哪些岗位在增长，哪些正在消失？数据已经给出答案

过去两年，人工智能对就业结构的影响，已成为全球范围内最受关注的议题之一。多家机构基于宏观模型与任务自动化框架，持续预测未来10年内将有大规模岗位被替代或重构。这些研究在很大程度上塑造了公众与政策层面对AI冲击的认知，但与此同时也引发了持续的争议。其核心原因在于，这类预测往往依赖“技术可以做什么”的理论推演，而非“企业正在如何用人”的现实观察。

因此，我们以标普500成分股企业为样本，覆盖27个行业板块，基于领英人才洞察平台的实际用人数据，对过去一年中各行业已经发生的职位增减变化进行系统梳理。目标是从企业真实的人才配置决策出发，刻画AI时代职位结构的实际演化路径，关注企业事实上已经在调整哪些岗位，以及这种调整在不同行业中的具体表现。

五个跨越行业边界的趋势

在对27个行业的职位变化进行系统梳理之后，可以识别出五个具有高度一致性的跨行业趋势。

在多个行业中，仓储、物流及一线操作类岗位反复出现在增长列表的前列。从机制上看，这一趋势与电商渗透率提升、供应链体系重构以及物流基础设施扩张密切相关。另外，尽管AI在理论上具备替代部分重复性劳动的能力，但在现实生产与物流体系中，这类岗位仍然承担着AI难以完全替代的执行功能。

在本研究所覆盖的行业中，软件工程师几乎在所有行业的增长职位中间出现，包括航空航天、化工、制药、公用事业、保险以及餐饮等传统上并不以软件开发为核心的领域。例如，在公用事业行业中，有9家发电及输电企业同步扩招软件工程师；在化工行业中，也有7家企业呈现出相似趋势。这一现象并不意味着软件行业本身的扩张，而是反映出传统行业正在将软件能力内嵌为核心运营能力的一部分，从而减少对外部IT服务的依赖。

在多个行业中，基层销售执行岗位与技术支持型销售岗位呈现增长态势，而高级销售管理岗位则出现下降。例如，在交通运输行业中，销售经理与销售专员在6家企业中同步增长，而高级客户总监与全球客户经理则呈现收索；在软件行业中，解决方案工程师与客户成功工程师增长显著，而联邦客户总监及高级咨询分析师则出现下降。这一变化反映出销售模式正在从以关系维护为核心的传统结构，逐步转向以技术解决方案与产品理解为核心的模式。在这一过程中，AI工具在客户分析、需求识别及销售支持中的应用，也在一定程度上降低了对高层关系型销售角色的依赖。

在多个行业中，高级项目经理、高级工程经理及高级产品经理等职位均出现下降。这一趋势在一定程度上反映出AI对信息处理与协调任务的替代效应。当项目进度跟踪、风险识别及跨团队沟通等任务逐步由系统辅助甚至自动完成时，中间层在信息传递与整合中的功能将被削弱。

机器学习工程师、数据科学家与数据工程师等出现在多个行业的扩招列表中。相比之下，这类岗位在两年前仍主要集中于互联网与科技企业。这表明，AI人才需求正在呈现出明显的行业化与场景化特征，即不同行业开始围绕自身业务场景引入数据与算法能力。

AI时代，能力需求、岗位设计与组织形态将如何演变

基于分析结果，并结合当前人工智能技术的应用路径，本研究对未来3至5年劳动力市场的可能演化方向提出三个维度的判断。

能力需求的重新定义：从知识存量到判断力与执行力

在能力需求层面，劳动力市场的价值评估正在从“知识存量”转向“判断能力与执行能力”。随着大语言模型等工具的发展，原本需要通过长期经验积累才能获得的专业知识，正逐渐以更低成本被获取与调用。这一变化并不意味着知识本身不再重要，而是其稀缺性在下降，从而削弱了以“掌握信息”为核心的能力优势。相应地，企业在用人决策中，将更加重视个体在不确定情境中的判断能力，以及将决策转化为具体行动的执行能力。

需要强调的是，知识的这一“去稀缺化”过程，并不等同于知识在工作中的作用被削弱。相反，知识正在从直接的生产要素，转变为支撑判断与使用AI工具的基础条件。换言之，虽然越来越多的知识可以由AI生成，但个体是否具备相关领域的基础理解，仍然决定其能否有效评估AI输出、识别潜在错误，并将其转化为可执行的工作成果。

职位演化的方向：三类职位的不同命运

在职位结构层面，可以基于当前数据将未来岗位的演化路径，概括为三种不同类型。

这类岗位直接嵌入物理世界或依赖现场互动，例如物流操作、一线服务、现场技术支持与临床护理等。从当前趋势来看，这类岗位在短期内仍将保持稳定甚至扩张。即便在AI辅助下，这些岗位的工作方式可能发生变化，例如通过数字系统进行调度优化或信息支持，但其核心执行功能仍需要人类完成。

