AI时代教育之问：就业转型的挑战与应对策略

要探讨教育这一复杂议题，尤其是在人工智能深度介入的当下，更需审慎分析。教育系统作为社会机器中的关键部件，在AI的驱动下，其现象日趋复杂，背后的动因愈发难以捉摸，随之而来的风险也更难提前预判。为有效应对AI给教育系统带来的挑战与机遇，单一学科视角已显不足，亟需一场跨学科、跨圈层、跨领域的深度对话。

基于这一共识，北京大学教育学院汪琼教授团队与腾讯研究院的杨健、孙怡、吴朋阳、张鸿茹等专家，共同组建了产学研合作的AI教育课题组，并发起了“AI+教育思想系列沙龙”。其目标明确：搭建交流平台，为智能时代的教育发展提供富有价值的思路与建议。

第七期沙龙于2025年6月举办，此次为北京大学教育学院、腾讯研究院与HRoot联合发起的“AI时代的就业转型”闭门研讨会。会议聚焦于厘清数智时代的人才市场需求、企业实际用人标准以及个人发展路径。会上，多位企业HR专家分享了AI对就业转型带来的挑战与机遇。以下为本次讨论的核心精华内容，值得深入研读。

观点速览

AI尚未根本颠覆劳动力市场格局，但已开始重新划分岗位风险等级。中间层岗位首当其冲，其知识复杂度与创造力要求处于不高不低的尴尬区间。AI并非简单取代人力，而是将组织资源向更善于思考、能整合技术的个体倾斜。AI正打破传统IT与业务部门壁垒，催生出大量复合型人才需求。当前企业更倾向于提升现有岗位能力，而非直接增设大量AI专属岗位。既懂技术又具情感判断力的人才，尤其在创意领域，变得尤为稀缺。理工科毕业生因专业对口、岗位弹性大，成为众多企业的招聘主力。单一学科训练已难以应对现实工作需求，跨学科融合能力成为核心竞争力。学校与企业的产教融合，需政策引导，尤其在实习机会与项目合作上需加大力度。AI领域迫切需要建立权威人才认证体系，为企业选人、育人提供可靠标准。

【参与嘉宾】

Joyce HRVP，Roserberger APSophia HRD，DIODESEdith 执行主编，HRootShirley HRD，某品牌服饰管理公司William Senior Manager，某游戏公司

一、AI对劳动力市场的总体影响

主持人：各位认为，目前人工智能究竟对就业与劳动力市场带来了哪些实质性影响？

Edith：我先分享个人观察，权当引玉之砖。今年，“AI+就业”成为热议话题，就业涉及供需双方，切入点选择至关重要。AI在人力资源领域的落地，可作为“AI+就业”的有效入口。例如，一家世界500强IT公司的做法颇具代表性：他们激进地用AI替代HR职能，在全球范围内大幅裁减HR人员的同时，直接让AI系统负责员工绩效评估与薪酬建议，不仅速度快，且逻辑清晰、依据充分，主管介入极少。公司内部还搭建了“Ask HR”和“Ask IT”平台，专门处理员工的各类事务性问题。这些原本由人工完成的工作，现已全面由AI接管。然而，落地过程并非一帆风顺。部分欧洲背景的企业，因信息安全法规日趋严格，对AI表现出强烈抵触，尤其在HR部门。他们以人脸识别和生物信息为例，指出任何自动化手段收集此类数据都可能面临巨额罚款，因此这些公司几乎一刀切地禁止使用AI。

