编者按
人工智能（AI）正在改变年轻人理解职业、规划教育路径和进入劳动力市场的方式。过去，职业指导主要依赖学校资源、职业顾问、雇主活动和劳动力市场信息；如今，聊天机器人、简历生成工具、职位推荐系统和AI面试练习工具已成为重要辅助。纳菲尔德基金会（Nuffield Foundation）与艾达·洛夫莱斯研究所（Ada Lovelace Institute）联合发布的报告《导航未来：面向年轻人的职业指导中AI应用的图景综述》（Navigating the Future: A Landscape Review of AI in Career Guidance for Young People），以英国职业指导体系为背景，梳理了AI在职业信息、职业建议、职业指导、求职申请和招聘环节中的应用。报告重点讨论，在AI已被年轻人、学校、职业指导从业者和招聘方广泛使用的情况下，公共政策如何判断适用边界、保留必要的人类专业介入，并建立证据、监督与评估机制，避免技术部署先于治理准备。
以下译文仅代表原文作者的个人观点与分析立场。详细内容请参阅文末原文链接。
作者简介
报告由艾米丽·坦纳（Emily Tanner）和雷纳特·萨姆森（Renate Samson）主笔完成。艾米丽·坦纳来自纳菲尔德基金会，雷纳特·萨姆森为独立顾问。报告由纳菲尔德基金会与艾达·洛夫莱斯研究所合作完成，研究基础包括文献综述，以及与英国四个地区的职业发展从业者、教育工作者、雇主、技术专家、政策官员等36名利益相关方的访谈。
纳菲尔德基金会是英国独立慈善信托机构，长期资助和推动与教育、福利、司法及社会政策有关的研究。艾达·洛夫莱斯研究所成立于2018年，关注数据和AI技术与社会之间的关系，核心目标是确保数据和AI服务于人和社会，并致力于在研究、政策与实践层面推动更公平、更负责任的技术治理。
图片来源：报告页面
01 青年就业转型中的职业指导需求正在上升
年轻人从教育走向就业的过程会深刻影响其成年后的发展路径。如今，这一过程正受到AI和其他数据驱动技术的影响。报告指出，当前年轻人面对的就业环境并不轻松：技术变革正在改变工作内容和技能需求，入门级岗位和毕业生就业机会面临收缩，求职竞争加剧，部分年轻人还面临健康、家庭环境、特殊教育需求和心理健康方面的挑战。与此同时，AI工具降低了投递简历和撰写申请材料的门槛，也使单个职位收到的申请数量增加，进一步加剧了竞争压力。
在这种背景下，职业支持的重要性反而上升。年轻人需要理解未来工作可能发生什么变化，哪些行业和岗位会增长或收缩，哪些技能和资格可能更重要，以及自己应如何在不确定的劳动力市场中作出教育和职业选择。然而，现实中的职业指导资源十分有限。报告提到，在英国不同职业支持体系中，学生在学校和学院阶段通常只能获得一到两次由合格职业顾问提供的个人指导，每次不到一小时；此外，职业顾问薪酬水平普遍较低，从业队伍规模也不足以覆盖所有年轻人的需求。
资源限制与AI热潮叠加作用之下，职业发展从业者也已开始尝试用AI工具提供职业信息、建议和指导。一些年轻人也开始直接使用ChatGPT等通用AI工具，希望更快获得个性化支持，帮助自己选择课程、规划职业、撰写申请材料或准备面试。报告由此提出一个核心判断：AI进入职业指导并非一个遥远设想，而是正在发生的现实；真正需要讨论的是，如何在缺乏充分治理和证据的情况下，识别相关机会、限制和潜在风险。
02 当前AI在职业指导中的应用情况
报告将AI在职业指导中的应用大致分为两类：一类是已经使用多年的窄AI（narrow AI），另一类是近年迅速兴起的基础模型，尤其是大语言模型。
AI工具正在从教育场景延伸至职业规划与就业支持领域
图片来源：Ada Lovelace Institute
一、窄AI应用
所谓窄AI，是指为特定任务设计、无法自由迁移到其他任务领域的AI系统。职业匹配算法、职位推荐系统、简历筛选工具、规则型聊天机器人等都属于这一类。窄AI在职业信息和职业建议领域已有较久的应用历史。例如，职业测评工具可以根据用户的技能、兴趣、资格、人格特征、地域偏好等信息，将其与特定职业类型或课程路径进行匹配；职位推荐系统则会结合用户简历、搜索记录、社交网络和职位偏好，向其推送“个性化”的机会；劳动力市场分析工具可以利用机器学习分析大量招聘数据，帮助政府、教育机构和职业顾问理解技能需求变化。
