美国招了2000多个游戏玩家去当空中交通管制员这件事挺有意思

这种跨界招聘逻辑其实在 AI 时代特别有启发。很多人觉得打游戏是浪费时间，但从认知能力来看，资深玩家在处理高并发信息、快速做出压力决策以及多任务并行调度方面的能力，其实和空中交通管制员（ATC）要求的素质高度重合。一个能同时盯着地图、监听队友语音并操作复杂指令的玩家，在某种程度上已经完成了某种形式的“实战训练”。

如果把这个逻辑迁移到我们现在搞的 AI 工作流里，其实就是一种典型的“能力迁移”。很多能写好复杂 Prompt 的人，并不是计算机专业的，而是那些逻辑严密、习惯于通过设定规则来驱动结果的“系统思考者”。

这种人才筛选的转变，其实揭示了现在的核心竞争力不再是某个特定行业的经验，而是底层的处理能力。对于想在 AI 时代生存的人来说，可以参考这个思路去挖掘自己的“隐藏技能”。比如：

• 多维信息处理能力： 像游戏玩家在激烈团战中快速筛选关键信息一样，在面对大模型输出的冗余信息时，能否迅速定位核心答案。
• 容错与快速修正： 玩家习惯于在失败中迭代操作，这和我们调试 AI Agent 的 Prompt 循环（Loop）逻辑几乎一模一样。
• 复杂系统掌控力： 能够理解一套复杂的游戏机制并利用它达成目标的人，通常上手低代码 AI 平台的速度极快。

这种招聘方式其实是把“经验主义”让位于“能力模型”。以前招 ATC 可能看重的是航空背景，现在发现只要大脑的处理带宽足够，即使是玩《模拟飞行》或者竞技游戏的年轻人，经过短期专业培训后的上手速度可能比传统路径的人更快。