Sophia：去年到今年，“AI元年”的说法不绝于耳，但目前看来，它更像是一个理念概念。我个人判断，未来三年我们公司的人才需求不会出现显著变化。首先，从技术成熟度与企业应用实际来看，尽管“生成式人工智能”概念自2022年起便成为社会热点，但要真正深入生产与管理流程，仍需时日。其次，从岗位结构分析，AI对不同层级劳动力的影响存在明显差异。对于底层劳动力，主要来自职业院校和大专的群体，AI目前尚未显现明显的替代效应。相反，中间层岗位，如流程管理、行政事务、基础分析等，面临较高的自动化风险。这些岗位知识复杂度适中，创造力要求相对较低，正是AI最易介入和替代的领域。至于高端人才市场，如博士以上或深度技术岗位，目前AI尚难构成实质性挑战。因此，从企业实践角度看，AI并未实质性改变劳动力市场的整体需求格局，但正在悄然重塑岗位的风险结构。这需要教育与政策体系提前介入，以适应AI带来的结构调整。总体而言，AI对我们企业当前的实际影响仍较有限，并未根本性改变整体工作流程或岗位结构。尽管“拥抱AI”已成为共识，但在具体执行层面，变化更多体现在个人层面，而非系统层面。

Joyce：我在工业领域深耕多年，也曾在欧洲和美国在华企业任职，清晰感受到两股浪潮：一方面，AI正逐步取代例行化任务，如数据表格处理、排班、员工自助查询、招聘简历自动筛选等基础流程，使用AI工具已成常态，释放了大量基础性工作时间；另一方面，这种替代将组织重心推向更需要深度思考的领域，那些真正擅长人际沟通、能打通技术与业务壁垒、为组织“赋能”的复合型人才，需求正日益增长。许多企业在推进数字化转型时，都提出要汇聚既懂专业技术又具备数字思维的“数字人才”，让算法融入生产、工艺与研发流程。但坦率地说，市场上这类人才仍然稀缺。

William：从我所在的游戏行业实际经验出发，AI对劳动力市场的影响可从两个维度观察：一是影响了用人判断力的构建与信任机制，二是内容生产环节中降本增效逻辑面临的现实挑战。先说招聘环节，AI普及后，我们判断候选人时面临新难题。如今，越来越多候选人，尤其是实习生或初级岗位申请者，在撰写简历、面试回答甚至职业发展规划中，大量使用AI辅助。这在一定程度上削弱了我们识别其真实能力、独立思考与创造力水平的可能性。特别是创意类岗位，我们更关注候选人在面对不确定任务时的直觉、个人风格与捕捉灵感的能力，而非一套格式化的、AI味道十足的答案。再从业务角度而言，AI虽可作为辅助工具，在内容生成初期提供创意铺陈，但一旦应用于高度具体和复杂的场景，AI往往力不从心。例如，制作特定风格的图像、视频或游戏内容时，我们需要对姿态、物件、环境、情绪等多个元素进行精准控制。这意味着，从降成本角度看，使用AI生成内容的边际成本并不比人工低多少；从提效率角度看，其产出回报与内容质量之间的关系也不稳定。因此，从实际应用看，AI更多是“铺量”的助手，适合初步创意收集或大规模素材铺设，但要实现高标准生产、稳定输出与精准交付，仍需大量依靠人工。

Shirley：我们是一家拥有二十多年历史的本土设计师品牌，始终秉持开放心态，乐于拥抱变化。三年前，HR部门便开始尝试将AI工具应用于实际工作。我们的探索思路是从设计端到销售端，沿整个工作流程倒推，识别哪些环节可被现有成熟技术替代或增强。在设计领域，个人使用AI工具的现象日益普遍，以往设计助理负责的工作，如配色、细化、素材整理等，现已能借助AI完成。不过，设计师群体对AI的接受程度参差不齐。部分设计师认为，AI的介入挑战了其核心专业能力，初期产生抵触情绪。但随着AI在图像生成、风格参考等方面逐渐展现出辅助价值，这种抵触正被更务实的态度所取代。

述评：总体而言，AI对劳动力市场的影响尚未达到结构性改变的程度，但它正在悄然改变岗位的风险结构，尤其对那些重复性高、标准化程度高的工作。在此背景下，教育与政策体系需迅速行动，做出灵活调整。例如，加强跨学科人才培养，唯有提前介入，才能更好地应对AI带来的这些变化。