，例如软件工程师、机器学习工程师、数据科学家以及解决方案工程师等。这类岗位不仅在当前数据中呈现增长趋势，而且正在从科技行业向传统行业扩散。与传统意义上的“技术岗位”不同，这一类职位的核心价值不在于单纯的技术实现能力，而在于能否将技术嵌入具体业务流程，并在复杂情境中对AI工具进行有效配置与调优。随着AI编程与自动化工具的普及，基础性开发任务的门槛正在降低，这在一定程度上削弱了初级技术岗位的稀缺性；但与此同时，能够理解业务需求、设计技术路径并对AI输出进行判断与整合的高阶岗位，其重要性反而上升。换言之，技术本身正在从直接创造价值的手段转变为被组织配置与调度的资源，而能够完成这一配置过程的复合型人才，将成为未来岗位结构中的关键节点。

，其典型特征是以信息传递、流程协调或经验积累为主要价值来源，例如中层项目管理、高级分析支持、传统IT运维以及部分通用型销售管理岗位。从当前数据来看，这类岗位在多个行业中呈现出较为一致的收索趋势。其背后的原因在于，这些职能所依赖的核心任务，如信息整合、进度跟踪、跨部门协调与模式识别，正是人工智能最容易介入并实现效率提升的领域。

组织形态的演化：从金字塔到哑铃型

企业内部的人力资源正在呈现向两端集中的趋势：一端是少量具备高度专业能力的技术与战略岗位，承担复杂决策与关键系统构建；另一端是大量直接参与价值创造的一线执行岗位，嵌入生产、服务与客户交付场景之中；而传统位于中间层的管理与协调结构，则在多个行业中表现出相对收索的趋势。

这种结构可以理解为一种“哑铃型”组织，即两端强化而中部压缩。在这一过程中，管理方式也将随之调整。

随着AI工具在信息汇总、任务分配与进度监控中的应用逐步成熟，管理幅度有可能在一定范围内扩大，一位管理者能够覆盖更大规模的团队，而无须依赖多层级的中间结构来传递信息。同时，绩效管理的重心也可能从过程控制逐步转向结果导向，即管理者的价值更多体现在目标设定、资源配置与团队支持上，而非对执行过程的持续监督。

从组织运行机制的角度来看，这种结构变化还可能带来一个重要后果，即组织内部的“能力边界”发生重新划分。过去由中层岗位承担的部分协调与整合职能，可能被重新分配到技术岗位或一线岗位之中，使得这些岗位在能力要求上更加复合化。例如，一线执行岗位需要更多地理解数据与系统反馈，而技术岗位则需要更深入地参与业务流程与决策情境。

在人才战略层面，这一变化意味着企业将面临更加明确的路径选择：是继续依赖外部招聘来填补新兴能力缺口，还是通过系统性的内部再培训与岗位重构来实现组织转型。对于那些需要进行能力体系重构的传统行业企业而言，仅引入AI工具本身并不足以支撑转型，关键在于是否能够围绕技术应用，对员工能力结构、岗位设计与组织流程进行协同调整。在这一过程中，技术投入与人力资本投入需要同步推进，否则可能出现“工具升级而组织未变”的不匹配现象。

因此，从未来3至5年的视角来看，组织形态的演化更可能表现为一个渐进过程，而非一次性重构。不同企业在这一过程中的节奏与路径可能存在差异，但总体而言，那些能够在技术应用与组织调整之间形成有效联动的企业，更有可能在这一轮结构性变化中获得持续优势。

我们所处的历史坐标

本报告所呈现的，是一张基于2025年3月至2026年3月期间企业用人决策的横截面图。它既不是对“AI将全面取代工作”的佐证，也不是对“AI影响有限”的反驳，而是试图在具体数据基础上，对一个正在发生的、复杂且多维度的劳动力市场变化进行相对客观的刻画。

总体来看，人工智能的影响并未表现为对工作的简单“替代”，而更接近于对不同类型工作的“价值再分配”。

与其关注某一具体职位是否可能被替代，不如关注自身是否具备在不同情境中理解、使用并调节AI工具的能力，以及在复杂环境中完成判断与执行的能力组合。

在这一过程中，单纯引入技术工具往往不足以带来实质性改变，更关键的是围绕技术应用，对岗位设计、能力结构与组织流程进行系统性调整。

总体而言，

变革正在发生。数据告诉我们，它比想象中更具体、更分散，也更充满机遇。