Mark Russinovich（Azure CTO）和 Scott Hanselman（微軟資深開發者關係人物）在 4 月號的 Communications of the ACM 發了一篇觀點文章，論點是軟體組織當前採用 AI 的方式正在結構性地掏空初級開發者的 pipeline。他們引用的資料讓這篇文章比通常的 AI-與-就業評論更難被打發。哈佛的一項研究發現，GPT-4 發布之後，22 到 25 歲人群在 AI 暴露職位上的就業下降了大約 13%。他們引用的另一項研究把入門級開發者招聘從 2022 年起降低了 67%。MIT 在 2025 年初的認知研究顯示，使用 ChatGPT 完成寫作任務的成年人，相對沒有輔助工作的對照組，大腦活動降低、記憶力變差——他們用「AI drag」來描述這種現象，意指還沒有形成判斷力的初級工程師在使用 LLM 時所受的負面影響。還有微軟自家內部的：他們點名了 Project Societas，一個內部的 Office Agent 專案，七名兼職工程師在 10 週內產出了 11 萬多行程式碼，號稱 98% 由 AI 生成。
他們稱之為「金字塔變窄假設」的機制，是這個論點最站得住的部分。初級開發者歷史上是透過低風險的入門級工作來學習的——bug 修復、簡單的功能實作、重構——而這些工作恰恰就是 AI 現在最擅長處理的。當金字塔的底部消失，培養下一代資深工程師的學徒路徑也跟著消失。Russinovich 和 Hanselman 的框架是：AI 給資深工程師帶來巨大的生產力提升，同時把「AI drag」壓在還沒有判斷力去校驗、整合和駁回 AI 輸出的初級人員身上。兩個效應朝相反方向疊加：資深生產力上升，初級職業養成放緩，而公司卻為了短期的人員配置方案最佳化，代價是中期 pipeline。
他們提出的干預方案是從醫學教育那借來的導師（preceptor）模式。把初級開發者和資深導師在真實產品團隊中配對，把指導明確度量並按一等交付物來計酬，導師期一年或更長，並且要有明確的「用 AI 算作弊」的課，讓初級人員展示自己在沒有模型的情況下能理解底層工作。Russinovich 確認了微軟正在內部試點這個。文章發表後討論裡誠實的反駁——Reddit 和 Register 論壇，加上 Charity Majors 一個犀利的觀察——是對一般公司來說帳可能算不過來。一個初級人員大約需要兩年時間才能產出高效。一個 AI 編碼助手讓中級開發者今天的生產力大概多 30%。按季度財報跑的公司會可靠地選第二個。Majors 又加了一條：她見過的過去幾年真的去招初級的每一個地方，主導和遊說的都是資深工程師——意思是組織的預設激勵和導師制需要的恰恰相反。
對開發者和工程經理來說，這是少數幾篇 AI-與-就業的文章裡資料足夠豐富、可以據此行動而不是僅僅做做姿態的。值得在你自己組織內部認真問的問題：過去 12 個月裡你招的人中有多少在中級以下、你現在有的那些初級人員在重 AI 的環境裡實際在做什麼具體任務、你的資深以任何形式被為指導付出補償了嗎、如果團隊裡沒有初級會成長為資深，你的三年人員規劃長什麼樣？誠實的警告是：底層就業資料有爭議——一些勞動經濟學家認為 GPT-4 之後的招聘下降更多反映的是 2023-2024 年更廣的科技寒冬而不是 AI 特定影響，67% 這個數字也很依賴你怎麼定義「入門級」。哈佛的研究控制了行業層面的效應但不完美。這篇文章對「有什麼事在發生」是對的；具體的幅度，以及 AI 在因果上獨自佔多少份額，是認真的工作還沒做完的部分。導師模式不管最悲觀的數字成不成立，都是值得倡導的那種干預。