在纪录片《寿司之神》中，有一个情节：新来的学徒在最初几个月需要拧滚烫的热毛巾，常常导致手掌发红甚至起泡。在后厨的严格规定下，学徒在初期不允许接触刀具或鱼生。只有在完成长时间的基础工作后，他们才被允许开始处理鱼类和米饭。而要想真正出师，独立承担工作，最后一个步骤是煎出符合标准的玉子烧。据说有的学徒尝试了大约二百次，才得到师傅的认可。
过去的手艺没法速成，想要筛选不靠谱的人，一个简单的办法就是让他反复做同一件事情，让手艺比头脑更熟练，让对好坏的判断力长到肌肉里去。仅仅是一锅米饭煮得好，往往需要学徒多年的时间。
但如果这时有人给餐厅端来一个智能电饭锅呢？
把米淘好，加水，按开关，电饭锅就会给你端来一锅均匀加热好的米饭。不用起早贪黑看着锅，也不用因为谁今天心情不好就把饭煮烂了。以前最要学徒心血的，最重要的基本功，成了最便宜的事。
电饭锅当然做不出一个一贯能直接端出去的寿司。它不会在清晨的鱼市上挑货，也不会根据当天的温湿度去调整饭团的松紧。但它砸掉的恰恰是这个体系的根基：把煮饭这件事的门槛抹平了。煮饭随手就能做得出来之后，原来建立在先苦熬几年学会煮米饭之上的学徒阶梯和试菜规矩，一下子就没了着落。
今天生成式 AI 给技术行业带来的冲击，其实也是这样。
很多人对此的第一反应是恐慌，觉得 AI 在抢饭碗，甚至觉得程序员很快就要集体失业了。但真实的情况要更微妙：AI 并没有直接端走整个职业，它吃掉的，是职业里那些能被标准化执行的环节（Brookings 有一份研究把哪些活最容易被吃掉量化过，一项同行评审研究解释了为什么偏偏是这些活）。就像电饭锅只管煮好白米饭，它接管的是重复的机械步骤，并不是整套料理。
问题在于，学校和面试本质上用的是同一张筛子，筛孔只有一个：你会不会煮饭。而现在，这张筛子恰好架在最容易被吃掉的那一层上，一面是招聘，一面是教育，两边都出了问题。
企业招聘先出问题。以前技术面必须刷题、写标准代码，是因为好批。现在人人能顺手用 AI，这套考法就不成立了。The Pragmatic Engineer 对大厂面试官做过调研，81% 的人怀疑面试时有人用 AI 作弊。答案几秒就能生成，面试官隔着屏幕，很难判断候选人是懂底层原理还是用好了工具。
标准一失效，招聘端很快就有了连锁反应。开发者社区 Stack Overflow 引用过 Final Round AI 的跟踪统计，技术行业里初级岗位的招聘量在一年的时间里同比大约降四分之一（25%）。企业还是需要新人，但那套旧卷子已经分不出谁靠谱了（一项对雇主的调查里，约六成的雇主说自己没打算直接替换初级岗，四成在琢磨用 AI 增强）。
随之失灵的是学校教育。现在的学校大体上仍是一套标准知识的输送线，平时教语法和常见算法，期末考限时默写代码片段，归根结底在教学生如何煮出一锅标准白饭。学生用 AI 几秒钟就能敲出一份工整的大作业后，以往的闭卷考和家庭作业，鉴别力自然大幅下滑。
这两方面都失灵了。但问题的根源不在于 AI 抢走了什么，而在于这套筛选一直以来只是在考核你会不会煮饭。标准的执行变得一文不值之后，这种靠机械复现来打分的机制，迟早会失灵。
筛子一失灵，人们往往会恐慌，这主要是因为很多人下意识地认为能力的成长是一种平滑上升的过程：只要你写几年代码，初级工程师自然会成长为资深专家。
但现实往往并非如此。
从公司的角度来看，虽然刚毕业的学生基础往往很好，但身上的学生气太重，所以只能在公司里从事较低级的职位。他们往往需要三到四年的时间，才能在实际工作中理解资深工程师们的立足点，达到可以升职的程度。
我越来越觉得，从初级到资深，不是把初级阶段的工作效率提高两三倍。如果把初级工程师的工作比作煮饭的话，那高级工程师也不是那个一顿能煮三锅饭的人。在技术上，每上一个台阶，工作内容几乎都要全部重写一遍，就像上了一个新课，甚至是换了两种不同的职业跑道，而不是把原有的技能变得更快速。
整个行业里，很多从业者也在强调这一点，资深和初级的区别不是写代码写得有多快，而是能不能理解业务需求，能不能预见系统可能出现的问题，能不能设计一个合理的架构，还有出了事敢不敢负责。工龄到了，升职加薪不会自动敲门。
