AI时代的"学徒工序"——四年时间不会自动变成能力
知乎上有个问题火了:"大学生用四年codex,每天进步一点,四年之后,与没用上codex的同学会有很大的差距么?"
问得很实在,答案是:差距会很大,但不一定是往好的方向。
这个问题真正的价值不在答案,在于它暴露了一个所有人都默认的前提:时间自动产生能力。
这个前提,在AI之前勉强成立。AI之后,它彻底不成立了。
01 AI把"天数"和"水平"之间的等号划掉了
过去学徒制为什么有效?因为工序本身就是学习。
一个木工学徒,前两年磨凿子、认木纹、搬料。这些活看起来是打杂,实际上是在建立对材料的身体记忆。你摸过一千块板子,你才知道哪块会变形。这套东西没法跳,因为工序和认知是一体的。
AI进来之后,第一件事就是把工序抽走了。
你让AI写代码,代码出来了,能跑。你没有经历调试三小时的那个下午,不知道那个bug长什么样、为什么长那样。你让AI做方案,方案出来了,逻辑通顺。你没有经历被客户当面否掉四次的挫败,不知道什么话不能说。
结果是:产出变快了,认知没跟上。你每天"进步一点"——产出确实进步了。但那种进步,是工具的熟练度,不是判断力。
AI省下的不是时间,是那段"难受"的过程。而能力恰好长在那段难受里。
02 四年后真正的差距在哪
我观察过两类人。都在用AI,都很熟练,三年后的状态完全不同。
第一类:把AI当外挂。遇到问题先问AI,拿到答案就用。他们的速度快,交付稳,是团队里最好用的人。但三五年后,他们的天花板非常清楚——遇到AI答不了的问题,就停住了。因为所有判断的依据都来自AI,自己没有一套能独立运转的标准。
第二类:把AI当对手。他们也会用AI,但用之前会先自己写一版。写完再让AI给意见,然后对比:AI哪里比我强?我哪里比AI强?为什么?
这类人慢一些,前半年甚至显得笨。但两年后,他们的判断力明显高于第一类。因为他们每一次都在做同一件事:建立自己的标准,然后用AI去校准。
差别不在工具,在有没有一个"自己的版本"作为参照物。没有参照物,你的能力就是AI的能力借给你用;有参照物,AI的能力才会变成你的。
03 一个具体的算法
我给年轻人的建议一直是同一个结构,叫先猜后验:
- 第一步,先猜。遇到问题,不查AI,先给自己五分钟写出你的答案。哪怕很烂。这五分钟是唯一能长出判断力的五分钟。
- 第二步,验证。再问AI,对比两份答案。重点不是谁对,是差异在哪——你漏了什么?多想了什么?为什么会漏?
- 第三步,记差异。把差异写下来,一周复盘一次。三个月后你会发现自己的"漏点"高度集中在两三个地方。那两三个地方就是你真正的短板。
这套流程比直接问AI慢三到五倍,但它在一个月里造出的认知,比直接问AI一年都多。
关键是第一步。所有人都在跳过第一步。跳过第一步,后面两步全是假的。
04 组织层面的代价更大
这件事个人要管,组织更要管。
企业现在最常见的人才培养误区是:新人上手快,于是觉得培养周期缩短了,于是减少了轮岗、减少了基础训练、减少了那种"看起来很浪费"的笨功夫。
三年后问题就出来了:能干活的人很多,能判断的人没有。
具体的表现是:AI能给出八个方案,没人能选。AI能写出一份漂亮的汇报,没人能判断里面哪句话在吹牛。AI能生成一堆数据,没人知道哪个数据是假的。
这不是能力缺口,是判断缺口。而判断缺口,是没法靠增加AI用量补上的。
所以我一直跟企业讲一句话:AI时代培训的重点不是"教会用工具",是设计那些不能被AI跳过的工序。
什么是不能被跳过的工序?我见过几个不错的做法:
- 先写后问。方案类工作,规定必须先交人写的初稿,AI只做优化。这看起来降低了效率,但它保住了判断力的生长点。
- 复盘不改稿。项目结束后,要求本人写下"如果重来一次我会改什么",不许用AI写。这条最难执行,也最有用。
- 反向验收。让员工评估AI的输出,指出哪里错了、为什么错。能挑出AI的错,说明他真的懂。
能被AI跳过的工序,都不该作为培养人的工序。反过来说,你想培养什么人,就得给他设计AI跳不过去的环节。
05 回到那个问题
"四年每天用codex,会不会有差距?"
会。差距可能比你想的更大,但方向和你想的可能相反:
如果你四年都在用AI解决问题,你会变成一个非常高效的执行者,和一个非常脆弱的判断者。
如果你四年都在用AI校准自己的判断,你会变成一个慢一点、但走得更远的人。
两种人在三五年内看不出差别,在第七年分岔。
因为前五年比的是谁能更快产出,第七年开始比的是谁敢在一堆看起来差不多的选项里拍板,并且扛得住拍错的后果。
这件事,AI帮不上忙。它只能给你更多选项。