Insights from aviation and nuclear power industries highlight strategies for maintaining critical human skills in high-technology environments, emphasizing training, practice, and collaboration to ensure proficiency and safety. #### 内容简介 作者以自己曾参与设计的核电厂数字化控制系统为引子，讲述了一个有意保留人工操作步骤以保持操作员技能的工程理念，进而把这一思想引申到当前生成式人工智能对工程职业路径的冲击。文章引用哈佛与斯坦福的实证研究，指出在企业采用生成式AI后，初级岗位就业明显下降而资深岗位保持或增长；同时也提到纽约联储将青年失业上升部分归因于远程工作、两种解释都指向同一问题：学徒制渠道被破坏。核心论断是：专业技术并不能被直接“下载”，需要通过新人在失败中学习而形成；如果AI或工作模式剥夺了这些形成性经历，工程人才的传承与成长链条将断裂。 #### 社区观点 有人赞同作者担忧，认为当AI替代了重复性或中间难度的任务，初级工程师失去“练手”机会，长期会削弱行业的技能基础。也有人提出反对意见，认为AI同时也创造新任务与职位，且在许多场景下AI是增强而非替代，教育与培训可以随之调整。第三种观点认为研究结果并非单因所致，远程工作、经济周期和用人成本等因素也在影响年轻人就业，不能简单归咎于AI。还有评论主张企业应主动设计“受控失效”或保留手动步骤，像文章中的核电设计那样，刻意保留培养新人动手能力的环节。有人建议建立结构化的轮岗与导师制度、把成长任务纳入KPI，以确保知识传承不会因为自动化而消失。也有观点呼吁教育机构与产业合作，提供带薪实习、学徒制和项目化训练，弥补业界培养断层。部分评论关注公平性：如果入门门槛提高，会加剧收入与机会不平等，需政策干预。最后，有建议强调组织层面的可观测性与评估：在部署AI时同步评估对人才培养路径的影响，并制定缓解措施。 #### 内容导读 这篇文章的核心在于提醒读者：技术效率的提升可能隐含对人才培养机制的破坏。理解全文可从三点入手：一是事实证据——多项研究显示，企业采纳生成式AI后初级岗位减少，资深岗位相对稳定，表明经验传承通道受到冲击；二是成因争议——学徒制被AI吸收工作或远程化削弱师徒互动，两种解释都指向同一结果：新人成长机会不足；三是应对要点——单纯追求自动化效率会带来长期人才赤字，需通过有意设计（例如保留手动步骤、设立导师制、轮岗实习、项目驱动培训和政策支持）来维护“从做中学”的途径。对管理者与教育者的启示是：在引入AI时同时设计人才成长路径，把形成性任务作为组织设计的一部分，既要利用AI提高产能，也要确保新人能通过可控的实践与失败中获取经验，从而维持行业的长期创新能力。