35岁中年危机是一直以来的热门话题，只不过自ChatGPT发布后情况似乎变得诡异起来，也许35岁危机变成25岁危机了。

并且，这里的“25岁职业危机”不是我的观点，而是来自美国的一篇经济学研究报告：

论文地址：https://papers.ssrn.com/sol3/papers.cfm?abstract_id=5425555

标题：Generative AI as Seniority-Biased Technological Change: Evidence from U.S. Résumé and Job Posting Data.生成式AI作为资历偏向型技术变革：来自美国简历和招聘数据的证据

LLM是否对大龄（资历深）的员工更加友好：来自美国简历与招聘数据的证据。

从数据层面来看，该报告是非常厚重的：

1. 覆盖时间：2015～2025年；

   
   

2. 样本量：28.5万家企业 + 6200万员工 + 2.45亿条招聘信息；

   
   

因为报告是以数据结论做推导，所以作者本身并不带一丝情绪，而数据推导出来的结论是：

生成式AI正在以一种“资历偏向”的方式重塑劳动力市场，即对初级员工的影响远大于对高级员工的影响。

接下来，我们来聊聊它的几个核心点：

一、初级岗位减少

首先，论文尤为关键的数据发生于2023年Q1：采用 AI 的企业相较未采用者，初级岗位雇佣显著下滑；而高级岗位仍然上升，这一下滑主要来自放缓招聘而非裁员增加。

而后论文进一步指出，各大行业均出现初级岗位下降，但冲击最剧烈的是批发和零售贸易业。

我这边比较关心具体对他们什么工种影响较大，但报告里没有这方面数据，如果基于论文给出的资历偏向与LLM擅长方向，不难得出结论，以下工种会很危险：

1. 客服/售前咨询；

   
   

2. 电商内容运营；

   
   

3. 销售支持/初级销售；

   
   

并且，这不是猜测，也是我的实践。

我的实际经历：

之前我给一家公司做了一套AI客服系统，业务方给的反馈是，2年可以节约1000万，而这1000万的组成却非常尴尬，AI客服大幅提升了客服团队效率，之前200人的工作只需要50人了：

而且老板想进一步压缩这个团队，只留下管理层和最熟练的几个客服，所以后面的故事大家都知道了，AI被引导到了裁员，这很无奈，但无可避免。

并且，这里补充一组数据：在我们去年做AI+管理过程中深度接触了10多家企业（中小公司），AI增效的结果几乎全部指向了裁员，具体岗位以客服、中后台人员（HR、财务）为主。

只不过这里有几个问题需要回答：

1. 为什么不全部裁完；

   
   

2. 为什么中美这里有些差别，我们是裁员、他们是放缓招聘；

   
   

这里的答案是比较简单的，首先是害怕事故，如果客服全部开完，一旦出AI事故，业务会陷入几乎停滞的状态，留些人手相当于买个保险；

其次是需要持续优化，AI客服的核心是SOP，公司需要企业里面最资深的客服持续优化、迭代SOP，人工客服在这套AI系统之下逐渐演化成了业务专家和标注师；

换句话说：当前增加高级岗位的因素，可能是积累更多的算法和数据，直到能够干掉他们。

最后，中美差距首先来源于模型差距，在DeepSeek发布前，美国基模领先我们至少一年；

另一方面，市场行情的因素也很重，比如公司业务增长成倍的增长，我们也不会裁客服团队，而是维持规模，用AI赋能让他们做更多的工作了。

二、中等院校成最大受害者

研究发现，AI对就业的负面影响呈现出一种独特的“U型”模式，映射到关内的情况就是：双非本科毕业生受影响最大，而985、211大学的毕业生和专科生受到的影响则相对较小。

