AI平权时代，正在批量生产“愚昧之巅”的校招生
最近在职场社区看到一则热帖，引发了不少技术管理者的共鸣。
一位大厂前辈吐槽：自己带的校招生，拿着AI生成的一堆文档，对着部门的资产产品和现有技术架构指手画脚，直言前辈们技术老旧。安排基础工作被拒，理由是“不想做边角料，只想做核心活”。但真给核心活，又完全没经验干不明白。最终Leader的选择是：“晾着一边，实在不想带了。”
这并非个例，而是AI技术平权浪潮下，职场新人群体中正在蔓延的一种“认知时差”现象。
现象：工具效率被误认为个人深度
过去，校招生的“指点江山”多源于书本理论与实际的脱节。但在AI时代，大模型能秒级生成逻辑清晰、格式专业的架构文档或分析报告。这给新人制造了一个巨大的幻觉：“我能指挥AI写出完美的方案 = 我已经具备了核心架构能力。”
他们忽略了最关键的一道分水岭：AI生成的是通用的“知识”，而企业需要的是基于业务痛点和历史包袱的“见识”。
所谓的“前辈技术差”、“祖传代码烂”，背后往往藏着无数次线上故障的代价、极端流量下的妥协，以及业务优先级逼的取舍。这些“切肤之痛”是AI无法感知的，更是任何Prompt都无法调取出的隐性经验。
理论映照：达克效应在AI时代的完美显形
这恰恰是心理学中“达克效应”（Dunning-Kruger Effect）在当下的现实写照。
达克效应揭示了人类认知偏差的经典曲线：能力欠缺者往往沉浸在自我营造的虚幻优势中，高估自己的水平，站在“愚昧之巅”；而真正的专家反而容易因为深知复杂而自我怀疑，陷入“绝望之谷”。
在传统的职场环境里，一个新人从“愚昧之巅”滑向“绝望之谷”，通常需要经历几个月的实战毒打、代码Review被怼、线上故障背锅。这个过程是缓慢且痛苦的。
但AI的出现，极大加速并扭曲了这一进程。它用看似完美的输出，把新人牢牢钉在了“愚昧之巅”的顶端，甚至让他们误以为“我已经跨过了山谷”。此时，任何来自前辈的“慢一点”、“从基础做起”的劝诫，在他们听来都像是“老古董在阻碍变革”。这也是为什么“单聊两次”依然无效——他并非态度傲慢，而是认知系统里根本没有“我不行”这个选项。
剖析：为什么“边角料”才是真正的试金石
截图中的Leader安排基础工作，在成熟的技术团队中，这其实是一道必做的“压力测试”。
核心系统好比一架正在高空飞行的客机，绝无可能将操纵杆交给一个刚拿了模拟器满分（且有AI副驾驶）的新手。那些看似无聊的“边角料”——配置核对、日志监控、数据订正——本质是在训练两样东西：
- 业务体感：对数据异常的敏锐度、对发布流程的敬畏心。
- 兜底能力：学会为自己的每一行配置、每一条数据变更负责。
如果连边角料都无法做出亮点、摸清门道，反而证明此人当前的能力模型还远未触及核心逻辑的复杂性门槛。
现状：管理者陷入“带教困局”
面对这类“眼高手低”的新人，许多管理者正陷入两难。
沟通（单聊）已失效，真诚的建议被视为“老派的说教”；强制压任务，又可能激化矛盾甚至触发劳动仲裁风险。最终，大多数成熟的Leader选择了一种无声的策略——“结果对赌”与“有限放权”。
即：圈定一块非核心但完整的“小闭环”任务（如优化某个次要接口的性能），设定明确的量化指标。告诉他：“这是你的第一个‘核心战场’，给你充分自主权，用你的AI工具拿出结果。”
这并非妥协，而是将“愚昧之巅”的新人推向“绝望之谷”的最快路径。当精心设计的AI方案被线上监控报警打脸，当自以为完美的代码在压测下瞬间崩溃，撞一次真实的南墙，其教育意义远胜百次一对一辅导。
结语：AI不淘汰努力，只淘汰错觉
AI的技术平权，确实让这一代新人拥有了前所未有的起点高度。但它淘汰的从来不是努力的人，而是那些混淆了“工具效率”与“个人深度”的人。
对于尚在“愚昧之巅”的校招生而言，唯一的破局之道在于：意识到AI是你的“副驾驶”，而非“自动驾驶”。真正的核心竞争力，是当AI给出十个可选方案时，你能凭借对业务和系统的深刻理解，准确指出哪一个会在凌晨三点的流量高峰触发报警。
而对于管理者，保护系统不被搞崩，比保护新人的玻璃心更重要。毕竟，达克效应的泡沫，往往在第一次承担线上事故责任时，就会被戳得粉碎。
（观点综合自互联网职场社区热议及技术管理圈层讨论）