当机器替代了培养专家的过程本身

十多年前，作者主导了美国一座核电站全数字化控制系统的设计。这套系统在理论上可以完全自主运行，操作员只需监督。但设计团队做出了一个看似低效的决定：在系统本可自动执行的流程中，刻意保留了若干手动操作步骤。原因很简单——一个只负责监督自动化系统的操作员，会逐渐失去真正操作设备的能力。一旦自动化系统在最糟糕的时刻交还控制权，坐在操控台前的人可能已经多年没有真正动过手了。

数据层面的证据已难以忽视。哈佛大学的工作论文显示，采用生成式AI的企业，初级员工数量在六个季度内相对下降约9%，而高级员工规模却持续扩张。斯坦福大学对ADP薪资记录的分析进一步指出，2022年底之后，AI暴露程度最高的职业中，最年轻的从业者明显失去竞争优势。值得注意的是，纽约联储的研究者将部分年轻毕业生失业归因于远程办公而非AI，但两种解释指向同一个断裂点：将专业知识从资深人员传递给新人的学徒制通道正在失效。

航空业为这一问题提供了最具说服力的案例。2009年法国航空447号航班坠入大西洋，直接原因是空速传感器结冰导致自动驾驶仪断开并将控制权交还飞行员。然而飞行员因长期依赖自动化，已无法在高空失速状态下手动操控飞机脱险。这不是硬件故障，而是能力退化的失效。2017年，美国联邦航空局正式发布安全警示，将手动飞行技能衰退列为独立的安全风险，并鼓励航空公司在条件允许时让飞行员手动完成起降阶段，以此换取核心技能的持续在线。

将航空经验与核电设计直觉并置，可以提炼出一种适用于AI时代的工程设计模式：刻意设置的手动关卡。手动关卡是工作流程中的一个节点，人类在此接管操作，目的不是提高效率，而是专门维持某项若不练习便会退化的关键技能。以软件团队为例，当关键模块出现缺陷时，工程师——尤其是初级工程师——必须在不借助AI的情况下独立复现故障、追溯根因、编写测试用例，完成诊断后再引入AI提出修复方案。两者的分歧之处，正是系统设计发挥作用的地方。

这套机制的成本是真实存在的。刻意保留手动环节，意味着短期效率的让步。在以季度业绩衡量管理者的市场环境中，这是一笔难以说服董事会的投入。能够承担这种短期代价的，往往是拥有长期视野的创始人、私营企业、公共机构，或是像航空业那样有监管要求定期验证人员技能的行业。对其他组织而言，外部监管压力或许是推动这一机制落地的唯一现实路径。

核心论点可以压缩成一句话：刻意的低效不是浪费，而是保险。在安全关键工程领域，这一逻辑早已被反复验证。当AI接管了锻造专业能力的基础性工作，明智的应对不是抵制自动化，而是在设计层面主动保留人类对关键环节的掌控。自动化终将在某个时刻失效，届时椅子上坐着的人，必须还记得怎么飞。

要点

• 哈佛研究显示，企业引入生成式AI后初级岗位就业在六个季度内下降约9%，学徒制传承通道正在断裂
• 法国航空447号事故表明，自动化能力越强，人类技能退化的风险越隐蔽，失效时代价越惨烈
• 航空和核电行业的解决方案是刻意设置手动操作关卡，以短期效率换取关键技能的持续在线
• 初级工程师的试错过程不是可以外包给AI的开销，而是培养未来高级工程师的核心训练机制
• 只有具备长期视野的组织或受监管约束的行业，才有结构性条件承担这种刻意低效的能力保险成本