我们即将失去学徒层

一件令人不安的事情正在发生。

一方面，创始人和高管们在低声（或许并不低声）议论：“我们还需要大三学生吗？”

另一方面，大学仍像2012年一样培养他们。（2012–2025年间，美国人口增长约9%；同期授予的本科生学位约增长17%。）

而在中间，是人工智能。

不是作为一个模糊的力量或科幻反派，而是作为一个非常实用的工具，已经在重塑工作的完成方式。

我想提出一个具体的观点（在我们都四散逃跑之前）： 人工智能可能是我们有过的最好的培训工具。

不是因为它神奇或能拯救我们免于失业（工作会被取代，我们别天真）。

但人工智能可以压缩从“新人”到“有用”的所需时间。如果我们不有意这样使用它，替代结果很明显： 我们将删除职业阶梯的最底层。

“新”的隐藏成本

每个组织都有同样的问题。

新员工代价高，因为他们是新来的。入职培训消耗宝贵资源。把新人培养到胜任水平是一项真正的投资。

通常你会看到新手忽略无形的流程步骤，难以把握什么是“好”的标准，犯下可避免的错误，不断打扰资深员工并需要持续的反馈。

大多数公司“解决”这一问题的方式是：

• 没人看的文档

• 依赖一位慷慨的大四学生的跟随学习流程

• 或更糟的是，仅凭氛围（别把这与我喜欢的“氛围编码”混淆！）

培训很少经过设计。它只是……自然而然地发生。

人工智能改变了这一局面。事实已经得到证明。

在麻省理工学院与斯坦福大学的一项联合研究 ，《职场生成式人工智能》 中，他们在若干情境下测试了对大三学生和大四学生使用人工智能的效果。一个例子聚焦于客户支持，为员工提供人工智能工具以帮助他们解决问题。技能最低、入职时间最短的人（在人工智能广泛存在的今天，这一点需要特意说明）在人工智能的帮助下每小时解决的问题数量提升最大。

研究发现，初学者和低技能工人的绩效提高了34%，而经验丰富且技能高的工人几乎没有改进。

让我给你举另外三个我在过去几个月里经历过的例子。

1. 面向开发者的黑客松

在最近一次由 Highline Hub 主办的编程马拉松上，Alexander Zidros 构建了一个名为 DevFlow 的工具。他将其描述为面向软件开发者的常驻任务追踪器，帮助记录从“进行中”到“完成”之间的每一个小步骤。

在他的演示中他说：

这对那些可能不了解从想法到生产级代码需要妥善完成的所有细枝末节的新开发者来说可能很有价值。

我笑了，因为在他说之前我就在笔记里写下了同样的想法。

新入职的开发者并不是因为缺乏智慧而吃力。他们之所以困难，是因为工作有隐藏的结构。

资深工程师都知道：

• 需要检查的边缘情况

• 部署细节

• 测试预期

• 命名约定

• 性能影响

• “完成”在生产环境中究竟意味着什么

初级者看到功能。高级者看到系统。

虽然 AI 正在完成大量编码工作，但开发者作为协调者仍然很有价值， 大三学生 + 协调 = 非常危险，除非经过适当培训 。

2. 专业服务的信号

在最近与一家专业服务公司内部领导的对话中，他们向我介绍了用于审查工作并提供反馈的内部原型。

目标显而易见：

• 保持质量

• 加快交付速度

• 帮助新员工更快内化标准

打动我之处不是自动化，而是增援。

AI 根据公司特定的最佳实践、行业规范、风格指南和监管要求对交付物进行审核并不是“取代分析师”，而是“实时培训分析师”。

也许 AI 在知识型工作中最强大的用途不是生成，而是审核。 而审核正是标准传递的方式。

3. 探索保险机会的个人经验

不久前，Highline Beta 正在与一位合作伙伴合作，探索保险领域的新创投机会，特别是围绕较小的代理机构和经纪人。我们发现了一件有趣的事：他们往往因无法快速为新经纪人进行入职而受限。

