随着人工智能重塑入门级工作，组织需要重新思考如何培养专业能力，将知识管理、角色设计、学习以及辅导整合为一个统一系统。传统上，入门级工作被视为培养未来领导者的基地，但人工智能正简化或吸收了研究、文档编写、数据清理等任务，引发对就业的担忧。麦肯锡和LeanIn.Org的报告显示，入门级工人对人工智能的影响感到担忧，毕业生对开启职业生涯的悲观情绪上升。美国近期大学毕业生的失业率上升，入门级职位数量下降，斯坦福研究指出受人工智能影响的职业就业率下降。
组织应将入门级工作重新思考为在人工智能赋能环境下构建专业知识的基石，使初级员工具备设计、开发、引导人工智能系统的能力。微软两位高级工程领导指出，智能编码助手为资深工程师提供“AI助力”，却给初级开发者带来“AI阻力”，建议继续聘用初级员工，接受他们最初会降低产能的现实，并将他们的成长明确为组织的明确目标。麦肯锡调查数据显示，生成式人工智能的使用正开始影响某些组织中入门级职位的需求。
为培养下一代专家，组织可以关注四个方面：
- 知识管理：将顶尖表现者的思维模式编码，构建知识体系，嵌入专家验证、反馈机制，权衡输入，使累积的判断优先于零散的经验，系统应不断改进优化“何为优秀”的标准。
- 入门级角色设计：围绕与AI输出协作、监督和改进来重建角色，招聘时应注重判断力而非工具熟练度，扩大招聘范围，目标是招聘“全能型选手”。
- 基于人工智能的学习设计：将学习融入实际工作中，使员工在产出真实成果的同时建立判断力，由人工智能担任嵌入式指导和评审者，以“尝试后检查”循环为基础进行设计。
- 管理者能力提升：将辅导视为核心能力，赋能管理者进行判断、情境和影响力的辅导，可考虑通过导师制来正式化这一角色。
组织应将辅导视为培养早期职业人才的核心能力，而非临场考虑。管理者需要塑造员工如何思考、沟通以及如何参与业务。早期员工对工作的期望并未改变，企业不能将初级人才视为临时工，而应将目标明确的技能培养与引人入胜的员工体验相结合。发掘初级员工的潜力需要在知识管理、工作流程与角色重塑、基于人工智能的学习设计、管理者能力提升四个方面进行有意的设计。
持续投资于青年人才，同时重新设计工作角色以与人工智能协同工作的组织，更有可能培养出未来所需的技能型人才。尽管入门级工作的门槛在提高，但核心技能的层级结构却变化甚微。
