|
三周前，我看着一个AI智能体在四分钟内完成了一项重构任务。两遍就完成了。相同的任务，一个低级迷惑者需要两小时、三次Slack对话，还需要高他们两个职级的东谈主拉出一张架构图。 阿谁两小时的版块，即是低级迷惑者夙昔成长为高档迷惑者的模样。而四分钟的版块，则不包含这些过程中的任何部分。 我原本筹划写一篇题为"AI仍然作念不到什么"的著述。等我完成测试时，我写的酿成了这篇。 要是你照顾工程招聘、指导低级迷惑者，大概正在2026年试图参加软件行业，那四终点钟智能体测试给我展示的东西，正是你的功绩战术需要的数据点。 实验是这样进行的。我抽取了一份任务清单，这些任务是我所追踪的公司均分拨给低级迷惑者的。编写单位测试。竖立lint特地。根据规格说明添加API端点。使用文档化的阵势重构留传模块。根据附加的特地日记调试失败的活水线。 我把调换的任务分拨给三个AI编程智能体，纪录了它们在无需匡助的情况下完成了什么、部分完成了什么、以及弥漫无法波及什么。 1、其他任务展示了什么 重构是五项任务之一。其他四项讲解的是团结个故事。 当我把单位测试任务交给三个智能体时，三个王人在无需任何辅导迭代的情况下完成了。当我把API端点任务交给它们时，唯惟一个需要建议透露问题。调试任务最能说明问题。我给了每个智能体一个特地日记和一个堆栈追踪。三个王人正确识别了根底原因。两个编写了竖立决策。一个在未被条目的情况下更新了文档。 那些不可凯旋回荡的任务是需要机构高下文的任务。知谈三年前为什么作念出了某个特定的架构决策。读懂两个有共同不悦的团队之间的政事地舆。认知哪个利益连系者的意见确切死字着效果。 这些仍然需要东谈主类。 关联词教会你机构高下文的使命——低级迷惑者用来构建代码库本体运作模样心智模子的那些重迭性的、有鸿沟的、结构化的任务——简直也曾弥漫隐匿了。 学徒制在学徒还没来得及学到学徒制本该教训的内容之前就被自动化了。 这不是一个坐蓐力的故事。这是一个东谈主才管谈的故事。管谈是单向的。 2、证据我测试的数字 我去寻找学术凭据来考证或反驳我所不雅察到的。 最具体的数据点来自斯坦福薪酬分析，在一篇2026年2月发表在ACM通信上的论文中被援用，论文作家是微软两位最高档别的工程负责东谈主Mark Russinovich和Scott Hanselman。 斯坦福薪酬数据自满，ChatGPT发布后，22至25岁迷惑者的服务下落了近20%。论文中还援用的哈佛简历数据自满，给与AI的公司中低级职工服务在六个季度内下落了7.7%。 Russinovich和Hanselman给这个动态起了一个名字。他们称之为AI拖累。智能体编程助手刻下给高档工程师带来了AI莳植，成倍增多了他们的产出，米兰体育官方网站同期对穷乏判断力和高下文来指点、考证和整合AI输出的早期功绩迷惑者施加了AI拖累。 用他们的话说，效果是一种新的激励结构。雇佣高档东谈主才。自动化低级使命。 他们的劝诫是平直的。莫得早期功绩招聘，这个行业的东谈主才管谈就会崩溃，组织将靠近莫得下一代训导丰富的工程师的将来。 耶鲁大学首席扩充官率领力商榷地方4月29日发表于《钞票》的一篇分析中，愈加直白地描画了这一瞥变。著述标题是"AI不会杀死你的使命。它会杀死你通往第一份使命的谈路。" 耶鲁的著述描画了41%的受访高等教训率领者默示高度温顺初学级白领职位的脆弱性。作家细则的机制不是大范畴训斥低级职工。而是公司在偷偷关闭新东谈主的大门。 这个区别很进击。功绩道路不是在用公告根除。它是通过莫得东谈主需要浮现的招聘决定在被关闭。 3、让阵势豁然生动的外科大夫类比 想象一下病院怎样培训外科大夫。 医学生不是从作念手术启动的。他们花数年时期在有鸿沟的任务上。缝合老到伤口。协助老例手术。查阅病历。在监督下反复老到案例，直到他们的双手和判断力校准到足以被信任处理复杂情况。 重迭不是办法地。它是构建外科大夫的机制。 刻下想象病院自动化了每一个有鸿沟的老到任务。高档外科大夫的坐蓐力大幅提高。入院大夫莫得路子来建立让高档外科大夫成为可能的那种校准才智。 你莫得改善管谈。你移除了管谈的底部，同期让顶部保合手无缺。 这即是2026年的软件行业，仅仅运营它的外科大夫们还没告诉入院大夫。 功绩道路莫得落空。它正在被那些也曾站在顶部的东谈主从头假想。 三年来，米兰app主流叙事很简便。AI不会抢走你的使命。它会让你更高效。说这话的东谈主是高档从业者，他们的使命如实变得更高效了。对他们来说是确切。但被不加训练地推及到其他东谈主身上。 这个推论是特地的。AI并莫得均匀地分拨坐蓐力增益。它把增益聚首在了顶层。 ServiceNow首席扩充官Bill McDermott本周在《钞票》中建议了乐不雅的反驳。要是你只雇九分终点的东谈主才，为什么要解任而不是再培训？ServiceNow被智能体AI取代的IT职工也曾转入了智能体照顾变装。 我反复想考这是否照顾了问题。它莫得。 