如果让 AI 接管了所有初级工作，我们以后还能培养出顶尖专家吗

现在的企业管理层似乎都陷入了一个逻辑陷阱：既然生成式 AI 能把初级员工干的活儿做得又快又好，那为什么还要花钱招那些只会写写改改、甚至还得带教的职场新人？

这种“追求效率”的思路在工程领域其实是个致命伤。我记得以前在设计核电站数字控制系统时，我们故意在自动化流程里留了一些“手动步骤”。从效率角度看，这简直是倒退，但从安全角度看，这是必须的。因为一旦系统只负责监控，操作员的手就会“变冷”，他们对物理系统的直觉和认知模型会迅速退化。等到自动化系统因为故障把控制权甩回给人时，坐在位子上的人往往已经失去了应对极端情况的“手感”。

现在的 AI 浪潮正在重演这种“自动化悖论”。看几组硬数据就明白了：

• 哈佛大学的研究： 在引入生成式 AI 后，相比没用 AI 的公司，那些采用 AI 的企业在六个季度内，初级职位的就业人数下降了约 9%，而高级职位的需求却没变。
• 斯坦福的 ADP 数据分析： 在 AI 暴露程度高的职业中，2022 年底以后，最年轻的员工岗位流失最严重，而资深员工的地位稳如泰山。

这揭示了一个非常残酷的现实：AI 正在切断“学徒制”的通道。

专家经验不是靠“下载”获得的，而是通过无数次调试失败、查不出原因的 Bug、以及那些“为什么这行代码居然跑通了”的困惑积累出来的。如果一个新人从入职第一天起，所有的基础代码、文档整理、初级逻辑分析都交给 AI 搞定，他确实能完成任务，但他永远无法建立起那种“直觉”。

这种直觉是判断 AI 是否在“一本正经胡说八道”的唯一标准。如果未来的工程师只能在纸面上监督模型，而从未在实际操作中踩过坑，那么当 AI 犯下灾难性的逻辑错误时，没有人能察觉到。我们正在用牺牲下一代专家培养能力的方式，来换取眼前的短期效率。