生成式 AI 快速滲透職场后，最先感受到寒意的，可能不是已经站穩位置的资深工作者，而是正準備踏入職场的新鮮人。从过去「先做初階工作、再慢慢升上去」的職涯路徑，到如今企业更傾向直接找有经验、能立刻上手的人，AI 正在改寫的不只是工作內容，更是年轻人原本賴以成长的「訓練场」。
在《商談不廢話》中，主持人 Linga 与擁有台大醫学、哈佛公衛及麥肯錫背景，並曾在樂天醫藥与 Appier 擔任高階主管的 Bradley，便圍繞这个现象展开討論。两人試圖回答一个越来越刺耳的问題：AI 会不会不是先取代资深員工，而是先让新鮮人连上场的机会都沒有？
節目找到哈佛与史丹佛相关研究后发现，ChatGPT 推出后，初階職缺確实出现明顯下滑，尤其是在 AI 暴露程度较高的職類中更为明顯。像行政、秘书、初階业務、行销等工作，受到的衝擊尤其直接。
AI+资深同事就夠了，幹嘛培育新人
節目引用一份哈佛与史丹佛相关研究后发现，ChatGPT 推出后，初階職缺確实出现明顯下滑，尤其是在 AI 暴露程度较高的職類中更为明顯。像行政、秘书、初階业務、行销等工作，受到的衝擊尤其直接。这意味著，企业並不是全面停止招人，而是开始重新衡量：既然一位稍有经验的員工搭配 AI 工具，就能做出过去两三个人才能完成的产出，还有必要花同樣预算去訓練多位新鮮人嗎？
Bradley 直言，这種转變在企业现场已经相当明顯。过去公司願意給新人半年、一年时间做訓練、輪调、熟悉产业，但现在这種耐心正快速縮水。对主管来说，现实的算盤變得很直接：是要请两三个初階員工，还要安排资深同事帶人、投入訓練资源；还是乾脆请一个有经验的人，再配上最好的 AI 工具，直接上戰场？在多數講求效率与即戰力的公司裡，答案幾乎不言自明。
也因此，初階職位的消失不只是「少了幾个工作机会」这麼簡單，而是整个学習結構开始鬆动。
因为許多新人原本用来練功的任務，恰好就是 AI 最擅长處理的那一類：找资料、整理摘要、翻譯、写基礎程式、做初步分析。这些工作过去雖然重複、瑣碎，卻是新人建立手感、理解品质標準、觀察前輩如何判斷事情的起点。如今这些任務幾分鐘就能被 AI 做完，新人不只少了練習场，甚至连坐在旁边看主管怎麼修、怎麼想、怎麼判斷的机会都變少了。
AI 世代，真的知道怎樣算好的东西嗎？
Linga 也提到，这種變化已经反映在学生与 early professional 的能力差異上。过去沒有 AI 工具的一代，做报告是从零开始，自己找资料、验证来源、建立假设、从空白頁一路做到能上台报告。这些人雖然慢，但通常更知道怎麼从 0 到 100。
相较之下，新一批学生从大学时期就已经活在 ChatGPT、Grok、Gemini 的世界裡，習慣把同一个问題丟給不同 AI，再把产出快速拼貼进簡报或表格中。看似更有效率，卻也更容易在沒有判斷的情況下，直接把 AI 的 60 分或 80 分答案拿去交差。
(AI 能做 80 分，做不到 100 分的人註定淘汰！麥肯錫、哈佛校友建议新鮮人这樣做)
这也让主管陷入新的两难。Bradley 舉例，像在顾问工作裡，过去请 junior 寫一封向客戶要资料的 email，看似只是文字工作，实际上卻是訓練对方理解客戶情境、掌握溝通節奏与判斷用字分寸的重要过程。但现在情況常常變成，主管一看就知道那封信要不是寫得不夠成熟，要不就是很明顯是 AI 生成、仍离可用有一段距离。
給年轻人的忠告：主动理解主管腦中的標準
不过，两人並未停留在焦慮本身，而是进一步討論：当第一个台階正在消失，年轻人要怎麼自己蓋出新的訓練场？
Linga 认为，第一件事是主动理解主管腦中的標準。因为很多職场高手之所以做得比別人好，不只是因为他們更努力，而是他們心裡有一整套判斷 checklist：资料来源要不要交叉验证、研究者背景要不要查、結論要不要標明限制條件、簡报逻辑要怎麼排。过去这些標準可能藏在反覆修改与口头指導裡。
