“22—25岁的年轻人在高AI暴露岗位中受到更明显冲击。” 美国人力资源与薪资服务公司ADP的总裁兼CEO在最近的谈AI与就业的时候提出了这个观点。

“22—25岁的年轻人在高AI暴露岗位中受到更明显冲击。”

美国人力资源与薪资服务公司ADP的总裁兼CEO在最近的谈AI与就业的时候提出了这个观点。

ADP为全美约六分之一的劳动者处理薪资，服务全球超过110万家企业。相比“AI究竟会不会抢走工作”的抽象预测，她看到的是数百万名美国员工真实的薪资和就业变化。

她的判断不是“AI不会影响就业”。从整体市场看，AI尚未造成全面性的岗位消失；但按年龄和职业拆开，年轻人已经率先承压：如果岗位没有整体消失，为什么应届生越来越难进入职场？

01 AI没有让工作消失而是在拆解工作

Maria Black把正在发生的变化称为工作的“重新拆解”：AI不是简单地把一个职业整体拿走，而是在岗位内部重新分配任务。部分工作被自动化，部分工作仍由人完成，还有一些过去属于资深员工的职责，开始提前落到新人身上。

以初级分析岗为例。过去，新人从搜集资料、整理数据和制作报告开始，在执行中理解业务。现在，AI可以快速完成一部分工作。公司未必取消“Analyst”，却可能减少招聘人数，或者要求新人入职时就能验证结果、解释结论并推动方案落地。软件开发、市场营销和客户服务也在发生类似变化。

变化的关键在于：过去企业会为“完成基础任务”招聘新人；现在，企业更愿意为“定义问题、判断结果并承担责任”付费。

Entry-level并没有完全消失，但传统的入门路径正在变窄。

02 为什么最先受到影响的是年轻人

斯坦福数字经济实验室基于ADP薪资记录更新的研究显示，在AI暴露程度较高的职业中，22—25岁劳动者的就业水平，比“如果他们与低AI暴露职业中的同龄人保持相同增长速度”所对应的水平低约19%；同类职业中的资深员工没有出现相同程度的差距。

研究覆盖数百万名美国劳动者，数据更新至2026年6月。研究团队同时提醒，这些是早期描述性信号，不是AI导致就业变化的最终因果证明；招聘放缓、行业周期和企业成本控制也会影响年轻人的机会。

基础编码、资料搜集、数据清洗和常见问题回复，长期以来都是年轻员工学习业务的入口。当AI接手这些任务，企业依然需要能够理解客户、判断风险和解决复杂问题的人，但留给新人学习这些能力的第一层台阶变少了。

于是，一个新的矛盾出现了：公司希望应届生一进来就能承担更复杂的工作，应届生能够用来获得复杂经验的初级岗位却在收缩。

03 美国公司对NG的要求变了

很多学生应对AI的第一反应，是在简历技能栏里加上ChatGPT、Claude或Copilot。但Maria Black指出，员工使用AI正在成为基础生产力要求，而非长期的差异化优势。

会打开工具，并不能证明一个人能创造价值。企业更关心的是：你能否判断AI给出的答案是否可靠，能否发现数据、逻辑和合规风险，能否把一份初稿转化成真正可执行的方案。

这意味着，未来New Grad的竞争力会越来越集中在三件事上。

第一，专业判断。Finance学生要解释模型假设是否合理；Marketing学生要判断用户、渠道与转化；SDE学生则要处理测试、安全和真实环境里的异常。

第二，结果验证。面试时，候选人需要讲清楚使用了什么数据、如何发现错误、为什么选择方案，以及怎样衡量结果。

第三，沟通与推动。当部分执行工作被AI接手后，客户理解和跨团队协作反而更重要。

ADP的研究还发现，每天使用AI的员工中，30%表示自己高度投入工作；从不使用AI的人中，这一比例为14%。

04 留学生改如何应对这轮变化

应对这轮变化，并不意味着所有人都要转去读AI。更现实的方向，是重新思考自己的专业如何与AI结合。

SDE、Data和AI方向的学生，要展示如何选择工具、处理数据、进行评测，以及结果不可靠时如何审核。

Finance、Consulting和Business Analytics方向的学生，要训练从数据到商业结论的完整链路。

Marketing、Operations和Customer Success方向的学生，则应把重点放在用户洞察、实验设计、客户沟通和项目落地上。

对于EE、ME和Supply Chain等专业，AI机会也不等于纯软件岗位。Nvidia CEO黄仁勋近期提到，芯片工厂、封装、计算机制造和AI数据中心建设将带来大量工程和技术岗位。

特别是2027届，现在更应该着重准备这几件事。

第一，重新检查简历中的项目。项目不应只证明你用过Python、SQL或某个大模型，还要说明问题从哪里来、为什么选择这个方法，以及如何验证结果。

第二，尽可能获得真实环境中的经验。实习、Research和真实客户项目能让学生接触课堂中不存在的限制与模糊问题。

第三，不要把AI孤立地列在工具清单里，而要写清它改善了什么流程、你进行了哪些人工判断，以及形成了什么结果。

最后，提前训练判断与表达：为什么选择这个方案？如果AI输出错误怎么办？团队不同意时如何推进？

Maria Black的发言不是在告诉年轻人“AI不会影响你”，而是揭示了一个更隐蔽的变化：影响可能不会先表现为某个职业消失，而是表现为基础任务压缩、初级招聘减少，以及企业对新人的要求提前升级。过去可以入职后慢慢积累的能力，现在越来越需要在招聘阶段证明。

对留学生而言，真正需要担心的不是简历上有没有写“AI”，而是当AI能完成大量基础任务时，自己还能不能证明专业理解、独立判断和解决真实问题的能力。

AI没有让所有工作消失，但它正在重新定义，谁能拿到第一份工作。