二、基础模型应用
基础模型的出现，使职业指导领域出现了新的想象空间。基础模型可以处理和生成文本、图像、音频等多种内容，也可以通过微调被改造为特定用途的工具。大语言模型尤其适合以自然语言方式与用户互动，这让AI从后台的数据分析工具变成了普通用户可直接对话的界面。报告提到，OpenAI的ChatGPT、微软Copilot、谷歌Gemini、Anthropic的Claude等工具，让年轻人和职业从业者可以直接输入问题，并迅速获得类似人类对话的回应。
在职业指导场景中，基础模型主要被用于几个方面：其一，为职业从业者提供行政支持，例如安排预约、撰写邮件、整理会议记录等；其二，帮助制作职业教育资源、课堂材料、问卷、测验和行动计划等；其三，辅助职业指导会谈，例如为顾问提供提示词、问题框架和信息检索支持；其四，为年轻人提供职业信息和职业建议，例如探索适合的职业、了解课程路径、修改简历、准备面试等。报告特别关注职业聊天机器人的兴起，这类工具尝试把大语言模型与职业数据库、劳动力市场信息和专业顾问知识结合起来，可以为年轻人提供更聚焦的职业支持。
三、英国相关制度背景
英国的制度背景也影响了其对于AI在职业发展中的应用方式。英国教育政策实行分权治理，英格兰、苏格兰、威尔士和北爱尔兰都有不同的职业支持体系。苏格兰、威尔士和北爱尔兰主要由政府主导的全民职业服务体系提供支持；英格兰的国家职业服务主要面向成年人，但13岁以上人群也可使用，年轻人主要通过学校、学院及由英格兰职业与企业公司（The Careers & Enterprise Company）监督的地区支持网络获得服务。在高等教育阶段，各高校通常以“职业、就业能力与创业服务”为统一框架来开展相关工作。这些制度安排共同构成了职业指导服务的实施环境，也意味着AI工具的有效运用往往需要与既有的教育体系、公共服务结构和数据基础设施进行一定程度的融合。
当前英国职业指导部门对AI的态度并不一致。报告引用相关研究，将当前从业者大致划分为五类：对AI缺乏理解的“初级使用者”（naive users）、持怀疑态度者（sceptics）、谨慎尝试者（cautious explorers）、有限接受者（moderate acceptors）以及积极采用者（enthusiastic adopters）。报告同时指出，职业指导领域已经开始通过培训、会议和专业资源建设回应这一变化。例如，职业发展研究所（Career Development Institute，CDI）正在提供相关培训，帮助从业者理解AI在不同职业指导场景中的作用、局限和伦理问题；高等教育领域的相关机构也开始围绕AI招聘、学生求职和就业能力服务开展培训与资源分享。不过，报告强调，现有能力建设仍然难以跟上AI对劳动力市场、技能需求、招聘流程和学生使用习惯的改变，职业发展从业者还需要深入理解AI如何改变年轻人所面对的职业世界，并能够在这一变化过程中继续提供可靠、专业和负责任的指导。
03 基础模型进入职业指导的机会与风险
报告将基础模型在职业指导中的潜在用途概括为五个方面：优化职业信息获取，形成AI与人类顾问结合的混合指导模式，支持公平与包容，提高职业从业者效率，以及扩大就业机会。报告同时强调，每一类机会都伴随风险，最终结果取决于人类如何设计、治理和实施这些技术。
一、优化职业信息获取
AI最直接的潜力之一是帮助年轻人和职业从业者更快找到相关职业信息。窄AI已经能够快速整理和分析大量劳动力市场数据，基础模型则进一步提供了自然语言交互界面，使用户可以用具体问题询问某个职业、课程路径、技能需求或地区就业趋势。理论上，这能够帮助年轻人获得更个性化的信息，减少家庭、学校、社区和既有社会网络对其职业想象的限制。
不过，需要注意的是，这一机会渠道高度依赖数据质量。职业建议若建立在过时、不完整、偏向特定地区或特定群体的数据之上，就可能对年轻人产生误导。通用AI工具的风险更高，因为它们通常基于互联网大规模抓取数据训练，并不一定接入高质量、实时、可靠的劳动力市场信息，也没有围绕职业指导目标进行专门调校。即便是经过特定数据微调的职业AI工具，也无法完全避免幻觉、偏见和不准确输出。基础模型本质上通过学习数据中的模式生成看似合理的回答，并不真正理解用户问题，也不能保证内容真实可靠。
