单独输入AI暴露度，它预测到2025年初级招聘份额将下降约5个百分点。单独输入远程办公暴露度，你会得到同样5个百分点的下降。把两者一起输入，其中之一便会崩塌：AI系数"急剧衰减，且常常在统计上与零无法区分"，而远程办公在每一种设定下都仍是"初级份额下降的强劲且稳健的预测因子"（Lambert & Schindler, 2026）。这正是大多数中端市场招聘计划所要反驳的结论。
如果你在一家50到500名员工的公司主管运营，你几乎肯定听过——也许还复述过——这样一种说法：生成式AI正在吞噬入门级岗位。冻结初级岗位招聘、推迟应届生批次、悄然决定"让AI去做本该由第一年员工完成的工作",背后都是这种说法。一篇分析了2.43亿次招聘的新工作论文指出,这种说法衡量错了变量。初级人才管道正在崩塌,但造成损害的力量是你的AI战略触及不到的——而你的不动产与入职政策却能触及。
大多数招聘计划中潜藏的误诊
2026年的主导叙事干净而直观:大型语言模型恰恰擅长那些初级员工赖以磨炼的、边界清晰、规格明确的任务,因此理性的公司将这些任务自动化,并停止招聘初级人才。与之并列引用的数字是真实的——入门级招聘确实下降了。在美国、英国、加拿大和澳大利亚,由职业生涯早期工作者填补的新职位份额,已较疫情前水平下降了8到11个百分点（Innovative Human Capital, 2026）。这种收缩并非臆想。
问题在于归因。最易受生成式AI冲击的职业——白领、认知—例行性、坐办公室的岗位——几乎正是2020年后转向远程办公的同一批职业。当两股力量一同变动时,只看其中一股的模型,会把两者的功劳都记在那一股头上。大多数招聘计划恰恰这么做了:它们读到AI暴露度与初级入口收缩之间的相关性,便断定AI是原因。由此而来的政策——放缓应届生项目、依靠AI来覆盖入门级产出——治的是一个分析从未分离出的变量的症状。
这篇2.43亿次招聘的论文究竟发现了什么
Peter John Lambert与Yannick Schindler着手分离这两股力量。他们2026年5月的工作论文《The Broken Ladder: AI, Remote Work, and Early-Career Hiring》,依据2017至2025年间美国、英国、加拿大和澳大利亚的2.43亿次新招聘和4.07亿条在线招聘广告——样本之大,足以将AI暴露度与居家办公暴露度估计为彼此分立的效应,而非单一模糊的趋势（Lambert & Schindler, 2026）。
单独检验时,每股力量都像是元凶。生成式AI暴露度或远程办公暴露度每提高两个标准差,都预测到2025年初级招聘份额下降约5个百分点,同时仅要求有限经验的招聘广告份额下降约3个百分点。单看,AI暴露度是个在统计上颇为体面的嫌疑人。
但它经不起列队指认。当两个变量进入同一设定时,AI系数急剧衰减趋向于零,且常常失去统计显著性,而远程办公系数在作者运行的每一种设定下都保持稳定。他们直率的总结是:一个简单的二元远程办公指标,就足以"使生成式AI效应变得不显著"。换言之,AI的信号在很大程度上不过是披着AI外衣的远程办公。相关性是真实的;因果关系却被错配了。
这类结果本该改变一项决策,而不只是一张幻灯片。倘若入门级下滑由AI驱动,那么运营层面的应对——将初级任务自动化、少招初级人才——至少在内部是自洽的。可正因为它由远程办公驱动,同样的应对对真正的机制毫无作用,还悄悄关闭了公司三年后将会需要的人才管道。
机制:师徒带教在Slack上传不顺畅
为什么偏偏是远程办公会压缩初级招聘?诚实的回答是:一名初级员工只有在有人能培养他时才值回成本,而培养在极不成比例的程度上是一项线下活动。这里的证据早于AI恐慌,且异乎寻常地具体。
在一项针对软件工程师的研究中,Natalia Emanuel、Emma Harrington与Amanda Pallais发现,与队友同处一栋楼的工程师,其代码收到的评论比分散于不同楼宇的工程师多出22%——而这种反馈主要从资深工程师流向初级工程师（Emanuel, Harrington & Pallais, NBER, 2024）。邻近并非只是在同样的线上反馈之上添了几次面对面交谈;失去物理邻近的工程师,在线上交换的反馈也更少。面对面接触与数字沟通被证明是互补,而非替代（Federal Reserve Bank of New York, 2024）。
同一研究记录的权衡,正是招聘主管必须为之定价的那一项:邻近以牺牲短期产出为代价,提升长期的人力资本发展,压低眼前的加薪,却在整个职业生涯中将其推高。同地办公是对初级员工的一项投资,日后才见回报。抽走邻近,你就抽走了回报——到那一刻,招聘初级人才不再划算,公司便理性地停止招聘。远程办公并没有让初级员工能力变差。它让他们更难培养、也更不明显地值得培养。这才是断梯背后的杠杆,与你的AI工具能或不能做什么毫无关系。
反方论点:"两者都有,何况AI迟早要来"
一位经验丰富的运营者最尖锐的反对是公允的,值得一个直接的回答。AI确实有能力胜任初级水平的工作,技术进步飞快,而单单一篇工作论文——无论多么浩大——都不应凌驾于"自动化最先取代最易自动化任务"这一结构性逻辑之上。"是远程办公,不是AI"难道不只是一个令人宽慰的故事,后面还跟着一个更长的故事吗?
