如果一家广告公司让 AI 包办改尺寸、出草图、做版本这些基础工作，眼前看当然更快、更省钱。问题是，新人过去正是在这些“不那么重要”的任务里学会判断：什么只是像样，什么才真正出色。若工作被自动化，训练也可能一起消失。
这是英国广告与设计非营利组织 D&AD 在《AI & Creativity Report 2026: The Cost of the Shortcut》中提出的警告。D&AD 创立于 1962 年，其 Pencil Awards 是国际创意行业的重要奖项；它也长期参与创意教育，因此这里谈的不只是招聘数量，而是广告业如何培养下一代创意人。
报告由 Shutterstock Studios 赞助。本文数据与判断均来自 Reel 360 News 对该报告的转述，尚无独立信源印证。
AI先拿走的，可能正是训练
D&AD 认为，广告业面对的风险不只是岗位被替代。更深的问题是：企业削减初级岗位，同时让 AI 接手重复性任务，可能拆掉新人形成判断力的环境。
这套成长方式可以叫“学徒式学习”：新人先执行风险较低的工作，反复修改，接受批评，观察资深同事如何取舍，也在犯错中积累经验。报告用一句很直接的话概括：“工作本身就是训练。”
人才梯队因此不是一张静态的组织架构图，而是一条从初级执行者走向资深创意领导者的培养链。今天减少入口岗位，短期只表现为效率提升；它对中高级人才供给的影响，可能要几年后才显现。
会生成，不等于会判断
报告分析了超过 10,000 件 D&AD Awards 参赛作品，并访谈来自 30 个国家的 197 名创意行业领导者。2026 年，申报使用 AI 的参赛作品占 27.6%，同比增长超过一倍。
在这些申报使用 AI 的作品中，56.2% 使用了生成式 AI——也就是能根据指令生成文字、图像等内容的工具。但在申报使用 AI 且获得 Pencil 的作品中，生成式 AI 占比只有 44.7%。D&AD 据此认为，使用 AI 本身并不是通往顶尖创意表现的捷径；原创性、工艺与人的判断仍然构成差异。
这组数字需要谨慎读。它只覆盖 D&AD Awards 的参赛作品和自报口径，不能代表整个广告业的 AI 使用率。56.2% 与 44.7% 的差距也只是样本中的相关性，不能据此断言生成式 AI 降低了获奖概率，更不能证明差异一定来自人类判断。
D&AD CEO David Patton 提出了另一个麻烦：AI 让低质量作品不再显得粗糙，而可能呈现为“competent, polished, and generic”——合格、精致，却很普通。当“看起来能交差”的方案可以批量生成，新人反而更难学会区分合格与优秀。
初级岗位不该原样保存
D&AD 的建议不是把旧式初级岗位冻结下来。它主张重新设计这些岗位，把训练重点转向 AI 不容易复制的能力，包括品味、文化意识、批评能力与决策能力。
说白了，生成式 AI 可以迅速铺出一桌方案，但新人仍要学习哪些方案贴合语境、品牌和受众，以及为什么。报告认为，无人约束时，AI 输出容易趋向平均；更强的作品来自专业工具与有辨别力的人类技艺结合。
这也把责任推回创意领导者。AI 的使用方式不能只交给技术团队决定。机构若只计算节省了多少制作时间，却没有为反馈、试错和指导留下空间，就可能用短期效率换掉长期的人才梯队。
局限与未知
- 目前没有就业统计证明 AI 已经导致广告业初级岗位大规模消失；“抹掉新人岗位”是 D&AD 提出的风险判断。
- 报道没有披露访谈对象构成、作品分析方法及上一年度 AI 申报比例，无法进一步检验代表性和同比变化。
- 报告由 Shutterstock Studios 赞助，结论带有行业倡议性质，也存在潜在商业立场。
真正值得追问的因此不是“AI 会不会做广告”，而是：当机器先学会把作品做得像样，行业还愿不愿意花时间，教新人理解什么才值得做。