AI吃掉了入門崗位，下一代的品味從哪裡長出來

最近讀了蔡鈺在《商業參考5》裡的兩講 “海辛：在AI巨浪里修炼品味的人”，我讀完之後，又特別整理與撰寫了這篇文章給大家看看。

那兩講的主人公叫海辛，一個九零後的四川姑娘，醫學院出身，如今是中國最頂尖的AI藝術創作者之一。二〇二五年初，她做的AI動畫短片《故宮貓貓上班記》在網上炸開：毛色各異的小貓穿過胡同、國家大劇院、水立方和天壇，穿過工筆畫和唐三彩，穿過實景、水墨與青花瓷，最後抵達故宮打卡上班。整片不到兩分鐘，有技術奇觀，有敘事，有情感，還精準撞上了當時「中美網友互交貓稅」的時事熱點。

推薦這兩講，不是因為她的作品有多炫。是因為蔡鈺問了她一個問題：這些年你攢下來的護城河，到底是什麼？

海辛給了五個答案。其中沒有一個，是「精通某款AI工具」。

這就值得停下來想一想。AI到來以後，幾乎所有人心頭都縈繞著同一組問題：我該怎麼轉型，怎麼嵌入新時代，能不能不被取代？而市面上最流行的答案，是「學工具」，學Midjourney、學Sora、學各種提示詞。但一個真正在浪裡站穩的人告訴我們，護城河不在那裡。

真正的問題於是往前推了一步。如果護城河是品味，是判斷力，是把工具納入自己品味秩序的能力，那品味這種東西，究竟是怎麼長出來的？

海辛的答案藏在她前半生的履歷裡。而這份履歷，恰恰指向我們今天最該擔心的一件事。

五個答案，沒有一個是工具

先把海辛的五個護城河攤開來看。

這五條彼此咬合，構成了一個閉環。工具是變數，人是常數；時代在換工具，她在換手上的畫筆，但拿筆的那隻手、那顆腦子、那份判斷，一直沒變。

品味是怎麼長出來的

有意思的是，海辛這五條，一條都不是天生的。它們全都有出處。

她的品味來自大量審美的浸養，來自京劇的身段、鋼琴的樂感、電影學院的鏡頭訓練。她的思維框架來自皮克斯動畫的敘事結構、來自醫學院的邏輯訓練、來自在劇組裡從打雜做起、一點點看懂一個作品怎麼被組織起來。

這裡有一個關鍵細節。海辛說，她做《故宮貓貓上班記》時那些鏡頭語言的靈感，來自她多年來反覆研究的日本動畫導演。具體畫面不再來自畫筆，而是來自AI。但「為什麼這個鏡頭應該這樣運動、這個轉場為什麼要有呼吸感」的判斷，來自她看過的那些經典。

換句話說，AI提供的是產能，人提供的是品味。而品味，是一層一層磨出來的。她是在一次次真實的專案裡、被一次次指導和糾錯裡，慢慢長出判斷力的。這條路徑，恰恰是我們今天要擔心的東西。

硬數據：入門崗位正在消失

如果海辛的品味是靠「從打雜做起」磨出來的，那我們就得問一個很現實的問題：今天的年輕人，還有沒有打雜的機會？

答案很不樂觀。

哈佛大學的兩位經濟學家做過一份研究，他們追蹤了近六二〇〇萬名勞動者、超過兩億四千五百萬條招聘資訊，得出的結論是：AI對就業的衝擊不是無差別的，而是精準地「吞噬」初級崗位。在採用了AI的企業裡，初級崗位快速減少，高階崗位卻還在增加。而且這些企業給AI騰位置的方式是放緩招聘，不是裁員。工作越來越難找，是有原因的。

史丹佛大學的三位經濟學家做了另一項研究，他們分析了美國最大薪資處理公司ADP的兩千五百萬名員工薪資數據，得出一個讓研究者自己都意外的結論：從二〇二二年底ChatGPT發布以來，在最容易受AI影響的職業裡，二十二到二十五歲年輕人的就業率明顯下滑，超過了一成。而三十五歲以上員工的就業率，反而上升了。

這份研究的標題就叫《煤礦裡的金絲雀》。過去礦工下井會帶一隻金絲雀，這種鳥對有毒氣體特別敏感，一旦空氣有問題，牠會比人更早出現異常。在AI時代，這隻提前示警的金絲雀，就是剛從學校出來、靠著初級工作積累經驗的年輕人。

