AI 时代如何保住工程师的技能
文章摘要
这是 IEEE Spectrum 于 2026 年 9 月 2 日刊出的一篇署名评论（副标题为「AI 带来的效率，代价可能是下一代专家」），作者 Richard Mitchell 是一位有约 38 年安全攸关控制系统经验的系统工程师，做过喷气发动机控制软件的验证、电厂优化、数字核电控制和飞行仿真，现为 AuraSpark Technologies 的创始人兼 CEO。
一个「刻意低效」的设计决策
文章从作者十多年前的一段经历讲起。他当时为美国一座核电厂主导设计了首创性的全数字控制系统——纸面上是一台漂亮的机器，像现代客机那样自己运行，操作员只需在旁监视。但团队做了一个在效率至上者眼里「开倒车」的决定：在系统本可以自动执行的流程序列里，故意保留了一些手动步骤。
理由很具体：一个只负责监督自动化的操作员，会慢慢地不再是操作员——手会生疏，对机组实际状态的心智模型会变模糊。而自动化把控制权交还给人的那一天，永远是最糟糕的一天，因为自动化只在困惑或出事时才会撂挑子，届时坐在椅子上的人已经多年没有真正操作过这台设备。那些手动步骤的存在，就是为了让人保持在线。这是有意为之的低效。
那座电厂最终因与工程无关的政治和经济原因被搁置，从未建成。但作者认为这个设计直觉活了下来，并且是他能为当下那个席卷所有董事会的问题提供的最有用的想法：当 AI 接手了那些原本用来培养专业能力的工作，人类的专业能力会怎样？
数据：AI 正在打断工程师的职业阶梯
作者列举了几项研究，同时诚实地标注了因果关系仍有争议：
- 哈佛的一份工作论文覆盖了 28 万多家美国企业的约 6500 万名员工，发现企业采用生成式 AI 之后，初级岗位就业在六个季度内相对未采用者下降了约 9%，而资深岗位就业继续增长。
- 斯坦福对 ADP 薪资记录的分析指向同一方向：在 AI 暴露度最高的职业里，最年轻的一批人在 2022 年底之后失去了阵地，而经验更丰富的同事守住了。斯坦福研究者发现，损失集中在 AI 「自动化」工作的地方；在 AI 只是「增强」的地方，初级就业稳定甚至上升。
- 纽约联储的研究者则把年轻毕业生失业率的上升主要归因于远程办公而非 AI，认为企业不愿雇佣那些无法在远距离下培训和带教的新人。
作者的关键论证在于：无论解释是哪一种，它们描述的是同一个坏掉的机制——专业能力从资深传向初级的「学徒通道」。无论是模型吸走了那些成长性工作，还是距离切断了围绕这些工作的带教，结果都一样：「入门级」已经悄悄地变成了「要求三年经验」。
剥掉噪音，剩下一个看似简单的问题：你不可能不先当初级工程师就成为资深工程师。专业能力不是下载来的，它是通过失败的构建、走进死胡同的调试、以及那些「这居然能跑？」的时刻挣来的。而一个称职的 AI 现在很乐意替新人省掉这些。省得够多，你就会得到一批纸面上能监督模型、却从未发育出「直觉」的人——那种知道模型什么时候正在自信而灾难性地犯错的直觉。
航空业的教训：自动化悖论
作者指出，大多数评论止步于诊断，或者把初级岗位的流失当作经济问题去找政策解法。但这同样是一个工程问题，而安全攸关领域已经花了几十年学会怎么解决它。
他的职业起点就在自动化的最前沿：毕业后第一份工作是验证与确认数字喷气发动机控制器的软件。早在 80 年代末，核心张力就已可见——机器在常规情况下胜过人类，但在机器没预料到的情况下，人类是飞机与灾难之间唯一的屏障。这就是所谓的自动化悖论：能力越强的自动化给人类操作员的练习机会越少，却只把最困难的情况留给他们。
法航 447 航班是教科书式的案例。2009 年，结冰的空速传感器向自动驾驶喂入了错误数据，自动驾驶按设计断开并把控制权交还机组。接下来发生的不是硬件故障，而是能力故障：一个本可挽回的局面变成了不可挽回，因为被数千小时「看着自动驾驶飞」所塑造的飞行员，读不出高空气动失速、也没法手动把飞机飞出来。飞机在正常工作，被自动化悄悄侵蚀掉的训练没有。
而行业的应对方式极具启发性，也正是当年核电控制室里的同一个动作：它没有拆掉自动驾驶，而是把刻意的手动练习重新装了回去。2017 年 FAA 发布了面向运营人的安全警告 SAFO 17007《手动飞行操作熟练度》，宣告「手动飞行是其他技术飞行技能赖以建立的基础」，正式把技能衰退认定为一种独立的危险。一些航司修改了程序，鼓励机组在良好条件下手动飞初始爬升和初始下降，明知会牺牲一点燃油效率，也要保住机组的原始飞行技能。作者说，这个权衡就是全部要点：一个产出无能操作员的完美优化系统根本不算优化，它只是把失效模式挪到了电子表格看不见的地方。
「手动闸门」：一个可落地的设计模式
