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 & Cheng，IZA Discussion Paper No. 18723，2026年6月，《Generative AI and the Redefinition of Entry-Level Software Work》。原始研究
ISC2，2025年6月，《2025 Cybersecurity Hiring Trends Report》相关调查结果。官方报告介绍
Yu & Moon，2026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 & Raymond，NBER 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