Anthropic的執行長做過一個更驚人的預測：未來五年，最多有一半的入門級辦公室崗位會被淘汰。

把這些數字放在一起看，結論很清楚：過去那條「從基層做起、在打雜中成長」的路，正在被AI一點一點堵死。

一個活案例：AI短劇的兩年

這件事，在內容行業裡看得最清楚。

AI短劇這個東西，最早是怎麼起來的？是媽媽、是觀眾、是各種業餘愛好者。一臺電腦，幾段提示詞，生成一些誇張的角色，配上爽劇式的狗血劇情，就能在短影音平臺上刷出流量。那時候的AI短劇，粗糙、廉價、千篇一律，但勝在能快速量產。

然後，情況變了。

二〇二六年，一部叫《硯邊青梅》的AI歷史短劇火了，全網播放量破億，話題搜索超過兩億。更戲劇性的是它的製作方式：主創是一個人，靠自學AI，用兩個月時間「手搓」出來的。

但真正值得注意的，不是它是一個人做的。是它的品質。

這部劇沒有停在「爽」的層面，它有敘事，有情感，有對歷史的思考。它之所以能從一堆粗製濫造的AI短劇裡殺出來，是因為創作者帶著一種判斷力進來。他知道什麼是好故事，知道節奏該怎麼走，知道哪裡該留白、哪裡該用力。

再往後看，專業影視人開始進場了。愛奇藝找來奧斯卡攝影大師鮑德熹辦AI劇場創作營，帶著一批有影視功底的人玩AI創作。上海戲劇學院這個月還專門辦了國際戲劇寫作周，主題就是「AI時代中的編劇視界與人才培養」。

AI降低了入場的門檻，但抬高的是天花板。誰都能生成一個東西，但最終能留下來的，是那些帶著專業判斷力進來的人。

而這，正好把我們逼到了那個最尖銳的問題上。

入門崗位是隱性的品味訓練系統

很多人以為，初級崗位就是打雜。寫寫報告、整理整理數據、跑跑腿、做做會議記錄。這些事看起來沒什麼技術含量，AI接手了正好，年輕人可以去幹更有價值的事。

但這是一種誤讀。

吳恩達在達沃斯論壇上講過一個觀點，值得反覆咀嚼：AI取代的是任務，而不是整份工作。一個工作裡有十項任務，AI現在能做其中三到四項。表面上看，員工可以從低價值任務裡被解放出來。但吳恩達指出了一個被忽略的問題：如果這三到四項任務，恰好是初級員工用來入門的那幾項呢？

他把這種現象形容成「階梯斷裂」。樓梯的橫板被拆掉了，你站在一樓想上樓，卻發現腳下沒有踏的地方。

過去的企業人才培養是學徒制。初級分析師整理數據、寫簡單的查詢語句，律師助理翻找判例，編劇助理寫分場大綱，攝影助理扛器材、調白平衡。這些工作看起來價值不高，但它們是新人理解業務邏輯、累積隱性知識的必經之路。

沃頓商學院有學者把這件事說得更透。她問過一個問題：我們的職業技能，究竟是怎麼獲得的？

答案是，我們不是一畢業就懂得如何在危機中做判斷、在選擇中做決定。我們是在不斷重複、犯錯、被糾正的過程中成長的。從最簡單的任務做起，逐漸承擔更複雜的責任。正是在這些看似枯燥的任務裡，我們學會了辨識數據的異常、理解了市場的規律、培養出了職業直覺。而是否擁有這種直覺，決定了你能不能成為一個真正懂行的人。

現在，AI接手了這些常規任務。新人失去了培養模式識別和情境理解能力的機會。而這兩種能力，恰恰是形成職業判斷力的地基。

打個比方。航空業的教訓早就擺在那裡了。隨著自動駕駛系統越來越精密，一些飛行員的基礎飛行技能反而在退化。平時看不出問題，可萬一自動駕駛突然失靈，需要人手動接管，事故風險就會大幅上升。知識型工作也是一樣，專業能力的退化要等到企業遇上需要人類判斷力的全新挑戰時，才會暴露出來。

對組織來說，這是一場風暴。最有經驗的人即將退休，而新生力量卻沒有被培養出來。更要命的是，當企業越來越依賴AI處理常規工作，總得有人來監督、校準、指導這些系統。而這項工作，要求負責人既懂業務，又懂AI。可最有能力承擔這項監督工作的資深員工，正在陸續退休。

這就形成了一個危險的局面：功能強大的AI系統，在缺乏足夠人類監管的情況下運行。時間一長，系統性的錯誤會不斷累積。

所以「職業發展階梯消失」這件事，遠不只是個人職涯的問題，也不只是人力資源的問題。它是一種戰略隱患。那些沒能維護好人才培養體系的企業，最終會面臨嚴重的知識缺口，而這些缺口，絕不是短時間內砸錢就能補上的。