经济学者 David Deming 在一项很有名的实证研究里发现，机器不断替代那些可重复的劳动之后，劳动力市场对技术执行的奖励反而在变慢，而沟通、协调这类社会技能的奖励越来越高。哥伦比亚商学院对财报电话会的分析也印证了这一点：越是高层，沟通协调能力越重要。
理解了这一点，就不难理解为什么传统教育长期以来存在一个误区：学校教学生做饭，并不是因为做饭能决定未来的高度，而是因为做饭最好出题、最好打分、最有助于学生通过校招的第一轮。而现在，AI 把这层保护伞打破了，大家才不得不直面一个事实：后面真正有价值的东西，以前学校其实并没有认真教。
面对这种变化，很容易走向另一个极端，有人喊：“AI 都能写代码了，那基础是不是就不用练了，直接去学软技能？”
这其实是低估了工具的价值。电饭锅省去了看火、控温这些体力活，但替代不了你对米饭好坏的舌头。如果你连一碗饭是夹生还是软烂都尝不出来，端出的东西到底有没有用，你完全没有感受。基础仍然很重要，只是工具将人从机械重复中解放出来，让我们终于有时间把精力花到更重要的事情上。
电饭锅人人都有，真正拉开差距的是电饭锅做不到的五样能力：
要把这五样能力落到地上，学校和个人的做法都得改改。
对学校来说，旧有的考试评分体系需要重塑。应该增加口试、作品集和实操的比重，并且把如何运用AI融入教育体系。麻省理工学院（MIT）的专家委员会在其关于AI和教育的官方报告中就指出，学校应该重新设计评估机制，并且不建议依赖 AI 检测软件。因为这样的检测手段往往会导致学生和老师的猫鼠游戏，而且极易造成误伤。而真正的考核应该在于学生当面向老师阐释自己的思考过程，为自己的方案进行辩护。
对个人而言，最要紧的是别再死记那些脆弱的技术名词，沉下心来练真正的工程判断。我在大学时和学生交流也提到过这点：技术名词也许能换来一张面试的门票，但能不能走多远、往上走，全看判断力。AI 让各种新名词的保质期变短，反而把对判断力的要求大大提前了。新概念天天冒出来，看穿它们的一个好办法是看清楚哪些是工程和业务里一直都在的真问题，哪些只是为现在模型打补丁、注定被淘汰的权宜之计。把精力放在前者上，脚底下才不发虚。
但看清路并不等于走着顺心。现实和想法之间，隔着三道坎。
第一道坎是新手如何入门。尽管所有人都承认高级技能的重要性，但经验无法跳过。没有人可以不参与具体任务就能获得全局视野。虽然经验不能跳过，但我的观点是，经验可以压缩。初级工程师需要大量的实际系统操作机会，而AI在这里可以发挥最大作用，作为一个随时可用的陪练，即使失败也没关系。通过AI来模拟一个接近真实的工程环境，让学生在进入职场前体验一遍从需求分析、架构设计、上线维护到故障排除的全过程，是缩短这个摸索期的最有效方法之一。
第二道坎，来自一个流行的担忧：砍掉初级岗，会不会把资深的路也一起堵死？这听着有理，其实是同一个错误：它默认干初级的活，就是为资深做准备。可前面说过，这俩基本是两条线。初级那一摊经历里，真正对资深有用的可能只有一小块，比如知道真实的系统长什么样、敢为一点结果担责；剩下的大半，是 AI 现在就能接手的执行。所以真正该担心的，是那一小块没人再练了。把九成机械重复和一成判断训练一起砍掉，那才真叫断了后路。
最后一道坎，可能最反直觉：这个筛子失效，不是 AI 太聪明能替人做决策，而是下一阶段的判断、沟通、协作和担责，天生就更难在老试卷上考出来。
给算法题打分很省心，跑个测试用例看输出对不对就行。但要在模糊的局面里看一个人的取舍水准、看他在团队吵架时怎么拉齐共识、看事故砸下来时敢不敢顶上去，这种评价想做客观、想大规模推开，成本高得吓人。所以这张筛子会失灵，问题出在它的筛孔只认执行，认不出判断、协作和担责。
电饭锅不会走，筛子也不会自己修好。要紧的是别再装作没这回事：过去选人、教人，靠的都是同一张只会筛执行的筛子，如今它筛不动了，正该趁这个当口想清楚，那些电饭锅做不了的本事，也就是判断、设计、协作、担责，到底该怎么教、怎么练、怎么才算数。这一步没人能代劳，就像那台电饭锅，也替不了学徒亲自站到案板前。