AI的出现，挤走了办公室里的实习生。
在职场 ，实习生往往承担部分简单的工作 ，来换取积累经验的机会 。也因为职责简单，AI出现后 ，实习生成为了办公室里最先被挤走的角色 。
实习是工作的预演 ，为人们从学生阶段过渡到职场积累经验。在这个阶段，学生们可以提前直面工作中的具体事务和磨难的挑战 ，与此用人单位也会提供给实习生更多试错的容忍度 。
AI来了 ，实习生们被“卷”着进入了下半场竞争 。
一 、实习生的工位空了
办公室的最后一排空了，那原本是留给实习生的工位。
在上海长宁，黄莱春节假期后回到公司 ，就开始劝退组内的实习生 。在这家主营灯具的企业 ，黄莱主要负责儿童智能台灯的市场运营与媒介投放 。日常工作的内容，就是联系社交平台上用户画像与产品用户相符的博主 ，和他们合作投放推广内容 、维护推广后的舆情。过往 ，公司配给黄莱2到3名实习生协助工作。
复工前，黄莱接到通知 ，公司重新规划了使用实习生的策略 ，把配给她的实习生名额从3名缩减到只剩1名，鼓励黄莱和同事多用AI工具提高工作效率、把关投放内容 。
经过数日的沟通 ，黄莱劝退了几名实习生 ，留下了一名过往每月能谈成最多合作单子的实习生 。公司也不给实习生提供工位了，改为线上实习 ，要求24小时待命。
原本 ，实习生是黄莱手下主要的“员工 ” 。
黄莱指挥，实习生们负责执行 。实习生们需要先从社交平台上搜寻，列出一份可合作的博主名单。黄莱审阅 、挑选出合适的合作博主后 ，交由实习生去联系合作 。
有时 ，合作创作的推广内容太多，也会由实习生看过后 ，审核合作图文和视频脚本 。
实习生们也会参与合作作品发布后的“控评 ”环节 ，主要负责写一些符合公司期待的评论，使用自己的小号到合作内容下发布。实习生的工作 ，帮黄莱省下了一些审阅内容和精力 。
这样的工作状态持续已久 。
启用实习生 ，公司无需支付底薪，每参与完成一次合作 ，实习生可以得到300元报酬 ，这种雇佣方式过往帮黄莱所在的公司节省了大量人力成本。
不过，由于实习生流动速度快 ，在合作内容的把关和判断上 ，黄莱没有时间培养出可以稳定判断内容的助手 。实习生审阅 、修改后的稿件，她往往还需要耗费时间和精力大改一遍 。所以，黄莱工作起来依然觉得费时费力。
实习生离场之后 ，几个电脑里的AI工具 ，成了黄莱的新“下属”。
黄莱感觉，AI的加入 ，加速了她的工作流程 。植入了商业宣传的稿件 ，黄莱可以交给AI润色并进行针对性调整 。控评需要数条文案，黄莱也可以用AI工具花数秒钟生成。
黄莱说 ，实习生名额缩减并未影响她的工作效率 。
与内容生产者谈合作的任务 ，黄莱依旧交给实习生 。其他诸如内容创作、审核，以及控评的工作 ，AI可以帮助她更快 、更好地完成 ，还省略了过往黄莱需要和实习生沟通修改意图和内容目标的步骤。
黄莱说，把关AI生产的内容 ，比把关实习生生产的内容要省力得多 。
过去两年 ，人工智能突飞猛进地渗透人类生活，提速了各个行业的生产效率 。在数据处理和文档生成等工作任务上，AI的完成效率远高于普通人类。在职场 ，这些工作往往被调侃为“Dirty work ” ，往往也交由实习生负责 。
随着这些基础工作被日益强大的AI胜任，在各行各业的办公室内 ，实习生的生存空间不断遭到AI挤压 。
在广东一家地方报社的编辑部 ，李森发现，办公室没那么热闹了。
以往 ，部门会在每年夏季 、秋季和冬季集中招聘实习生 ，每批6到7人 。孩子们喳喳嚷嚷地挤在编辑部的办公室里，热闹不已 。到了中午 ，有人在群里吆喝一声 ，编辑部的坐班记者、编辑和实习生就一起出动，把附近某家餐馆的长桌“包圆儿 ” ，有的餐馆桌子不够大 ，还得把隔壁的桌子拼到一起才行。
稚嫩的实习记者们，肩负了编辑部新闻报道过程中大量繁琐而重要的基础性工作。
李森主要关注国际新闻 。上一个选题还在深入分析中东局势，下一个关注的议题就要求他去研究欧洲的热点事件 ，这种情况经常发生 。
报道需要兼顾速度与深度 ，这要求李森在短时间内掌握新闻事件的前因后果和各类数据资料。
整理资料是一件繁琐而又耗费时间、精力的事情，实习记者们为李森提供了重要帮助 。
实习生会按照李森的需求 ，提前准备好扎实的资料整理供李森阅读 。为了方便李森跟进议题进程 ，实习生们还会按要求检索并整理好与选题相关的海内外报道，标注报道来源与刊发时间 ，供正式记者参考。