更深层的问题在于用户的AI素养。职业顾问可以利用专业知识判断AI输出质量，年轻人则更容易把流畅、肯定、个性化的回答当成可靠建议。尤其在职业选择这种影响长期人生路径的领域，如果用户过度依赖AI，可能会基于错误信息、职业刻板印象或偏见数据作出不充分的教育和职业决策。报告特别提醒，通用模型可能强化与性别、族裔、地域、神经多样性等特征有关的职业刻板印象，进而打击部分年轻人的职业抱负。
二、人机结合的职业指导模式
职业指导不同于简单信息查询。报告引用英国职业发展领域的概念将二者进行了区分：职业信息是提供关于岗位、课程和劳动力市场的信息；职业建议是根据个人需求、目标和处境提出路径建议；职业指导则需要帮助个人探索自身优势、发展需求、抱负、障碍和下一步行动。也就是说，真正的职业指导包含理解、反思、澄清和支持，不等同于给出一个简单答案。
因此，报告认为AI更可能发挥作用的方向，是与人类专业顾问结合，而非取代人类指导。年轻人可以先使用AI进行初步探索，整理问题、了解岗位、准备材料，再与职业顾问讨论AI生成的内容。职业顾问也可以利用AI节省信息检索和资源准备时间，把更多精力放在复杂个案研究、与个体的深入交流和判断支持上。
人类顾问仍是职业指导的关键支持者
图片来源：Unsplash
这种混合模式的关键在于边界设计。职业AI聊天机器人需要清楚说明自己能提供什么，不能提供什么，何时应转接人类顾问，以及如何鼓励用户继续探索而不是直接接受结论。报告提到，一些研究正在探索如何通过对话设计，让职业聊天机器人在适当范围内提供信息与建议，同时避免充当不具备伦理责任和专业资质的“顾问”。
此外，一个现实的问题是，大学中的年轻人已经在使用ChatGPT、Copilot、Gemini等通用工具讨论教育选择、职业规划、心理健康、人际关系等问题，而这些主题之间的边界并不清晰。通用聊天机器人可以为用户营造一种“被理解”的感觉，使年轻人对其产生过度信任。即使他们知道AI存在幻觉和偏见，工具的即时回应和低门槛仍然具有吸引力。一个重要的提示是，职业顾问未来很可能需要在指导会谈中处理学生已经从AI那里获得的想法、建议和误解。
三、公平与包容
AI在职业指导中的一个重要承诺，是扩大机会。来自边缘化背景的年轻人往往更需要职业支持，却同时也更难获得高质量支持。低成绩学生、部分有特殊教育需求和残障的学生、选择职业教育而非高等教育路径的学生、缺少职业榜样和社会网络的学生，都可能在教育和就业转换中面临更多障碍。AI工具如果能够全天候提供服务、降低地域限制、根据个人情况调整内容，并为多元用户提供更灵活的线上交流环境，确实可能提高职业指导对于部分群体的可及性。
但报告强调，包容性不会自然发生，而是必须被主动设计入体系。若经济条件更好的学校更容易采购高质量定制AI工具，而弱势地区学生只能依赖通用免费工具，AI会加剧原有差距，并削弱社会对职业指导专业队伍的投入，那么可能会产生一个新的双轨体系：优势家庭学生获得付费工具、定制支持和社会网络，弱势学生则只能依赖网站和通用聊天机器人。当混合式服务被设计成一个更高级的可选项时，更有动机、更自信、AI素养更高的学生会更充分利用工具，而最需要支持的学生反而可能被排除在外。
报告还指出，在职业指导场景中，针对特殊教育需求和残障学生的AI工具讨论相对不足。虽然更广泛的教育技术领域已在及时关注个性化学习和无障碍设计，但在职业指导领域，面向特殊群体的包容性设计和证据仍然有限。
四、提高职业指导从业者的工作效率
对职业发展从业者而言，AI最直接的吸引力之一，在于它可以帮助其处理行政事务、制作部分材料，并在一定程度上缓解职业服务中的资源压力。报告提到，一些从业者正在尝试使用AI安排预约、撰写邮件、整理会议记录，也有人用多模态工具制作职业咨询材料、学生行动计划、职业测验和反馈表等。
然而，报告对此持谨慎态度。首先，AI是否能真正减轻工作量仍缺乏证据。教育、社会工作和医疗等领域的经验显示，被节省出来的时间常常会被新的行政任务填满。其次，用AI填补职业顾问供给不足，只能作为短期弥补措施，不能解决职业指导专业长期投入不足的问题。再次，AI日常化也会带来内容质量问题。报告提到，一些受访者担心低质量AI内容大量出现，损害职业资源质量和行业声誉；也有人担心从业者过度依赖AI，导致专业能力退化，尤其影响新进入行业的人。
