学徒制断裂：AI 正在悄悄切断专家的传承链
来源：dev.to — 2026-08-03
📋 概述
这篇长文提出了“学徒制断裂”（apprenticeship severance）概念：AI 真正威胁的不是工作岗位本身，而是老一辈专家向下一代传递隐性知识、专业判断的机制。斯坦福研究显示 AI 高暴露职业中 22–25 岁就业下降 13%，软件工程和客服的初级岗位近乎下降 20%。作者借用 Polanyi 的“隐性知识”理论、Collins 的知识分类和 Matt Beane 的“影子学习”研究，论证了“评审”不能替代“亲手做”，并提出了保留发展功能的四种 AI 工作流设计。
🔑 核心要点
- 隐性知识难编码：Polanyi 的“我们知道的多于能说出的”，专家的直觉靠长期贴近师傅耳濡目染，而非文档传授
- 机器人手术的教训：Beane 发现机器人外科培训让住院医生实操减少 10–20 倍，技能转向地下的“影子学习”
- 评审者陷阱：判断力是亲历大量工作后沉淀的残留物，先做评审后做生产，等于让人先做最难的事
- 数据佐证：AI 高暴露职业 22–25 岁就业相对下降 13%，初级岗位工资跌 6.3%，资深薪酬不降反升
- 保留发展的工作流：刻意设计的“生产性挣扎”、显式推理外化、把师徒关系当制度优先、构建校准不确定性的 AI
💡 金句
Judgement is not a free-standing capability. It is the residue of having done the work often enough to develop instincts about it.
👍 0
👎 0
← 返回 Dev.to 首页