作者：默思編輯部 發布：2026-10-07
2026年5月，哈佛大學研究者Seyed Hosseini與Guy Lichtinger發表了一篇工作論文，分析的資料涵蓋2015年到2025年間，逾6,500萬名工作者，以及超過28萬家美國企業的履歷與職缺資料。這樣的樣本規模，讓這份研究在討論AI與就業的文章中格外受到注意。
研究發現，相較於未採用生成式AI的企業，採用的企業其初階員工就業在六個季度後下降約9%。同時，研究也指出，這樣的下降主要不是來自大規模裁員，而是來自招募減少。也就是說，企業並沒有把現有的初階員工大量開除，而是在新人進來的那一關變得更謹慎。
研究者觀察到，採用AI的企業在資深職位上的招募仍持續成長，但入門職位的招募卻先放緩。這與前面提到的「資深化」現象相互呼應：企業把工作交給AI處理，同時對新人的要求提高，於是入門職缺的進入門檻與數量一起受到影響。
這份研究是工作論文，尚未經過正式期刊的同儕審查，因此解讀時應保持謹慎。但它至少提供了一個清楚的訊號：如果你是剛進入職場的人，不能只依賴傳統的入門職缺，而要更有意識地展示能力，例如作品、專案經驗與問題解決紀錄。
另外，如果你已經在職場中，也可以思考自己的工作中有哪些例行任務最可能被AI接手，並主動把重心移向判斷、溝通與跨部門協作。這不只是為了保住工作，也是為了讓自己在企業重組時更有價值。
雖然樣本規模大，但這類研究仍有侷限。履歷與職缺資料能反映企業的招募行為，卻不一定能完整呈現員工的實際工作內容變化。另外，企業採用生成式AI的時間點，也可能與其他經營策略同時發生，因此研究者需要透過比較與控制來區分影響。讀者在引用數字時，應該理解它描述的是統計上的相關趨勢，而不是單一企業的必然結果。
即使如此，研究指向的方向仍值得重視。若初階招募持續收斂，未來幾年的職場結構可能比現在更依賴跳槽與轉職，而不是從入門職位逐步往上爬。這對任何想長期發展的人，都是一個需要提前規劃的訊號。
若把這項研究與前面提到的資深化現象放在一起看，可以發現問題的核心不在於年輕人的能力不足，而在於入門位置的設計正在改變。理解這個結構，才能判斷哪些準備是真正有效的。
想把基礎技能累積成可以展示的作品，可以先從Python課程的實作練習開始。