AI 正在改写中年人的职业寿命：经验还能延长职业生涯吗？

这些年，AI 对就业的冲击，讨论最多的是年轻人：应届生还能不能找到第一份工作，初级岗位会不会消失，职业阶梯的第一层是不是正在变窄。

一项新研究提醒我们，职业阶梯的另一端也在变化。

CNBC 援引波士顿学院退休研究中心的研究称，在 AI 暴露程度较高的职业中，55 岁以上员工离开工作的概率正在上升。一部分人进入失业状态，另一部分人主动转去较少使用 AI 的岗位，或者提前退出劳动力市场。

但同一种技术也可能带来相反结果：如果生成式 AI 能减少重复劳动、提高生产率，它也可能帮助有经验的人工作得更久。

所以真正的问题不是“AI 会不会替代年长员工”，而是企业会用 AI 淘汰经验，还是放大经验。

AI 既可能缩短职业寿命，也可能延长它

研究提出了三条可能的路径。

第一，自动化接走岗位中的大量任务，员工因此失业或退出劳动力市场。

第二，公司开始强制采用新系统，但没有提供足够的学习时间和迁移路径，员工即使没有被裁，也可能转向 AI 使用较少的岗位，或者提前退休。

第三，AI 让岗位更容易长期坚持。它负责初稿、搜索、格式整理、排期等重复执行，人把精力放在判断、沟通、关系维护和复杂决策上。

结果并不由年龄单独决定，而取决于企业如何重新设计工作。

研究显示，AI 暴露程度较高的年长员工，往往学历更高、收入也更高。高暴露职业包括网页和界面设计师、Web 开发者、数据库架构师、程序员和数据科学家。

过去，高学历和办公室工作通常意味着更长的职业寿命：体力负担较低，专业能力又会随着经验增长。

AI 正在削弱这层保护。如果软件能够完成高薪岗位中的更多任务，仅仅拥有知识，并不能自动保证职业稳定。

研究发现，在 ChatGPT 出现前，处于 AI 高暴露岗位的年长员工更不容易离职；ChatGPT 出现后，他们转出就业状态的概率有所上升，其中也包括进入失业状态。这不能证明每一次离职都由 AI 直接造成，但说明过去看起来稳固的白领职业正在进入新的变化周期。

资深员工往往拥有 AI 难以稳定复制的能力：协作、领导、关系建立、风险意识，以及在信息不完整时做判断。

CNBC 援引的 AARP 与 LinkedIn 研究显示，49.4% 的年长员工处在较不容易被生成式 AI 冲击的岗位中，年轻员工的比例是 42.2%。

但“拥有经验”和“让经验产生杠杆”不是一回事。

销售负责人知道哪些客户信号意味着风险；财务经理能看出一张表面正常的发票是否违反了隐性规则；运营负责人知道哪种例外必须升级处理。

如果这些判断只留在个人脑子里，它们既难以放大，也很容易随着人员离开而丢失。如果把它们变成清单、判断条件、案例和审核标准，AI Agent 就能负责准备和执行，而资深员工继续掌握关键决定。

把经验变成可审核 AI 工作流的三步模型

CNBC 援引的 Monster 调查显示，42% 的受访员工完全不使用 AI。已经使用 AI 的人，常见用途仍然是邮件、排期和写作辅助。

更有长期价值的方法是三步：

这样，经验才会从过去的履历变成今天的生产力。

真正有效的转型，不是宣布“以后所有人都要用 AI”，再让员工自己摸索。

企业应该提供经过批准的工具、与岗位相关的真实场景、明确的数据边界、足够的学习时间和可见的人工审核点。也应该把资深员工的业务判断与年轻员工的工具熟练度连接起来，而不是让两代人竞争谁先被替代。

如果企业只自动化重复任务，却没有沉淀资深员工的判断，短期可能节省了人力成本，长期却会失去组织知识。

Buda 面向的正是这种可管理的 AI 工作方式。

Drive 为 Agent 提供持续上下文；Skills 把重复方法和审核标准沉淀成可复用指令；Automations 处理周期性准备工作；Channels 在需要批准时把人带回流程；Sessions 保留 Agent 的工作轨迹。

资深员工因此可以从“每一步都亲手执行”，转向设计工作流、审核例外并承担最终责任。

AI 可能缩短只靠程序化执行的职业，也可能延长依赖判断、关系和责任的职业——前提是这些优势被连接到一个真正能够执行的系统里。

了解 Buda Agent Workspace，或在 Buda 控制台开始搭建可审核的 AI 工作流。

信息来源：CNBC《AI is changing older workers’ careers, research finds — here’s how》，发表于 2026 年 7 月 13 日，报道基于波士顿学院退休研究中心的研究。