人工智能正在重塑入门级工作 但颠覆早已开始

【新加坡】新加坡的就业市场看似健康。就业人数不断增加，失业率维持在2%，且每个求职者仍对应近1.5个职位空缺。

然而，只要问任何一位应届毕业生，你都会听到同样的抱怨：找第一份工作比数据显示的要困难得多。

如今，新加坡的技能要求变化速度大约是美国的2.4倍，而入门级职位的变动最为迅速。问题不在于职位短缺，而是获得一份工作的门槛已在悄然间提高。

人工智能（Artificial Intelligence）常被归咎于此，但在该技术成为主流之前，新加坡的毕业生劳动力市场早已收紧。

人工智能只是加剧了这一趋势，给了雇主另一个维持更高期望的理由。

“晋升阶梯”已经停滞

在21世纪初和2010年代初期的大部分时间里，新加坡的入门级职位遵循着一条可预测的“晋升阶梯”：毕业生进入初级岗位，从事常规工作，通过重复建立判断力，并随着时间的推移晋升到管理层，从而为下一位毕业生腾出她原来的职位。

成人学习学院（Institute for Adult Learning, IAL）对新加坡劳动力数据的分析显示，这一晋升路径在2014年左右开始放缓。持有大学学位的经理比例从1991年的约20%上升到2014年的约65%，之后便趋于平稳。

相反，2014年后进入职场的大学毕业生越来越多地从事准专业、技术和文书类职位，而这些职位在过去通常不需要大学学位。

然而，与早期的大学毕业生群体相比，这些职位带来的薪资溢价更小。到2019年，这些职业的从业者收入通常略低于新加坡的收入中位数。

证据指向结构性转变

ChatGPT是首个流行的生成式人工智能（GenAI）工具，于2022年发布。换言之，人工智能并非导致劳动力市场紧缩的原因，但它正在加剧这一状况。

成人学习学院和Burning Glass Institute（BGI）对约1530万份招聘信息的联合分析发现，在生成式人工智能出现后，无论是在新加坡还是美国，入门级职位在空缺职位中的比例都在下降。

在工程和软件开发等应用领域，要求少于三年经验的职位发布降幅最大。

以一名初级数据分析师为例。几年前，她入职后的头几个月会用来清理数据和核对数字。

如今，人工智能在几秒钟内就能完成这些工作。

她的价值在于判断产出是否正确，识别重要信息，并向客户解释。过去在工作中学习的技能，现在日益被要求员工从第一天起就具备。

BGI称之为“专业知识颠覆”：如果人工智能执行了那些曾经帮助人们培养专业判断力的基础性工作，那么组织必须重新思考新员工如何获得这种能力。

成人学习学院在2019年至2023年间对雇主采纳人工智能的更广泛研究也指向了同样的方向。研究发现，大多数组织期望现有团队利用人工智能完成更多工作，而不是大幅增加专业人员数量。

与此同时，其最新报告《驾驭人工智能驱动的技能变革》（Navigating AI-Driven Skill Change）发现，入门级职位的技能更新换代最快，意味着以前相关的专业知识正迅速变得过时。

特别是，在2023年至2025年间，针对知识型员工的招聘信息所列出的明确技能要求，比生成式人工智能出现前要少，这表明雇主日益假定求职者具备了更高的能力基线。

总而言之，这些发现表明，入门级招聘门槛的提高反映了企业对招聘人才的期望，而非技术发展的必然结果。也就是说，人工智能加速了一个本已存在的结构性问题。

新加坡并非个例。在美国和英国，同样出现了人工智能时代之前入门级招聘日益疲软的模式，这表明这是一种社会正在学习应对的转变，而非新加坡独有的挑战。

为何一些毕业生能脱颖而出

应对这些挑战的情况参差不齐。拥有实习经历、参与过行业挂钩项目或拥有强大关系网的毕业生，在证明自己已做好工作准备方面仍然处于更有利的位置。

而其他潜力相当但机会较少的人，则面临一个循环困境：如今入门级职位所期望的经验，正是这些职位过去所提供的经验。

更广泛的经济环境加剧了这一难题。新加坡四分之三的中小企业（SME）业务战略薄弱，靠成本而非价值竞争，因此它们不优先考虑员工发展和培训。

如果没有一个更强大的中层企业群体来创造高质量的专业机会，那些错过传统毕业生计划的人将缺少途径来积累当今劳动力市场所需的经验。

人工智能在此也扮演着一个角色。要在当今的入门级就业市场中具有竞争力，毕业生应将熟练应用人工智能视为必要但不充分的条件。

人工智能监督能力——比熟练应用更进一阶的能力——已经享有薪酬溢价。

据报道，过去一年，新加坡此类职位的薪资上涨了15%至25%，一些应届毕业生的起薪在每年7万至9万新元之间。

虽然这些工作在入门级招聘中所占比例仍然很小，但它们表明，如果应届毕业生能证明自己具备雇主所寻求的技能——而不仅仅是文凭，他们就有可能获得这些令人向往的职位。

在当今由人工智能驱动的职场中，这些技能包括在面试中或入职初期就能展现出发现模型遗漏问题的能力。

这一点值得在培训初级员工时传授，也值得与那些想知道为何当今就业市场比新闻头条所显示的更艰难的人分享。

教育者和决策者可发挥作用

雇主面临一个难题：即便人工智能可以更快地完成某些“边做边学”的工作，是否应该刻意保留这些工作？

一个纯粹为产出而优化的毕业生计划，将不断培养出能够操作人工智能，但永远学不会对其进行判断的人才。

结构化的导师制度和轮岗安排的前期成本比让人工智能处理初稿要高，但这是培养公司未来十年所需判断力的唯一行之有效的方法。

教育者和决策者同样可以发挥作用。

大学和理工学院可以借鉴工读交替计划的经验，进一步扩大工作综合学习，让每位毕业生都有机会展示其价值创造能力，并加强人工智能监督技能。

决策者可以扩展现有计划，例如加快培训专才计划（资讯通信业）和技能创前程（SkillsFuture）的劳动力发展津贴（Workforce Development Grant），以激励公司为新员工保留结构化的学习岗位，而行业协会则可以为那些规模太小无法独立运营毕业生计划的中小企业整合实习岗位。

人工智能将继续重塑工作，但入门级就业的门槛早在该技术成为日常业务的一部分之前就已开始提高。

然而，通过同样的方式，即雇主、教育者和决策者所做的选择，这个门槛可以再次回到应届毕业生力所能及的范围内。

新加坡过去曾重建其机遇的阶梯。没有理由它不能再次做到。

作者是成人学习学院技能至上实践中心的分析师

本评论基于作者本人的分析和观察。人工智能工具被用于初步研究和校对。作者对本评论的准确性、原创性和最终形式负全部责任。