IBM发现AI应用上限后计划将初级岗位扩招三倍

基本信息

导语

尽管生成式 AI 在自动化任务方面表现出色，但 IBM 的最新实践表明，技术在处理复杂业务逻辑时仍存在边界。为此，IBM 决定将初级岗位的招聘规模扩大两倍，以弥补 AI 无法替代的人类洞察力与协作能力。本文将深入探讨这一战略调整背后的考量，分析在 AI 加速渗透的当下，企业为何仍需重视初级人才的培养，以及这为职场人带来的新启示。

评论

以下是对文章《IBM tripling entry-level jobs after finding the limits of AI adoption》的深度评价。

一、 核心观点与结构化分析

中心观点： [你的推断] 文章揭示了人工智能（AI）在企业落地过程中遭遇的“生产力天花板”，即AI无法完全替代初级员工的隐性知识积累与人际连接能力，迫使IBM等科技巨头重新校准人机协作的组织架构，从“替代策略”转向“增强策略”。

支撑理由：

  1. [事实陈述] 复杂任务的非结构化特征： 尽管生成式AI在代码生成和基础文案上表现出色，但在处理需要上下文理解、跨部门协作及复杂决策的“长尾任务”时，AI的准确率和可用性急剧下降。
  2. [作者观点] 初级员工是AI的训练师与用户： 文章暗示，如果砍掉所有初级岗位，将导致中层和资深员工不得不亲自处理繁琐的基础工作，这不仅浪费了高薪人才的时间，也导致缺乏足够的数据反馈来微调AI模型。
  3. [你的推断] “Jevons悖论”在IT领域的体现： AI降低了内容生产的边际成本，导致对代码和内容的需求激增。企业不仅需要AI来提高效率，更需要大量人力来管理、审核和落地这些AI生成的大规模产出。

反例与边界条件：

  1. [你的推断] 结构化高度标准化的岗位： 对于数据录入、基础翻译或初级客服等完全基于规则、无需复杂人际互动的岗位，AI的替代效应依然显著，这类岗位的招聘趋势不会逆转。
  2. [你的推断] 经济周期因素： IBM增加招聘可能部分受制于特定的项目交付压力或宏观经济复苏需求，并非完全基于AI能力的局限性。若经济再次衰退，即便AI有局限，裁员仍可能发生。

二、 多维度深入评价

1. 内容深度与论证严谨性

[你的推断] 该文章触及了当前AI讨论中最容易被忽视的盲点：组织能力的断层。大多数讨论集中在“AI能否做某事”，而文章探讨了“AI能否融入工作流”。

  • 论证亮点： 文章指出了初级员工不仅是劳动力，更是“组织记忆的载体”。资深员工依赖初级员工进行基础数据清洗和初步调研，这一层级若被AI完全抽离，会导致资深员工的工作效率不升反降。
  • 严谨性不足： 文章可能混淆了“AI的局限性”与“AI实施的不成熟”。目前的瓶颈可能不在于AI技术上不可为，而在于企业尚未建立完善的工作流（RAG、Agent等）来让AI安全可靠地处理初级工作。

2. 实用价值与实际指导

[你的推断] 对企业管理者（CTO/CIO）具有极高的警示意义。

  • 指导意义： 它否定了激进的“零初级员工”扁平化构想。企业在数字化转型中，不能简单地计算“1个AI = 0.5个人力”，而应考虑“1个资深员工 + 3个AI + 1个初级员工”的新协作模型。
  • 人才战略： 提示HR部门，未来的初级岗位招聘标准将从“单纯的执行力”转向“AI协作力”和“判断力”。

3. 创新性

[你的推断] 文章提出了**“初级员工是AI落地的必要基础设施”**这一反直觉观点。通常观点认为初级员工最容易被替代，但文章指出，没有初级员工作为“人机接口”和“质量把关者”，AI无法直接产生商业价值。这挑战了“AI导致大规模结构性失业”的短期悲观论调。

