AI 带来的效率，可能会毁掉下一代专业人才

神译局作为36氪旗下的编译团队，专注于科技、商业、职场与生活等议题，旨在引介海外的新技术、新理念及新动态。

AI在显著提升工作效率的同时，正悄然侵蚀新人积累实战经验的初级岗位。航空业的历史教训表明，过度依赖自动化会导致人类技能退化。在流程中刻意加入人工干预环节，短期内看似牺牲了效率，实则是为未来储备专业判断力，确保危机来临时有人能够应对。本文编译自相关文章，希望能为您带来启发。

图片来源：JAMES STEINBERG

大约十年前，我曾主导为美国一座核电站设计一套创新的全数字化控制系统。从理论指标看，这套系统近乎完美：它模仿现代民航客机的运作模式，能自主运行，操作人员只需监控，几乎无需介入。然而，我们当时做出了一项在效率至上者眼中颇为退步的决定：在系统本可全自动完成的流程中，特意保留了若干人工操作步骤。

我们的初衷是应对一个实际问题——若操作人员仅负责监控自动化系统，久而久之，他们将不再是真正的操作者。实操手感会逐渐生疏，对设备实际运行状态的感知也会变得模糊。一旦自动化系统将控制权交还给人，往往是最危险的时刻——自动化只有在遇到困惑或故障时才会退出自主模式。但此时，坐在操作台前的人可能已多年未亲手操作过这套设备。设置人工步骤，正是为了让操作人员维持实操能力。这套设计，是刻意牺牲部分运行效率换来的。

这座核电站最终未能建成。受美国核电行业的政治与经济因素影响，项目被搁置，这与工程设计本身无关。但这一设计理念得以保留。如今，各大企业董事会都在争论，当原本用于沉淀专业能力的工作都由AI完成后，人类的专业经验该何去何从？我认为，这一理念恰恰能为这一问题提供极具价值的思考。

AI正在打破工程师的职业成长阶梯

相关数据已不容忽视。哈佛大学一份工作论文调研了美国超过28万家企业、合计6500万劳动者，发现企业在引入生成式AI后的六个季度内，初级岗位就业出现下滑，但资深岗位的就业规模仍在持续增长。

斯坦福大学基于ADP薪资记录的分析也得出了相同结论。在受AI影响最大的职业中，年轻从业者的岗位缩减，而经验丰富的老员工得以保住岗位。斯坦福的研究表明，岗位流失集中在AI直接替代人力任务的领域；而在AI仅作为工具辅助人类的岗位上，初级从业者的就业保持稳定甚至有所上升。

当然，关于背后的因果关系，学界仍存在争议，这一点必须客观说明。纽约联邦储备银行的研究者认为，青年毕业生失业率走高很大程度上源于远程办公：企业不愿远程培养和指导缺乏经验的新人。但两种解释存在共通之处——无论是AI接手了新人用来积累经验的基础工作，还是远程模式切断了师徒传帮带的渠道，本质上都破坏了一套关键机制：从“资深从业者”向“新人”传递专业能力的学徒成长路径。两种情形下，“入门岗位”都悄然变成了“要求具备三年工作经验”。

拨开表象，问题其实很简单：没有人能跳过初级阶段，直接成长为高级工程师。专业能力无法通过下载获得，它源于一次次失败的搭建、陷入死胡同的调试，以及那些“为什么这样居然能跑通”的困惑瞬间。而现在强大的AI，会帮新人避开所有这些磨砺。一旦新人缺少足够多的这类实战历练，就会出现一批只会监督AI模型、却没有直觉判断力的从业者——他们看不出模型看似自信输出的结果，实则已出现灾难性错误。

大多数评论只停留在问题诊断层面，或是出台政策，把初级岗位流失单纯当成经济问题来处理。但这同样是工程技术领域的难题，那些对安全要求极高的行业已花了数十年摸索应对之道。

自动化悖论：航空业的前车之鉴

我的职业生涯起步于自动化技术一线。我刚毕业的第一份工作是校验数字喷气发动机控制器软件，这套设备能比飞行员更快地判断战斗机发动机该如何响应各类工况。早在20世纪80年代末，核心矛盾就已显现。常规场景下机器表现优于人类，但遇到机器从未预设的突发状况时，只能依靠人类来避免灾难。这就是自动化悖论：自动化能力越来越强，人类操作员实操练习的机会越来越少，可一旦出事，所有棘手局面还是要交由人类处理。