看到這裡，問題就很清楚了。既然那條「從打雜做起」的老路被堵死了，品味又必須靠某種方式的磨練才能長出來，那我們就得換一條路。這條新路該怎麼走，就是這篇文章真正想回答的問題。

換一條路走：五個方案

我要先把話說在前頭。下面這五個方案，不是憑空想出來的。它們是從海辛的五個護城河反推來的。既然這五種能力是AI時代真正的壁壘，而入門崗位消失之後，它們失去了自然生長的土壤，那我們就該逐一問：這種能力要透過什麼替代路徑來培養。

這五個方案分成兩層。前三條是「自己能做的」，是寫給每一個正在焦慮自己沒有入場券的年輕人；後兩條是「組織該做的」，是寫給那些一邊喊著缺人、一邊又不肯培養新人的企業和主管。

兩層不能偏廢。因為這是一個雙向的問題：個人再努力，如果整個職場的入門機制不改，斷層還是會發生；組織再有心，如果年輕人只等著被安排，也接不上這條新路。

自己能做的

自己造一個回饋迴路

先講最重要的一條。過去的品味是怎麼長出來的？是在一次次真實的項目裡，被師傅帶著、被客戶罵著、被上級糾正著，一點點磨出來的。這套機制裡，最關鍵的其實是打雜背後那個東西：即時回饋。

認知科學裡有一個被反覆驗證的結論，技能習得的核心，是「刻意練習」。而刻意練習有四個要素，其中最容易被忽略、也最致命的，就是即時回饋。沒有回饋的練習，本質上是在固化錯誤動作。你練了一萬個小時錯誤的揮拍姿勢，只會讓錯誤變成肌肉記憶，越練越難改。

過去，這個回饋迴路是師傅給的。現在師傅沒了，那你得自己想辦法造一個出來。這是AI時代每一個年輕人必須自己補上的第一課。

具體怎麼造？有幾個辦法，我把它們串成一條路徑。

為什麼寫影評能訓練審美？因為寫影評逼你做三件AI做不了的事：判斷這部作品好在哪裡、不好在哪裡；說清楚一個感受為什麼產生；把它跟你看過的其他作品放在一起比較。你在做這些事的過程裡，練的就是「把直覺翻譯成判斷」的能力。這跟海辛去研究日本動畫導演今敏的鏡頭語言，本質上是同一件事。

這裡一定有人會問：沒有師傅在旁邊即時糾正，光靠自己和AI，這個回饋迴路真的夠嗎？

我的回答是，不如真師傅，但聊勝於無，而且可以補強。補強的方法就是把「個人練習」變成「群體練習」。加入一個同好社群，辦作品互評，把你的東西拿給比你強的人看。年輕人最該做的事，是主動去建立一套「替代性的師徒關係」。找那些願意帶你的人，哪怕只是社群裡的資深愛好者。過去的師徒關係是公司安排的，未來的師徒關係要你自己去找、去求、去維護。

自己能做的

從新賽道切入，繞過那扇關上的門

第二條，講的是「從哪裡進場」。

傳統的入行路徑，是先應徵一個初級崗位，進去慢慢學。現在這扇門關上了。那怎麼辦？答案是繞過去，從那些新冒出來、還缺人、還願意帶新人的賽道進場。

這不是什麼勵志的空話，有很硬的數據支撐。AI在淘汰一些崗位的同時，也在創造全新的賽道。光是中國市場，二〇二六年頭四個月的AI相關崗位需求量，就比去年同期暴漲了八點七倍。AI演算法工程師、大模型訓練師、提示詞工程師、AI產品經理、產業智慧解決方案專員，這些新職業大量湧現。

更重要的是，這些新崗位的門檻結構，跟傳統崗位不一樣。它們當然有一部分要求扎實的技術功底，但也有不少崗位，歡迎跨專業背景的求職者。就拿提示詞工程師來說，它看重的是能不能提對問題、吃透業務需求，會不會寫程式反倒不是門檻。這恰恰是人文社科背景的人可以發揮的地方。

有一個案例特別能說明問題。據媒體報導，中國市場上有位中文系畢業的求職者，他把提示詞框架重新設計了一遍，讓一款情感陪伴AI的用戶留存率從兩成飆升到五成八。他最後拿到了一份月薪約十三萬新台幣的產品營運offer。他做的事情，本質上是把他的文字敏感度、共情力、對人性的理解，用AI這個放大器放了出來。

