AI 开始卷初级岗位，年轻人拿什么攒经验？

8 月底，比尔・盖茨发布长文《动荡的 AI 时代已经到来，我们现在做出的选择至关重要》，讨论 AI 进入工作、教育和社会后，人们该如何面对它带来的收益与代价。

谈到就业时，他直接写下一个判断：“很多岗位，将永久消失。” 他尤其担心年轻人，因为未来的初级岗位可能更少。

之前我们从电商客服这类岗位就能看到这种变化：查订单、核物流、对规则、整理材料，这些适合新人接手的基础任务，已经可以被智能代理工具逐步承接。真正麻烦的，也许不只是岗位总量变少，而是过去用来积累经验的第一层工作场景正在变薄。

如果新人少了，以后的熟手从哪里来

GitHub 工程师 Sean Goedecke 去年在《What’s going to happen to junior engineers?》里提出一个很关键的问题：如果没有新人成长的通道，以后的资深从业者从哪里来？

过去企业并不要求新人入职第一天就独当一面，新人往往先从范围清晰、有人指导、风险较低的任务做起。企业获得基础产出，新人也在真实工作场景中逐步积累经验。

Sean Goedecke 谈AI时代新人培养困境

问题在于，AI 正在渗透的，恰恰就是这一层基础工作。如果这类基础任务越来越多地交由 AI 完成，企业会更早要求新人具备业务理解能力、实践经验，甚至能够检查、监督 AI 的输出。于是一个矛盾随之显现。

今年 8 月，Goedecke 又在《You have to beat the models at something》中继续提醒：模型能力还在持续迭代，今天能够体现一个人价值的工作，明天未必仍保持同样的门槛。

所以真正值得注意的，不只是 “企业还要不要新人”，而是：新人能够创造价值的起点，可能正在向上移动。

如果边做边学的基础岗位任务持续减少，一部分原本入职后慢慢积累的工作经验、业务理解和流程认知，就需要提前变成求职者的就业竞争力。

这也让职业院校里的实训有了全新的价值。当企业对新人的能力起点要求发生变化，在校期间能够沉淀多少有效实践，会变得愈发重要。

而随之而来的问题是：这些年各地院校陆续建成的实训场地、配套设备与投入的管理资源，究竟发挥出了多少教学价值？

空间预约，真正难的是把资源冲突算清楚

实训室空间预约这件事，可以很好地说明这个痛点。

同一间实训室，往往要同时承载常规课程、临时调课、技能考试、社团活动以及各类临时使用申请。真正难点不在于 “能不能预约场地”，而是多份使用需求撞期时，系统能否精准识别、梳理资源冲突。

一套成熟的实训管理体系，会将不同类型的空间占用需求纳入统一排程框架。当新增预约申请提交后，系统自动判断时间是否重叠，再结合空间类型、开放范围、使用权限筛选匹配资源；落地场景中，还可以把场地容量、专业适配性、配套设备条件等纳入匹配规则。

这套思路，本质是把传统 “人去找空闲空间” 的模式，逐步转变为 “需求自动匹配可用资源”。课程取消、临时调课后，对应的时段资源可以即时释放；不同院系的实训场地，也可按照权限规则实现跨专业共享。原本大量被闲置的碎片化时段，重新变成可调度的教学资源。

因此实训空间管理的核心考核指标，不只是排定了多少教学任务，而是有限的场地资源，究竟支撑了多少教学需求，还有多少潜在使用价值没有被挖掘。

除空间之外，设备状态、门禁权限、环境监测、物资台账，都需要纳入同一套管理逻辑。

“万物互联”，甚至可以精细化管控耗材与器具

实训场景下的物联网能力，可以对接空开、照明、空调、门禁、人体感应装置，同时接入温湿度、空气质量、烟感、漏水、粉尘等环境传感设备。

搭建这套体系的重点，不在于接入设备的数量多少，而是打破各类设备独立后台、数据孤岛的现状。将设备状态与对应实训场地、管理规则绑定之后，现场实时状态能够参与到整体管理流程中。

管理模式也因此发生改变。人工巡查巡检依然保留，但不再需要把大量精力消耗在被动发现基础异常上，管理人员可以聚焦处理那些需要人工判断、现场处置的事项。实训室与设备数量增加，也不必同步增加大量人工核验工作。

物联网能力还可以延伸到高价值耗材和危险实训器具管理。

例如实训刀具可以通过定位标签，实时确认是否在指定存放区域；贵重实训物料可搭配智能存储柜、身份核验，实现存储、领用、归还全流程追溯。具备称重、门磁等感知能力的设备，也可根据实训场景按需接入。

所以 “万物互联” 在这里的核心价值，是搭建一套可持续扩展的现场管理体系：只要物品、环境状态能够数字化，就可以纳入统一规则进行管控。

一块数字大屏，统筹校园实训运营

空间排程、资产台账、耗材流转、物联网设备持续产生数据后，数字孪生与数据驾驶舱才能真正发挥价值。

三维校园建模，并不是简单把楼宇做成 3D 可视化模型，而是将空间、课程、资产、耗材、物联状态挂载到对应楼宇、楼层、实训室节点。从全校宏观视角，可下钻到单个实训场地的运行细节。

各类零散数据，会汇聚形成完整的运营指标。

场地使用是否均衡、哪些区域异常告警偏多、耗材成本波动趋势、一笔实训硬件投入产生了多少教学价值，都可以依托长期数据持续观测分析。

数字孪生的意义，不只是可视化展示校园建筑；更是用来实时观测实训运营现状、预判资源供需趋势。数据驾驶舱也不只是单纯展示数字报表，而是把空间利用率、资源投入、安全运行、运营成本整合到同一个分析视角，为后续资源调配、预算规划提供决策依据。

院校已有的教务、固定资产、视频监控等系统，无需推倒重建。通过标准化接口对接，原有存量数据可以复用在实训运营管理中，减少重复录入，避免新建系统再次形成信息孤岛。

不同院校现有信息化系统、管理规则存在差异，平台能力可贴合院校实际业务做适配调整。课程、人员、资产、门禁、视频及物联相关校内数据，也支持私有化部署，保障核心数据保留在院校自身的信息安全边界之内。

当经验开始提前，实训也在进入人才成长的前半程

盖茨看到的是宏观岗位结构的变迁，Goedecke 则抛出更深层的思考：经验到底是如何产生的。

过去初级岗位，不只是提供一份工作，更承担着新人培养的功能。新人从基础任务入手，慢慢理解行业规则、熟悉业务流程，最终具备解决复杂问题的能力。

把两个人的观点结合，会得到对职业教育非常重要的启示：一部分原本入职企业之后慢慢积累的实践经验，需要前置获取。

但经验不会因为多开设一门理论课程就自动生成，它来自一次次真实可落地的实践操作。

当企业内部的基础工作越来越难天然承担 “带新人” 的职能，学校实训的定位也随之改变： 它不再仅仅是完成课堂教学环节，更有可能成为学生提前积累实践经验的起点。

这套实训数字化管理体系，核心作用就是盘活学校现有的实训资源，把场地、设备、物资转化成高质量实践机会。

AI 正在深度重塑初级岗位生态，未来年轻人靠什么积累经验？答案或许不只寄托于毕业后的第一份工作，也可以从走出校门前的每一次实训开始。