更重要的是，职业指导本身并不只是提供信息。年轻人与职业顾问面对面或一对一交流，也是在练习表达、反思、沟通和自我呈现。如果学生被鼓励用数字工具替代人类互动，可能会失去发展社会交往和沟通能力的机会，也会减少被专业人士启发和支持的可能性。
五、扩大就业机会与求职支持
AI的出现已对年轻人的求职申请过程产生了重要影响。年轻人可以用AI修改简历、撰写求职信、回答申请表问题、准备面试等等。对于缺少社会网络、不了解招聘语言和职场表达规范的年轻人，这些工具可能有助于其理解职位要求，提升申请材料质量，并增加其进入面试的机会。大学也可能会向学生提供类似的简历检查和模拟面试工具。
但与此同时，这一领域的风险也在快速显现。报告提到，AI降低了申请成本，使求职者能够投递更多岗位，这也相应可能会导致每个岗位收到更多申请。雇主开始怀疑申请材料能否真实反映候选人能力，部分雇主甚至考虑重新回到线下面试和面对面筛选。但这又会带来新的不公平，例如需要旅行成本、时间成本和社交能力的线下面试，可能会使得部分候选人被排除在外。
AI降低了求职材料制作门槛
图片来源：Pexels / Unsplash
报告引用一项基于美国线上自由职业平台数据的研究指出，AI改善了申请材料质量，却未必能帮助最有能力者获得工作；相反，能力分布最高五分位的候选人被雇用概率下降，最低五分位候选人被雇用概率上升，说明AI可能削弱招聘材料对真实能力的区分度，使雇主和求职者都陷入新的不确定状态。
对年轻人而言，另一个风险在于认知外包。撰写个人陈述、简历和求职信的过程，本也是自我反思、理解岗位、表达匹配度和准备面试的过程。如果AI替代了这些思考，申请者可能会获得一份表面更流畅的材料，但却失去了理解自己与岗位关系的机会。职业指导部门未来需要帮助年轻人把AI当作辅助工具，而不是把自我理解和职业判断交给AI。
04 职业指导中AI应用的基本原则与制度条件
报告认为，想要使得AI在职业指导中真正产生积极效果，需要三个基础条件：目的导向的使用方式，持续的职业队伍能力建设，以及更清晰的监督和评估机制。
一、AI使用必须从目的出发
报告反复强调，AI部署不应由技术热潮或市场营销驱动，而应由清晰的职业指导目标驱动。大学、职业服务机构和政策部门在采购或开发AI工具前，应先明确自己想解决什么问题：是帮助学生理解劳动力市场，还是提高职业顾问工作效率？是扩大弱势学生可及性，还是辅助求职材料准备？是提供信息，还是支持深度职业反思？不同目标应对应不同工具、风险和评估标准。
目的导向还意味着必须承认AI不适合所有职业指导任务。AI可以整理信息、生成初稿、提供探索性问题，但它很难替代职业顾问对个人处境、情绪状态、家庭背景、信心变化和现实障碍的综合判断。若政策制定者和教育机构误把职业指导简化为“信息提供”，就容易把AI当成节省成本的替代品，进而削弱人类专业服务。
二、职业指导队伍需要持续能力建设
AI正在改变职业指导从业者的工作内容。职业顾问既要理解AI工具如何用于职业服务，也要能够向年轻人解释AI如何影响劳动力市场、招聘流程和技能需求。报告指出，英国职业发展领域已经出现相应的培训、研讨会和资源建设，例如职业发展研究所已将AI相关内容纳入职业伦理规范，并在投入开展面向从业者的培训。但受访者普遍认为，职业队伍能力提升速度仍无法追赶AI对劳动力市场、技能需求、招聘方式和学生行为的改变。
这意味着政策制定者不能只要求职业顾问“适应AI”，还需要提供持续的培训、操作指引和制度支持等。职业从业者需要知道何时可以使用AI，如何保护学生隐私数据，如何识别模型错误，如何将AI输出转化为更好的指导材料，如何处理学生已经使用AI生成的职业规划和申请材料等等。如果缺乏相应支持，AI可能只会增加从业者的负担，而不会真正提升职业指导质量。
三、必须建立监督、证据和评估框架
