一个年轻人第一次进入职场，通常不会立刻负责最重要的决定。
新人往往会先从查资料、整理信息、写初稿、做基础分析、回应常见问题开始。在这些看似普通的任务里，新人慢慢理解行业语言、工作标准，也学会什么叫「把事情做好」。
现在，AI 最先进入的，恰恰是这一层。
这不等于所有初级工作都会消失。更准确的说法是：一份工作里的任务正在被重新分配。
ILO 的研究指出，多数职业只有一部分任务会受到生成式 AI 影响，现阶段更常见的是工作内容被重组，而不是整份职业被自动化。NBER 对 5,179 名客服人员的现场研究也发现，AI 让平均生产率提高约 14%，对经验较少的员工提升更明显。
这说明 AI 可能帮助新人更快完成工作。但它也留下了一个教育问题：
如果一个人从未真正学会查资料、写初稿和发现错误，又怎样判断 AI 做得好不好？
更值得关注的是早期信号。Stanford Digital Economy Lab 使用美国大型工资单数据发现，在 AI 暴露度最高的职业中，22–25 岁早期职业员工的就业量出现了 16% 的相对下降。研究者也提醒，这是美国特定时期的早期证据，不能直接推成全球定律。
所以，家长不必把问题理解成「孩子会不会被 AI 取代」。
更实际的问题是：
- 当 AI 可以很快给出一个答案，孩子能不能先判断问题问得对不对？
- 当信息看起来完整，孩子能不能查出来源、限制和漏洞？
- 当第一版已经很漂亮，孩子能不能继续修改，而不是停在「完成了」？
- 当结果被别人使用，孩子知不知道自己要为哪一部分负责？
这也是为什么，AI 时代的教育不能只教提示词，也不能把「会使用一个热门工具」当作未来能力。
真正能够迁移的，是一套更慢、但更可靠的工作方法：先理解问题，再选择工具；先核查证据，再表达判断；让 AI 帮忙加速，但不把责任交出去。
家长可以从一个很小的练习开始。
让孩子保留同一份任务的三个版本：
- 自己最初的理解；
- AI 参与后的版本；
- 核查、讨论和修改后的最终版本。
然后请孩子说清楚：AI 帮了什么，哪里可能错了，最后为什么这样改。
未来真正稀缺的，也许不是不用 AI 的人，也不是最快使用 AI 的人。
而是那些在工具不断变化时，仍然知道怎样理解、判断、创造，也愿意为结果负责的人。