但在 AI 时代，它們很多都已经被主管转化成 prompt 与 constraint。对年轻工作者来说，真正重要的不是会不会按工具，而是有沒有辦法先搞清楚「什麼叫做好」。
結構感与判斷，才是 AI 无法取代的部分
第二件事，則是在资訊爆炸的年代，重新練回自己的阅读与整合能力。AI 可以同时幫你掃 25 份报告，再快速給你一个摘要，但这也很容易让人誤以为自己已经理解了问題。Linga 认为，越是在这个时代，越要強迫自己挑出真正高品质的內容，花时间深入，去看作者怎麼定義问題、怎麼拆解产业、怎麼设计方法、怎麼验证假设，最后又是如何根據经验做出判斷。
这些結構感与判斷路徑，才是 AI 无法直接替你內化的部分。
Bradley 則提醒，年轻工作者若想往更高階的工作靠近，第一步永远是「用成果換门票」。不是只把任務做完，而是做到让主管可以放心，願意把更複雜的东西交給你。除此之外，还要学会主动補位。因为職场裡很多更高層次、更接近決策核心的工作，不是沒机会，而是沒有人做。
比如一份表面上只是分析转換率的任務，真正关鍵往往不是數字本身，而是这份分析背后要支撐什麼決策。如果主管是想知道下一步行销预算要往哪个客群多投，那你就不該只交转換率，而应該往前一步，补上获客成本、Lifetime Value、ROI，甚至进一步提出「若预算提高 20%，營收可能增加多少」这種決策语言。这種把分析转化为建议的能力，正是 AI 时代最值钱的东西之一。
未来企业要什麼樣的人：在模糊中前进、知道怎樣算好
談到企业到底要找什麼樣的人，Bradley 也給出相当明確的答案。第一，是能在模糊中前进的人。因为 AI 时代變化太快，三个月后你的工作內容可能就完全不同。如果一个人非得等所有事情都被定義清楚才会动，那不只自己会很痛苦，也代表他的工作內容大机率早晚会被 AI 取代。
第二，会不会判斷 AI 的输出？知道怎樣的成果才算好？现在「会用 AI」已经是基本门槛，真正拉开差距的是：你看完 AI 生成的市场分析之后，有没有自己的观点？你知不知道哪些地方要验证？哪些地方不能照单全收？因为资料在今天已经不稀缺，真正稀缺的是观点。
新鮮人求職變难，初階職位开始鬆动
第三，則是会不会自我升級。面对一个快速變动的環境，企业寧可要一个现在技能沒那麼多、但学得很快的人，也不要一个会很多、卻停在原地的人。
这也是为什麼，两人都认为，今天的初階職缺与其说是在消失，不如说是在被重新定義。企业不是完全不需要年轻人，而是不再只想要能做重複性任務的人。新的起跑线，變成你是否理解 AI、是否有观点、是否能快速主动学习、是否能把工具變成自己的槓杆。对很多企业来说，年轻人不只是被带的人，也开始成为把 AI 直觉、工具习惯与新世界節奏带进組织的人。
節目最后也給出一个相当实际的建议：如果你现在正在求職，最有效的準備方式，可能不是再去读一个 AI 学位，而是自己为想进入的产业做一个 AI side project。假设你想进入 Google 行销部门，那你就試著用 AI 工具完整跑过一个行销工作流程，从找问題、设计解法，到实际 demo 出成果。这樣一来，你在面試时就不是空談「我对 AI 很有興趣」，而是可以直接拿出一个 end-to-end 專案，向面試官证明你已经能用工具解決真实问題。
对正在面对畢业求職焦慮的新鮮人来说，最殘酷的现实或許是：那條原本看起来理所当然的職涯樓梯，真的正在被 AI 拆掉一部分。
但正如 Bradley 所说，也許職涯从来不只是爬樓梯，而更像游泳。以前的路徑是被安排好的，现在則必須自己去找方向、自己往前游。当第一个台階變得不再穩固，真正重要的，或許不是一直盯著那道樓梯还在不在，而是你有沒有能力，主动找到下一个能让自己浮起来的动作。
这篇文章 毕业求职焦虑？研究显示 AI 直接影响初阶职缺，麦肯锡顾问建议新鲜人这样做 最早出现於 链新聞 ABMedia。