把航空的教训和核电的直觉并排放，作者提炼出一个他认为 AI 增强型工作现在急需的设计模式——刻意的「手动闸门」（manual gate）。
手动闸门是工作流中的一个节点，在这里人接管控制——不是因为这样最快，也不只是作为安全联锁，而是专门为了锻炼和保存一项否则会衰退的技能。它的显著特征是「被选择的」：你要作为一项设计决策，决定组织必须让哪些能力活在人类身上，因为那是你在糟糕的那一天会需要的能力；然后你去工程化出维持它所需的摩擦。
作者给了一个软件团队的具体场景。团队把手动闸门设在它最输不起的技能上——调试。当关键模块出现缺陷时，被指派的工程师（刻意地，往往是初级工程师）必须先复现故障、追踪到根因、并写出一个能捕获该 bug 的自动化测试，全程关闭 AI 助手。只有在工程师给出诊断之后，模型才重新上线，用来提出修复方案、生成备选、并在代码库里扫描类似 bug。然后工程师把自己的诊断与模型的对照。当两者不一致时，这个设计正在生效——它让分歧在糟糕的那一天之前浮现，而不是在那一天当中。
这个做法彻底重构了初级工程师的定位。今天的本能是让 AI 去做入门级工作，因为更快更便宜。但其中一部分工作并不是可以消除的开销，它是你未来资深员工的培训装置，你应该像保护任何其他关键基础设施那样保护它。这在本季度可能不高效，但拆掉它等于悄悄地抵押掉了你十年后的能力。
谁付得起这笔钱
文章的结尾相当务实，没有假装这不用花钱。刻意的手动闸门在构造上就比完全自动化在短期内更低效；让初级员工做成长性工作、让人跑手动流程，是现在花钱去保护以后的东西。
在一个主要以季度业绩评判领导者的市场里，这是很难卖的。一个空降高管如果还养着「AI 本可替代的多余人力」，董事会的责难会远远早于回报到来。这笔账只对那些不受这种压力挤压的人算得通：有控制权的创始人、私人公司、有真正长视野的机构，或者一个愿意像对待飞行员那样要求从业者定期展示技能的监管者。换句话说，最可能保住自身专业能力的组织，恰恰是那些在结构上有能力用短期利润率去换长期能力的组织；其余所有人都需要来自外部的那一推。
作者把全文的论点浓缩成一句：刻意的低效不是浪费。在安全攸关的工程里，我们一直把它当作保险，并且是有意购买的。当 AI 接管了那些锻造专业能力的工作，聪明的做法不是抵抗自动化，而是通过设计把手保持在操控杆上——这样当自动化失效时（它终究会失效），椅子上还坐着一个知道怎么飞的人。
HN 评论精华
这条帖子拿到 37 分、23 条评论。讨论出现了一个相当讽刺的走向：大半的评论根本不在谈文章的论点，而在指控这篇文章本身就是 AI 生成的。
主线：这篇反 AI 侵蚀的文章，本身是不是 AI 写的
- rawgabbit 开帖引用了文中那句「一个产出无能操作员的完美优化系统根本不算优化，它只是把失效模式挪到了电子表格看不见的地方」。ddj231 立刻回击：第二句就是 AI 生成的破绽——「不知道为什么 AI 总要来这种『让你哇塞一下』的句子，见多了之后这种腔调相当倒胃口。」carabiner 补了一句总结 LLM 文风的标签：「对『看不见的/安静的/幽灵』的执念。」（CamperBob2 则从字面开了个玩笑：严格来说，一个完美优化的系统压根不需要操作员，无论称职与否。）
- matherial 把话挑明：这看起来是一篇完全由 AI 生成的文章，内容却是 AI 在教我们如何防范 AI。他说不知道 IEEE 那边出了什么事，但过去一年他看到的每篇 IEEE 文章都是这样，实在不懂长线打算是什么。
- sashank_1509 贴出了 Pangram 的检测结果，说这篇读起来完全是 AI：「这很遗憾，因为它确实提出了一个观点，但我希望作者真的把这篇文章写出来。下次直接把提示词分享给我们吧。」
- randomblock1 做了最狠的一击：他去看了作者的公司网站（auraspark.com），称其「彻底 slop 化，零人味」，并直言作者是伪君子——他让 AI 替他干了这一切，而不是像他自己主张的那样，去训练一个初级工程师来做。
- myko 只引用了文中那句「因果关系仍有争议，诚实要求我把这点说出来」，然后评论：「这种 slop 令人难堪。」
