发现AI重大缺陷？哈佛大学揭露短板，教育行业迎来巨大冲击

AI科技 2025年10月07日 17:02 0 admin

文：66

编辑：锐资

前言：

记得前不久提到AI的时候，大家总是会质疑，未来的AI对我们各个行业会不会形成挤压。倒也不怪大家会有这样的感觉。

毕竟现在的AI发展实在是太快，相比较起来，人类会的东西在熟练度上似乎确实是不及AI。

尤其是随着各个企业的不断深入研究，更是使得这个感觉越来越甚。

所幸的是现如今哈佛大学在这个领域的研究又有了突破，证明了AI确实是有短板的存在，不过这也不代表大家就可以不用恐惧AI的冲击。

哈佛大学最新研究

最近有篇哈佛论文在圈内传得挺广，是两位经济学博士生SeyedM.Hosseini和GuyLichtinger做的研究，分析了美国近28.5万家企业、6200万员工和2.45亿条招聘信息的数据，得出个挺扎心的结论：AI对职场人的冲击根本不是"一刀切"，而是精准盯着初级人员打，对高级岗位反倒没什么影响，甚至还让高级岗位略有增长。

这结论经"卫夕指北"编译后，不少刚毕业的年轻人看完都有点慌，这哪是技术革新，分明是断了职场起步的路子。

先得说清楚，这里的"初级"和"高级"真不是简单的岗位级别划分。

咱们拿实际工作场景举例子：刚进律所的实习生，每天对着成堆合同找漏洞、标条款，这叫初级；而合伙人能从客户一句模糊的需求里，拆解出法律风险、商业诉求和合规边界，设计出整套解决方案，这叫高级。

前者是单一职能的重复劳动，后者是综合能力的系统输出。

AI现在最擅长的就是前者，代码纠错、文书草拟、数据整理这些活儿，机器干得又快又准还不摸鱼；但后者需要的通用智能、行业体感和边界判断，目前的AI还玩不转。

这事儿最要命的地方，在于AI直接端了职场的"新手村"。过去不管是进互联网公司做运营，还是去设计院画图纸，新人都得从基础活儿干起。

别小看这些重复劳动，这本质是套"隐性学徒制"，你在给报表填数据时能摸清业务逻辑，在改PPT版式时能看懂沟通话术，在跟着跑流程时能记住行业规矩。

这些书本上没写的东西，得靠在初级岗位上摸爬滚打才能攒出来，是从学生变成专业人士的必经之路。

但现在AI成了台"抽水机"，把这层土壤抽得干干净净。

企业算过一笔账：用AI处理初级工作，成本几乎可以忽略不计，还能保证90%以上的准确率；要是招个新人，工资、社保、培训成本样样不少，刚上手时效率还低得可怜。

在商业逻辑面前，"培养新人"的情怀根本站不住脚。数据最能说明问题，AI采用率高的企业，初级员工数量6个季度里降了7.7%，批发零售这种初级岗位密集的行业，新人招聘直接砍了40%。

更棘手的是，这种冲击不是简单的"岗位消失"，而是职业生涯的"第一级台阶"没了。就像学开车得先练倒库移库，要是直接让你上高速，不撞才怪。

现在的情况就是这样：企业要的都是能直接解决复杂问题的人，但年轻人没地方去练那些基础本事，自然达不到招聘要求。

更有意思的是，论文还发现个"U型影响"，顶尖名校（Tier1）和普通地方院校（Tier4-5）的毕业生受冲击反倒小，最惨的是中间层次（Tier2-3）的学生，高不成低不就，刚好卡在AI最擅长替代的区间里。