那些九分终点的东谈主也曾领有了机构高下文。那些本应在将来三年景为九分终点的东谈主，刻下不错攀爬的横档更少了。你无法照顾你从未构建过的东西。 附带一提。微软的Project Societas在十周内由七名兼职工程师产出了110，000行代码，其中98%由AI生成。监督它的高档工程师刻下的坐蓐力呈指数级增长。那些本应被雇佣来在一年内编写这些代码的低级迷惑者，根底莫得被雇佣。 4、为什么再培训名堂无法照顾这个问题 功绩道路从来王人是一种交易安排，而不是发展理念。 公司雇佣低级迷惑者是因为他们需要以较低资本完成有鸿沟的扩充使命。低级迷惑者经受这种安排是因为作念这些使命是学习作念更难使命的模样。只消公司需要东谈主类来承担那一层使命，这种交换即是合理的。 当AI领受了那一层使命时，交易安排改变了。发展理念却莫得。资助学徒制的基础步伐隐匿了。剩下的是一群被示知要通过执行来学习的迷惑者，身处一个执行已被自动化的阛阓中。 每个招聘司理刻下王人在作念的假想，不管他们是否公开承认，是这样的。低级迷惑者年薪加入职照顾用度，对比GitHub Copilot Enterprise每个席位19好意思元加又名高档从业者的审查时期。 订阅决策在资本上胜出。补贴两年学徒制的交易根由也曾不复存在。 公司仍然从高档迷惑者那里受益良多。他们也曾偷偷罢手为成为高档迷惑者的旅途付费了。 我不知谈怎样从公司外部来干净利落地照顾这个问题。 5、该何如作念，取决于你站在那边 给刻下阛阓中的低级迷惑者的建议。 罢手将编码妙技定位为你的主要信号。启动将智能体编排构建为一个可演示的使命过程。界说任务。评估输出。发现失败阵势。纪录异常。这是高档团队刻下需要从下属那里得到的。辅导词工程也曾是商品了。对AI输出的判断力不是。 围绕决策而非结束来建立作品集。在我的测试中AI无法完成的使命是机构性和关系性的。架构遴荐。利益连系者导航。跨团队判断。纪录你作念出这些决定的案例。不是你写的代码。而是决策背后的推理、你评估的量度、你劝服的东谈主。具体作念法：创建一个名为decisions/的GitHub仓库。对于你作念过的每个架构决策，写一份200字的文档。你评估的量度、你终结的选项、你劝服的东谈主。当你"列出你的器用"无法将你与其他50名候选东谈主分袂开来时，这个仓库就成了你的口试材料。 走进每场口试时王人要了解资本对比。GitHub Copilot Enterprise每月每席位19好意思元。低级迷惑者的首年沿路资本（薪资加入职加上手时期）是90，000–130，000好意思元。这即是你的口试官在作念的假想。要是你不可说出你作念的事情是19好意思元订阅作念不到的，你就站在了特地的地基上。三句话。记取它们。仍在招聘低级水平的公司这样作念是有具体原因的。在通话前弄明晰阿谁原因。 对于我一直在想考的少量。每个候选东谈主王人在简历上列着Copilot和ChatGPT。一列器用称号什么也不代表。确切有真理的是发现AI失败阵势并加以更动的具体例子，并附上纪录的推理。一个具体例子胜过十个器用称号。 这些无法照顾的问题。这些法子王人莫得弥漫照顾将来18个月参加阛阓的东谈主的管谈问题。结构性迁徙的迁徙速率快于任何个东谈主从头定位所能领受的速率。这些法子提高了你的胜算。它们不可排斥顶风。 6、梯子还在那里 斯坦福数据自满低级服务下落20%不是统计异常或下个季度就会平时化的阛阓修正。它是结构性迁徙的第一个信号，其迁徙速率快于任何再培训课程所能跟上的。 剩余的初学级变装看起来会更少像"写代码"，而更多像"决定AI应该写什么，然后判断它是否确切写对了"。这是一个大大批培训管谈无法产出的不同妙技组合。它需要建立在训导之上的判断力。而这种训导正在变得更难赢得，恰正是因为AI在自动化夙昔创造训导的使命。 三周前，我看着一个智能体在四分钟内重构了一个留传模块。两遍完成。莫得机构学问。莫得团队历史。不睬解为什么原始迷惑者作念出了他们所作念的决定。 它相同不知谈当重构破损了一个它不知谈存在的系统中的东西时，该打电话给谁。 阿谁本诓骗两小时完成重构的低级迷惑者就会发现。阿谁发现——它激勉的三次对话、某东谈主拉出来的讲解两个系统为什么耦合的架构图——那即是他们成为高档迷惑者的模样。 那种特定的教训刚刚变得更难找到了。 功绩道路莫得落空。它正在被那些也曾站在顶部的东谈主从头假想。 Russinovich和Hanselman在他们的ACM论文中建议了一个照顾决策。以三比一或五比一的比例将高档和低级配对。使指导和妙技回荡成为明确的组织办法，而不黑白矜重的副家具。他们称之为导师制。微软正在试点。 我不细则大大批公司会这样作念。产生这个问题的数学相同会刑事连累这个照顾决策。 要是你在职何范畴上照顾工程招聘米兰，你团队本季度的学徒制预算名堂是什么？要是你找不到它，你什么时候从头绽放这个预算？ 开云体育官方网站 - KAIYUN |
备案号: