2 月 12 日，IBM 宣佈將在 2026 年把美國初級職位招聘擴大三倍。在 Spotify 工程師自去年 12 月起便不再手動編寫代碼、Deutsche Bank 預測 2026 年 75% 客戶服務將由 AI 處理、全球超過 7 億人每週使用 AI 系統的大背景下，這一決定與主流敘事形成了鮮明反差。IBM 首席人力資源官 Nickle LaMoreaux 明確表示，新崗位的重心不再是例行編碼，而是客戶互動、商業判斷與 AI 無法複製的人際技能。這不是一條簡單的好消息——它揭示了 AI 與就業關係中一個被嚴重低估的維度。
在 AI 裁員新聞幾乎每週佔據頭條的 2026 年初，IBM 選擇大幅擴大初級招聘，這看似違反常識。但仔細分析其決策邏輯，你會發現它並非對 AI 趨勢的否定，而恰恰是對 AI 趨勢最深刻的回應。
IBM 首席人力資源官 Nickle LaMoreaux 的表述非常精準：新的初級崗位「更少關注例行編碼，更多關注客戶互動」。這句話的潛台詞是——IBM 完全承認 AI 已經能夠處理大量初級編碼任務，但正因如此，企業需要的初級人才類型發生了根本性轉變。公司不再需要那麼多能寫基礎代碼的新人，但急切需要能理解客戶需求、把握商業脈絡、運用判斷力的新一代員工。
這並非 IBM 一家的發現。Dropbox 幾乎在同一時期宣佈將實習崗位增加 25%，理由驚人地相似：AI 正在接管技術性的重複工作，但人類在客戶關係、跨部門協調和策略思維方面的價值不降反升。兩家在技術前沿的公司得出了同一結論——這不是巧合，而是一個正在成形的行業共識。
公平地說，支持「AI 消滅初級崗位」這一敘事的證據也絕非空穴來風。事實上，這些證據同樣有力，這正是問題的複雜所在。
Spotify 的案例是最具衝擊力的。這家全球最大音樂串流平台的工程師自 2025 年 12 月起便不再手動編寫代碼——幾乎所有新代碼都由 AI 系統生成，工程師的角色轉變為審核者和指導者。MIT 科技評論將「生成式編碼」（Generative Coding）列為 2026 年的突破性技術之一，其描述是令人震驚的：AI 不再只是「輔助」程式設計師，而是在許多場景下「替代」了他們的核心產出。
Deutsche Bank 的 AI 研究報告預測，到 2026 年底，75% 的客戶服務將由 AI 處理。Google 一位副總裁則公開警告，僅僅是對大型語言模型的簡單封裝（所謂「LLM wrappers」）和「AI 聚合」類型的初創公司恐怕難以存活，因為基礎模型的能力擴展將不斷吞噬中間層的價值。國際 AI 安全報告則揭示了一個驚人的規模數據：全球每週有超過 7 億人使用 AI 系統。這已經不是「早期採用」，而是一場覆蓋全球的生產力革命。
AI 與就業的辯論之所以如此激烈，正是因為雙方都有真實的證據支撐。問題不在於「AI 會不會取代工作」——它肯定會。問題在於：它會同時創造哪些新的工作？以什麼速度？需要什麼技能？分佈在哪些行業和地區？
IBM 的招聘決定最核心的啟示在於：AI 與初級崗位之間的關係不是簡單的「取代」，而是「重新定義」。這兩者的區別比表面看來重大得多。
「取代」意味著一個崗位徹底消失，其中所有的任務都被自動化完成，原本擔任這個崗位的人變得多餘。「重新定義」則意味著崗位繼續存在，但其內涵發生了根本性改變——一部分任務被 AI 接管，但另一部分任務變得更加重要，甚至出現了全新的任務需求。
以一名 2024 年入職的初級軟件工程師為例。在 AI 大規模應用之前，這名新人的主要工作是編寫基礎代碼、修復簡單的 bug、執行測試和撰寫文檔。這些任務中有相當比例是高度結構化和可預測的——恰恰是 AI 最擅長處理的類型。到了 2026 年，這些任務的很大部分確實可以由 AI 代碼生成工具完成。
但消失的是「任務」，不一定是「崗位」。IBM 正在做的，是重新設計初級崗位的任務組合：減少例行編碼，增加客戶互動、需求理解、跨團隊協調。新的初級員工不再只是「寫代碼的人」，而是「理解業務需求並利用 AI 工具將其轉化為技術解決方案的人」。這是一個根本性的角色轉變。
這引出了一個更深層的問題：在 AI 時代，「初級」到底意味著什麼？
