AI 初创公司不要应届生了：入门岗位正在被高级化

Fortune 最近报道了一个很刺眼的趋势：AI-native startups 正在减少入门级员工，更偏好有经验、技术强、背景更成熟的人才。

报道引用了哈佛商学院和 INSEAD 的研究。研究显示，AI-enabled startups 相比类似的非 AI startups，入门级员工大约少 15%。同时，它们的高级员工占比更高，管理层更少，工程师占比更高，人均融资和人均估值也更高。

这并不是说 AI 公司不招人了。

而是职场第一层入口正在改变。

真正不舒服的信号，不只是年轻人被排除在外。而是很多过去用来训练新人的基础工作，正在变成 Agent 的工作。

第一层梯子正在变窄

过去很多年，科技行业给年轻人讲过一个清晰故事：先进来，做基础工作，理解系统，然后往上走。

入门岗位不一定光鲜，但很重要。新人通过查资料、测试、写文档、整理表格、起草初稿、复现 bug、做客服分诊、参与大项目里的小任务，慢慢学会真实业务。

这些任务，就是职业生涯的第一层梯子。

AI 改变了这层梯子的经济账。

如果 Agent 已经能做第一版草稿、第一轮搜索、第一份数据摘要、第一版测试，公司自然会问：还需要同样多的人来做训练型工作吗？

入门岗位正在变得更像高级岗位

重点不是所有初级岗位都会消失。

重点是，初级岗位开始被要求具备更多高级岗位的行为。

一个新人不能只靠“愿意执行”取胜。他越来越需要会处理 AI 的输出：检查它、改进它、把它接到业务目标上，并推进成真正可交付的结果。

入门级筛选正在从：

“你能不能做第一步？”

变成：

“当 AI 已经做出初稿时，你能不能管理好第一步？”

这是一条更高的门槛。

为什么 AI-native 团队可以更小

AI-native startups 并不是简单用高级员工替代新人，再堆更多管理层。研究里的结构更有意思：入门级员工更少，管理层更少，高级员工更多，工程师更多，团队更小。

这指向一种新的组织形态。

Agent 吃掉一部分基础执行和协调层。Senior 更靠近实际工作。团队需要的中间交接变少，因为更少的人可以从想法推进到原型，再推进到交付。

这会让创业公司更快。

但也会让新人训练路径变得不那么清晰。

新人真正该训练什么

答案不是恐慌，也不是死记更多工具按钮。

答案是提前训练 AI 不能自动给你的那一层能力：判断力。

对新人来说，至少要尽早训练三件事：

• 理解任务背后的业务问题；
• 使用 Agent 生成草稿、检查和备选方案；
• 审核输出，判断什么安全、什么有用、什么可以交付。

第一份工作可能不再是证明你能耐心做重复劳动。

它更像是在证明：你能不能负责任地监督机器执行。

公司也不能忘记一件事

这里也有管理风险。

如果公司砍掉太多入门级工作，也可能一起砍掉培养未来高级人才的训练场。公司不可能永远只招聘已经成熟的 Reviewer。总得有人学会如何成为 Reviewer。

更好的策略不是放弃新人。

而是重新设计新人工作。

让 Agent 先做重执行，让新人通过审核、对比、追问和观察 senior 如何决策来学习。第一层梯子不应该继续只靠手工执行，而应该变成有指导的判断训练。

Buda 的判断：更早教人管理 Agent

Buda 正是围绕这个变化设计的。

Drive 给 Agent 上下文。Skills 封装可复用方法。Automations 盯住重复信号。Channels 把人带回审核节点。Sessions 保留完整工作轨迹。

这个结构不只适合 senior operator，也可以成为新人训练环境。

人仍然是兔子：方向、品味、责任和判断。

Agent 是爪子：高速执行，负责起草、搜索、检查和准备。

如果职业生涯第一层梯子正在被重新设计，答案不是教人和爪子比执行速度，而是让人更早学会成为更好的兔子。

你可以在 Buda 构建第一个可审核的 Agent 工作流，也可以阅读 Buda Agent Workspace，了解团队如何管理 AI 执行，而不是把控制权交出去。