神译局是36氪旗下编译团队，关注科技、商业、职场、生活等领域，重点介绍国外的新技术、新观点、新风向。

编者按：AI大幅提升工作效率的同时，正在悄悄夺走新人积累实战经验的基础岗位。航空领域的历史教训警示我们，完全依赖自动化会造成人的技能退化。加入人工干预环节，短期看似牺牲效率，实则是为未来储备专业判断力，避免危机来临之时，无人能够兜底。本文来自编译，希望对您有所启发。

图片来源：JAMES STEINBERG

十多年前，我牵头为美国一座核电站设计一套开创性的全数字化控制系统。从纸面参数来看，这套系统堪称完美：仿照现代民航客机的模式，系统可以自主运行，操作人员只负责监控，几乎无需人为介入。但当时我们做了一个在追求效率的人看来十分倒退的决定：在系统本可以全自动完成的流程里，刻意保留若干人工操作步骤。

我们意在解决一个现实问题——如果操作人员只负责监控自动化系统，久而久之，他们就不再是真正意义上的操作者。实操手感会慢慢生疏，对设备真实运行状态的认知也会变得模糊。终有一天，自动化系统会把控制权交还给人，而这往往是最凶险的时刻——自动化只有在遇到困惑、发生故障时，才会退出自主模式。可此时坐在操作台前的人，已经多年没有真正上手操作这套设备。设置人工步骤，就是为了让操作人员维持实操能力。这套设计，是刻意牺牲一部分运行效率换来的。

这座核电站最终并未落地。受美国核电行业的政治与经济因素影响，项目被搁置，与工程设计本身无关。但这套设计理念保留了下来。如今各大企业董事会都在争论当原本用来沉淀专业能力的工作都交给 AI 完成之后，人类的专业经验该何去何从？而我认为，这套理念恰恰可以为此提供极具价值的思考。

AI正在打破工程师的职业成长阶梯

相关的数据已经不容忽视。哈佛大学一份工作论文调研了美国 28 万余家企业合计 6500 万劳动者，研究发现：企业引入生成式 AI 之后的六个季度内，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 薪资记录开展的分析，也得出相同结论。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 会直接替代人力任务的领域；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，学界仍然存在争议，这点必须客观说明。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源于远程办公：企业不愿远程培养、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，本质上都是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，问题其实十分简单：没有人能跳过初级阶段，直接成长为高级工程师。专业能力无法靠下载获得，它来源于一次次失败的搭建、陷入死胡同的调试，还有那些“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，实则已经出现灾难性错误。

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经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的一线。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，核心矛盾就已经显现。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，已经丧失识别高空失速、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 本可以替代的“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