二、岗位变迁与人才选育

主持人：在各位所在的行业或公司，是否已观察到AI技术对技能或岗位产生的实际影响？在人才招聘或培养方面，有哪些相应举措？

Joyce：在企业数字化转型或拥抱AI技术的过程中，技术确实在推动岗位迭代。例如，MES、ERP系统上线后，原本属于IT部门的系统管理与数据运维职责，开始向业务一线延伸，催生了“MES专员、ERP专员”这类新岗位。这些岗位归属业务部门，但需承担部分系统信息分析与对接工作，助力生产流程标准化管理及跨部门资源数据整体效率的提升，实现了“业务流程数字化”与“数字工具业务化”的衔接。随着ERP系统在企业内部越来越互联、模块深度耦合，组织越来越需要既懂业务，又具备数字化理念与系统理解能力的复合型人才。目前，这类新岗位外部招聘难度较大，企业更多依靠内部挖掘数字人才进行培养，因为数字化转型的核心在于人的能力与组织效能的协同进化。

Sophia：从岗位数量来看，我们公司岗位增设并不显著，主要通过提升现有岗位技能来应对AI带来的变化。具体而言，企业更倾向于在现有人员基础上进行技能提升，而非招聘全新岗位人才。例如，HR与IT部门的员工需持续学习新知识，适应新技术与业务需求，特别是在算法与业务知识的交叉点上提升能力。从整体战略角度，未来2-3年内，企业重点将是围绕AI推动组织优化与效率提升，而非直接增加岗位数量。半导体行业招聘技术人才时，更看重深度面谈与现场工作环境体验，AI可在一定程度上提升候选人对企业的“体验感”，但并未显著提高招聘效率，也未解决如何找到真正符合需求的人才这一难题。

William：我们公司的工作流程历来相对数字化，因此对AI的接受度较高。我认为，AI作为工具，其最大价值在于高效的信息整合与搜索能力，大幅降低了知识获取的门槛与成本，真正关键在于个人如何运用这些信息。我主要负责广告发行，也在不断测试AI在创意内容生产中的应用。从用户反馈看，他们更青睐有人情味、有真实情感连接的内容，若广告内容完全由AI生成或AI味道过重，用户体验往往不佳。因此，在内容创作岗位上，AI能提升收集市场大数据、洞察消费者喜好、分析竞品策略、总结热门趋势等方面的效率，为创作者提供更有价值的输入。但最终输出，仍需依靠具备判断力与情感理解能力的人才来完成。在我们公司，我们鼓励员工在内部分享具有突破性或总结性的方法论，这直接关联到晋升通道与奖励机制，这种机制在一定程度上激发了员工主动探索AI在业务中的应用。

Edith：以我们行业为例，尽管尝试将高科技产品渗透下沉市场，但效果仍较有限。服务业的特性决定了AI技术的应用场景有限，短期内，AI的引入虽在部分板块有所提升，但从整体看，难以迅速带来显著改变。因此，关于岗位增设，我们目前更多调整也集中在现有岗位的优化与技能提升上。当然，也有公司会将IT人员与业务岗位深度融合。例如，在业务数字化AI改革中，更倾向于让有IT背景的人主导项目，因为相较让业务人员理解IT，让IT人员学习业务上手更快，能更高效地推动技术与业务的协同发展。

Shirley：从我们的实际经验看，AI在HR线上业务中的应用已逐渐渗透到招聘流程的多个环节。我们较早便尝试引入AI招聘工具，目前使用某家创业公司自主研发的模型，主要功能包括自动筛选简历、胜任力与动机模型评估，以及通过数据判断候选人潜在风险或匹配度评分。初期使用AI工具时，我们也经历了从“为试而用”到“有选择地整合”的转变。起初，HR团队认为AI工具反而增加了工作量，如需额外配合语音输入或打标签，效果提升也不明显。但随时间推移与系统持续训练优化，AI逐步具备了更高的判断准确率。当然，对于某些岗位，特别是设计师这类高度依赖主观审美与创意判断的职位，目前AI仍难以胜任。我们也曾尝试训练AI模型评估审美，但常常面临审美标准主观、多样且易变的问题。