精英毕业生通常从事需要复杂的非结构化工作，这些高级技能目前仍难以被AI取代，因此他们与AI形成了互补关系，甚至能利用AI进一步放大其创造力。

低学历人群可能从事体力劳动或非知识密集型工作，例如吉祥三宝、滴滴、外卖。这些工作与AI的知识工作能力重叠度较低，因此受到的直接影响较小。

中等教育背景的毕业生则恰好处于一个“尴尬”的中间地带。他们的工作内容包含了大量重复性的、基于规则的、很容易被AI替代的部分，比如数据录入、初级报告撰写、客户信息整理等，当前企业愿意为这部分工作付费的意愿越来越低了。

所以，这里结论就是：低学历人群该感到庆幸咯？那当然不是了，AI时代导致的马太效应，可能会轻易的击垮一批人！

这意味着：中级选手还有努力空间，而初级选手更难出头了。

三、AI→马太效应

前几天，粉丝群里有个同学想买个公众号，开始写文章做输出。

于是，一个绕不过去的话题马上就出现了：可以用AI帮写啊，日更会变得非常简单！

这是一个事实：AI写文章、AI小说、AI讲故事、AI文生图已经变成每个人唾手可得的能力，而他提升个人效率在10倍以上！

高手的陪练工具

其实对于有一定阅历的人来说：AI是一个好帮手，因为他们是真的需要去与人对话。而真实情况下是不会有那么多厉害的人，有那么多闲工夫有兴趣讨论你的事情，除非付费！

所以，对于高手来说，AI成了最好的陪练工具。

他们事实上也不需要AI给正确答案，因为这批人自负且固执，他们只是需要AI给出反馈，他们会从这些反馈中找到一些可以激发自身灵感的点。

其次，在搜集资料方面，AI会节省他们大量查阅或者验证的时间，如果没有AI，验证资料质量的时间会吃掉他们创作时间的2/3！

所以，对高手来说，AI真的可以提高他们的输出效率！至于输出质量/水平，AI其实是没有什么帮助的。

中手的兴奋剂

对于一般玩家来说，AI是个取巧的工具：

1. AI能轻易产出自己能力值上限的作品；

   
   

2. 偶尔调教得宜，AI能产出突破上限的作品，甚至达到高手领域；

   
   

对他们来说，AI表面上是工具，实际却可能成为一场能力透支的陷阱。

轻易得到的提升，往往代价高昂，而这种代价不易察觉，最终可能导致他们在内卷中逐渐被淘汰，除非他们刻意的提升自我。

AI让效率成为标配，却让能力成为稀缺，AI又不是谁家的老婆，谁用都是用，其结果是：所有中级玩家都背上了外挂。

如文案、数据分析、简单问题解答，原本依靠这些技能区分彼此的玩家，如今可能站在同一起跑线了。

但最终的赢家，将是那些真正“练过”的人，而不是看似效率更高的人。因为轻易得到的，不属于自己，而AI会让这种现象更加普遍。

AI可以瞬间解决很多中级选手的难题，但这种解决并未内化为他们的知识体系：

1. 一旦脱离AI，他们会发现，自己面对复杂问题时仍然力不从心；

   
   

2. 就算是依赖AI，他们也未必能真的具备应变能力，因为很多事情差之毫厘谬以千里；

   
   

AI让中级选手觉得自己变强了，但这是包装的结果，并且大家都可以包装。

包装的后果是忽视锤炼与内省，缺乏稳健的个人知识体系，这只会让他们与高手的差距进一步加大。

并且，在AI时代，成为高手的标准会被大幅提升：不再是高效率的执行，而是体系化思维下的洞察力与创造力。

中级选手如果缺乏足够的“千锤百炼”，将永远难以跨越这个门槛。

所以，厚积薄发的时代没有结束，相反他的标准更严苛了。那些能够抵住诱惑，持续深耕的人，才能成为未来的赢家。

换句话说，中级选手要进阶，需要关注的是非AI的能力，而这对基本功是有一定要求的。

初级玩家，你不存在了！

对于初级玩家，不得不去面对一个残酷的事实：初级玩家被AI消灭了！

AI降低了门槛，小白玩家可以通过以下方式快速伪装成中级人员：

1. 通过AI生成高质量的文章、代码或设计，小白玩家可以在短时间内展现出中级选手的工作成果。

   
   

