初级职位锐减：人工智能如何改变德国的职业入门途径

Xpert 预发布版

在线联系方式（Konrad Wolfenstein）

提供 27 种语言版本 📢

在 Google 上更倾向于选择 Xpert.Digital。ⓘ

发布日期：2026年9月26日 / 更新日期：2026年9月26日 – 作者： Konrad Wolfenstein

初级职位锐减：人工智能如何改变德国的职业入门途径——关于人工智能的创意图片：Xpert.Digital

数字化带来的弊端：为什么在人工智能时代入门级工作岗位正在减少

职业机会的变化：德国初级职位数量急剧下降

入门级工作岗位面临风险：人工智能如何削弱德国的职业晋升阶梯

德国劳动力市场正经历深刻变革，给许多年轻的专业人士带来了严峻挑战。尽管企业仍在抱怨技术工人短缺，但一个令人担忧的趋势正在浮现：自2022年夏季以来，入门级职位数量已减少超过三分之二。这种下降在IT应用、市场营销和项目管理领域尤为明显，因为人工智能和数字工具正日益取代这些领域的许多工作。然而，认为人工智能正在摧毁职业生涯的起点未免过于简单化。初级职位数量的减少甚至在ChatGPT出现之前就已经开始，并且是更大范围经济衰退的一部分，而这场衰退的另一个特征是融资成本上升和企业投资意愿下降。.

入门级工作的减少影响深远：它不仅危及年轻人才的培养，也威胁到企业的长期创新能力和竞争力。现有数据显示，几乎所有研究的职业群体中，入门级就业机会均有所下降，这凸显了采取适当措施促进教育向就业过渡的必要性。在实践经验和专业技能日益重要的今天，企业和教育机构必须携手制定战略，以成功应对未来劳动力市场的挑战。.

德国职业阶梯的消失：人工智能时代入门级工作岗位为何锐减

明天的技术工人短缺问题，始于今天被裁撤的初级职位。

德国劳动力市场发出两个乍看之下似乎矛盾的信号。企业持续抱怨技术工人短缺，与此同时，入门级职位数量自2022年夏季达到峰值以来已骤降超过三分之二。那些能够借助数字工具和生成式人工智能辅助或部分取代许多工作的职业领域，其萎缩幅度尤为显著。IT应用、市场营销和项目管理便是这一趋势的典型例证。相比之下，护理、医疗、制药、餐饮和酒店服务业则发展势头强劲得多。.

最显而易见的解释是，人工智能正在摧毁职业阶梯的第一步。这种说法看似合理，但简单来说却站不住脚。早在2022年春季，也就是ChatGPT发布前几个月，就业市场就已经开始下滑。与此同时，德国经济走弱，融资成本上升，投资意愿下降，企业开始调整繁荣时期遗留的人员过剩问题，并将新员工的招聘重点放在能够立即投入生产的专业人员上。因此，与其说人工智能是唯一原因，不如说它更像是一个加速器、筛选器，以及在原本就疲软的劳动力市场中引发的预期冲击。.

目前初级职位空缺数量并非唯一具有重要经济意义的因素。至关重要的是，入门级职位发挥着生产功能：它们为年轻员工提供实践经验，教授他们操作流程，培养他们的判断力，并使他们成长为公司几年后所需的专家和管理人员。如果这些职位被永久取消，公司短期内可以节省培训成本，但却会在自身的人才储备中造成长期缺口。这正是战略风险所在。节省的成本立竿见影，而技能、创新能力和继任潜力的损失却要随着时间的推移才会显现出来。.

从招聘热潮到招聘低迷

这一发展的起点非同寻常。2022年7月，明确标明为初级、实习、应届毕业生或入门级职位的岗位数量比2019年平均水平高出约75%。这一繁荣景象反映了疫情后的追赶效应、劳动力市场紧张、数字化领域的巨额投资以及人才竞争。由于预期持续的高需求，企业纷纷扩充团队、增加融资以支持增长，并积极填补空缺职位。.

到2026年7月，这一供应量已比2019年水平下降了46%。从峰值来看，这意味着下降了超过三分之二。整体市场也大幅降温，尽管在崩盘时仍比2019年的参考值高出8%。自2022年达到峰值以来，已下降了约38%。因此，入门级职位不仅随着劳动力需求的总体下降而减少，而且下降速度明显更快。在不断萎缩的市场中，进入劳动力市场的机会进一步减少。.