述评：AI在岗位变迁与人才选育中的应用，在不同行业差异显著。目前，AI更多作为工具，推动现有岗位的技能升级与优化。企业在招聘与培养过程中，越来越倾向于寻找那些具备跨学科能力、能灵活适应技术变化的复合型人才，这对企业实现数智化转型至关重要。

三、教育供给与就业需求的匹配

主持人：各位所在企业在招聘应届生方面有何调整？是扩大、缩小，还是更聚焦于特定岗位？同时，对应届生的要求是否有新变化？

Joyce：我们企业招聘应届生时，主要方向为研发或生产运营相关岗位，如研发工程师、产品管理、物流专员等，也会根据需求评估部分平台支持部门的需求，如财务部门、IT基础职位。在这些岗位上，企业更看重实际动手能力或技术背景；其他部门如销售，企业通常更倾向于招聘有经验的候选人。

Sophia：我们目前招聘应届生的策略主要聚焦于技术岗位，以微电子、半导体等专业为主。由于行业特殊性，芯片研发岗位要求极高，这类岗位通常需要具备几年工作经验的人才，而非应届生。毕竟芯片研发涉及高度专业化的技术积累，即便研究生毕业的应届生，也需几年锻炼才能参与研发。但鉴于人才梯队与结构完善需求，我们开始调整策略，招聘部分应届生作为人才补充，为其提供成长机会。尽管人文学科在提升人文素质方面具有不可替代的作用，但从就业市场看，理工科专业背景更灵活，能应对更多样化的工作需求。理工科毕业生不仅能胜任技术岗位，也能进入业务部门，在市场上弹性很大。

Shirley：设计师是我们团队的核心人才，作为一个生活方式品牌，我们更需要那些能理解生活、能推动产品落地的人才。我们逐渐将目光投向那些兼具设计与落地能力的人才，他们通常在学习中兼顾了设计与制成能力，更符合我们对“能出产品”的设计师的需求。此外，设计教育中某些偏文科性质、以主观审美为主的课程，也难以匹配我们对设计可实现性与市场转化的要求。因此，我们倾向于招聘那些具备设计与工造结合能力的应届生，尤其强调跨学科能力。我们希望设计师不仅懂设计，也能关注新兴工具，通过新媒体表达设计理念，推动产品从创意到市场的全过程落地。为此，我们更新了人才画像，从过去设计与市场分离的模式，转变为以设计师为纵向核心的全链路工作模式，要求他们参与从创意、面料选择到新媒体传播的全流程。

William：广告行业特别注重创意性，文科比重较高。我们在招聘时更关注应聘者对市场与生活的洞察力，而不仅仅是作品本身的技术水平。例如，在创意岗位上，我们会通过具体案例让应聘者分析，考察其对产品、市场甚至人性的理解能力。而这恰恰是传统教育在培养过程中较少涉及的。头部公司虽有强大的技术中台支持，但在实际项目推进中，对创意性与文案策划能力的依赖依然很高。这也说明，即便是偏技术的岗位，也需要具备人文素养与内容思维。

述评：当前企业在招聘应届生方面的策略调整，一定程度上反映了教育供给与就业需求之间日益明显的结构性错位。这一挑战迫切要求高等教育在课程设置与培养模式上进行改革，特别是加强技术素养与应用能力、人文理解与创意表达之间的融合教育，从而提前适应未来岗位能力结构的变化。

四、未来展望与建议

主持人：面对未来的就业市场，大家对教育与政策供给有何建议或期待？

Joyce：我认为教育体系需更注重学生的素养培养，特别是强化其社会性与团队意识。高校不仅要关注学生的知识积累，更要帮助学生明确自己在群体中的角色定位与自我认知。企业对团队合作的需求日益凸显，这种能力的培养需从心理学角度深入挖掘，让学生既能融入团队，也能扎实胜任岗位。高校应重视引导学生树立正确价值观，在日常教学中融入抗压能力与自我心理疏导的培养，帮助他们理性看待成绩等外部评价，以更成熟的心态面对成长中的压力与挑战。政策层面，我希望有更多校企协同支持，如共建实训基地、定向技能培养，帮助年轻人快速适应职场，更好地实现自身价值，也更好地为企业发展服务。

