斯坦福经济学家：职业阶梯正在失效，年轻人该怎么在 AI 时代往上走？丨EO

斯坦福经济学家：职业阶梯正在失效，年轻人该怎么在 AI 时代往上走？丨EO 斯坦福经济学家：职业阶梯正在失效，年轻人该怎么在 AI 时代往上走？丨EO Modified April 23 🔗 原文链接： https://mp.weixin.qq.com/s/cMk4fb8e... 原创 Capi'hom Capi'hom 晚点再听LaterCast2026年4月22日 22:24 北京我们每天为你更新硅谷最新的 AI 创业与科技播客总结，让你与前沿保持同频。全文约 3500 字，如果你现在没有时间，试试转成播客稍后再听 "在那些更暴露于 AI 的岗位里，年轻人的就业增长慢了 16%。" "未来很多工作，看起来会像是你指挥 AI agents 去做实现。" "我希望我们最终会走向一种对劳动者更友好的职业晶格，而不是职业阶梯。" 这期对话的嘉宾是 Stanford Digital Economy Lab 的经济学家 Bharat Chandar。他和合作者用 ADP 的美国工资单数据追踪了数百万劳动者，想回答一个所有工程师、PM、客服、运营都绕不开的问题：AI 到底是在替代一整类人，还是先改写某一段职业路径？这期最值得读的地方，不是它重复“AI 会冲击就业”这种空话，而是把问题钉在了一个更具体也更残酷的位置：很多岗位也许还没有整体消失，但年轻人赖以进入行业的那一级台阶，已经开始先松动了。对今天所有还在谈“如何进入行业”“如何从执行岗往上爬”的人来说，这比泛泛而谈的失业率更值得警惕。如果你关心的不只是“会不会被替代”，而是“职业的起点还在不在”，这期几乎每一句都值得划线。为什么他说“职业阶梯先死”，不是“岗位整体消失”？ Bharat Chandar 先讲了一个很重要的细节：如果只看总体数据，AI 暴露高和暴露低的岗位之间，还看不出特别大的就业差异。这也是为什么很多人会轻易得出“AI 影响被夸大了”的结论。但一旦把镜头拉近到年轻劳动者，画面马上就变了。软件开发、客服、行政这些更暴露于 AI 的岗位，年轻人的就业增长明显放缓；而在那些不太受 AI 影响的岗位里，就业还在继续增长。更关键的是，资深员工的就业变化大体还在原来的趋势上，真正先掉头的是刚进门的人。也就是说，问题不是整栋楼突然塌了，而是楼梯最下面那几级先开始断裂。对已经站在楼上的人来说，变化还不够疼；可对正准备踏上第一阶的人来说，门已经变窄了。这也是为什么你会同时看到“公司还在招 senior”与“新人更难进场”两件事同时成立。 “最重要的问题之一，就是 AI 正如何影响劳动力市场。” 16% 的放缓，为什么足够让人警惕？他给出的那个数字之所以刺耳，就在于它不是情绪判断，而是数据里已经出现的偏移：在更暴露于 AI 的岗位里，年轻人的就业增长慢了 16%。Bharat Chandar 和合作者把这类现象叫作“煤矿里的金丝雀”，意思不是宣布灾难已经发生，而是提醒你，真正值得警惕的，往往不是最晚才显现的大崩塌，而是最早出现的小异常。当然，他也说得很克制：今天还没有一个“有 AI 的世界”和“没有 AI 的世界”的干净实验，没人能百分之百证明这 16% 全是 AI 造成的。可他们排除了利率变化、科技行业过度招聘、把 tech sector 拿掉之后，结果仍然相近。如果这个信号不是周期性的噪音，而是能力结构变化留下的痕迹，那它就不会自己消失。也正因此，这个数字更像预警，而不是结论本身。 “在那些更暴露于 AI 的岗位里，年轻人的就业增长慢了 16%。” 为什么 AI 最先替代的，是新人做的那层实现工作？为什么年轻人先中枪？Bharat Chandar 的解释很直接：新人刚进入职场时，做的很多工作本来就是实现层、执行层、标准化程度高的工作，它们更依赖学校里学到的“书本知识”。而今天的 AI，恰恰最擅长吞掉这类有明确输入和明确输出的任务。相反，更资深的人身上那些真正值钱的东西，往往不是写在操作手册里的，而是长期在组织里做事才积累出来的 tacit knowledge：对具体情境的判断、对流程和人际关系的把握、什么时候该推进、什么时候该停、出了问题该去找谁。