这股冲击顺着就业市场往上走，直接撞在了教育体系的腰上。

过去咱们的教育逻辑很简单：学校教理论，社会给岗位练实践，两者配合着把学生打造成人才。现在社会这环掉链子了，教育体系的短板一下就露出来了。

科技优势明显

AI正在"削平"人的能力金字塔，底层的信息处理、执行能力被机器抢了去，剩下的都是顶层的战略、创新和整合能力。

这就好比以前找工作能靠"把活儿干好"吃饭，现在得靠"知道该干什么活儿"才能立足。

这里就得说清三个核心变化。第一，"解决问题"不再值钱，"定义问题"才是核心。

AI能给你算最优解，但得你先告诉它"要解决什么问题"。

比如做产品，机器能算用户留存数据，但得有人先发现"用户为什么不用我们的产品"；搞科研，机器能跑数据分析，但得有人先提出"这个研究方向值得做"。

这种洞察力和想象力，是AI学不会的。

第二，单一技能没用了，跨领域整合才吃香。

现在做个智能硬件，得懂硬件设计、软件开发、供应链管理还得懂用户心理，这些跨界能力得在实践里练。

第三，光聪明不够，还得有"心力"。带团队、扛压力、冒风险这些事儿，靠算法根本模拟不出来。

但问题来了，这些能力没有一个是初级人员能立马具备的，也没有一个是传统课堂能教出来的。

这等于给教育出了个"不可能任务"：得在校园里把过去需要在职场练好几年的本事教完，还得顺便培养出能应对复杂挑战的"准高级人才"。

这就像让驾校不仅要教会你打方向盘，还得让你毕业就能开F1赛车，简直是天方夜谭。

传统教育为啥顶不住？因为它陷进了"不可能三角"：要规模化办学，就没法保证实践的真实感；要让实践接地气，就没法铺开给所有学生；要人人都有好导师，成本能高到天上去。

咱们都经历过大学的"实践课"：要么是分析个几年前的商业案例，要么是跟老师做个预设好结果的项目，跟真刀真枪的职场根本不是一回事。

真实商业里的供应链中断、团队内斗、市场突变，这些最能锻炼人的部分，课本里根本没有。

有人说"那就多搞实习啊"，但现在企业自己都在砍初级岗位，哪来那么多实习机会？就算有，也不可能每个学生都配上资深导师手把手带，那人力成本谁扛得住？

更本质的问题是，传统教育的核心是"教师"，但再牛的老师，也没法模拟出一个有上百个变量的市场环境，没法复刻一个公司从创业到倒闭的完整周期。

靠加老师、改课程这种修修补补的办法，根本挡不住AI带来的结构性冲击。

那破局的路子在哪？答案可能得往"虚拟世界"找。

不是说搞个模拟经营游戏那么简单，而是要建一个"高保真的社会经济模拟器"，本质上就是把《无人公司》里的概念落到教育上。

这东西不是大一统的虚拟世界，更可能是一堆并行的"行业沙盒"，每个沙盒都照着真实行业的规矩搭。

AI发展迅猛

比如搞个"新消费品牌沙盒"，里面得有完整的电商平台、直播带货工具、供应链系统，学生能在里面开虚拟公司，从选品、定价到投流全自己说了算。

再搞个"硬科技沙盒"，内置物理引擎、数字孪生接口，学生设计无人机能直接做模拟飞行测试，优化完还能对接3D打印出原型机。

这些沙盒的规矩得跟真的一样，市场会波动，对手会竞争，搞砸了也得承担后果。

学习模式也得彻底变。学生不再按班级分组，而是自己组队开"虚拟公司"，有人当CEO，有人做产品经理，有人管市场，每个人的"成绩单"就是公司的财报和市场份额。

知识学习也不是按课程表来，而是"按需分配"，比如要做智能音箱，系统会自动推电路设计、自然语言处理、定价策略的资料，学完立马就能用在项目上。

这种"为解决问题而学"的动力，比考试压力管用多了。

这里面最宝贵的是"低成本试错"。真实职场里，一个决策失误可能让公司损失几百万，没人敢让新人随便试。

但在虚拟沙盒里，学生把公司搞倒闭了也没关系，系统会把哪里错了、为什么错了、怎么改都标得清清楚楚。

四年大学下来，他们可能已经完整经历了两次创业、三次产品迭代，这种经验比简历上写的"熟悉办公软件"值钱多了。

当然，这不是说要把老师都换掉。就像美国那所"无界学院"做的，AI负责教基础知识点，人类教师转成"指导员"，帮学生定目标、解决情绪问题、引导思考方向。未来的教育者，更像"环境设计师"。

搭好沙盒的规则，埋下能激发思考的"彩蛋"，然后看着学生在里面摸爬成长。

他们不直接给答案，而是引导学生自己找答案。

有人可能觉得这想法太疯狂，又是要计算机技术，又是要经济学逻辑，还得懂教育心理学，投入肯定小不了。

但咱们得想明白，AI带来的不是"增量冲击"，而是"结构性重构"。现在不花力气改，将来可能要花更大的代价收拾残局。

年轻人没工作、企业招不到人、教育体系与社会需求脱节，这些问题堆在一起会更麻烦。

这事儿最有意思的地方在于，破局的钥匙恰恰藏在问题本身里。

AI越发达，虚拟沙盒的保真度就越高；通用人工智能（AGI）越进步，模拟复杂场景的能力就越强。等于AI自己掀了桌子，又给咱们递了块建新桌子的木板。

结语：

说到底，AI带来的不是"就业危机"，而是"能力升级危机"。

它在逼着我们重新想清楚：人类的核心价值到底是什么？教育的本质应该是什么？

哈佛那篇论文揭示的不仅是就业市场的变化，更是一个时代的转向，过去靠"积累经验"就能立足，未来得靠"创造价值"才能生存。

而教育的使命，就是在AI把"新手村"淹掉之前，给年轻人造一艘能驶向未来的船。

转存收藏！人民日报出图#当明月遇上国之重器#，浪漫又硬核↓↓

四款骁龙8E5子系新机影像比拼：均有潜望镜加持，谁能脱颖而出？

发表评论