William：我认为当前的教育体系，尤其是高等教育，与产业的结合尚不够紧密，存在一定滞后性，导致毕业生技能与市场需求脱节。如今，大多数学生读大学或研究生，往往是为了提升就业竞争力，但学校并未提供与市场需求相匹配的技能培训。因此，我认为学校应提供更多试错机会，尤其是在低成本、低风险的环境中进行实践与实验。理想状态下，高校教育可分成两个阶段：前两年主要培养学生的责任心与基本素养，后两年侧重社会技能培养与产业经验积累。例如，新闻专业可在前期打下扎实理论基础，后期通过行业实践与导师指导，帮助学生更好融入行业，甚至在早期就找到合适的实习与职业方向，从而减少与市场的脱节。

Edith：我认为当前教育体系在学生综合能力培养方面仍有很大改进空间。首先，学校应加大团队合作与“矛盾提前化”的训练，通过增加小组作业与项目式学习，帮助学生在实践中学会包容与克制。大学期间，若学生多以个人作业为主，可能缺少团队合作机会，这可能导致他们进入职场后，面对团队合作中的矛盾与冲突时不知所措。其次，学校应创造更多机会让学生主动承担责任，如通过项目主导或轮岗制，让每个学生都能在实际项目中积累经验，特别是对那些不主动争取机会的学生，学校与老师有责任为他们提供平台，展示其潜力。此外，情商培养与自我管理能力的提升也是当前教育中需要加强的方面，应注重对学生社交与沟通技巧的锤炼。最后，随着AI等技术的普及，学校无需过多教授基础技能，而应更注重学生审美能力的培养。我们观察到，许多高校学生在审美方面的培养普遍较薄弱。

Shirley：企业在与学校合作时，常感到产学融合方面，企业与高校的合作应更紧密，尤其在学生实习与项目实践方面。企业可为学校提供更多实习机会，政府则可推动政策支持，如通过减免社保或提供人才补贴，激励企业与高校更好对接。像研发费用加计扣除这类政策，若能进一步推广，支持与AI结合的项目，定能增加企业的积极性。很多时候，企业有实际的产品线需求，但学生的课题研究往往无法与企业实际需求对接。若政府在这方面提供更多政策扶持或补贴，鼓励企业与学校在项目合作中形成更深度的产学研一体化，这对人才培养与产业发展都将产生积极推动作用。

Sophia：我认为当前企业在推动AI技术应用时，面临两个关键挑战。首先，AI设备的成熟度问题仍在制约企业的投资决策。尽管国家出台过一些政策，为高端设备购买提供税收减免，但由于AI设备的软硬件尚未完全成熟，许多企业在现有设备基础上不愿再投入。未来若有更成熟的AI设备问世，希望能通过政策支持，对AI设备的软硬件进行减税或补贴，从而激励企业进行技术升级与创新。其次，人才培养与资质认证是另一个亟待解决的问题。目前，AI行业缺乏标准化的专业人才认证体系，导致企业在人才招聘与培训时缺乏明确指引，许多AI岗位的资质认证也缺乏权威性。如同律师、注册会计师等行业有严格的资质认证体系，AI行业也应建立类似认证机制，培养并认证具有高含金量的专业人才。企业在招聘时能有明确标准，避免将资源浪费在不具备相关技能的人才上。

述评：面对未来就业市场的转型，教育体系需要从知识灌输转向能力与素养并重，强化学生的责任感、协作能力与心理韧性。同时，高校应加快与产业的深度融合，通过实践导向的课程与项目合作，提升毕业生的就业适配性。政策层面也应加大对产教融合的支持，并建立AI等新兴领域的人才认证机制，推动教育供给与市场需求实现更高质量的动态匹配。