AI替新人干活后，谁来培养下一个熟手？60%职场人给出扎心答案

企业采购AI工具的决策书上，多了一行以前没有的成本：人员账。国务院办公厅近日印发《关于适应人工智能技术发展助力构建就业友好型发展方式的意见》，明确要求稳慎把握AI在劳动密集型行业应用的力度和节奏，鼓励企业探索失业缓冲安排。技术替代的账好算，经验传承的账难算。

一个美国团队刚把这笔账摊开在桌面上。商业媒体Founder Reports在2026年10月调查了2052名每周至少用一次AI的职场人，其中1856人有带新人的经历。结果很扎心：60%的人认为，训练、监督、检查和修复AI的产出，所花的精力不低于带一个真人新人。三分之一的人认为带AI更累。这项工作有个新名字，叫Botsitting（看管机器人）。

看管AI，正在变成一门新工种

数据揭示了这门工种的强度。31.6%的受访者每周花在Botsitting上的时间超过3小时，8.4%的人每周超过10小时。芝加哥大学教授Anders Humlum与哥本哈根大学经济学家Emilie Vestergaard的2025年研究给出了印证：AI为职场人创造的新任务里，59%属于部署和监督，真正用来创造产出的只占41%。

任务还在向上漂移。SHRM的2026年《Navigating AI in the Workplace》报告显示，总监及以上层级每周花6小时修复AI产出，一线员工只有3小时。微软2026年《Work Trend Index》给出了职业层面的信号：职场人把”AI产出质检”排在新兴技能第一位（50%），超过了批判性思维（46%）。检查AI的工作，已经从加分项变成岗位基本功。

入门岗位被拿走，熟手从哪来

这套逻辑有个隐藏矛盾。企业用AI做掉入门级工作，省下人力成本。可检查AI的人从哪来？答案是：从曾经做入门工作的熟手里来。

Anthropic在2026年1月公布的实验把这个矛盾摆到了台面上。研究招募52名软件工程师学习一个陌生的Python工具库，一组可以用AI，另一组自己写。后续测验中，AI组平均得分50%，自行编程组67%。AI组平均快两分钟，但差距没有统计显著性。两组差距最大的项目是识别和诊断代码错误。

研究者翻看操作记录后发现了分水岭：用AI时追问”为什么这样写”、请它解释概念的参与者，测验成绩明显更好。代码跑通了，理解未必跑通。考核只看交付速度，这个问题就永远藏在水下。

好消息也存在。布林约尔松等人发表于2025年《经济学季刊》的研究追踪了5172名客服人员。AI助手实时给出回复建议，员工可以采纳可以拒绝。使用工具后，人均每小时处理量提升15%，经验不足者提升约30%。系统意外中断时，部分员工的表现仍好于使用工具之前。有人在建议里真正学到了东西，差距在于拿到答案之后做了什么。

三笔账，管理者和新人都要算

第一笔是培养账。给新人保留必须独立判断的任务。他先用AI完成功能，导师改一个业务条件，让他说明哪里要改；或者给他一份已知有错的输出，请他找出问题并解释。先让他做判断，熟手再指出遗漏，他才知道自己哪里理解错了。

第二笔是带教账。把导师带教计入工时。项目催得紧，讲解和复盘最先被砍。AI省下来的工时，拿出一部分让熟手和新人一起检查输出。Cal Poly教授Christiane Schroeter说得直接：砍掉初级岗位只是把培养成本推迟，五年后你要招的经理更贵，还对你的业务一无所知。

第三笔是验证账。用招聘和入职数据检查效果。记录实际招了多少应届生，岗位是否悄悄提高了经验门槛。腾讯2025年宣布三年新增2.8万个实习岗位、阿里国际2026届校招AI岗位占80%，这类投入的价值要用留存和成长数据来兑现。

BotsCrew联合创始人Max Gladysh的提醒值得贴在每间办公室：把AI当软件安装来预算的公司，迟早会出问题；它是一个需要持续管理的新团队成员。

任务完成了，人学会了吗？这个问题答不上来的公司，省下的只是眼前的小钱。