4. 可读性与逻辑

[事实陈述] 文章逻辑清晰，采用了“现象-原因-对策”的经典商业分析结构。通过IBM这一标志性企业的转向，有力地支撑了关于AI局限性讨论的论点。

5. 行业影响

[你的推断] 此举可能成为科技行业的风向标，标志着**“AI替代红利期”的结束和“AI整合阵痛期”的开始**。

  • 人才市场： 应届毕业生的就业恐慌可能在短期内缓解，但岗位技能要求将发生质变（Prompt Engineering成为基本技能）。
  • 软件工程： 行业将重新审视“低代码/无代码”平台的边界，承认在复杂系统中，资深工程师与初级工程师的配比依然需要维持特定阈值。

6. 争议点与不同观点

  • 争议点： IBM此举是真心认可人类的价值，还是因为AI部署成本过高？
  • 不同观点： 有观点认为，这只是暂时的回潮。随着Agent（智能体）技术的发展，AI将具备自主规划和执行能力，届时初级员工的价值将再次被重估为“可有可无”。目前的招聘增加可能只是因为AI还不够好，而非AI的本质局限。

三、 实际应用建议

基于文章分析，为技术管理者提供以下建议：

  1. 重新定义初级岗位（JD 2.0）：

    • 不要招聘仅仅负责“重复劳动”的初级员工。
    • 招聘具备**“AI验收能力”**的初级员工——即能够判断AI输出好坏、并进行修正的人员。

  2. 建立“人机协同”的SOP：

    • 明确哪些环节由AI完成（Draft），哪些由初级员工完成（Review & Refine），哪些由资深员工决策（Final Approval）。
    • 避

代码示例

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17

# 示例1：AI辅助代码生成工具
def ai_code_generator(prompt: str, language: str = "python") -> str:
    """
    模拟AI代码生成器（实际需接入OpenAI API等）
    :param prompt: 用户输入的功能描述
    :param language: 目标编程语言
    :return: 生成的代码片段
    """
    # 这里用简单规则模拟AI生成过程
    templates = {
        "python": f"def generated_function():\n    # {prompt}\n    pass",
        "javascript": f"function generatedFunction() {{\n    // {prompt}\n}}"
    }
    return templates.get(language, "# 不支持的语言")

# 测试代码
print(ai_code_generator("计算斐波那契数列", "python"))

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15

# 示例2：AI能力边界检测器
def check_ai_capability(task_type: str) -> bool:
    """
    检测AI是否能可靠完成某类任务
    :param task_type: 任务类型
    :return: True表示AI可以处理，False表示需要人工介入
    """
    ai_capable_tasks = {
        "代码生成", "文档编写", "简单调试", "单元测试"
    }
    return task_type in ai_capable_tasks

# 测试代码
print(f"AI能否处理需求分析: {check_ai_capability('需求分析')}")
print(f"AI能否处理代码生成: {check_ai_capability('代码生成')}")

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18

# 示例3：人机协作任务分配器
def allocate_tasks(tasks: list) -> dict:
    """
    根据任务特性分配给AI或人类
    :param tasks: 任务列表
    :return: 分配结果字典
    """
    allocation = {"AI": [], "Human": []}
    for task in tasks:
        if any(keyword in task for keyword in ["生成", "格式化", "翻译"]):
            allocation["AI"].append(task)
        else:
            allocation["Human"].append(task)
    return allocation

# 测试代码
test_tasks = ["生成API文档", "设计系统架构", "代码格式化"]
print(allocate_tasks(test_tasks))

案例研究

1：IBM 的初级岗位扩充计划

1：IBM 的初级岗位扩充计划

背景: 随着生成式 AI 和自动化技术的引入，IBM 在 2023 年开始大力推广 AI 在人力资源、编码和客户服务领域的应用。公司最初的目标是通过 AI 替代约 7,800 个岗位，以降低运营成本。

问题: 在实施过程中，IBM 发现虽然 AI 能够高效处理重复性高、规则明确的任务（如基础代码生成或简历筛选），但在处理复杂的客户场景、需要深层业务理解的技术架构设计以及涉及人际沟通的谈判时，AI 的表现往往不如人意。单纯依赖 AI 导致项目交付质量下降，且缺乏足够的人力来维护和监督 AI 的输出。

解决方案: IBM 调整了战略，宣布不再冻结招聘，转而计划在未来几年内将初级员工的招聘数量增加两倍。公司决定将 AI 定位为“副驾驶”而非替代者，重点招聘能够熟练使用 AI 工具的初级员工，让他们在 AI 的辅助下完成工作，同时通过资深员工对这些初级员工进行技能培养。

效果: 这一策略解决了 AI 无法完全替代人类判断的局限性。初级员工利用 AI 工具大幅提升了工作效率（据称效率提升可达 30%-50%），同时保留了必要的人工审核环节，确保了业务质量。这也为 IBM 培养了一批既懂业务又懂 AI 的新生力量。

2：Klarna 的 AI 客服与人机协同模式

2：Klarna 的 AI 客服与人机协同模式

背景: Klarna 是一家瑞典的金融科技巨头，运营着全球流行的“先买后付”服务。随着业务量激增，其客服中心面临巨大的成本压力和响应延迟问题。

问题: 为了解决客服瓶颈，Klarna 部署了由 OpenAI 驱动的 AI 客服助手。虽然 AI 成功处理了三分之二的咨询量，并完成了相当于 700 名全职代理的工作量，但剩下的三分之一涉及复杂欺诈调查、情感安抚和特殊合规审查的问题，AI 依然无法解决。

解决方案: Klarna 并未完全用 AI 取代所有员工，而是采取了“AI + 人工”的混合模式。公司利用 AI 承担基础问答工作，让人类客服从繁琐的重复劳动中解放出来，专注于处理 AI 无法解决的复杂个案和高价值客户服务。公司同时开始招聘更多具备数据分析能力和高情商的员工，以适应这种新的工作流。

效果: 据 Klarna 报告，AI 助手将客户的重复性问题解决时间从 11 分钟缩短至 2 分钟，预计每年将为公司节省约 4000 万美元的运营成本。同时，人类员工的工作满意度得到提升，因为他们不再需要机械地回答相同的问题，而是处理更具挑战性和价值的任务。

最佳实践

最佳实践指南

实践 1：重新评估初级人才战略

说明: IBM 的案例表明，在 AI 无法完全替代的领域，初级员工仍然是推动业务发展的关键力量。企业应认识到，虽然 AI 可以处理重复性任务，但在需要创造力、批判性思维和人际交往能力的岗位上，人类员工（尤其是初级员工）具有不可替代的价值。

实施步骤:

  1. 对现有岗位进行 AI 影响评估，明确哪些岗位 AI 无法完全胜任。
  2. 重新制定招聘计划，增加初级岗位的招聘比例。
  3. 建立初级人才库，为未来业务发展储备人才。

注意事项: 在招聘过程中，应注重考察候选人的软技能和潜在能力，而不仅仅是技术能力。

实践 2：明确 AI 的能力边界

说明: 企业需要认识到 AI 并非万能，它只能在特定领域发挥作用。IBM 的经验显示，过度依赖 AI 可能会导致业务停滞。因此，企业必须明确 AI 的能力边界，将其定位为辅助工具而非完全替代品。

实施步骤:

  1. 进行全面的 AI 可行性研究，确定哪些业务流程适合 AI 自动化。
  2. 设定 AI 项目的预期目标，避免不切实际的期望。
  3. 建立反馈机制，持续监控 AI 的实际表现与预期目标的差距。

注意事项: 避免"为了 AI 而 AI"的盲目投资，确保技术应用与业务目标保持一致。

实践 3：构建人机协作的工作模式

说明: AI 的引入不应意味着简单地裁员，而应着眼于重新设计工作流程。最佳实践是将 AI 处理常规任务的能力与初级员工处理复杂、非结构化任务的能力相结合，实现 1+1>2 的效果。