两件事同时成立。其一,这篇论文并未声称AI对劳动力市场毫无影响;它声称的是,一旦控制了远程办公,AI暴露度便无法独立解释截至2025年所观察到的初级份额下降。这是关于单一结果、单一时间窗的一个精确而有界的发现——而非"AI永不重塑职业早期工作"的预言。领导者可以认真对待计量经济学,同时仍为AI的发展轨迹做规划。
其二,也更有用:即便你相信AI对初级岗位的压力终将到来,居家办公这一发现也告诉你,你此刻所掌控的那根杠杆,在人才管道这个问题上拉错了。暂停或放缓你的AI部署,并不会重新打开初级漏斗,因为关闭它的并非AI。你将付出真实的代价——在AI确实带来的生产力收益上落后——去解决一个并非AI造成的问题。有纪律的做法,是不再把AI部署的节奏与初级人才管道的健康当作同一个旋钮。它们是不同的旋钮,而这篇论文刚刚告诉了你哪一个连着结果。
第三季度之举:别再拧AI的旋钮,开始排布邻近
这一纠正不是一种招聘哲学;它是一份日程表。如果远程办公因切断了培养所依赖的线下带教而压垮初级人才管道,那么运营上的解法,就是为那些人、在那个最要紧的时间窗,把这种邻近重新设计回来——而计量经济学指向一个精确的时间窗:任职早期。
本季度有三步可落地。第一,把初级员工入职的头六个月,当作一段刻意高密度的线下时期来对待。不是一刀切的返岗令——而是有针对性的,你所排布的到岗日集中围绕新进的早期职业员工,以及真正会评审其工作的资深者。邻近研究说得很明确:反馈是从经验丰富的资深者流向初级者;把初级者彼此安排在一起,成效甚微。
第二,搭建批次化的成长通道。在默认远程的团队里一个一个地招初级人才,会把隔离最大化。以一条结构化的线下入职主干、成批地招他们,则能营造同伴密度与可见的带教,使发展得以发生——并让招聘初级人才重新划算。
第三——大多数计划正是在这里出错——决定谁获得这种高接触入职的依据,应当是组织架构图之外的东西。任职年限、岗位和发展阶段是个体属性,而非职位头衔的属性;最需要密集早期带教的初级者,未必就是一项笼统政策会标记出来的人。这是个测量问题,而测量问题用数据来回答,胜过凭直觉。Scovai的评估底座正是为刻画这些发展与岗位就绪特质而构建的,它会告诉你哪些早期职业招聘需要结构化的线下通道、哪些能在接触更轻的混合模式中茁壮成长——好让你排得起的那份邻近,落到其长期轨迹真正会因此改变的人身上。
Lambert与Schindler递给运营领导者一张令人尴尬地清晰的收据:压垮你初级人才管道的力量,在你的混合办公政策里,而不在你的AI技术栈里。这在本季度留在你案头的,是一个范围狭窄的决策。打开你的早期职业招聘计划,找出它为"修复"漏斗而去拉动的那根杠杆。如果那根杠杆名叫AI——暂停它、依靠它来覆盖入门级工作、等它稳定下来——那你拧的是一个并不连着结果的旋钮。真正连着结果的,是你为第一年员工排定的线下日程表,而你可以在本季度结束前改动它。