自从2024年下半年 ，记者们开始在工作中大量使用AI，李森发现 ，报社放出的实习生招聘岗位变少了 。
一开始 ，他没意识到AI会如何改变自己的工作，只是觉得生活中看到AI助手广告的频率增多了 。而后 ，他发现身边的同事夸赞不同AI智能体的声音喧嚣了起来。再度回过神来 ，他发现自己已经对不同AI智能体的风格差异烂熟于心，会有意识地把不同的任务派给不同特质的AI工具 。
身边的同事，也或多或少地利用AI来辅助工作 。实习生是在不知不觉中 ，被AI“挤走”的。AI 作为一个强大的检索与整理工具 ，短短几分钟就能将李森关心的话题事件前因后果详细罗列 。此前需要实习生一天完成的工作，基本上半天不到就能结束 。
办公室里人少了。如今 ，大家不常一起出去吃饭 ，有时候两两结对去吃饭，有时候各自点外卖吃。
二 、AI卷起实习门槛
一些行业中 ，AI覆盖了大量基础性工作之后 ，留给实习生的岗位没有消失，只是更“卷 ”了 。
在广东 ，陈章意识到 ，公司对实习生入职的考核越来越苛刻 。
他所在的外贸公司自年后开始要求员工，要利用AI提高效率。会使用AI工作 ，也列入了实习生的应聘考察项目中 。如果不会使用AI助手 ，就无法通过实习面试 。
过往，公司只要求实习生们负责收集数据 、整理资料。如今，这两项工作交给了AI ，以前实习生需要花两三天完成的工作 ，只要指令和思路明确，陈章和AI配合 ，不到一天就能完成 。AI收集数据并整理好资料之后 ，还可以通过数据分析工具，自动生成可视化报告 ，做得又快又好 。
陈章说 ，如今实习生光会听话，按照正式员工的要求收集数据、整理资料 ，已经无法入职实习。他们需要发挥更多才能 ，主动思考产品逻辑，像正式员工一样拥有独立完成部分工作的能力 ，才能得到实习的机会 。
准应届毕业生丁悦乔将于2025年年中毕业 。
至今 ，他已经历了4份实习。对于新变化，丁悦乔心情复杂 。
丁悦乔的四份实习中，一份是运营维护 、一份是用户运营 、另外两份是数据标注实习 ，拥有一个亮眼的岗位名称——AI训练师 。在丁悦乔眼里 ，这些工作是普通人离AI行业最近的抓手，“AI是风口 ”。
找实习的面试过程中 ，他发现不少公司已经在用算法和prompt（提示词）优化标注流程 ，替代掉一些基础标注岗位。数据标注的工作不需要太多创造性，更多是执行 ，门槛低 ，之前被丁悦乔视为进入 AI 领域的最佳机会 。如今，实习岗位消失 ，让丁悦乔感觉到危机感——可能很快 ，AI也会挤掉正式员工的岗位 。
原本，数据标注做得好 ，可以向上发展为AI产品经理或AI训练师 ，直接与产品算法工程师对接。现在，丁悦乔的希望被不断削弱 。他留意到现在标注岗位要求正在不断抬高 。一些代码相关的标注岗位，明确需要具备代码能力的人。只有掌握更加牢固的知识 ，才不容易被淘汰 。“在AI学会像人类一样自主思考之前 ，优质数据的投喂仍然需要高知识水平的人来完成”，丁悦乔说 。
如今 ，他不仅时刻留意着AI相关岗位的动向 ，还在不停学习，更新知识 ，以跟上AI变化的步伐。
临近毕业 ，研究生陈琳霏发现，行业对于实习生的要求升级了 。
本科阶段 ，陈琳霏曾到媒体实习 。当时 ，她被分到的工作不太需要思辨。能够帮助记者整理过往报道和数据资料，穿插一些简单的采访 ，采访后帮记者整理采访录音 ，把录音内容转化为文字固定在文档中即可 。只有少数时候，她需要参与到稿件的写作中 。
AI替代了简单的工作后，这份实习工作“卷”上了新台阶。
独立操作选题的能力变成了入门的门槛。陈琳霏不得不比以往投入更多精力 ，打磨稿件 ，提升写作能力 。
和陈琳霏同时期入职的一名实习生，在入职第二个月的时候就放弃了 。离开前 ，她们一起吃了一顿饭。女孩和陈琳霏说 ，与其继续痛苦地磨合与适应，不如赶紧结束 ，去其他领域寻找可能性 。
陈琳霏决定扛住压力 ，尽力留下来 。
通过观察学习，她尝试像正式记者一样 ，用AI寻找资料、草拟采访提纲 ，完成采访后写作稿件。和3年前相比，她更加焦虑 ，也感觉更加兴奋 。
因为无需承担简单的基础性工作 ，她可以花更多时间思考和学习，和正式记者一样，在选题会上提出自己的想法 ，争取编辑认可后 ，通过自己的工作表达自己对现实世界的关切和想法 。