实施步骤:

  1. 梳理工作流程，将重复性、数据密集型任务分配给 AI。
  2. 将需要判断力、沟通和策略制定的任务分配给人类员工。
  3. 培训员工掌握 AI 工具，提升其与 AI 协作的效率。

注意事项: 确保员工理解 AI 是他们的助手而非竞争对手，建立积极的协作文化。

实践 4：投资员工技能重塑与再培训

说明: 随着 AI 的普及，企业需要帮助员工适应新的工作环境。IBM 的举措暗示，即使是初级员工，也需要掌握与 AI 协同工作的技能。企业应将培训视为一项持续的投资，而非一次性成本。

实施步骤:

  1. 识别现有员工与新岗位要求之间的技能差距。
  2. 开发针对 AI 时代的内部培训课程，包括数据素养和 AI 工具使用。
  3. 建立导师制度，让高级员工指导初级员工如何利用 AI 提高生产力。

注意事项: 培训内容应紧跟技术发展趋势，并鼓励员工进行终身学习。

实践 5：建立灵活的组织架构

说明: 面对技术变革，组织架构需要具备足够的灵活性以调整人力资源配置。IBM 从"冻结招聘"转向"三倍招聘初级员工"显示了企业根据技术实际应用情况快速调整战略的重要性。

实施步骤:

  1. 定期审查组织架构，确保其支持业务战略的快速调整。
  2. 打破部门壁垒，促进跨职能团队协作，以应对 AI 带来的变化。
  3. 建立敏捷的人力资源管理机制，能够快速响应市场需求。

注意事项: 在调整组织架构时，要注意保持核心业务的稳定性，避免因过度调整导致混乱。

实践 6：平衡技术投资与人力资本

说明: 企业在追求技术自动化的同时，不能忽视人力资本的价值。IBM 的案例证明，单纯的技术投入无法解决所有问题，必须保持技术投资与人才引进之间的平衡。

实施步骤:

  1. 制定综合预算，同时涵盖 AI 技术采购和人才招聘/培训。
  2. 衡量 AI 项目的 ROI 时，应考虑其对员工生产力的提升而非仅仅是成本节约。
  3. 定期评估技术债务和人才缺口，确保两者处于健康平衡状态。

注意事项: 避免将技术投资视为唯一的降本增效手段，忽视员工士气和企业文化建设。

学习要点

  • IBM 决定将初级岗位招聘数量增加两倍，这一战略调整直接揭示了当前 AI 技术在实际应用中仍存在无法逾越的局限性。
  • 企业在尝试用 AI 替代初级员工后发现，某些关键职能（尤其是需要人类判断力的领域）无法被自动化，证明了人类员工的不可替代性。
  • AI 的引入改变了初级员工的工作性质，使其不再从事基础性任务，而是转向监督 AI 输出和确保结果质量，从而提高了对人类技能的要求。
  • 这一举措表明，企业不能仅通过削减成本（裁员）来实现 AI 转型，反而需要投入更多资源招聘人才来构建和管理 AI 系统。
  • 培养“懂业务”的 AI 人才至关重要，企业需要既掌握技术技能又具备行业知识的员工来有效部署和管理 AI。
  • AI 的落地应用需要人类的参与和监督，单纯依赖技术无法解决所有问题，人机协作才是当前最有效的模式。
  • IBM 的案例为市场提供了一个重要信号：AI 的发展并非单纯替代人类，而是在创造新的就业机会和技能需求。

常见问题

1: IBM 为什么决定增加三倍入门级职位的招聘数量？

1: IBM 为什么决定增加三倍入门级职位的招聘数量？

A: 这一决定源于 IBM 在实际业务中发现了人工智能（AI）应用的局限性。虽然 AI 能够有效处理重复性高、规则明确的后台任务（如人力资源、财务等），但在需要高度人际互动、复杂决策以及深厚领域知识的岗位上，AI 尚无法替代人类。因此，IBM 意识到为了维持业务增长和创新能力，不能仅仅依赖技术缩减人力，反而需要大量招聘初级员工来培养和填补 AI 无法胜任的关键岗位，特别是那些需要人类判断力和沟通技巧的角色。