2026年7月，实习岗位和学生兼职岗位数量也比2019年水平下降了约24%。自2022年以来，由于当时的峰值较低，其下降幅度有所减缓。然而，这种趋势令人担忧：实习岗位和学生兼职岗位通常是大学毕业后进入正式工作的桥梁。如果企业削减这一过渡阶段以及后续的初级岗位，那么从教育体系到职场的过渡就会变得更加困难。.

从更广泛的劳动力市场数据中可以明显看出问题的严重性。2026年第二季度，德国约有102万个职位空缺，比上一季度减少了约13万个，降幅达11%，比上年同期减少了约3%。除疫情相关的封锁措施外，劳动力需求从未像2016年以来如此低迷。统计数据显示，每100个职位空缺对应着291名登记失业人员。因此，市场已从以求职者为主导的市场转变为以雇主为主导的、更具选择性的市场。.

德国的经济表现构成了周期性的背景。在经历了两年衰退之后，2025年实际国内生产总值仅增长了0.2%。尽管2026年前两个季度出现了温和增长，但投资和私人需求依然疲软。这样的环境不利于劳动密集型企业做出增长决策。企业不一定会大规模裁员，但会减少职位空缺、推迟招聘，并提高每个新职位的招聘要求。.

入室盗窃几乎影响到所有人

在所调查的28个职业群体中，有26个群体自2022年以来入门级就业机会有所下降。在23个群体中，初级职位表现逊于整体市场水平。因此，这并非个别科技公司面临的孤立问题，而是劳动力市场准入普遍恶化的体现。然而，不同职业领域的差异揭示了哪些经济因素的影响尤为显著。.

IT应用和解决方案受到的冲击最大，与峰值相比下降了77%。市场营销领域的职位空缺减少了75%，项目管理领域减少了60%。实习生和勤工俭学岗位的空缺分别下降了54%、55%和56%。这些活动具有几个共同的特点：大部分工作是数字化的，可以标准化，可以分解成多个工作包，并使用电子交付物进行监控。这些特点恰恰有利于通过软件实现自动化、集中化、外包和提高生产力。.

只有两大行业的入门级职位数量出现增长。护理、医学和药学行业增长了18%，而食品、餐饮和酒店服务行业增长了10%。这些行业面临着结构性的人员短缺，同时这些工作又需要员工到岗、具备良好的情境感知能力、人际互动能力或直接承担责任。此外，这些职业大多需要职业培训而非大学学位。因此，这些行业的相对稳定性并非仅仅是所谓学历无用论的反面，而是不同行业生产条件的体现。.

在社会领域以及儿童保育和教育领域，实习岗位和学生勤工俭学岗位数量增加了18%。制度因素在此发挥了作用，因为许多学位和职业培训项目都已明确规定了强制性实习。这凸显了一个重要的区别：如果实践经验是法规、课程要求或公司政策所规定的强制性要求，那么即使在经济疲软时期，它也不太可能被完全取消。相反，如果实践经验被视为可自由支配的投资，则更容易受到紧缩措施的影响。.

然而，这些数据仅描述了职位名称包含“初级”、“实习生”、“应届毕业生”或“青年专业人士”等典型词汇的招聘信息。企业还可以通过措辞更为宽泛的招聘信息、内部晋升或直接从实习项目和高校合作项目中招聘合适的入门级候选人。因此，该数据可能低估了隐性入职途径。反之，职位名称为“初级”的招聘信息可能要求具备专业经验，因此并不一定意味着这是一个真正的入门级职位。尽管如此，由于其显著性和广泛性，这一趋势仍然意义重大，但不应将其与所有新聘入门级专业人员的确切人数混淆。.

人工智能并不能解释一切。

人工智能普及与失业之间的显著相关性是真实存在的。在超过60%的技能和任务可以被人工智能取代或辅助的职业群体中，到2026年7月，入门级、实习和在职学生岗位的数量仅为2019年的一半左右。另一方面，转型潜力低于40%的职业群体则保持或超过了之前的水平。易于数字化自动化的知识型工作与体力劳动或社交工作之间的差距已显著扩大。.