为什么？

因为大多数培训是通过潜移默化进行的。

新经纪人：

• 参与旁听电话会议

• 观看资深经纪人谈判

• 吸收模式

• 通过惨痛教训学会哪些话不能说

几乎所有这些部落传承的知识都没有正式记录。

当我们提出用人工智能辅助入职培训的想法时，兴趣很高。但随之而来的是一个即时制约：“不能只是通用的最佳实践。”

每家公司都希望将自己的专业知识注入到人工智能中，涉及客户资格认定、续约结构、处理边缘情形、风险管理、建立信任等方面。

这就意味着要进行提取。你可能会想，“一家机构的入职流程能和另一家差到什么程度？” 很难说，但这种认知存在，而认知就是现实。

因此人工智能可以发挥的作用包括：

• 知识捕捉引擎

• 模式识别器

• 内部作业手册执行器

这不是要取代经纪人，而是要加速他们。

路口的分叉

问题在这里变得令人不安。

公司部署 AI 有两种明显的方式。

路径一：替换初级人员

我们已经开始看到这一迹象。

• 斯坦福数字经济实验室的一篇论文使用 ADP 数据发现，处于人工智能暴露职业的早期职业工人正承受着不成比例的就业压力。入门级岗位尤其脆弱。

• SignalFire 的 2025 年技术人才状况报告显示，与疫情前相比，应届毕业生现在在招聘中所占比例大幅下降。

• Dario Amodei，Anthropic 的首席执行官， 已警告称人工智能可能在未来几年内消除大量入门级白领职位 。

即便具体数字有所变动，方向是明确的。

最底层那一阶正在摇晃。

路径二：压缩达到胜任所需时间

与其裁撤初级岗位，不如：

• 减少可预防的错误

• 明确期望

• 提供即时反馈

• 将数月的上手时间缩短为数周

这是我主张的版本。

并不是因为这是板上钉钉的。

因为这是故意为之。

马特·舒默说对了什么（以及为什么这让我感到恐惧）

Matt Shumer 写了一篇题为“Something Big Is Happening.”的文章。这是一个警钟。你们大多数人现在应该都已读过。

他强调了人工智能进展的速度，包括模型参与自身开发周期的情况。人工智能在自我构建。得了吧！反馈循环在加速。能力曲线陡峭。

他的语气并不平静。不是 “渐进式变化。” 他在说，“这比大多数人意识到的要快。”

