AI 让新人交付得更快，却不一定成长得更快

最近带实习生，我发现了一件挺矛盾的事。

现在的实习生，产出比我们当年多得多，干活看上去也没那么费力。不会写的代码可以问AI，不懂的业务可以让AI解释，遇到报错，把上下文交给Agent，它会自己找文件、改代码、跑测试。

但实习生并没有因此更轻松。他跟我说，AI生成了一段代码，他不知道写得好不好。光是理解已经很费力，更谈不上判断方案是不是合适。看着正式员工熟练地用AI推进工作，他会怀疑是不是自己没用好，也担心彼此的差距越拉越大。

我很理解这种焦虑。AI提高了所有人的生产力，提高的幅度却不一样。

对资深员工来说，AI省掉的往往是自己已经会做、只是不想重复做的部分；对新人来说，AI省掉的可能正是他原本需要经历的练习。

光坐副驾驶，很难学会开车

写一个东西和看懂一个东西，差别很大。在AI时代之前入行的程序员，大概都体验过这一点。

我刚开始实习时，几乎什么都不会。每天拿到任务，再一个个慢慢做。遇到问题，先自己想，想不出来再找mentor讨论。做的事情大多琐碎，也谈不上有趣，但每个任务都逼着我做选择：从哪里下手，用什么方案，出了问题先查哪里，什么结果才算做完。

很多选择一开始都是错的。写完被指出问题，改过，下次再遇到类似情况，才慢慢知道什么方案靠谱，什么风险不能忽略。

判断力就是这样长出来的。它不只来自最后那个正确答案，也来自走到答案之前的犹豫、试错和纠正。

看AI生成的代码则不同。它已经替你做了大部分选择，你要做的往往只是沿着结果往下读。代码最后能运行，但你没有亲自走过中间那些岔路，也不知道AI替你避开了什么，或者悄悄埋下了什么。

AI曾经被叫作Copilot。到了2026年，真正握着方向盘的常常已经是AI。这本身没有什么问题，但新人坐在副驾驶上，却仍然需要学会开车。

从Chatbot到Agent，这个问题又明显了一些。

以前用Chatbot写代码，人还得复制、修改、放进项目里，至少会被迫看上一遍。现在Agent可以自己读代码库、改文件、跑测试。人给出任务，最后检查结果，中间发生了什么，越来越少出现在眼前。

这对交付当然是好事。可对新人来说，那些被隐藏的过程，原本也是学习发生的地方。

人的大脑很难拒绝一个现成答案。手头还有下一个任务，代码也已经跑通了，这时要求一个新人停下来，把AI做过的事情从头想一遍，很反人性。何况他可能连哪里值得细看都不知道。

于是，一个人可以交付得越来越多，却没有变得更有把握。今天借助AI做出了一个功能，明天换个相似的问题，还是不知道该从哪里下手。AI留在代码库里的东西越来越多，留在自己脑子里的东西却没有同步增加。

过去，变聪明常常是工作的副产品。一个人做得足够多，踩过坑、挨过批评，逐渐知道什么是对的。

现在，变聪明更像一项需要主动完成的工作。

同样在用AI，资深员工往往会越来越快，因为他知道该把什么交给AI。

他能划出边界，能看出结果哪里不对，也知道什么时候应该停下来自己接手。AI负责执行，他负责选择。

新人恰好还没有选择的依据，缺一套标准：什么算好，什么只是勉强能跑，什么问题现在看不见、以后却一定会找回来。

如果一直接受AI给出的第一个答案，工具确实能让新人变得更能干，却不一定能帮他建立这些标准。时间久了，他甚至很难分清，眼前的产出里，哪些已经成了自己的能力，哪些只是模型暂时替他托住了。

不过，我不赞成用“少用AI”解决这个问题。公司不会因为新人需要练习，就退回低效率的工作方式。新人也没必要为了复制上一代人的成长路径，故意放弃现在的工具。

真正要练的，是别把所有选择都交出去。

开始任务前，可以先不让AI动手，自己说清楚准备怎么做、做到什么程度才算完成。AI给出方案后，不要急着接受，至少看一眼还有没有别的做法，为什么选这个。代码跑通了，也要自己决定怎么验证；出了问题，先猜一次原因，再去看AI怎么判断。

这些步骤不会让工作变快，甚至有点麻烦。但练习本来就不是交付流程自动附送的东西了。

AI可能拉大了新人和资深员工眼下的生产力差距，却也让新人离一个完整产品更近了。

以前，一个新人可能要工作几年，依赖一整个团队，才有机会参与做出完整产品。现在他可以借助AI补上设计、开发和部署中的缺口，更早把自己的想法做出来。

这件事同样能训练判断力，而且可能比接一串零散任务更有效。因为产品是自己的，他必须决定做什么、放弃什么，也必须面对真实用户是否愿意用。AI可以替他写代码，却没法替他承担这些选择的结果。

所以我并不觉得这一代新人注定更弱。他们少了一部分由工作被动提供的练习，也得到了以前很少有的机会：可以更早独立做完一件事，更快看到自己选择的后果。

只是从现在开始，交付和成长不再是同一件事。前者AI可以帮忙，后者还是得自己负责。