然而，相关性并不一定意味着因果关系。早在2022年春季，趋势就已出现分化，而ChatGPT直到同年11月才正式上线。当时，各国央行纷纷加息，成长型企业失去了低成本融资渠道，科技公司调整了疫情期间产能过剩的问题，而能源危机对德国的冲击尤为严重。知识密集型服务也对投资周期十分敏感：当数字项目、营销活动、咨询项目或软件项目启动数量减少时，这些行业的人员需求下降速度会比护理或酒店服务业更快。.

因此，人工智能的影响与经济敏感性存在重叠。高度数字化的职业往往在疫情期间发展尤为迅猛，随后不得不做出重大调整。这些职业也更适合远程办公。远程办公可能会增加招聘初级专业人员的难度，因为监督、非正式学习和解答临时性问题会更加耗时。因此，雇主更倾向于选择经验丰富、无需过多支持即可高效工作的员工。如果从统计学角度考虑居家办公和职业结构的影响，人工智能与就业之间看似明显的相关性可能会显著减弱。.

国际上的研究结果也各不相同。在美国，一些分析显示，在人工智能应用较为广泛的职业领域，年轻人的就业率相对下降，而从事相同岗位的年长员工的就业情况则更为稳定。其他一些针对整个公司或行业的调查研究目前尚未发现，由于人工智能的广泛应用，招聘岗位数量普遍减少。这两种结果可能同时存在：一家公司可能保持整体就业稳定，但同时减少对初级员工的需求，转而更多地招聘经验丰富的专家、人工智能工程师或销售人员。.

因此，最准确的解读是：迄今为止观察到的总体趋势主要表现为周期性和结构性变化，而人工智能正在改变需求的内部构成。它减少了对某些常规任务的需求，提高了现有团队的生产力，并将价值从执行转移到控制、整合和问责。要从统计学角度证明人工智能对就业总数的巨大且独立的影响仍然困难。然而，在个体任务、层级和招聘决策层面，其影响已经具有显著的经济意义。.

空置率的无声自动化

新技术对劳动力市场的首要影响往往并非裁员，而是职位不再招聘。如果人工智能支持的团队能够以更少的额外员工完成相同的工作量，公司就无需裁员，只需取消原定的初级职位或合并两套工作任务即可。这一过程在汇总的就业数据中往往长期不可见，而求职者却能立即感受到其影响。.

这种机制可以被描述为一种悄无声息的职位空缺自动化填补方式。与裁员相比，它对公司而言风险更小，因为无需支付遣散费、无需谈判，也不会造成声誉损失。同时，它也允许公司观望新工具的实际效果。如果预期的生产力提升未能实现，公司可以稍后恢复招聘。如果这项技术行之有效，那么永久性的精简员工队伍将成为新的常态。.

生成式人工智能强化了这种等待的选择。它的功能正在迅速发展，价格不断下降，应用也正被集成到标准软件中。如今，一家公司如果聘用一名新手，就意味着要承担多年的研发和薪资投入。而一家公司如果先不设职位，而是先测试软件，则可以保持灵活性。在高度不确定的环境下，即使这项技术尚不足以取代全职员工，这种等待的选择也变得极具经济吸引力。.

此外，还有一种现象叫做“资历化”。企业正在寻找经验更丰富、技能更全面、能够立即上岗的候选人，而这些候选人原本的职位级别较低。以前的初级职位并非完全消失，只是以更高的要求重新发布。如今，企业期望一个人能够同时具备专业经验、行业知识、客户沟通能力、数据素养以及对人工智能的熟练运用。这减少了真正的入门级机会，即使类似的职位名称仍然存在。.

对于经验丰富的员工来说，人工智能通常是一种补充。他们可以检查结果、识别错误、设定优先级并承担责任。而对于初学者来说，同样的技术却可以起到替代作用，因为它能够自动完成他们之前学习过的那些任务：初步研究、简单分析、标准文本编写、测试用例编写、文档撰写、演示文稿制作、数据准备和组织协调。因此，问题不在于人工智能会一次性取代整个职业，而在于它能从组织学习曲线的低端阶段移除一些具体的任务。.

生产力提升伴有副作用

这一变革背后的经济逻辑令人信服。一项针对5000多名客服人员的研究表明，人工智能助手使每小时解决的案件数量平均提高了约14%。对于经验较少、绩效较低的员工，这一增幅约为34%，而经验丰富的员工几乎没有受益。这项技术将存储在数据中的一些经验知识传递给了新员工，显著加快了他们的学习曲线。.