再往上一层，还有社会互动和战略思考。 AI 先吃掉的，不是经验本身，而是经验形成之前那段最标准化的训练路程。这也是为什么很多行业表面上还在招人，但最基础的入场券已经开始收紧。 “年轻人进入职场时做的很多工作，本质上是依赖书本知识的实现层工作。” 企业为什么明知道要培养新人，还是可能招得更少？更麻烦的是，企业即便知道自己未来需要中层和资深员工，也未必会因此继续大量招聘新人。原因不难理解：从社会角度看，培养年轻人是必须的，因为没有今天的初级岗位，就没有明天的中坚骨干；但从单个公司的角度看，培训新人是一笔成本，而且这些人未必会一直留在你这里。公司投入了带教、磨合和时间，等他们真正成熟，可能就跳去别家了。所以企业当然还会招人，但未必会招到对整个社会来说“足够多”。这就是 Bharat Chandar 提到的那个错位：私人激励和社会激励并不一致。职业阶梯之所以危险，不只是因为 AI 会替代某些任务，更因为组织可能会进一步减少对“训练期岗位”的投入。当底层入口被压缩时，后面整个梯子都会变得更陡，社会也会更难补出下一批中层与管理者。 “企业会雇一些年轻人，但未必会雇到对整个社会来说足够多的人。” AI 这轮冲击，为什么可能先落到知识工作者身上？ Bharat Chandar 还做了一个很有意思的历史比较。工业革命早期，受到冲击最重的并不总是最底层劳动者，像 Luddites 那样的熟练纺织工，反而先被新机器替代。到了电气化和 IT 革命，情况又不同了，往往是中低技能工作更受影响，而高教育、高技能人群受益更多。他说，AI 可能更像第一种情况，因为这轮技术首先暴露出来的，恰恰是软件、客服、行政这些知识型、白领型岗位。再加上 AI 的能力提升速度远快于过去很多技术，新的工作即便被创造出来，也未必会长期只属于人类。这轮变化最反直觉的地方，也许正是受冲击更大的，并不一定是最传统意义上的“低技能岗位”，而是那些以认知劳动为主的入门工作。如果这一点成立，很多人熟悉的“学历越高越安全”逻辑，也会开始失灵。他甚至提到，这轮技术未必只会扩大差距：如果 AI 真把很多高门槛任务的进入成本打下来，一部分不平等可能下降；但如果战略判断和社会协作的回报继续上升，差距也可能被重新拉大。 “这一次，可能是更多知识工作者、受教育程度更高的岗位，暴露在更大的 AI 风险里。” 接下来真正变贵的，会是哪几种能力？如果说有什么能力在短期到中期里仍然相对安全，Bharat Chandar 提了三类。第一是体力任务，除非机器人出现更大的突破，否则很多现实世界里的动作还很难被稳定替代。第二是战略思考，也就是判断到底该做什么、先做什么、什么值得投入。第三是社会互动，包括说服、协作、建立信任、在模糊场景里理解他人的真实意图。这里最关键的一点不是“AI 什么都做不了”，而是价值重心正在移动。过去很多知识工作者的价值来自自己亲手完成实现；接下来，价值可能更多来自你是否能界定问题、组织资源、决定方向。真正开始变贵的，不再只是执行能力，而是带着上下文做判断的能力。这也是他认为“管理式工作”会更重要的原因。 “短期到中期内，AI 最不擅长的三件事：体力任务、战略思考、社会互动。” 未来的白领工作，会越来越像“指挥 AI 去做实现” 这也是他为什么反复强调，未来很多工作看起来会越来越像“你来指挥 AI agents 去做实现”。这句话听起来像一句泛泛的趋势判断，但他真正说的是工作分层正在改变。AI 更适合站在实现层，去完成那些可以被描述、拆解、验证的动作；而人更应该站在上面一层，去表达目标、提供约束、设定优先级、检查结果是否真的有价值。某种意义上，很多白领工作正在更像管理工作，哪怕你现在还没有任何“管理者头衔”。对年轻人来说，这个变化最残酷的地方在于：过去很多人是在做几年执行之后，才慢慢学会什么叫判断；现在你可能必须更早开始练这种能力。最现实的办法不是逃开工具，而是尽快把工具用起来，在使用中看清它的边界，以及你自己真正能提供的附加值。因为未来升值最快的，未必是最会手工执行的人，而是最会指挥实现层的人。 “未来很多工作，看起来会像是你指挥 AI agents 去做实现。” 从“职业阶梯”到“职业晶格”，年轻人还能怎么走？ Bharat Chandar 并没有把结论停在悲观上。他更乐观的一面在于：如果 AI 真能像他期待的那样帮助人学习，那么职业路径未必只能是一条单线晋升的 ladder，也可能变成一种更像网状迁移的 lattice。某个行业需求下降了，你不一定只能原地下坠；你也许能更快补足新能力，转去另一个增长更快的方向。这也是为什么他很看重 AI 作为学习工具，而不只是生产工具。他自己会用 AI 帮忙做数学推导和校验，但不太用它写作，因为写作本身就是思考；他也提到像 Khan Academy 那类产品的意义，在于 AI 不应该直接把答案塞给你，而应该帮助你更好地思考。真正有前景的用法，不是把脑子外包给 AI，而是把 AI 变成你更快升级能力的脚手架。所以他给年轻人的建议并不玄：多用这些工具，拿它们来建东西、学东西、理解自己的短板；但别把所有思考都外包出去。如果未来真要从职业阶梯走向职业晶格，关键不是等岗位恢复原样，而是让自己变成能更快迁移的人。 “我希望我们最终会走向一种对劳动者更友好的职业晶格，而不是职业阶梯。” 写在最后如果 Bharat Chandar 的判断成立，AI 时代最危险的，不是岗位一夜消失，而是新人再也没有足够长的学习坡道。越早把 AI 当成学习器、协作者和实现层，越要把自己的时间留给判断、表达与人与人的协作。职业阶梯也许正在变矮，但你仍然可以主动搭出自己的职业晶格，也可以更早开始为下一次迁移做准备。真正决定你能不能继续向上走的，不再只是会不会做事，而是会不会定义事情、组织事情，并带着 AI 一起把事情做成。内容来源："AI Is Killing the Career Ladder. A Stanford Economist Explains What Comes Next"丨EO（嘉宾：Bharat Chandar）原视频：https://www.youtube.com/watch?v=FX0De ccROU 如果你喜欢深度好文，试试用小程序将不方便立刻阅读的文章转成播客，用「听」的方式，稍后阅读，不再错过好文章⇣ ⇣ 关注我，每天为你更新硅谷最新的 AI 创业／科技播客总结，让你与前沿保持同频 ⇣ https://mp.weixin.qq.com/s/cMk4fb8e... 🔗 原文链接： https://mp.weixin.qq.com/s/cMk4fb8e... https://mp.weixin.qq.com/s/cMk4fb8e... 原创 Capi'hom Capi'hom 晚点再听LaterCast2026年4月22日 22:24 北京我们每天为你更新硅谷最新的 AI 创业与科技播客总结，让你与前沿保持同频。全文约 3500 字，如果你现在没有时间，试试转成播客稍后再听 "在那些更暴露于 AI 的岗位里，年轻人的就业增长慢了 16%。" "未来很多工作，看起来会像是你指挥 AI agents 去做实现。" "我希望我们最终会走向一种对劳动者更友好的职业晶格，而不是职业阶梯。" 这期对话的嘉宾是 Stanford Digital Economy Lab 的经济学家 Bharat Chandar。他和合作者用 ADP 的美国工资单数据追踪了数百万劳动者，想回答一个所有工程师、PM、客服、运营都绕不开的问题：AI 到底是在替代一整类人，还是先改写某一段职业路径？这期最值得读的地方，不是它重复“AI 会冲击就业”这种空话，而是把问题钉在了一个更具体也更残酷的位置：很多岗位也许还没有整体消失，但年轻人赖以进入行业的那一级台阶，已经开始先松动了。对今天所有还在谈“如何进入行业”“如何从执行岗往上爬”的人来说，这比泛泛而谈的失业率更值得警惕。如果你关心的不只是“会不会被替代”，而是“职业的起点还在不在”，这期几乎每一句都值得划线。为什么他说“职业阶梯先死”，不是“岗位整体消失”？ Bharat Chandar 先讲了一个很重要的细节：如果只看总体数据，AI 暴露高和暴露低的岗位之间，还看不出特别大的就业差异。这也是为什么很多人会轻易得出“AI 影响被夸大了”的结论。但一旦把镜头拉近到年轻劳动者，画面马上就变了。软件开发、客服、行政这些更暴露于 AI 的岗位，年轻人的就业增长明显放缓；而在那些不太受 AI 影响的岗位里，就业还在继续增长。