航空业付出了惨痛代价，一次次见识到人类技能退化会酿成怎样的后果。法航447航班事故就是典型案例，2009年这架客机坠入大西洋。直接诱因并不复杂：结冰的空速传感器向自动驾驶仪传输错误数据，自动驾驶仪按设计逻辑断开，把飞机控制权交还机组。后续并非硬件故障，而是人员能力失效。明明局面尚有挽回余地，可飞行员常年依赖自动驾驶飞行，已丧失识别高空失速、手动改出故障的能力。飞机硬件没有损坏，只是自动化悄悄消磨掉了飞行员的实操本领。

航空业的应对方案极具参考意义，和当年我们核电站项目的思路如出一辙。没有废除自动驾驶，而是主动把人工实操训练重新纳入流程。2017年，美国联邦航空管理局（FAA）发布《运营商安全警示17007》，明确提出“手动飞行是其他飞行技术的基础”，正式把技能退化认定为一项独立安全隐患。部分航空公司修订操作规范，允许在天气条件良好时，鼓励飞行员手动完成起飞爬升与初始下降阶段，明知会牺牲一小部分燃油效率，也要保住机组人员的原始飞行本领。

这种取舍正是关键所在。一套追求极致优化，却造就能力不足操作人员的系统，根本算不上真正的优化。它只是把故障风险转移到报表看不见的地方。

“人工关卡”，守护实操能力

结合航空业的教训与核电行业的设计思路，我们可以得到一套适配AI辅助工作流的设计模式——刻意设置人工关卡。

人工关卡指工作流程中的特定节点，在此节点，人类必须接管操作。设置它不是为了追求最快完成任务，也不只是作为安全联锁，核心目的是锻炼、保存那些易退化的专业技能。它的关键特征是人为主动设计：组织预先确定哪些核心能力必须保留在人身上——这些能力就是危难时刻我们赖以依靠的东西；然后主动在流程中制造适度“摩擦”，维持人的本领不生疏。

举个例子，一支大量使用AI写代码的软件团队，可以把人工关卡设置在最不能丢失的调试能力上。当核心模块出现缺陷，指定工程师（优先安排初级工程师）必须先关闭AI助手，独立复现故障，定位根本原因，编写能够复现该bug的自动化测试用例。只有工程师完成完整故障研判之后，再开启AI，由AI给出修复方案、提供备选思路，扫描代码库查找同类漏洞。随后工程师把自己的判断和AI输出做比对。当人和AI的结论不一致时，这套设计就发挥了价值，把矛盾暴露在平安无事的日常，而不是危急故障爆发的那一刻。

这套思路彻底重塑了初级工程师的定位。当下大家习惯让AI接手入门级工作，觉得速度更快、成本更低。但部分基础工作并不是需要砍掉的冗余开销，它是未来资深人才的训练载体，应当像保护关键基础设施一样加以守护。这么做本季度效率或许会下降，但如果将其舍弃，相当于透支十年之后的技术实力。

企业为何必须坚持培养初级工程师

这套方案不可能零成本，回避成本问题就是无视做预算的管理者面临的现实。刻意设置人工关卡，短期效率必然比不上完全交由自动化处理。让新人完成积累经验的基础流程，当下就要付出成本，但换来的是未来的能力储备。

然而，在普遍以季度业绩考核管理者的市场环境中，这套理念很难推行。如果高管团队保留AI本可替代的“非必要”人力，在收益兑现之前，就会遭到董事会的质疑。只有不受短期业绩压力约束的主体，才算得清这笔账。掌握控制权的创始人、私有企业、拥有长期视角的机构，或是监管机构——就像如今强制飞行员定期实操考核那样，强制从业者定期展示自身专业技能。

这就意味着：最有条件守住自身专业人才储备的，是那些愿意牺牲短期利润换取长期能力的组织；其余机构，则需要外部力量来推动改变。

总而言之，核心理念可以概括为一句话：刻意保留一部分“低效”，并不是浪费。 在安全关键类工程领域，我们一直把它当作保险，主动为之付出代价。当AI接管了淬炼专业能力的工作后，明智的做法不是抗拒自动化，而是通过设计，保留人类上手实操的机会。这样，当自动化终究出现故障时，操作台前，才依然有人懂得如何掌控局面。

译者：Teresa