傳統上，初級崗位的價值在於完成高級員工不願意做的基礎工作——數據輸入、報告整理、基礎代碼、文件審查。新人通過做這些「髒活累活」積累經驗，逐步晉升。但當 AI 可以更快更準確地完成這些基礎工作時，初級員工的價值必須來自其他地方。
IBM 和 Dropbox 的答案是一致的：人際技能。客戶不想跟 AI 談判合同條款。投資者不希望由 AI 來解釋一份複雜的財務報告的深層含義。企業客戶需要真人來理解他們說不清楚的需求、感受他們的焦慮、建立長期的信任關係。這些能力不是隨著工作年限自動獲得的——它們需要從入職的第一天就開始培養。
換言之，AI 時代的「初級」不再等於「做簡單的事」，而是意味著「在人際和商業維度開始學習」。這是一個對新畢業生和職場新人而言既充滿挑戰又充滿機會的轉變。
AI 與就業的關係已經無可爭議地成為這個十年最具定義性的經濟問題。它不僅影響個人的職業規劃，更牽動國家的產業政策、教育體系和社會穩定。
目前，辯論的兩極各有其盲點。
「AI 末日論」者傾向於把每一次裁員都歸因於 AI，無視企業經營中諸多其他因素的作用。他們線性外推當前的趨勢，假設 AI 能力的每一步提升都會直接轉化為等量的崗位消失，忽略了歷史上每次技術革命都伴隨著新職業和新行業的創造。
而「AI 樂觀論」者則犯了相反的錯誤。他們過度依賴歷史類比——「汽車取代了馬車夫，但創造了更多的就業」——而未能充分認識到這次技術變革的獨特性。AI 攻擊的是認知能力，這是人類此前在技術競爭中未曾真正面臨的挑戰。當一台機器不僅能搬運貨物（體力）、計算數字（計算力），還能撰寫報告、分析數據、生成代碼、與人對話時（認知力），過去的類比可能不再完全適用。
IBM 的做法代表了一條更為務實的「第三條路」：不是否認 AI 的衝擊，也不是被動接受崗位消失，而是主動重新設計崗位以適應 AI 時代的需求。這條路承認 AI 正在改變工作的本質，但認為企業可以通過有意識地重新定義角色和技能要求，來維持甚至擴大人類勞動力的價值。
這條路的關鍵假設是：AI 擅長的（數據處理、模式識別、內容生成）和人類擅長的（關係建立、情境判斷、創意整合、情感理解）之間存在穩定的互補關係。只要企業能找到這個互補點並據此設計崗位，AI 就不是就業的敵人，而是就業轉型的催化劑。
當然，這個假設能否長期成立，仍是一個開放的問題。如果 AI 在未來幾年內在情感理解和關係建立方面也取得突破性進展，那麼即使是 IBM 正在押注的「人際技能」也可能面臨挑戰。但至少在 2026 年的當下，這一假設有充足的經驗支撐。
綜合 IBM、Dropbox 等公司的招聘邏輯，以及 AI 技術當前的能力邊界，我們可以描繪出 AI 時代真正有價值的技能圖譜。
值得注意的是，這些技能並非傳統意義上的「高級技能」。它們不需要十年的行業經驗或高深的專業學位。一個善於傾聽、具備商業好奇心、能在多文化環境中自如溝通的應屆畢業生，可能比一個只會寫代碼但缺乏人際能力的五年經驗工程師更有價值。這正是 IBM 決定擴大初級招聘的深層原因——這些技能需要從入職的第一天就開始培養和實踐。
儘管 IBM 的決策提供了令人鼓舞的反面敘事，但我們必須保持清醒，承認現實遠比任何單一敘事更為複雜。
首先，IBM 擴大初級招聘不代表所有公司都會效仿。IBM 是一家年收入超過 600 億美元的全球科技巨頭，擁有龐大的企業客戶群和顧問服務業務，「客戶互動」本就是其商業模式的核心。對於一家純粹的軟件產品公司或數據處理公司而言，AI 對初級崗位的影響可能截然不同。
其次，「重新定義崗位」在實踐中並非毫無摩擦。那些已經花了四年學習編程的畢業生，突然被告知「我們不那麼需要編碼了，我們需要客戶技能」——這個轉變對個人而言可能是痛苦的。教育體系的調整滯後於市場需求的變化，是一個全球性的結構性問題。
第三，Google 副總裁對「LLM wrapper」和「AI 聚合」類初創公司的警告，暗示了一個更深層的問題：在 AI 基礎能力不斷擴展的環境下，今天被認為有價值的「人類互補技能」，明天是否仍然安全？如果 AI 在五年後也能進行高質量的客戶互動，那麼 IBM 今天培養的這批「客戶導向型」初級員工，是否也會面臨被取代的命運？