更关键的是，资深员工的就业变化大体还在原来的趋势上，真正先掉头的是刚进门的人。也就是说，问题不是整栋楼突然塌了，而是楼梯最下面那几级先开始断裂。对已经站在楼上的人来说，变化还不够疼；可对正准备踏上第一阶的人来说，门已经变窄了。这也是为什么你会同时看到“公司还在招 senior”与“新人更难进场”两件事同时成立。 “最重要的问题之一，就是 AI 正如何影响劳动力市场。” 16% 的放缓，为什么足够让人警惕？他给出的那个数字之所以刺耳，就在于它不是情绪判断，而是数据里已经出现的偏移：在更暴露于 AI 的岗位里，年轻人的就业增长慢了 16%。Bharat Chandar 和合作者把这类现象叫作“煤矿里的金丝雀”，意思不是宣布灾难已经发生，而是提醒你，真正值得警惕的，往往不是最晚才显现的大崩塌，而是最早出现的小异常。当然，他也说得很克制：今天还没有一个“有 AI 的世界”和“没有 AI 的世界”的干净实验，没人能百分之百证明这 16% 全是 AI 造成的。可他们排除了利率变化、科技行业过度招聘、把 tech sector 拿掉之后，结果仍然相近。如果这个信号不是周期性的噪音，而是能力结构变化留下的痕迹，那它就不会自己消失。也正因此，这个数字更像预警，而不是结论本身。 “在那些更暴露于 AI 的岗位里，年轻人的就业增长慢了 16%。” 为什么 AI 最先替代的，是新人做的那层实现工作？为什么年轻人先中枪？Bharat Chandar 的解释很直接：新人刚进入职场时，做的很多工作本来就是实现层、执行层、标准化程度高的工作，它们更依赖学校里学到的“书本知识”。而今天的 AI，恰恰最擅长吞掉这类有明确输入和明确输出的任务。相反，更资深的人身上那些真正值钱的东西，往往不是写在操作手册里的，而是长期在组织里做事才积累出来的 tacit knowledge：对具体情境的判断、对流程和人际关系的把握、什么时候该推进、什么时候该停、出了问题该去找谁。再往上一层，还有社会互动和战略思考。 AI 先吃掉的，不是经验本身，而是经验形成之前那段最标准化的训练路程。这也是为什么很多行业表面上还在招人，但最基础的入场券已经开始收紧。 “年轻人进入职场时做的很多工作，本质上是依赖书本知识的实现层工作。” 企业为什么明知道要培养新人，还是可能招得更少？更麻烦的是，企业即便知道自己未来需要中层和资深员工，也未必会因此继续大量招聘新人。原因不难理解：从社会角度看，培养年轻人是必须的，因为没有今天的初级岗位，就没有明天的中坚骨干；但从单个公司的角度看，培训新人是一笔成本，而且这些人未必会一直留在你这里。公司投入了带教、磨合和时间，等他们真正成熟，可能就跳去别家了。所以企业当然还会招人，但未必会招到对整个社会来说“足够多”。这就是 Bharat Chandar 提到的那个错位：私人激励和社会激励并不一致。职业阶梯之所以危险，不只是因为 AI 会替代某些任务，更因为组织可能会进一步减少对“训练期岗位”的投入。当底层入口被压缩时，后面整个梯子都会变得更陡，社会也会更难补出下一批中层与管理者。 “企业会雇一些年轻人，但未必会雇到对整个社会来说足够多的人。” AI 这轮冲击，为什么可能先落到知识工作者身上？ Bharat Chandar 还做了一个很有意思的历史比较。工业革命早期，受到冲击最重的并不总是最底层劳动者，像 Luddites 那样的熟练纺织工，反而先被新机器替代。到了电气化和 IT 革命，情况又不同了，往往是中低技能工作更受影响，而高教育、高技能人群受益更多。他说，AI 可能更像第一种情况，因为这轮技术首先暴露出来的，恰恰是软件、客服、行政这些知识型、白领型岗位。再加上 AI 的能力提升速度远快于过去很多技术，新的工作即便被创造出来，也未必会长期只属于人类。这轮变化最反直觉的地方，也许正是受冲击更大的，并不一定是最传统意义上的“低技能岗位”，而是那些以认知劳动为主的入门工作。如果这一点成立，很多人熟悉的“学历越高越安全”逻辑，也会开始失灵。他甚至提到，这轮技术未必只会扩大差距：如果 AI 真把很多高门槛任务的进入成本打下来，一部分不平等可能下降；但如果战略判断和社会协作的回报继续上升，差距也可能被重新拉大。 “这一次，可能是更多知识工作者、受教育程度更高的岗位，暴露在更大的 AI 风险里。” 接下来真正变贵的，会是哪几种能力？如果说有什么能力在短期到中期里仍然相对安全，Bharat Chandar 提了三类。第一是体力任务，除非机器人出现更大的突破，否则很多现实世界里的动作还很难被稳定替代。第二是战略思考，也就是判断到底该做什么、先做什么、什么值得投入。第三是社会互动，包括说服、协作、建立信任、在模糊场景里理解他人的真实意图。这里最关键的一点不是“AI 什么都做不了”，而是价值重心正在移动。过去很多知识工作者的价值来自自己亲手完成实现；接下来，价值可能更多来自你是否能界定问题、组织资源、决定方向。真正开始变贵的，不再只是执行能力，而是带着上下文做判断的能力。这也是他认为“管理式工作”会更重要的原因。 “短期到中期内，AI 最不擅长的三件事：体力任务、战略思考、社会互动。” 未来的白领工作，会越来越像“指挥 AI 去做实现” 这也是他为什么反复强调，未来很多工作看起来会越来越像“你来指挥 AI agents 去做实现”。这句话听起来像一句泛泛的趋势判断，但他真正说的是工作分层正在改变。AI 更适合站在实现层，去完成那些可以被描述、拆解、验证的动作；而人更应该站在上面一层，去表达目标、提供约束、设定优先级、检查结果是否真的有价值。某种意义上，很多白领工作正在更像管理工作，哪怕你现在还没有任何“管理者头衔”。对年轻人来说，这个变化最残酷的地方在于：过去很多人是在做几年执行之后，才慢慢学会什么叫判断；现在你可能必须更早开始练这种能力。最现实的办法不是逃开工具，而是尽快把工具用起来，在使用中看清它的边界，以及你自己真正能提供的附加值。因为未来升值最快的，未必是最会手工执行的人，而是最会指挥实现层的人。 “未来很多工作，看起来会像是你指挥 AI agents 去做实现。” 从“职业阶梯”到“职业晶格”，年轻人还能怎么走？ Bharat Chandar 并没有把结论停在悲观上。他更乐观的一面在于：如果 AI 真能像他期待的那样帮助人学习，那么职业路径未必只能是一条单线晋升的 ladder，也可能变成一种更像网状迁移的 lattice。某个行业需求下降了，你不一定只能原地下坠；你也许能更快补足新能力，转去另一个增长更快的方向。这也是为什么他很看重 AI 作为学习工具，而不只是生产工具。他自己会用 AI 帮忙做数学推导和校验，但不太用它写作，因为写作本身就是思考；他也提到像 Khan Academy 那类产品的意义，在于 AI 不应该直接把答案塞给你，而应该帮助你更好地思考。真正有前景的用法，不是把脑子外包给 AI，而是把 AI 变成你更快升级能力的脚手架。所以他给年轻人的建议并不玄：多用这些工具，拿它们来建东西、学东西、理解自己的短板；但别把所有思考都外包出去。如果未来真要从职业阶梯走向职业晶格，关键不是等岗位恢复原样，而是让自己变成能更快迁移的人。 “我希望我们最终会走向一种对劳动者更友好的职业晶格，而不是职业阶梯。” 写在最后如果 Bharat Chandar 的判断成立，AI 时代最危险的，不是岗位一夜消失，而是新人再也没有足够长的学习坡道。越早把 AI 当成学习器、协作者和实现层，越要把自己的时间留给判断、表达与人与人的协作。职业阶梯也许正在变矮，但你仍然可以主动搭出自己的职业晶格，也可以更早开始为下一次迁移做准备。真正决定你能不能继续向上走的，不再只是会不会做事，而是会不会定义事情、组织事情，并带着 AI 一起把事情做成。内容来源："AI Is Killing the Career Ladder. A Stanford Economist Explains What Comes Next"丨EO（嘉宾：Bharat Chandar）原视频：https://www.youtube.com/watch?v=FX0De ccROU 如果你喜欢深度好文，试试用小程序将不方便立刻阅读的文章转成播客，用「听」的方式，稍后阅读，不再错过好文章⇣ ⇣ 关注我，每天为你更新硅谷最新的 AI 创业／科技播客总结，让你与前沿保持同频 ⇣