从商业角度来看，这引出了两种截然相反的策略。公司可以用相同数量的新员工创造更多价值，更快地提升员工素质，并缓解技能短缺问题。或者，公司也可以用更少的新员工实现相同的产出。选择哪种策略取决于市场需求、竞争状况、增长预期和管理目标。在经济扩张时期，生产力的提高往往会导致产量增加；而在经济停滞时期，则往往会导致成本削减和更谨慎的招聘。.

此外，生产力提升并非普遍适用。对于定义明确、重复出现且易于验证的任务，生成式人工智能通常能带来显著优势。然而，对于超出其能力范围的复杂问题，它可能会产生看似合理的错误。在与管理顾问进行的实验中，尽管事先已发出警告，但在不适用的问题解决任务中，其绩效却有所下降。因此，生产力并非仅仅来源于模型本身，而是源于合理的任务设计、质量控制和良好的判断。.

这正是培训困境的体现。企业需要能够批判性地评估人工智能结果的人才。然而，这种技能源于专业知识和经验，而这些知识和经验通常是通过完成更简单的任务积累而来的。如果所有基础工作都实现自动化，初级职位也被裁撤，那么能够专业地审查复杂结果的人才队伍就会缺失。企业只能依赖于一批经验丰富的员工，却无法有效地补充这批人才。.

短期来看，这种模式似乎非常有利可图。一位资深员工在人工智能的支持下可以完成更多工作，团队规模缩小，人员成本降低。然而，从长远来看，集中化的风险会增加。知识集中在少数关键人物手中，寻找替代者变得更加困难，内部继任计划难以奏效，而聘请外部专家的成本也更高。因此，当下的生产力红利可能会变成未来的能力债务。.

我们在欧盟和德国的业务拓展、销售和市场营销方面拥有丰富的专业知识

我们在欧盟和德国的业务拓展、销售和市场营销方面拥有丰富的专业知识——图片来源：Xpert.Digital

行业重点领域：B2B、数字化（从人工智能到扩展现实）、机械工程、物流、可再生能源和工业

更多信息请点击这里：

专家商业中心

一个提供见解和专业知识的主题中心：

涵盖全球和区域经济、创新和行业特定趋势的知识平台
汇集了我们重点关注领域的分析、见解和背景信息。
这里汇集了有关商业和技术最新发展的专业知识和信息。
一个为寻求市场、数字化和行业创新信息的企业提供的信息中心。

技能短缺与新现实

尽管求职者众多，但仍存在技能短缺问题。

技术工人短缺和入门级职位空缺同时出现并非矛盾，而是资质和经验的问题。企业往往并非在寻找抽象意义上的“额外人手”，而是需要能够立即上岗的专家，他们需具备特定的行业知识、客户理解力、技术技能以及承担责任的经验。应届毕业生自然无法满足这些要求。如果企业不愿在培训和发展方面投入更多资源，那么空缺的专家职位将与求职的应届毕业生并存。.

这种悖论在IT行业尤为明显。尽管职位空缺有所减少，但预计到2025年，德国仍将有10.9万个IT职位空缺。与此同时，自2022年以来，IT应用和IT解决方案领域的入门级职位招聘广告数量已骤降77%。市场对数字化专业人才的需求依然存在，但传统入门级职位的需求却有所下降。经验、专业技能，以及日益重要的、能够高效且负责任地运用人工智能的能力，才是市场真正需要的。.

2025年，大学毕业生失业率升至3.3%，自2007年以来首次超过通常与充分就业相关的阈值。失业毕业生人数的增长幅度远超整体失业率。尽管如此，拥有大学学位且从事需缴纳社会保障金工作的人数仍在持续增长，达到约720万。这并非全面的学术就业危机，而是职业转换方面明显恶化，以及不同学科、经验水平和技能组合之间的差距扩大。.

在某些情况下，企业正通过招聘转行人士来应对这种情况。大约四分之一的新聘IT专业人员是通过其他途径获得资格认证的，这一比例与大学毕业生的比例相近。这表明，仅凭学历证书的重要性正在下降，而可证明的实践经验则日益重要。对于新入职者而言，竞争日趋激烈，他们不仅要与其他毕业生竞争，还要与经验丰富的转行人士和国际专业人才竞争。.

