AI消灭初级工作
最近看到一组英国的数据，我觉得很值得聊一聊。
最新公布的英国大学毕业生数据中，计算机专业毕业生进入编码或程序员岗位的比例，一年之内从大约40%下降到了28%。
进入graduate-level jobs的比例，也从两年前的60%以上下降到了大约50%。
一个很难绕开的问题就是：
AI是不是已经开始影响年轻人的就业了？
与此同时，另外一组数据却看起来完全相反。
英国AI相关招聘正在快速增长，具备AI技能的人，平均工资溢价也明显上升。
也就是说，现在出现了一个很有意思的现象：
一边是AI人才越来越值钱，另一边却是一些传统上最接近AI的年轻毕业生，反而更难进入职场。
我觉得这可能是AI时代一个非常重要、却容易被忽视的问题。
AI未必首先消灭高级工作
过去大家讨论AI，经常想象这样一个过程：
AI越来越聪明。
然后有一天，一个经验丰富的程序员、工程师、会计师或者律师突然被AI替代。
但现实可能不是这样发生的。
企业很少会在一夜之间把一个工作了十五年的高级工程师换成AI。
因为高级人员真正提供的东西，往往不只是“完成任务”。
他们知道客户真正想要什么。
知道哪些结果值得相信。
知道哪里容易出问题。
知道什么时候应该停止。
也知道出了问题以后应该由谁负责。
这些能力很难简单写成一个Prompt。
真正容易被AI首先压缩的，反而可能是一些相对标准化的初级任务。
写一段简单代码。
整理资料。
做初步分析。
准备第一版报告。
检查格式。
搜索信息。
这些工作过去恰恰是年轻人进入一个行业以后最先做的事情。
于是一个很奇怪的问题出现了：
AI没有先拿走职业的顶层，却可能先拿走了职业的第一层台阶。
可是高级工程师当年也是从初级工程师成长起来的
这才是我觉得真正值得担心的地方。
一个有十五年经验的工程师为什么有经验？
因为十五年前，他也做过很多非常基础的事情。
可能画过很简单的图。
改过别人不愿意改的模型。
处理过很乱的数据。
写过并不重要的报告。
犯过一些现在看来很低级的错误。
然后慢慢才知道：
哪些地方最容易错。
哪些结果看起来漂亮却不能相信。
哪些客户要求表面合理，实际上做不到。
所谓经验，本质上是大量真实问题留下来的痕迹。
但是如果企业以后发现：
“这些初级工作让AI做就可以了。”
那么十年以后，一个新的问题就会出现：
下一代高级工程师从哪里来？
企业现在看到的是效率，社会需要考虑的是人才梯队
站在一家公司的角度，这个选择其实很好理解。
以前一个团队可能需要：
1个高级工程师，
3个中级工程师，
5个初级工程师。
如果AI工具让一个高级工程师带着两个中级工程师就能完成过去九个人的工作，公司当然会觉得这是生产率提升。
而且从财务报表上看，这甚至非常漂亮。
成本下降。
交付速度提高。
人均产出增加。
但如果所有企业都这么做，整个行业的人才结构可能慢慢变成一个倒金字塔。
高级人员还在。
中级人员还在。
但年轻人的入口越来越窄。
问题不会马上出现。
因为今天的高级人员已经存在。
真正的问题可能十年以后才出现。
所以“学会使用AI”可能还不够
现在经常有人给年轻人的建议是：
“不要担心AI，你只需要学会使用AI。”
这句话当然没有错。
但我觉得它可能说得太轻松了。
因为未来真正稀缺的，不一定只是“会不会使用ChatGPT或者某个AI Agent”。
这些工具最终可能像Excel一样，人人都会使用。
真正重要的问题是：
当AI给你一个答案的时候，你有没有能力判断这个答案靠不靠谱？
这需要领域知识。
如果AI生成一段代码，你能不能看出里面潜在的问题？
如果AI给出一个工程计算结果，你知不知道这个数字是否合理？
如果AI总结一份合同，你能不能发现它漏掉了真正重要的条款？
如果AI给出一个投资分析，你是否知道它用了什么假设？
工具越强，这种能力反而越重要。
因为错误的答案也会变得越来越像正确答案。
教育可能也需要重新思考
过去很多大学课程的逻辑是：
先教知识。
然后布置作业。
学生通过完成作业证明自己掌握了知识。
但现在AI可以在几秒钟里完成很多传统作业。
于是教育面临的真正问题可能不是：
“怎样禁止学生使用AI？”
而是：
如果AI可以完成这项任务，我们到底希望学生从这个任务里学到什么？
也许以后学生仍然需要做计算。
但更重要的是解释为什么这样算。
仍然需要写代码。
但需要证明自己理解代码为什么这样运行。
仍然需要写报告。
但需要能够面对别人追问：
你的证据在哪里？
为什么选择这个方法？
如果假设改变，结果会怎样？
换句话说，AI可能迫使教育从“生产答案”慢慢转向“理解答案”。
这未必是一件坏事。
我并不认为AI最终一定会让工作越来越少
技术史上很多新技术都消灭过一些工作，同时创造另外一些工作。
AI很可能也一样。
现在英国的数据已经出现这种迹象：
传统职位受到压力，但AI相关职位却在增加。
真正发生的事情可能不是简单的“工作消失”，而是工作的结构正在重新排列。
以前值钱的是：
我会做这个。
以后可能变成：
我知道应该做什么。
我知道怎样让AI帮我做。
我知道怎样验证它。
出了问题，我知道怎样找到原因。
最后，我愿意为结果负责。
所以未来真正有价值的人，可能既不是完全拒绝AI的人，也不是把所有事情都交给AI的人。
而是能够站在AI上面工作的人。
但年轻人的第一块踏脚石，不能消失
这是我看完这些就业数据以后最大的感受。
我们当然应该欢迎生产率提高。
没有理由要求企业为了“培养新人”，永远保留大量本来可以自动化的低效率工作。
但是一个行业也不能只使用成熟人才，却不再培养成熟人才。
如果初级岗位减少，那么企业、大学和社会就必须创造新的学习路径。
更多真实项目。
更多学徒制。
更多带监督的AI辅助工作。
让年轻人更早接触真正的问题，而不是单纯完成AI已经能够完成的任务。
因为今天那个看起来什么都不会、需要别人检查工作的年轻毕业生，
可能就是十五年以后那个能够独立判断复杂问题的人。
AI可以让一个经验丰富的人变得更强。
但我们仍然需要回答一个更长远的问题：
在一个AI可以完成大量初级工作的时代，我们怎样让一个没有经验的人获得经验？
我觉得，这可能比“AI会不会抢走我们的工作”更加重要。
感谢大家阅读！
你觉得AI时代最先受到冲击的会是资深员工，还是刚刚进入职场的年轻人？如果大量初级工作被AI完成，我们又应该怎样培养下一代真正有经验的人？