這些問題沒有簡單的答案。但它們提醒我們，在歡迎 IBM 等公司的積極信號的同時，不能掉以輕心。AI 與就業的故事仍在展開，任何定論都為時過早。
IBM 的招聘邏輯對香港具有極其直接的啟示。香港長期以來是跨國企業亞太區的區域總部和後台運營中心。大量的初級和中級崗位集中在數據處理、報告生成、合規審查、交易結算等「後台」功能——而這些恰恰是 AI 最容易自動化的領域。
如果 IBM 的判斷是正確的——即未來初級崗位的價值在於客戶互動和商業判斷——那麼香港的勞動力市場需要從「後台導向」向「前台導向」轉型。這意味著更多的崗位需要面向客戶、理解市場、建立關係，而非僅僅處理數據和執行流程。
香港在這一轉型中具備獨特的優勢。作為亞太區的國際商業樞紐，香港專業人士普遍具備跨文化溝通能力、國際視野和對複雜商業環境的理解——這些恰恰是 IBM 口中「AI 無法複製」的技能。問題在於，香港的教育和培訓體系是否已經開始有意識地培養和強化這些優勢，還是仍然把精力集中在正被 AI 商品化的技術性技能上？
從更廣的地緣經濟角度看，粵港澳大灣區的整合為這一轉型提供了獨特的戰略縱深。如果 AI 自動化了大量的後台和技術性工作，而人際互動和商業判斷的價值上升，那麼香港可以更深入地發揮其作為大灣區「國際界面」的角色——成為中國企業走向世界、國際企業進入中國的人才和關係樞紐。
但這需要政策層面的有意識推動。特區政府的「搶人才」策略需要更新——不僅要搶 AI 技術人才，更要培養和吸引具備跨文化商業技能的複合型人才。人才清單上不能只有「數據科學家」和「AI 工程師」，還應該包括「具備 AI 素養的客戶關係專家」和「能在人機協作環境中有效工作的商業顧問」。
在更廣泛的亞洲語境中，AI 對初級就業的影響呈現出顯著的差異化。印度和菲律賓這樣的 BPO（業務流程外包）大國，其大量初級崗位集中在正被 AI 快速自動化的數據輸入、客戶支援和程式測試領域，面臨的衝擊可能更為嚴峻。新加坡和日本已經開始系統性地推動 AI 時代的勞動力轉型計劃——新加坡的 SkillsFuture 計劃正在加速引入 AI 相關的再培訓課程，日本政府則在推動「Society 5.0」框架下的勞動力數字化轉型。
香港在這個區域競爭格局中的位置，取決於其能否比競爭對手更快地完成從「執行型經濟」到「判斷型經濟」的轉型。IBM 的招聘決定為這個方向提供了一個有力的參照標杆。
IBM 的做法提供了一個可參考的策略框架。與其在 AI 恐慌中盲目削減初級崗位，企業應該審視自身的崗位結構，區分哪些「任務」可以被 AI 接管，哪些「角色」需要被重新定義而非消滅。重新設計初級崗位的任務組合——減少可自動化的例行工作，增加需要人類判斷和人際互動的任務——可能比簡單裁員更能創造長期價值。
大學和培訓機構需要正視一個不舒適的現實：純粹的技術技能培訓正在被 AI 工具快速商品化。課程設計的重心需要向「AI 互補型技能」傾斜——批判性思維、客戶溝通、商業脈絡理解、跨學科整合能力。這不意味着放棄技術教育，而是將技術教育重新定位為「通過 AI 工具解決商業問題的能力」，而非「手動執行技術任務的能力」。
對於正在進入或即將進入職場的年輕人，IBM 的信號是明確的：不要只押注單一的技術技能，無論它在今天看起來多麼熱門。AI 編碼工具的進步意味著，純粹的程式設計能力的市場溢價正在下降。相反，投資於那些 AI 難以複製的能力——理解人、理解商業、在模糊和不確定的環境中做出判斷——將帶來更持久的職業安全。同時，學會與 AI 高效協作，讓 AI 成為你的生產力倍增器而非競爭對手，是每個職場新人的必備素養。
IBM 將初級招聘擴大三倍的決定，不會終結 AI 與就業的辯論——事實上，它可能使這場辯論變得更加複雜和有趣。它告訴我們，「AI 消滅所有初級崗位」這一敘事至少在現階段是一個過度簡化。真相是：AI 正在消滅某些類型的初級工作，同時創造和重新定義另一些類型的初級工作。淨效應是正是負、何時顯現、如何分佈——這些問題的答案將在未來幾年逐步揭曉。
但有一點可以確定：被動等待答案揭曉是最差的策略。無論是企業、政府、教育機構還是個人，主動地為 AI 時代的技能需求做準備——像 IBM 那樣有意識地重新設計角色和期望——才是在不確定性中確保競爭力的唯一路徑。