塔斯娱乐资讯网

AI越高效年轻人越危险?哈佛斯坦福数据扎心了:初级岗位正在消失



十分钟。
一份报告写完了。
排版漂亮,逻辑顺滑,措辞老练。
领导夸:效率真高。
老专家翻了两页,眉头皱住了。
报告里什么都有。
唯独没有——他自己想出来的东西。

这不是段子。
这是AI时代最隐蔽的危机。
不是机器抢饭碗。
是效率太高。
高到把年轻人该走的路,直接跳过去了。


十多年前,我牵头为美国一座核电站设计全数字化控制系统。
纸面上,近乎完美:系统自主运行,操作员只负责监控,几乎不用人为介入。
但我们做了一个“倒退”的决定——
在系统本可以全自动完成的流程里,刻意保留几道人工操作。

为什么?
因为人只盯着屏幕,久而久之,就不再是操作者。
手感生疏。
判断模糊。
而自动化,只会在困惑和故障时,把控制权交还给人。
那一刻,最凶险。
坐在操作台前的人,可能已经多年没真正上手。
保留人工步骤,就是为了保住实操能力。
这是拿效率换来的。


核电站最终没落地,受行业政治经济因素影响,与设计无关。
但理念留了下来。
今天,董事会都在争论:专业工作交给AI,人的经验怎么办?
这套理念,恰恰是答案。


AI正在拆掉年轻人的成长梯子

数据不容忽视。
哈佛大学工作论文调研美国28万余家企业、6500万劳动者,发现:引入生成式AI后六个季度内,初级岗位就业下滑,资深岗位继续增长。
斯坦福大学基于ADP薪资记录的分析,结论相同:受AI影响最大的职业里,年轻人岗位缩减,老员工保住了位置。
斯坦福还发现:AI直接替代人力任务的领域,岗位流失最集中;AI只做辅助工具的岗位,初级从业者就业稳定甚至上升。


因果争议当然有。
纽约联储研究者认为,青年失业走高,很大程度源于远程办公——企业不愿远程带新人。
但两种解释,指向同一个伤口:从资深者到新人的传帮带路径,断了。
入门岗位,悄悄变成“要求三年经验”。


可问题是——
没人能跳过初级,直接长成高级工程师。
专业能力不能下载。
它来自一次次失败的搭建。
来自陷进死胡同的调试。
来自“为什么这样居然能跑通”的困惑瞬间。
现在,AI帮新人避开了所有这些磨砺。
结果呢?
一批只会监督模型、却没有直觉判断力的人。
模型输出自信满满。
错误灾难性。
他们看不出来。


大多数讨论停在诊断层面,把初级岗位流失当成经济问题。
但这同样是工程问题。
安全要求极高的行业,已经摸索了几十年。

自动化悖论:航空业的前车之鉴

我第一份工作,是校验数字喷气发动机控制器软件。
20世纪80年代末,核心矛盾就显现了:常规场景,机器比人稳;突发状况,只能靠人。
这就是自动化悖论——自动化越强,人练手越少;可一旦出事,烂摊子还是人接。

航空业付过惨痛代价。
2009年,法航447坠入大西洋。
诱因不复杂:空速传感器结冰,传错数据,自动驾驶仪按逻辑断开,控制权交还机组。
然后,不是硬件故障。
是人的能力失效。
局面本可挽回。
可飞行员常年依赖自动驾驶,已经丧失识别高空失速、手动改出的能力。
飞机没坏。是自动化悄悄磨掉了飞行员的实操本领。

航空业怎么应对?
没废除自动驾驶。
而是把人工实操训练,重新塞回流程。
2017年,美国联邦航空管理局发布《运营商安全警示17007》,明确“手动飞行是其他飞行技术的基础”,把技能退化认定为独立安全隐患。
部分航空公司修订规范:天气好时,鼓励飞行员手动完成起飞爬升和初始下降。
明知多烧一点油。
也要保住原始飞行本领。

关键就在这——
一套追求极致优化、却造就能力不足操作者的系统,根本不算优化。
它只是把故障风险,转移到了报表看不见的地方。

真正聪明的组织,会故意设“人工关卡”

结合核电和航空的教训,可以得出一套AI工作流设计模式:刻意设置人工关卡。

什么意思?
流程走到特定节点,人必须接管。
不是为了最快完成任务。
也不只是安全联锁。
核心目的,是锻炼、保存那些容易退化的技能。
组织先定:哪些能力必须留在人身上?
然后主动制造适度“摩擦”。
让人的本领,不生疏。


举个例子。
一个大量用AI写代码的团队,把人工关卡设在最不能丢的调试能力上。
核心模块出缺陷。
指定工程师——优先初级——先关掉AI助手。
独立复现故障。
定位根因。
写出能复现bug的测试用例。
完成完整研判后,再开AI:给修复方案、备选思路,扫描同类漏洞。
然后,人拿自己的判断,和AI输出比对。
人和AI结论不一致时,这套设计就值了。
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。

这彻底改变了初级工程师的定位。
大家习惯让AI接手入门工作:更快,更便宜。
但部分基础工作,不是该砍的冗余开销。
它是未来资深人才的训练载体。
该像保护关键基础设施一样,守护它。
本季度效率会降。
可如果舍弃——
等于透支十年后的技术实力。

省下的训练,未来要用更大的坑来还

这套方案,不可能零成本。
回避成本,就是无视预算管理者的现实。
设人工关卡,短期效率必然输给全自动。
让新人走完积累经验的基础流程,当下就要付钱。
换来的,是未来的能力储备。


难在哪?
在按季度考核管理者的市场里,这套理念很难推。
高管保留AI本可替代的“非必要”人力,收益兑现前,董事会就会质疑。
只有不受短期业绩压力约束的主体,才算得清这笔账:
创始人。
私有企业。
长期视角的机构。
或者监管机构——像强制飞行员定期实操考核那样,强制从业者定期展示技能。

这意味着:最有条件守住人才储备的,是愿意用短期利润换长期能力的组织。
其余机构,需要外部力量推动。


核心理念,一句话:
刻意保留一部分“低效”,不是浪费。
在安全关键工程里,我们一直把它当保险,主动付代价。
当AI接管了淬炼专业能力的工作,明智的做法不是抗拒自动化。
而是通过设计,保留人上手实操的机会。
这样,当自动化终究出故障时——
操作台前,才依然有人懂得掌控局面。


---

你身边有没有这种人?
用AI很溜。
离开AI,就不会干活。
或者,你自己就是?
评论区打:
1 有,而且很普遍
2 没有,关键看人
3 我就是这样,有点慌
也把这篇转给团队里那个“最会用AI”的年轻人。
别让他跑得很快,却忘了怎么走路。

---