在AI激起的浪潮中，陈琳霏发现自己成长得更快了。
第一个月 ，她提交稿件后 ，得到的反馈往往严厉 。她的表达不合要求，太过随意 ，带教的老师提醒陈琳霏 ，她的专业词汇用得少，显得不专业 、口水化 ，这是媒体记者所积忌讳的 。
与此带教老师也会提醒她 ，一些稿件的内容分析过于浅显，没有信息增量 ，欠缺逻辑。
凡此种种 ，每一次独立操作稿件，陈琳霏都能在实战中找到自身的漏洞，查缺补漏 。
实习期临近第三个月时 ，陈琳霏已经养成了独立工作和围绕工作需要的自学能力 。上班前的通勤路上 ，她会看热点信息，听财经播客；下班回去后还会继续思考稿件怎么做 ，焦虑找不到合适的采访对象。
在她看来 ，在AI卷走繁杂而简单的工作内容后，实习变得焦虑也变得充实。
三 、实习生退场之后
李姗姗在一家内容创作机构工作 ，AI的出现确实缓解了她不少压力 。AI能帮她快速生成稿件提纲 ，文字连贯，用李姗姗的话来说 ，只是AI味稍重些 ，需要她调整和改写 。
AI取代了实习生的地位，可以更好地配合李姗姗提高她的工作效率。
不过最近 ，李姗姗渐渐地发现 ，AI并非“救世主 ”，而是化身成一条无形的鞭子，替上司抽打着她日夜奔忙 。
AI 如潮水般涌现在各大社交平台 ，仿佛一夜之间 ，它成了无所不能的魔法师：写文案、生成图片 、剪辑视频，似乎只需轻轻一挥魔杖 ，便能一本万利 。
这种强大的魔力 ，也在影响着人们——比如李姗姗的上司——对AI能力的预期。
当实习生离场，最终AI还是卷到了正式员工身上 。李姗姗发现 ，AI能多大程度“卷 ”到员工 ，实际上不取决于它能做什么，而取决于员工的上司认为AI能做什么 。
在李姗姗的公司 ，AI强大的生产能力被管理层视为高效的生产机器。
她的上司认为 ，下属有了AI加持，生产效率便可理所当然翻倍 。因此 ，指令不断加码 ，“如同催命符”，让她开始承担比以往更多的工作量 。
AI能快速生成一份文稿，并非拿来就能用 ，李姗姗依然需要花费大量时间润色和调整。但这些 ，李姗姗的上司感受不到 。
借着AI能提升效率的名义，一些过往需要耗费一周才能完成的工作任务 ，如今上司要求李姗姗在三四天内完成 。
这让李姗姗十分疲倦：“AI只能帮助一个人提高效率 ，无法硬生生让一个人完成三个人的工作。 ”可惜姗姗的上司不这么认为。
这一认知分歧，最终往往以下属的妥协作为结尾 。现实中 ，由于上司调整了工作量要求 ，AI又无法如上司预期那样，提升李姗姗的工作效率 ，结果就是 ，李姗姗的加班时间比以往更长，压力也更大 。因为在上司的认知中 ，学会使用AI之后 ，李姗姗要做得又快又好。
每天，光是完成任务已让李姗姗疲惫不堪，更是难有时间带实习生 。紧凑的时间 ，让她没法先交由实习生写作 ，自己再进行润色 、整合 。AI的多模态能力确实颠覆了文字、图片 、视频领域的内容生产，但这种“颠覆 ”还远未达到完全替代人类的程度。换言之 ，AI是一匹好马 ，能带人行千里；但它也还只是一匹野马，仍然需要人类手中的缰绳 。
罗娜曾在一家互联网大厂担任实习生 ，主要维护公司内部“看板” 。
看板上显示销量 、盈利、亏损等数据 ，运营和产品经理会根据这些数据安排工作。罗娜偶尔也需要根据上司的要求，增添新产品数据 。罗娜会利用 AI 查询和调试代码 。但她经常记不住一些代码参数 ，不得不依靠 AI 提示。有时候 ，面对上级指派过来的复杂任务，她也会犯难 ，不知道用什么代码才能实现上级要求的功能 。这时 ，她都会转向 AI 求助 。
“我现在主要用的都是免费AI，功能还不是很强大。 ”罗娜表示，她没法将自己的需求一次性告诉AI、让它直接输出一个完整方案 ，只能先拆解自己的需求 ，一步一步教 AI 输出她想要的答案。
如今，罗娜已经成为正式员工 ，成为实习生的带教老师 。她感慨道 ，现阶段训练AI的成本高昂，她也因此看到了实习生的核心价值 ，也就是他们的学习能力和成长潜力 。
罗娜说 ，AI可以完成特定任务，但它无法像人类一样通过实践积累经验 ，更无法智能化 、个性化地完成任务。如果交由AI ，AI没法在本地自行调试，“它就是很傻瓜 ，没法验证自己做得对不对 ，还是得要一个人来跑一遍 。 ”
在AI挤走了实习生之后，越来越多留在职场的正式员工开始期盼实习生回归职场 。
*文中人物信息有模糊