- chris_armstrong 给出了本帖最有价值的一条「既认同又批评」：他说这篇文章戳中了他——太多公司正一头扎进用 AI 自动化一切，冒着失去复制组织所需关键技能的风险，而那些技能是经验性和社会性的。但他也承认作者显然用 AI 生成了论证，「这不仅削弱了他的论点，我认为正是因为依赖 AI，他还略微错过了要点」。他的实质性批评是：文章聚焦于航空这类安全攸关系统，那只是所有行业里很窄的一部分，更大的问题是组织的韧性与再生产——让组织能扛住变化和市场动荡的技能不锁在专有信息里，而是被记录为不成文的社会规则和上下文，这些东西在劳动被外包（无论是离岸还是计算机化）时不会被传递下去。他说这个问题在软件开发中尤其尖锐，因为软件工程师不仅制造了那个编码着专有知识与组织优势的系统，还维护着它；没有一条持续的、理解系统及其行为原因的劳动力替换链，扩展或修复它的能力就丢了。他强调这个问题早于 AI 甚至早于软件（组织因为外包掉了太多关键内部职能而死亡），最终会在行业层面显现——比如制造新 IMAX 放映机的能力这个微缩样本，以及机床技能的流失；这也是为什么有些国家会补贴低效产业，因为企业没有动力自我保存，但它们的技能对维持国家自主性不可或缺。
其他实质性分歧
- sarjann 提出了这个方案最现实的障碍：在高频跳槽、高流动率的文化里，你无法确定自己培训的不是别人家的员工。这是一场全行业的囚徒困境。
- 0xbadcafebee 是唯一系统性反驳文章前提的人。他承认 AI 说得有道理但解法是错的：社会围绕熟练劳动构建，必然有些岗位只有少数人能做，意识到这点的组织和政府会拨预算去雇佣和维持这些人。当熟练工快用完时，要么找新人来培训，要么替换掉那个需要熟练工的东西（它多半已经很老、本来也该换了）。他认为「技能悬崖」是一种非理性的恐惧：假设所有人都忘了怎么写 Python，你可以付钱让人坐下来读 Python 的书，也可以把 Python 换成 Go——后者其实是更好的选择，因为 AI 本来就会写所有这些语言。他还专门吐槽了飞机这个例子「很蠢」：世界上几乎没有什么东西像一个以每小时 400 英里、在 3 万英尺高空飞行的 400 吨金属圆筒那样难以从故障中恢复；大多数时候你只要叫个修理工就行了，对于叫不来修理工的情况，就投资于更好的流程和认证/再认证。
- SA9G 把核电操作员的困境类比到了「自动驾驶」汽车要求人类在出问题时接管的设计缺陷：一个没在开车的人不会保持注意力，也缺乏在危急时刻立即接管所需的空间感知——「话说回来，好像也有不少人开车时本来就不专心。唉。」Xirdus 的回复是本帖最犬儒也最被认同的一句：「那不是设计缺陷，那是特性——一个内建的替罪羊，用来背一切出错的锅。」
- 由「AI slop」引发的一场支线争论也值得一提。r_lee 感叹整个世界仿佛陷入某种妄想式恍惚，在用 AI slop 文章和 AI 艺术生产「价值」。Xirdus 反驳说：我们已经在这种恍惚里待了 30 多年了，只不过形式是无尽的文档、分析、备忘录、演示、评审、报告——近来唯一改变的是生产文档变得前所未有地容易。这引出了 dark_matter 的「强烈反对，不要把人类的辛苦创作和 AI slop 混为一谈」，以及 sashank_1509 的「AI 某种意义上正在暴露这些东西一直以来有多没价值」。Xirdus 后续把话说得更细：规划当然是做成事的关键，但以他的经验，80% 的规划文档完全无用，剩下 20% 再砍掉 80% 篇幅也不损失质量；真正能帮到干活的人的文档（最新的流程说明、产品手册、超出自动生成范围的 API 参考、常见问题排查指南、入职材料）反而常常缺失或不完整、永远没预算好好写，「但我们不知怎么就有专人去写那些永远完不成的详细五年计划」。他怀疑，决定什么东西被写出来的核心因素是「好不好写」而非「有没有用」。
- arcboii92 贡献了本帖形式上最特别的一条：一首仿照「起初他们来抓……」句式的打油诗，逐级记录了工程最佳实践如何在 AI 效率的祭坛上被献祭——先是 CI/CD 自动化构建（没关系，只是跑我的代码）；然后 AI 进了 IDE（没关系，护栏还在）；然后业务方要了源码库权限、跳过需求来回直接和 agent 聊到功能符合预期（没关系，他们没合进 master，代码评审还归我）；最后他们要求一个常驻 agent 在零人工介入的情况下评审并合并他们那些每个改动 30 万行的 PR，因为积压了三天。诗的结尾是：「反正自动化多多益善，我要做的事更少了……直到一切崩掉，而我有一小时找出这周合进来的那一百万行代码为什么不工作了。」他在诗后补充说，这个故事听起来像他没有反抗，其实他反抗过，只是在被迫忽视了整整一个职业生涯的红旗和最佳实践之后，他现在只是「把技能卖出去看看这个 AI 完全取代开发者的兔子洞到底有多深」——顺带还有个有趣的技术挑战：「我能不能把这个系统做得足够安全，安全到即使我把自己自动化掉了，我也没法回头报复性入侵它？」
- BeautifulONES 留下了唯一一条为初级工程师说话但角度不同的短评：初级工程师虽然经验少，但他们常常带来更新鲜的、反映新时代方向的想法。