傳統崗位也在被AI「升級」，而不是單純被「替代」。行銷人員用AI做市場分析、批量產出內容，工作重心不再是埋頭寫文案，而是琢磨策劃思路；金融分析師用AI挖數據，把精力放在風險判斷和深度決策上。這意味著，跨界的空間其實變大了，而不是變小了。

但這裡也一定會有人嘀咕：這些新賽道，會不會又是一陣風？今天缺人，明天飽和，我撲進去是不是又變成接盤的？

這個擔心很合理，但可能問錯了方向。判斷一個新賽道值不值得進，不要看它今天熱不熱，要看它是不是沉澱了「可遷移的能力」。AI短劇會不會一直火，沒人知道；但你在做AI短劇的過程裡練出來的敘事能力、節奏感、對觀眾情緒的把握，這些能力是會跟著你走的。海辛做AI動畫，靠的是她早年練出來的那套審美和判斷，動畫這個賽道本身只是載體。所以選賽道的標準很簡單：這個地方能不能讓你累積「帶得走的能力」，而不只是「會用某款工具」。能，就進；不能，就換。

自己能做的

用可感知的作品，取代那張紙

第三條，講的是「憑什麼被看見」。

過去，你靠一份履歷、一個學歷、一段實習經歷，去換一個機會。但AI時代，這套邏輯正在鬆動。因為當AI能幫任何人快速做出一個像樣的東西時，招人的人發現，看履歷根本看不出一個人真正的能力。

有個MIT畢業生的故事很值得一說。她畢業之後，沒有像大多數人那樣在領英上海投履歷。她先後在七家公司工作過，而每一份工作，都是透過她自己的個人網站找到的。她說了一句很直接的話：領英和履歷對她來說幾乎無關緊要，如今找工作的最佳方式，是建立一個作品集。在AI的幫助下，她花了不到五分鐘，就從零搭起了自己的個人網站。

重點在網站承載的東西：一個能展現你是誰、你做過什麼、你投入了多少時間精力的作品集，比一份枯燥的履歷，有說服力得多。

而且，這條路的門檻正在被AI削平。過去做一個網站要學程式，拍一支精美影片要專業設備，做一份高品質的作品集需要大量時間和工具累積。現在這些門檻都在往下掉。一個沒有名校光環、沒有名企經歷的人，只要拿出真實的、可感知的作品，一樣能被看見。

不過，這裡我要特別提醒一句，這也是很多人的盲區：作品集真正要展示的是判斷力。有位招過人的業內人士說過一段很中肯的話，他看過太多糟糕的作品集，有人把從業以來的大事小事全都塞進去，一兩百個作品良莠不齊，讓人懷疑的是你的審美和統籌能力。還有人為了標榜自己會用AI，把整個作品集都做成AI生成的內容，這反而暴露了你沒有自己的判斷。所以作品集真正要展示的是「我知道什麼是好」，而不是「我會用工具」，這恰恰又回到了海辛的第一條護城河。

同樣的邏輯，也正在改寫招聘的另一端。現在有企業已經在這麼做了：讓求職者不參加群面，而是完成一個跟崗位真實工作相關的試作任務，比如為某個客戶需求寫一份方案框架，或用AI分析一份業務數據並輸出結論。這種「用作品說話」的招人方式，對沒有光鮮履歷、但有真本事的人，是重大的利好。

照例，這裡還是會有疑問：我就是個剛出社會的學生，哪來的工作經歷做成作品集？

答案是，作品集從來不等於工作經歷。它可以是你在社群裡做的專案，可以是你自己搗鼓出來的一個小東西，可以是你對某個行業問題的深度分析。它唯一的標準是：它得是你親手做的，而且做得好。一份有四個真正打磨過的作品的作品集，勝過一份有四十分隨手貼上去的作品集。這條路對「沒有身分」的人，反而是公平的。

前面三條，都是寫給個人的。但這件事如果只有個人在努力，注定解決不了。因為斷層的根源，恰恰在組織這一端。所以接下來兩條，是寫給企業和主管的。

組織該做的

把入門崗位當成投資，而不是成本

先說一個很多人不願意面對的事實：入門崗位的消失，很大程度上是企業自己選擇的。

當一位主管發現，AI能在半小時內完成初級員工要花兩天做的報告時，他會怎麼想？省下一個人力，就省下一份薪水，報表還更好看。這是一個在短期財務上完全理性的決定。

但這個決定，是一筆埋在地下的雷。

有一篇討論AI取代新人的文章問了一個很扎心的問題：AI取代新人，到底是降本，還是埋雷？它的核心邏輯是，保護入門級工作，其實是在主動塑造一種未來。如果企業只看當下的人力成本，它省下的是今天的錢，賠上的是五年後的人才儲備。