报告最重要的治理判断之一，是当前职业指导AI工具的证据基础仍然很薄弱。很多学校都在面对供应商宣传和技术热潮，但并没有足够信息判断工具如何工作、数据来自哪里、是否有效、是否安全、是否适合不同群体等。报告认为，采购决策不能只基于用户满意度、产品演示或营销材料，而应要求开发者提供效果证据、模型工作方式说明、数据来源说明和风险控制机制。
算法影响评估流程示意图
图片来源：Ada Lovelace Institute, Algorithmic impact assessment: user guide
对于公共部门使用的AI工具，报告建议填写算法透明度记录标准（Algorithmic Transparency Recording Standard），以说明工具如何运行、使用哪些数据、是否有有效性证据。教育机构和职业服务机构在部署任何数据驱动工具之前，也应开展数据保护影响评估（Data Protection Impact Assessment，DPIA），尤其是涉及基础模型的工具。
研究共同体和资助方的任务则更为基础。报告建议重点研究不同人机结合职业指导模式的效果，包括聊天机器人主导、人类顾问主导以及二者结合的不同用例；评估对象应覆盖不同年轻人群体，并关注对象的动机、知情决策、路径满意度、劳动力市场理解和就业结果等多种职业相关结果。同时，还需要建立可信评估框架，为政策制定和采购决策提供依据。
05 结论与建议
报告最后指出，AI可能能够帮助年轻人探索职业、理解自身技能和兴趣、获得更及时的信息，并在求职过程中获得支持。但当前的支持证据仍然有限，许多风险尚未被充分评估。AI工具要真正发挥作用，至少需要满足几个条件：接入高质量、及时更新的劳动力市场信息；使用鼓励好奇心和探索的对话流程；在专业人类支持的背景下使用；接受清晰监督和效果评估。
一、给政策制定者的建议
对政策制定者而言，报告建议继续投资职业指导基础设施，确保每个年轻人都能在适当数字支持之外，获得人类专业顾问的个人指导。政策部门还应规划职业顾问和职业负责人的持续培训，使他们能够负责任、合乎伦理地使用AI，并向年轻人解释AI如何改变教育、就业和劳动力市场。同时，应确保AI能够广泛获取高质量、最新的劳动力市场信息，促进英国四地之间分享AI用于职业信息、建议和指导的经验，并利用职业指导工具的评估证据，支持未来AI治理监管和立法框架建设。
二、给AI开发者的建议
对AI开发者而言，报告建议将“安全内置”（safety by design）作为产品核心，从设计初期就理解年轻人如何使用大语言模型聊天机器人，并设置必要防护栏。开发者应与终端用户、职业专家和研究人员合作，理解职业指导的目的和专业价值，并贯穿产品设计、开发和部署全过程。面向职业指导的基础模型工具所使用的微调数据，应当适当且必要，并尽可能具有代表性。开发者还应扩大并公开评估证据，不止于收集用户感受，还应测量工具对职业相关结果的实际影响。
三、给职业发展相关从业者的建议
对教育领导者和职业发展从业者而言，报告建议在采购、开发和使用AI产品前评估真实需求，采取目的导向方法；为与年轻人工作的职业顾问提供清晰AI政策；确保每个年轻人都能在适当数字支持之外获得人类专业指导；帮助教师、学生和家长提升AI素养与安全意识；把专业人类职业支持更多投向弱势背景学生；理解学生正在如何使用和回应AI等。
四、给雇主的建议
对雇主而言，报告建议通过职业讲座、工作体验、实习和课程资源，向年轻人和教师介绍AI在工作场所中的实际使用情况；公开招聘中允许候选人如何使用AI的政策；确保招聘流程中任何AI使用都促进包容与公平，而不是放大偏见或制造新的门槛。
五、给相关研究者的建议
对研究者和资助方而言，当前最重要的任务是补齐证据缺口。AI在职业指导中的讨论不能停留在“是否更方便”“是否更个性化”这样的表层判断，而要回答更具体的问题：什么样的年轻人在什么场景下受益？AI与人类顾问如何组合最有效？哪些职业结果可以被可靠测量？哪些群体可能被排除或受到伤害？怎样的评估框架足以支撑采购、监管和政策决策？只有这些问题得到回答，AI在职业指导中的使用才可能从零散试验走向负责任的制度化应用。
编译作者
萨娜，全球人工智能创新治理中心研究助理
原文链接：
https://www.adalovelaceinstitute.org/report/navigating-the-future/
