BBC中文最近報導中國大學畢業生面對人工智慧衝擊的求職困境。有畢業生投了兩百多份履歷，企業卻更在意她是否「深度使用過一款AI產品」；另一位雇主則直言，導入人工智慧代理人（AI agent）後，今年夏天已經不需要實習生。最值得注意的，不是AI又取代了多少工作，而是企業正在撤掉讓年輕人進入職場的第一張椅子。
2026年中國高校畢業生達一千兩百七十萬人，加上未就業者與海歸，求職人口超過一千五百萬。當歷來規模最大的畢業生群體走出校門，他們面對的已不只是景氣疲弱或職缺不足，而是整個職涯入口被重新設計。過去企業聘用實習生與應屆畢業生，固然可以取得較低成本的人力，更重要的功能，是讓新人從資料整理、簡報製作、文案撰寫、程式測試與行政協調中，逐步學會產業語言、組織規則與專業判斷。如今，生成式AI最先接手的，正好是這些「交給新人練習」的工作。
AI衝擊就業最危險的一刻，正是辦公室開始把新人的座位撤掉。
初階工作看起來瑣碎，實際上承擔著學徒制功能。新人從錯誤中學習，資深員工在退件、修改與示範中傳遞難以寫進手冊的默會知識。企業導入AI之後，短期內可以減少人力、縮短工時、提高產出，卻可能同時抽空技能形成的過程。香港科技大學商學院整理相關研究時也指出，人工智慧對就業的影響，不能只看總職缺是否下降，還要觀察初階職位占比、薪資成長與升遷機會是否同步萎縮。
此一觀察比「AI會不會搶走工作」更重要。即使一家企業的總員工人數沒有減少，只要新增職缺集中於資深工程師、產品經理與高階主管，初階比例持續下降，職場入口仍然正在變窄。企業也許仍在徵人，卻只徵已經具備經驗的人。問題隨即變成：當所有公司都要求三年經驗，那三年經驗究竟要到哪裡取得？
白領安全感正在鬆動
這一輪自動化也改變了傳統的風險分布。過去工業自動化首先衝擊重複性體力勞動，生成式AI則大量進入行政、會計、行銷、程式、設計與專業服務等認知工作。國際勞工組織（International Labour Organization, ILO）的研究指出，生成式AI更可能重組職務內容，而非立即消滅整個職業，但文書與行政工作承受的暴露度特別高，女性集中的職業也更容易受到影響。高等教育不再當然等於較安全的工作；愈靠近文字、資訊與流程處理的白領職位，反而愈早受到衝擊。
問題也不能簡化成「年輕人應該趕快學AI」。當企業一方面要求求職者具備AI能力，另一方面又取消讓新人累積經驗的職位，風險便被一路向下轉嫁。企業把訓練成本交給大學，大學再交給學生，最後只剩年輕人自費購買課程、工具與證照，證明自己值得被雇用。這不是人才升級，而是企業逐步退出培育責任。
更值得警惕的是人才供應鏈的斷裂。初階工作減少，短期財報也許更好看；五年或十年後，企業卻可能發現中階主管、專業人員與技術骨幹無人接替。資深人才不會憑空出現，他們都曾經是需要指導、容許犯錯的新人。沒有初階職位，也就沒有未來的中階與高階人才。企業今日節省的培訓成本，終究可能以人才斷層的形式回來討債。
台灣沒有理由把這當成中國特有的現象。台灣的大學畢業生同樣大量進入行銷、公關、內容、行政、金融、軟體與專業服務等白領部門，這些正是生成式AI最容易介入工作流程的領域。若台灣企業把AI只當成「降本增效」工具，並以減少新人作為主要績效，幾年後同樣會遇到專業斷層。屆時企業可能再度抱怨年輕人沒有實務能力，卻忘了自己早已拆掉實務能力的養成場所。
大學不能只教學生操作AI
大學教育也必須面對這項改變。過去許多課程把寫報告、做簡報與整理資料視為學習成果，如今AI可以迅速完成初稿，教育便更應要求學生界定問題、查證來源、比較證據、說明取捨，並對錯誤結果負責。這並不表示基礎寫作、統計與閱讀訓練可以取消。缺乏專業領域知識的學生，只會成為AI輸出的轉貼者。AI素養若只剩提示詞技巧，培養的仍是工具操作員，而非能夠判斷工具何時出錯的人。
政府再制度上也不能只辦幾場AI人才培訓營。真正需要的是把青年聘僱與企業培訓納入數位轉型政策，要求接受公共補助的企業揭露AI導入後對職務、招聘與訓練的影響，並鼓勵企業設計有導師、有輪調、有升遷路徑的初階職位。政策也應持續追蹤初階職缺比例、起薪、三年後薪資、升遷速度與中階人才缺口，而不能只看單一月份的失業率。
經濟學家大衛・奧特（David Autor）等人早已提醒，技術不會自動創造好工作，工作品質取決於企業制度、勞動政策與社會選擇。AI當然可能讓年輕人更快接近資深員工的生產力，但前提是他們先有機會進入組織、理解情境並承擔後果。工具可以縮短操作時間，卻無法彌補職業社會化的空白。
AI轉型真正真正考驗的，並不是學生能否追上新工具，而是企業、大學與政府是否願意共同保留一條通往專業的道路。否則，我們得到的也許是一個效率更高的經濟，卻也是一整代找不到職涯入口的年輕人。