2: IBM 此前关于“AI 取代人类工作”的立场发生了什么变化？

2: IBM 此前关于“AI 取代人类工作”的立场发生了什么变化？

A: IBM 的态度经历了一个明显的调整过程。此前，IBM 首席执行官 Arvind Krishna 曾公开表示，预计在未来五年内，约有 30% 的非面向客户的后台岗位可能会被 AI 和自动化取代。然而，随着公司对生成式 AI 技术的深入测试和应用，管理层发现 AI 在短期内难以完全接管复杂的业务流程。目前的招聘激增反映了 IBM 的新认知：AI 更多的是一种辅助工具而非完全的替代品，企业仍需要大量人类员工来驾驭技术并处理核心业务。

3: 此次招聘主要针对哪些类型的岗位？

3: 此次招聘主要针对哪些类型的岗位？

A: 此次招聘的重点主要集中在“面向客户”和“面向技术”的初级岗位。具体而言，包括数据科学家、软件工程师、以及负责客户对接和咨询服务的职位。这些角色通常需要具备较强的批判性思维、解决复杂问题的能力以及与客户或团队进行深度沟通的技巧，这些都是目前的生成式 AI 难以独立完成的软技能。

4: IBM 对新招聘的员工在 AI 技能方面有什么具体要求？

4: IBM 对新招聘的员工在 AI 技能方面有什么具体要求？

A: IBM 并不要求所有初级员工必须是 AI 研发专家，但要求员工具备“AI 素养”。公司希望新员工能够理解如何利用 AI 工具来提高工作效率，例如使用 AI 辅助编写代码、分析数据或生成文档。IBM 的策略是将 AI 赋能给员工，即让员工成为 AI 的协同使用者，而不是被 AI 淘汰。因此，适应人机协作模式将是这些入门级员工的核心竞争力。

5: 这一举措对整个科技行业关于“AI 导致失业”的论调有何影响？

5: 这一举措对整个科技行业关于“AI 导致失业”的论调有何影响？

A: IBM 的这一举动被视为科技行业的一个风向标，它反驳了关于 AI 将立即导致大规模白领失业的恐慌论调。这表明，尽管 AI 会改变工作方式并淘汰部分过时技能，但它同时也创造了新的需求，并迫使公司重新评估人类劳动力的价值。行业趋势正从单纯的“自动化替代”转向“人机协作”，企业开始意识到，在技术转型的初期和中期，拥有具备适应能力的人类员工比以往任何时候都更加重要。

6: IBM 目前有多少员工受到 AI 的影响，暂停招聘的范围是否扩大了？

6: IBM 目前有多少员工受到 AI 的影响，暂停招聘的范围是否扩大了？

A: 根据 IBM 此前披露的信息，公司约有 26,000 名员工从事非面向客户的后台职能工作，其中预计约有 30%（即约 7,800 个岗位）将在未来几年内被 AI 和自动化取代或不再通过补缺的方式填充。然而，此次宣布增加入门级招聘意味着，对于这些被削减的岗位，公司正在通过增加更高价值的初级岗位来进行人才结构的置换和升级，暂停招聘的范围仅限于特定可被高度自动化的职能，而非全公司范围的冻结。

思考题

## 挑战与思考题

### 挑战 1: AI 的应用边界与局限性

问题**：

文中提到 IBM 决定增加初级岗位，部分原因在于认识到了当前 AI 技术的局限性。请列举三个具体的业务场景，说明在这些场景中，目前的生成式 AI（如 GPT-4 或 IBM Watson）无法完全替代人类初级员工的工作，并解释为什么在这些场景中“人”的参与是不可或缺的。

提示**：

引用

注：文中事实性信息以以上引用为准；观点与推断为 AI Stack 的分析。

站内链接

相关文章