因此，德国劳动力市场与其说是面临单一的劳动力短缺，不如说是面临多种并行短缺。德国缺乏护士、技术工人、电工和经验丰富的IT专家。与此同时，许多应届毕业生也找不到合适的入门级工作。地区差异、技能不匹配、薪资预期不符、住房短缺以及流动性受限等因素加剧了这种不匹配。因此，说德国存在技术工人短缺并不能说明个人进入劳动力市场的机会有多大。.

训练成为稳定性锚点

尽管传统入门级工作岗位有所减少，但包括双元制学习项目在内的职业培训职位数量保持相对稳定。2025年8月至2026年7月期间，平均招聘职位数量比2019年增长约50%。在23个可比职业群体中，有20个群体的培训项目供应情况优于入门级职位供应情况。软件开发领域的情况尤为突出：初级职位数量比2019年下降了约70%，而培训机会，特别是针对应用开发领域的IT专家的培训机会，则增长了27%。.

原因之一在于工作岗位的结构。只有约15%的学徒岗位属于那些超过60%的技能可以被人工智能取代或辅助的职业。入门级职位中，这一比例为42%，实习生和在职学生职位中为33%。相反，37%的学徒岗位人工智能转型潜力较低，低于40%。入门级职位中，这一比例仅为9%，实习生和在职学生职位中为10%。.

对企业而言，培训与直接招聘大学毕业生在经济效益上也截然不同。受训人员薪资较低，会在几年内逐步熟悉公司要求，并能尽早专注于公司特有的流程。这降低了招聘风险，并有利于企业进行长期的人员规划。因此，在经济形势不明朗的情况下，内部培养人才可能比招聘高薪毕业生更具吸引力，因为后者的生产力和留任率在初期都难以保证。.

然而，不应将双元制教育体系理想化。2025年，学徒岗位数量下降了4.6%，约为530,300个。新签订的合同约476,700份，比上一年减少了2.1%。与此同时，截至9月底，仍有84,400名年轻人正在寻找学徒机会，而空缺职位却高达54,400个。申请人数与空缺职位同时存在的情况表明，存在区域、职业和资格方面的不匹配问题。.

因此，在线招聘信息的丰富并不意味着每个年轻人都能轻易找到合适的培训机会。有些职位位于生活成本高昂或交通不便的地区，而另一些职位则涉及工作时间不便、薪酬较低或社会地位不高的职业。反之，求职者也并非总能满足企业的学术或个人要求。双元制教育体系是一个重要的稳定因素，但并不能自动弥补初级学术职位减少的局面。.

如果第一级台阶缺失

职业生涯开局不利可能会影响整个职业生涯的发展轨迹。毕业后长期失业的人不仅缺乏实践经验，还会流失专业知识，甚至可能给未来的雇主留下不好的印象。这往往会导致他们不得不从事与专业无关、薪酬较低或临时性的工作。此外，第一份工作的薪水通常会成为日后薪资谈判的基础，这意味着较低的起薪可能会对未来的职业生涯产生深远的影响。.

德国的长期研究表明，早期失业可能导致后续收入大幅下降。这对收入潜力较低的人群影响尤为严重，而高绩效员工则更有可能通过跳槽和职业晋升来弥补劣势。其他针对经济衰退时期失业人群的研究也得出结论，工资劣势会在几年后有所缓解。关键因素包括失业持续时间、第一份工作的质量、流动性以及快速过渡到生产力更高公司的能力。.

因此，当前的就业下滑可能会加剧一代人内部的不平等。拥有经济支持、人脉、流动性和相关实习经历的毕业生可以度过更长的求职期并获得额外的资格证书。而其他人则被迫过早接受不合适的工作，或者放弃所学专业。如此一来，择优录取不仅取决于能力，还取决于家庭经济状况和风险承受能力。.

企业面临的共同问题是：每家企业都有动机节省培训成本，并从其他雇主那里挖走经验丰富的员工。如果许多企业都这样做，那么整体人力资本的培养就会不足。市场培养的年轻人才数量就会低于未来的需求。经济学家将此称为企业内部培训的正外部性：企业承担成本，但部分收益可能会惠及其他雇主或整个经济体。.

人口结构变化加剧了这种管理不善的问题。随着婴儿潮一代的退休，不仅劳动力流失，宝贵的经验也随之消失。如果年轻员工无法及时掌握这些知识，就会出现双重鸿沟。人工智能可以改进文档、搜索功能和知识获取，但它无法取代情境判断、客户信任、责任感以及对非正式运营流程的了解。.