我知道这不是一时的风潮。技术可行，按可预测的方式改进，且历史上最富有的机构正向其投入数万亿资金。

我知道接下来两到五年将会以多数人没有准备好的方式让人迷失方向。这在我的世界里已经开始发生了。它也将来到你的世界。

我知道那些最终能从这场变局中脱颖而出的人，是现在就开始行动的人——不是带着恐惧，而是以好奇心和紧迫感去应对。

我也知道你应该从关心你的人那里听到这些话，而不是在六个月后的某个头条里，当你已无法抢占先机时才被惊醒。

我们已经过了把这当作未来有趣晚宴话题的阶段。未来已经到来，只是它还没敲你的门。

就要失去。

他说得对。

读完这篇文章把我吓坏了。

不是因为我认为我们明天就要完蛋。

而是因为我有两个正在上大学的成人孩子。

我不禁想到： 他们毕业时劳动力市场会是什么样子？“入门级”到底意味着什么？如果没有人雇佣他们，谁来培训他们？

这就是结构性风险。

如果人工智能取代了初级岗位，我们不仅仅是失去工作。

我们会失去培养未来专家的学徒层。

社会依赖学徒制度运转，无论是正式的还是非正式的。

一旦被移除，五年后你会纳闷为什么没人会做艰难决定。

学校陷入僵局

高中和大学并非为指数级工具变革而设。

它们优化的是标准化评估、信息记忆、受控环境和不会在学期中（或根本不会）改变的教学大纲。

我知道学校里有很多人试图推动变革，但这几乎是不可能的任务。

现实世界现在优化的是模糊性、工具流畅性、自主学习和持续适应。你很难在学校里找到这些。

大多数学生没有被培训去：

• 与人工智能并肩工作

• 验证输出

• 在人工智能增强工作流中构建判决

• 了解人工智能的弱点

• 黑客

• 去构建东西。任何东西……只是去构建点什么……拜托……

而且许多公司并没有帮上忙。我理解围绕隐私、安全和合规的担忧，这些确实是现实问题。但“禁止它”并不是一个策略，那只是拖延。坦白说，问题在于大公司是否还能远远跟上，因为变化的速度比以往任何时候都快。

人工智能训练的真实模样

如果我们认真把人工智能当作培训加速器，那么它需要结构化。

下面是可行的模型。

1. 明确“良好”的标准

使用评分量表。定义质量门槛。将“完成定义”成文规范。

如果一名大三学生无法清楚表达何为优秀，他们就无法自我纠正。

人工智能可以不断执行并加强该定义。

2. 在工作中嵌入反馈

培训不是一门课程。它是一个循环。

做工作 → 获得反馈 → 修订 → 重复。敢不敢说一句，“构建、衡量、学习”？

AI 应嵌入工作流程，而不是放在无人打开的独立门户中。

3. 有意捕捉部落知识

采访资深员工。从过去的工作中提炼模式。将反复出现的建议转化为结构化的指引。

把知识当作产品来对待。因为它确实是。

4. 模拟边缘情况

在压力下形成判断。

AI 可以模拟难缠的客户、反对意见、合规陷阱、意外约束等。

在模拟环境中失败比在生产环境中失败更安全。

文化风险

如果人工智能变成“首领”，这一切将失败。

如果人工智能成了取代指导的评价工具、监控手段或粗陋的削减成本工具，人们会因此反感。

人工智能应当增强大四学生（高级员工）的能力，而不是抹去他们。它应当减少重复性的审查工作，而不是消除人的判断。

人类仍然需要：

• 制定标准

• 批准例外

• 做出判断

人工智能无法继承责任。它只能为责任提供信息。

那这把我们置于何种境地？

我感到担忧（但并未惊慌，尽管脑海中浮现出滑稽的克里斯·法利形象）。

我担心下一代。

我担心大学行动迟缓。

我担心公司在尝试或真正改变工作方式上等待得太久。

但我还没准备好宣判末日。

人们仍然雇人来承担责任、建立信托、做出细致判断并发展人际关系。

那些东西并未消失。变化的是基线。

未来属于：

• 懂得如何使用人工智能的人

• 了解其局限性的人

• 愿意亲自动手的人

• 那些不等待许可的人

Matt Shumer 说得对：这种加速是真实存在的，但最糟的反应是否认。第二糟的是被动的恐惧。

最好的反应是有意地部署。

如果我们设计出会删除底层梯队的人工智能系统，那我们就会打破这条管道。

如果我们设计 AI 系统以压缩达到胜任所需的时间，就会增强这种能力。

那是一个选择。

如果我在为我的孩子、你的孩子以及下一代创始人和运营者考虑，我更愿意为第二条道路而奋斗，因为它比另一种选择更可持续——那种选择是我们都因为难以被雇佣而闲着只做爱好。

世界可能正在以我们难以适应的速度变化，但我们仍然可以决定如何在其中构建。 而现在，最大的杠杆可能不在于替代新手，而在于比以往任何时候都更好地培训他们。

或者，任由新手自生自灭，大家都去学手艺或成为创业者（我知道这转折有点快！）机器人远落后于 AI，所以手艺行业更安全，我也总是押注创业者能比 AI 创造更多净新增值。 我们需要更多创始人 。 ❤️️