那企業該怎麼做？答案是，把入門崗位重新設計一遍，讓它繼續承擔「練習場」的功能，而不是把它當成一個可以隨手砍掉的花費項。

具體怎麼設計？有三個方向。

萬維鋼在講「默會知識」時講得很到位。這個概念最早由匈牙利裔英國哲學家邁克爾·波蘭尼（Michael Polanyi）在一九五八年提出，指的是那些「只可意會、不可言傳」的知識。你知道這個事兒怎麼做，卻說不明白，沒法寫成手冊教給別人。

萬維鋼說，有些知識就是沒辦法用語言傳遞的。比如你不能指望透過看影片就學會做手術。你必須在現場，站在師傅旁邊，看他怎麼拿刀，感受他處理突發狀況時的冷靜，看他怎麼跟團隊配合。然後是你跟著他一起做，師傅示範你模仿，他隨時給回饋糾錯。一點一點刻意練習，直到這些細節長進你的身體裡。

這個「默會知識」的傳承方式，AI替代不了。所以組織要做的，是把這種師徒結構制度化。少喊口號，多給導師明確的時間、明確的激勵、明確的責任。帶新人這件事，過去看起來是「額外的負擔」，現在要讓它變成「被認可的價值」。

照例，這裡會有主管反駁：我們公司小，哪有資源搞什麼師徒制？

這個反駁聽起來合理，但可能把門檻想得太高了。師徒制不一定要隆重。它可以簡單到：給每個新人指定一個資深同事，每週花半小時看他做的一個東西，當面給一次回饋。這半小時的成本，跟一個新人因為沒有成長而半年後離職、你再重新招一次的成本比起來，微不足道。真正稀缺的從來是意願，不是時間。有一份談領導力的課程算過一筆帳：你帶一個新人，可能要花你一成的時間教他，但他分擔掉四分之一的工作量，你們合起來的產出，是你一個人時的一點一五倍。這筆帳，其實是划算的。

組織該做的

把人機協作，設計成一種新的傳承

前面四條，講的都是「怎麼把斷掉的東西接回來」。最後這一條要講的，是另一個層次的事：接回來之後，接的方式也得跟過去不一樣了。

我說這一條最難，也最少有人在談。前四條，無論是個人自己造迴路，還是企業把入門崗位當投資，做與不做，主要取決於意願。這一條難在，它要動的是工作本身的組織方式。因為AI已經在改變工作怎麼被切分、怎麼被協作，所以「傳承」這件事，也得重新設計一遍。它決定成敗，卻最容易被忽略。

這一條也一定有人質疑：講了半天，還不是要靠企業的良心？

我承認，這一條比其他四條更依賴組織的遠見。但我想說的是，這是生存問題，不是良心問題。前面我們提到沃頓那位學者的分析：當企業越來越依賴AI處理常規工作時，總得有人來監督、校準、指導這些系統。而這個人，必須既懂業務又懂AI。如果企業今天不培養出這樣的人，五年後當AI系統開始出錯、需要人類介入時，它會發現，能接管的人已經沒有了。

那時候，省下的薪水，遠遠補不上這個窟窿。

回到那個最根本的問題

繞了一大圈，我們回到了那個地方：品味。

把這五條方案拼起來看，其實講的都是同一件事。品味這種東西，過去是「順便」長出來的，是跟著一份工作、一段職涯，在打雜、被罵、重複的過程裡自然生成的。現在這條自然生成的路斷了，所以它必須被「刻意」地重接。

對個人來說，你不能再等別人給你練習場，你得自己造一個回饋迴路，自己去找師傅，自己拿作品去證明自己。對組織來說，你不能再把入門崗位當成本砍掉，你得把它當成一個需要精心設計的投資。

AI時代真正的護城河，是那個能對AI說「這樣不對，再來」的品味。它比某款工具、某種技能都更靠得住。海辛給出了五個答案，歸根到底都是一句話：讓工具為你的品味服務。而品味，來自你看過多少好東西、判斷過多少取捨、在哪個領域深耕了多久。

AI可以幫你在兩分鐘裡做完一本書的摘要，但它不能替你讀完那本書。AI可以幫你生成一百張圖，但它不能替你決定哪一張是對的。AI可以讓入場的門檻變低，但它不能替你走過那條本來要花十年走的路。

那條路繞不過去。只是現在，你得自己找路，或者是，和願意帶你的人一起找。

回到開頭推薦的那兩篇文章。海辛的故事之所以值得一讀，是因為她把「品味是怎麼長出來的」這件事，講得特別清楚，個人非常建議你 得到: 蔡鈺《商業參考5》這門課程。