自2022年底生成式人工智能（GenAI）出現及快速普及以來，職場的變化早已不只停留在「工具提升效率」的層面，而是逐步、深刻地反映在招聘結構之上──入門級職位數量持續下降、對新人的要求明顯上移、工作內容被大幅重組。對即將畢業的年輕人而言，最直接的感受是：求職旅程變得緩慢而艱難、更多不確定性，而招聘企業機構亦更依賴畢業生可被驗證的經驗與能力。
從數據看，這種收縮絕非零星現象。根據大學聯校就業資料庫（JIJIS）數據顯示，適合大學畢業生的全職職位空缺由2022年約8萬個急跌至2025年約3.1萬個，三年間減少近5萬個，跌幅高達六成。若按工種類別拆解，行政、資訊科技與編程等較易被自動化替代的領域，跌幅更分別接近九成及八成。這組數字的重要性反映的不是單純的初級職位「競爭加劇」，而是香港勞動市場入口正在結構性地收窄。
職缺收縮特別集中在畢業生層
GenAI在企業內部的落點，往往精準瞄準那些可標準化、可重複、可模版化的工作──例如資料整理、初稿撰寫、簡報製作、基本市場搜集、客服回覆、程式碼的例行修改、資料輸入與初步分析等。這些工作過去常由初級員工擔任，亦是新人用以熟悉組織運作、建立職場認知的主要渠道。
當企業能以GenAI工具以更快速度、更低成本完成同類工作量，最先被重新計算的，往往就是初級職位的必要性。
因此，市場並非只是在「裁員」，而是不再新增以及減少初級職位──組織仍保留一定的核心人手，但把新人的空間大幅縮小，改以更少人力配合GenAI工具完成產出。這也解釋了為何部分領域的跌幅會特別顯著──工作流程愈清晰、輸出格式愈固定、資料愈結構化，就愈容易被GenAI納入工作流程，取代空間也就愈大。
僱主預期轉變：由觀望到不得不調整
筆者曾在2023年第4季與港大團隊訪問接近300位僱主，深入了解香港僱主對GenAI發展的判斷及對畢業生的期望。當時仍只有不足一半的受訪公司機構初步運用或計劃使用GenAI；同時，不少僱主傾向把GenAI理解為提升效率的輔助工具，而非改寫職位設計與人力配置的關鍵因素。
然而，市場的調整從來不會等到觀點一致才發生。當先行企業在成本與效率上取得明顯優勢，同行便被迫跟進；加上GenAI工具成熟度持續提升、錯誤率下降、導入門檻降低，企業由「可用可不用」逐步轉為「不用便落後」。在此條件下，招聘策略出現更明顯的收縮與上移，實屬可以理解的結果。
大企業與中小企：同樣審慎 但資源不同
在招聘策略上，企業規模會顯著影響其應對方式：大型企業仍維持一定招聘規模，主要基於人才梯隊建設與長期布局的需要，同時亦有足夠資源承擔培訓、流程重整與合規治理。不過，即使持續招聘畢業生，大型企業現時亦更強調新人能否快速利用GenAI在工作流程中產出價值，對畢業生「即戰力」與「可用性」的要求明顯上升。
中小企相對則更容易縮減初級人手。在經濟結構調整與資源有限的背景下，中小企傾向把可自動化、可外包的工作交由GenAI或外部服務處理，以降低固定人力成本。這直接導致市場上最常見的入門機會減少，也令畢業生更難找到第一份工作。
學歷普及化 差異點轉向經驗與可證明能力
香港大學教育已越趨普及化，一如其他發達國家，學位本身的區隔能力隨之下降變成新常態；當市場入口同步收窄，僱主自然更依賴能被驗證的訊號──例如畢業生的實習經歷、專案作品、推薦信與面試表現等。
筆者近期接觸了一些品學兼優的大專學生，也聽到相近的描述：他們投遞大量履歷應徵工作，但回覆比例偏低，例如投放了100份簡歷只有2至3個回音等；畢業生求職壓力顯著，甚至有同學出現焦慮相關的症狀。
這些經驗未必代表每位畢業生都面臨同樣困境，但它清楚提示當初級職位空缺縮小時，職場崗位的結構性調整會大幅放大畢業生求職的成本，並最終轉化為大專學生實實在在的心理壓力。
短期較可行的方向：校企合作成可累積的路徑
在短期內，筆者認為較務實的做法之一是切實加強校企合作，讓學生更早接觸真實工作情境，累積可被市場理解與認可的經驗。
香港的大學整體實力強勁，多所院校在國際排名中位列前茅，例如就有五所香港的大學位列QS 100強的位置；同時，不少學校也積極推動跨學科培育，例如香港大學跨學科文理學士課程（Bachelor of Arts and Sciences（BASc）、香港浸會大學藝術及科技文理學士（榮譽）課程 （Bachelor of Arts and Science（Hons）in Arts and Technology）等，為學生提供硬技能與跨界視角的雙重裝備。
然而，除一些高度專業化的工種以外（如醫護、教師、社工等），香港職位相當高比例來自商業機構與公營機構。相比學科專業，這些僱主更重視畢業生的軟技能──包括工作態度、解難能力、溝通能力、分析能力、協作精神、責任感與情緒管理。現今新一代成長於高度數字化的環境，面對面溝通與職場互動的訓練相對不足，因此僱主對「溝通能力落差」的反映相當普遍。
值得留意的是，大學雖然投入了一定資源用於職涯訓練，但絕大部分培訓均在沒有學分或制度性要求下進行，容易產生學生參與度不足的現象，相關技能培養便更難形成累積效應。
若要提升成效，筆者建議校企合作可朝「可持續、可分階段、可評估」的方向系統設計──例如完善實習與Co-op計劃等「工作體驗學習」模式、企業命題專案、業界導師制度，以及把部分職涯能力訓練正式納入學習成果評核，讓大專學生從入學第一天起，便有意識地累積可被市場辨識的能力。
〈生成式人工智能時代〉（二之一）
