的技能和市场需求脱节。目前，大部分学生选择读大学或研究生，往往是为了提高就业竞争力，但学校并没有提供与市场需求相匹配的技能培训。因此，我认为学校应当提供更多试错的机会，尤其是在低成本、低风险的环境中进行实践和实验。理想情况下，我认为高校教育应当分为两阶段：前两年主要培养学生的责任心与基本素养，后两年侧重于社会技能的培养与产业经验的积累。例如，新闻专业可以在前期打下坚实的理论基础，后期则应通过行业实践与导师指导，帮助学生更好地融入行业，甚至在早期找到合适的实习与职业方向，从而减少与市场的脱节。

Edith：

我认为当前教育体系在学生综合能力培养方面仍有许多改进空间。首先，学校应加大团队合作与矛盾提前化的训练，通过增加小组作业和项目式学习，帮助学生在实践中学会包容与克制。在大学期间，学生如果多以个人作业为主，便可能缺少团队合作的机会，这可能导致进入职场后，面对团队合作中的矛盾和冲突时显得不知所措。其次，我认为学校应创造更多机会让学生主动承担责任，例如通过项目主导或轮岗制，让每个学生都能在实际项目中积累经验，尤其是对于那些不主动争取机会的学生，学校和老师有责任为他们提供平台，让他们能够展示自己的潜力。此外，情商培养和自我管理能力的提升也是当前教育中亟需加强的方面，应注重对学生社交与沟通技巧的锤炼。最后，随着AI等技术的普及，学校不需过多教授基础的技能，而应更加注重学生审美能力的培养。我们发现，很多高校学生在审美上的培养普遍薄弱。

Shirley：

企业在与学校合作时，常常感到在产学融合方面，企业和高校的合作应当更加紧密，尤其是在学生实习和项目实践的领域。企业可以为学校提供更多的实习机会，政府则可以推动政策支持，如通过减免社保或者提供人才补贴，激励企业与高校更好地对接。像研发费用加计扣除的政策，如果能进一步推广到支持与AI结合的项目中，无疑会增加企业的积极性。很多时候，企业有实际的产品线需求，但学生的课题研究往往无法与企业的实际需求对接。若政府能够在这方面提供更多政策扶持或补贴，鼓励企业与学校在项目合作中形成更有深度的产学研一体化，这将对人才的培养与产业发展起到积极的推动作用。

Sophia：

我认为当前企业在推动AI技术应用时面临两个关键挑战。首先，AI设备的成熟度问题仍然制约着企业的投资决策。尽管国家曾出台过一些政策，提供高端设备购买的税收减免，但由于AI设备的软硬件尚不完全成熟，很多企业在现有设备的基础上不愿意再次投入。未来如果有更加成熟的AI设备推出，希望能通过政策支持，对AI设备的软硬件进行减税或补贴，将激励企业进行技术升级和创新。其次，人才培养和资质认证是另一个亟需解决的问题。目前，AI行业缺乏标准化的专业人才认证体系，导致企业在人才招聘和培训上缺乏明确的指引，许多AI岗位的资质认证缺乏权威性。类似于律师、注册会计师等行业有着严格的资质认证体系，AI行业也应当建立起类似的认证机制，培养并认证具有高含金量的专业人才。企业在招聘时也能够有明确的标准，从而避免浪费资源在不具备相关技能的人才上。

述评：面对未来就业市场的转型，教育体系亟需从知识灌输走向能力与素养并重，强化学生的责任感、协作能力与心理韧性。同时，高校应加快与产业的深度融合，通过实践导向的课程与项目合作提升毕业生的就业适配性。政策层面也应加大对产教融合的支持，并建立AI等新兴领域的人才认证机制，推动教育供给与市场需求实现更高质量的动态匹配。