能力型新经济

未来，衡量一位新晋专业人士的价值，不再仅仅取决于其从零开始完成标准任务的能力，而是更多地取决于其运用人工智能有效构建工作流程、验证结果、识别错误以及将专业知识转化为明智决策的能力。这并不意味着基础知识会过时。恰恰相反：缺乏评估结果专业知识的人将依赖于模型的质量，并承担难以估量的风险。.

由此形成了一个包含三个层级的新能力模型。第一层级是扎实的领域知识，例如计算机科学、市场营销、金融、物流或法律等领域。第二层级是人工智能能力：包括任务分解、选择合适的工具、数据保护、支出核实和工作流程自动化。第三层级涵盖难以标准化的人类技能：责任心、沟通能力、谈判技巧、情境理解能力、创造力和处理模糊情况的能力。.

雇主将越来越重视对工具的熟练运用和对高效系统的精通程度之间的区别。只会编写提示信息的求职者无法提供持久的优势。真正有价值的是能够掌握从问题到数据、模型再到最终决策的完整流程的人才。这解释了为什么尽管人工智能已经普及，企业仍然在寻找专业人才，同时减少普通初级职位的数量。.

与此同时，人工智能也能让入门变得更容易。它降低了知识门槛，辅助编程，提升语言技能，并使高质量的分析工具更易于获取。在精心设计的学习环境中，初学者会受益匪浅，因为系统会提供反馈和与情境相关的帮助。因此，关键问题不在于年轻人是否应该使用人工智能，而在于企业能否将生产力的提升转化为绩效的提升和培训的加速，还是仅仅转化为就业岗位的减少。.

税务文员这一职业表明，工作内容是可以改变的。在培训制度现代化后，由于咨询、客户服务和更具挑战性的任务被更紧密地融入到工作描述中，该职位被认定的自动化潜力从100%下降到50%。这个例子并不能证明仅仅改变职位名称就能消除自动化风险。然而，它确实表明，机构可以通过设计培训，使员工尽早掌握那些技术无法可靠替代的补充技能。.

企业现在面临哪些风险？

短期内，减少初级职位可以改善成本效益比和产能利用率，在经济疲软时期甚至可能是必要的。然而，当这种周期性反应演变成一种长期的人员战略时，问题就出现了。几年后，就会出现具备中级经验的员工短缺，而这些员工本可以成为项目经理、架构师、客户经理和高管的合适人选。.

员工老龄化和隐性知识占比高的公司尤其容易受到冲击。在这种情况下，企业无法迅速从公开市场上获取专业人才。经验丰富的员工同时退休，由此造成的人才缺口可能导致运营风险、质量问题和项目延误。之后重新启动招聘工作往往需要数年时间，因为招聘新人才并不能自动保证生产力恢复到之前的水平。.

一个可行的替代方案是重新设计而非取消入门级岗位。初级员工应减少纯粹机械性工作的时间，但仍需承担一定责任。人工智能可以减少日常工作，而导师则可以将时间集中在案例讨论、质量控制、客户沟通和系统理解上。这样一来，学习曲线不会被消除，而是会加快。.

为了实现这一目标，企业需要采用新的衡量标准。关键因素不仅包括短期节省的时间和完成的任务数量，还包括达到独立工作状态所需的时间、错误率、决策质量、知识广度、内部人员配置水平以及两三年后的留任率。那些只衡量短期生产力的企业低估了学习和人才储备的价值。.

中小企业也能从中受益。它们通常不会在起薪上展开竞争，但可以提供更快的责任承担、直接的客户接触机会以及更广泛的工作内容。当大型组织对初级员工的工作进行高度标准化时，这些优势就显得尤为重要。专业的导师指导至关重要；仅仅以尽早承担责任为幌子，让初级员工承担过多的工作，既无法培养他们的能力，也无法提升他们的敬业精神。.

时间压力下的教育政策

大学和职业院校必须更快地调整课程设置，以适应不断变化的任务分配。纯粹的事实性知识在唾手可得的地方会失去价值。与此同时，方法论理解、文献批判、数据素养和专业监督变得越来越重要。因此，考试不仅应评估文本、程序或设计的完成情况，还应评估工作流程、验证过程以及决策的合理性。.

