AI · 工作与成长
交付完成与知识掌握，需要分别检查。
主题插画 · 自动化基础工作之后，学习机会仍需要安排
初级岗位减少，影响会先出现在招聘市场，随后才反映到人才培养上。
2026 年 10 月 16 日，Anthropic 公布了一份内部研究。自 2025 年初以来，初级员工在技术部门的占比从 21% 降至 14%，初级岗位在技术招聘中的占比从 27% 降至 9%。
招聘占比与在职占比 · 两项指标分别统计
同期，公司仍在扩张，技术招聘的绝对数量也在增长。因此，这份报告无法支持“公司已经不招新人”的结论，但它记录了一个变化。
在新增技术岗位中，留给初级员工的比例正在缩小。
研究原文
这个变化带来的问题，比岗位数量本身更长远。
如果企业越来越少招聘缺乏经验的员工，未来需要的资深人才将如何获得最初的经验？
本文看点
01
入行机会
02
学到多少
03
如何培养
01OPPORTUNITY
### 基础工作减少，学习机会也需要重新安排
从单个团队的交付安排看，减少初级招聘有现实理由。
新人入职需要熟悉业务、理解系统，还需要资深员工分配任务、检查结果。部分基础工作交给 AI 后，团队可以减少指导投入，把更多时间放在交付上。
但交付工作和培养人才，原本就可能发生在同一项任务里。
一项基础任务的价值，除了完成结果，也包括让新人理解业务要求、发现错误、接受评审。任务被自动化以后，这些学习机会需要重新安排。
否则，企业对候选人的要求容易形成一个矛盾。
招聘时需要能够独立判断的人，却减少了帮助新人形成判断的岗位。
Anthropic 的研究已经记录了招聘标准的变化。技术岗位的面试评价越来越重视自主性和判断力，具体领域知识与执行技能的相对权重则有所下降。研究原文
判断力确实重要。
AI 可以生成方案，但方案是否满足需求，测试是否覆盖关键情况，某次修改是否会影响其他系统，仍然需要有人检查。
这些能力也有学习过程。缺少相关知识、评审反馈和处理错误的经历，很难仅凭“善于提问”就完成可靠的验收。
02LEARNING
### 任务完成了，知识未必掌握了
一项关于编程学习的实验，提供了更直接的观察。
2026 年 1 月，Anthropic 发布了一项随机对照研究，招募了 52 名以初级工程师为主的参与者，学习此前不熟悉的 Python 库 Trio。
一组可以使用 AI 辅助，另一组独立完成任务。任务结束后的测验结果是：
• AI 辅助组，平均得分 50%。
• 独立完成组，平均得分 67%。
• 两组相差 17 个百分点，调试题上的差距最大。
编程学习实验 · 测验得分相差 17 个百分点
AI 组完成任务略快，但速度差异没有达到统计显著水平。
实验样本较小，测量的也是任务结束后的短期理解，无法直接推断长期职业发展。不过，这个结果说明，交付完成与知识掌握，需要分别检查。
实验说明
这也提高了企业培养新人的难度。
允许使用 AI 后，仅凭交付结果，已经很难判断新人掌握了多少。一份能够运行的代码，可能经过了充分理解，也可能仍有大量内容无法解释。
两种情况在验收时可以表现得很接近，遇到新问题后的差别才会出现。
03PRACTICE
### 使用 AI 的方式，也应纳入培养安排
要求新人完全禁用 AI，缺乏充分依据。
同一项实验的观察分析发现，追问概念、要求解释，或借助 AI 理解问题后独立编码的参与者，呈现出较好的测验表现。
这部分分析不能证明因果关系，但提示了一个可供尝试的方向。
使用 AI 的具体方式，值得纳入培养安排。
实验说明
对于需要培养新人的团队，可以把任务评审向前后各延伸一步。
开始之前，检查对任务的理解。
要求说明需求、准备采用的方法，以及预计怎样验证。先形成初步判断，再借助 AI 补充信息和执行。
完成之后，检查对结果的理解。
讨论关键选择、测试依据和未解决的问题。AI 可以参与整个过程，但新人需要解释最终结果，并对其中一部分判断负责。
这种安排仍然需要资深员工投入时间。评审方案、指出误解、讨论错误，都无法仅靠增加工具完成。某些任务甚至会因此交付得更慢。
培养成本没有消失，只是需要从过去隐含在工作中的投入，变成明确安排的时间。
04GROWTH
### 保留初级岗位，还要保留成长空间
初级岗位的数量，不能直接等同于培养质量。
长期处理零碎事务，接触不到需求背景、用户反馈和重要决策，同样可能限制成长。
保留岗位以后，还要检查岗位里是否有逐步增加的责任，是否有人提供反馈。
AI 可以减少机械操作，也可以帮助新人更早尝试完整任务。能否形成经验，取决于任务完成后，是否增加了理解和独立处理问题的能力。
企业还面临另一笔账。
培养需要投入，员工成长后可能离职。直接招聘成熟人才，往往更容易满足眼前的交付要求。这也是减少初级招聘可能持续发生的原因。
单个企业可以从外部寻找经验，但如果更多企业采用同样的策略，培养成本就会转移给其他公司、学校和求职者。
至于这些途径能否提供足够的真实任务和有效指导，现有研究还没有给出答案。
05EXPERIENCE
### 作品之外，还需要看见能力形成的过程
对求职者而言，作品集需要展示更多过程。
需求如何确定，方案为何改变，AI 给出的内容经过哪些检查，错误怎样被发现，这些记录有助于招聘者判断实际能力。
仅有最终成果，能够提供的信息会越来越有限。
不过，独立项目也有边界。跨团队协作、业务取舍和长期维护，很难全部在个人练习中获得。进入真实组织，承担适当责任，仍然具有培养价值。
Anthropic 在报告中讨论了内部转岗，并承认这种措施的局限。帮助现有员工适应岗位变化，无法覆盖尚未获得入职机会的人。研究原文
因此，准备扩大 Agent 使用范围的企业，也需要具体安排初级岗位的工作。
哪些任务适合新人承担，谁负责指导，评审占用多少时间，经过什么考核后可以独立负责，都应该有明确答案。
一项任务交付以后，除了检查完成质量，还可以多问一句。
下一次遇到类似问题，负责这项任务的新人，已经能够独立判断到哪一步？
END