2. 小白玩家不需要掌握所有领域的知识，只需学会如何使用AI工具，就能看起来像全能型选手。

   
   

所以，未来没有初级玩家的生存空间了，有的只是中级玩家生存空间进一步的压缩，高手以下的人员差距正在急剧缩小。

传统路径中，初级选手需要通过基础技能的积累、犯错和学习逐步成长为中级选手。而AI的加入，直接缩短了这个过程：

小白玩家无需亲自锤炼基本功，AI完成了许多重复性任务，这让初级选手“看起来”消失了。

最终所有人都开挂的情况下，中级选手的标准和竞争门槛自然也随之提高。

但这不值得高兴，因为小白玩家生存条件更为苛刻。

小白玩家虽然可以短期依靠AI完成任务，但长期来看却难以内化真正的能力：AI提供了现成的答案，小白玩家缺乏独立思考的机会。

换句话说，小白玩家的试错成本变得更少了，企业对新人的态度会进一步苛刻。

所以，以后小白玩家想要学到这一切（之前企业提供的试错机会），很可能以后需要自己花钱去体验了，在这个场景下：

学校一方面需要开设AI相关的课程；另一方面，他们其实更应该模拟公司，开设那种一年为周期的离开AI的工作体验，这会加快他们的过渡时间。

否则，这批同学可能真的要永远陷于无休止低端的体力工作了。

四、结语

春江水暖鸭先知。作为第一批深入接触AI的实践者，我不得不感叹：AI真的来了，并且正以前所未有的深度和广度重塑我们的工作与生活。

宏观数据冰冷地揭示了“资历偏向”技术变革的趋势：初级岗位收缩，高阶思维溢价；而在微观层面，AI像是一副外挂，加速了个人能力的分化。

最终结果是引发强烈的马太效应，加速形成新的能力金字塔：

1. 稀少的一代宗师；

   
   

2. 少量的高手；

   
   

3. 众多的中级玩家；

   
   

4. 庞大的不明群众；

   
   

在AI时代，更需要厚积薄发，但外挂带来的却是急功近利，走捷径的结果，很可能是平庸的死胡同。

而如何知道当前的能力是自身的还是AI所带来的呢？答案是脱离AI，你能做到什么程度？

进一步，各位要思考，AI+高手与AI+一般玩家的根本差异在哪里？这里，我可以告诉大家，根本差距在于：最基本的判断能力，也就是我们常说的评价体系。

什么是评价体系？

评价体系就是你对一个项目、一篇文章、一段代码好坏的理解，和可以提出的意见。

而高手的评价体系是宏观而微观的、是触类旁通、是一以贯之的，是旁征博引的。举个例子：

1. 高手会知道《瞬变》的知识框架与OKR是一致的；

   
   

2. 高手会知道OKR的根本是评价体系的建立以及信息通道的打通；

   
   

3. 高手会知道复盘难以推动的关键与《经济学十大原理》有千丝万缕的联系；

   
   

4. 高手会知道传销体系的成功在于上升通道、信息通道与企业文化的联合结果；

   
   

5. ……

   
   

在这个基础上，AI给了你一个结果，他也说得头头是道啊，而是否具备对AI输出的好坏判断，以及修改建议，是区别高手与一般玩家的关键。

举个例子：高手不会认为内容越多越好，他们会遵循第一性原理，而如何从AI的回答中，剔除那些正确但好像有用，其实无用的部分，将是大家急需修炼的内功。

最终，AI给的是选择，至于如何抉择，依旧还是要靠自身啊！

本文来自微信公众号：叶小钗，作者：叶小钗