实践阶段需要得到更多重视。如果企业减少自愿实习机会，强制性或合作资助的项目可以稳定过渡过程。双元制学习项目、实习学期、勤工俭学模式以及大学联合项目将理论与实践相结合。然而，公共资金不应永久取代私人培训费用；资助应与可验证的学习内容、导师指导和就业前景挂钩。.

劳动力市场政策不应试图保住所有现有工作岗位。快速技能提升、模块化资格认证和透明的能力评估更为有效。那些已经具备专业知识的人通常不需要全新的学位课程，而只需要数据分析、自动化、网络安全、流程设计或受监管的人工智能应用等方面的针对性模块。此类课程必须在时间和成本方面对在职人员和求职者都适用。.

此外，德国需要更完善的实际招聘实践、职位描述和职业发展路径数据。招聘广告虽然能快速反映情况，但只能部分反映隐性招聘和内部调动。关联数据可以揭示初级职位是否只是改了名字、转为学徒制、外包，或者实际上被自动化取代。缺乏这种区分，就可能低估技术变革的影响，或者过早地将每一次经济衰退都归咎于人工智能。.

归根结底，增长政策必须是解决方案的一部分。如果企业没有预见到需求的增长，那么仅仅依靠进一步培训并不能创造就业机会。对数字基础设施、能源、住房、国防、医疗保健和工业现代化的投资可以创造更多就业机会。经济增长越强劲，生产力的提高就越有可能转化为产量的增加和新就业岗位的出现，而不仅仅是减少人员需求。.

三种可能的发展路径

在理想情况下，需求复苏，企业利用人工智能进行扩张并开发新的入门级车型。由于日常工作实现自动化，初级员工能够更早地承担更具挑战性的任务。生产力提高，学习时间缩短，规模较小的团队能够创造更多价值，同时又不阻碍年轻人才的培养。学徒制、双元制学习项目和学术入学途径将更加紧密地结合起来。.

在中等情景下，整体就业保持相对稳定，但传统初级职位数量将持续下降。人们越来越多地通过实习、项目、学徒、职业转型和临时项目进入职场。对从业人员的要求不断提高，新晋专业人士需要更早地积累实践经验和掌握人工智能技能。企业效率得以提升，但同时也面临着中层管理人员短缺的困境。.

在最糟糕的情况下，经济增长乏力和自动化程度的急剧提高会导致持续的招聘冻结。年轻人获得相关经验的机会减少，失业率和非专业性就业岗位增加，几年后，经验丰富的员工短缺问题将更加严峻。企业随后会采取代价高昂的挖角、国际招聘和外包等措施。经济因此损失人力资本、创新能力和社会流动机会。.

技术并非预先决定职业发展路径，而是取决于市场需求、投资、人力资源战略、教育改革以及生产力提升的分配。人工智能可以取代职业生涯的最初阶段，但也能提高其效率。最终的决定权在于工作的设计，而不仅仅是人工智能模型本身。.

没有人员伤亡，但系统发出警报。

入门级工作的减少固然严重，但这并不意味着人工智能正在全面摧毁就业岗位。数据显示，造成这种情况的原因有很多：2022年异常旺盛的招聘热潮、经济疲软、融资成本上升、行业调整、远程办公、需求增长以及人工智能驱动的重组浪潮的兴起。那些仅仅将责任归咎于技术的人误解了事件发生的先后顺序。而那些完全否认技术影响的人则忽略了数字化、知识密集型且易于自动化的任务表现尤为疲软的现状。.

核心经济风险在于职业晋升阶梯的萎缩。劳动力市场可能同时需要大量经验丰富的专业人士，却又严重缺乏应届毕业生。只要企业依赖现有的人才储备或相互挖角，这种策略在短期内或许可行。但这种模式不可持续，因为经验必须先于招聘才能积累。.

对年轻人而言，进入职场的门槛越来越高，越来越注重实践，也越来越依赖技术。学位依然重要，但作为唯一资格却越来越少。对企业而言，挑战不在于怀旧地保留初级职位，而在于如何对其进行有效的重新设计。对教育政策和大学而言，挑战在于如何整合领域知识、人工智能应用、质量控制和真实世界的实践经验。.

因此，超过三分之二的下滑既非正常的市场调整，也非人工智能即将导致大规模失业的证据。这实际上是一个早期预警信号，提醒人们如果对未来技能型劳动力投入不足，或许就能解决当前的经济问题。如果德国取消了职业阶梯的最底层，那么日后无人能够攀升至顶峰也就不足为奇了。.