生成式AI的接纳悖论：为何资深人士在专业应用上领先

长久以来，人们总有一个固定的看法：新鲜事物似乎天然属于年轻人。智能手机如此，社交媒体亦是如此。往往是年轻人抢先体验并更熟练地运用，而年长一些的用户则要慢上三到五年才能跟上节奏。

然而，过去两年，我对生成式人工智能的认知发生了翻天覆地的变化。在我接触的业内人士、会议参与者、工作伙伴以及Habr论坛的用户里，真正深入钻研这个领域的，并非那些二十出头的“数字原住民”，反而是工程师、架构师、团队负责人，以及——最令我惊讶的——那些拥有十五到二十年经验的高层管理者。而这些群体，通常是最后才去掌握新技能栈的人。

这或许只是我个人的错觉。可能是幸存者偏差，也可能因为我所处的圈子让我更容易遇到这类人。因此我决定去查证：这种感觉是否有真实的数据作为支撑？

简而言之：是的，确实存在。而且实际情况比“年轻人领先”这种说法要有趣得多。

当我们提出“谁在使用人工智能？”这个问题时，实际上我们是在探讨两个完全不同的问题。而这两个问题的答案恰好相反。

1. 广度（尝鲜式使用） 在这个维度上，年轻人确实走在前列——这并不意外。

皮尤研究中心和路透社研究所（2025年）的数据显示：18至29岁的美国人中，有58%到59%至少尝试过一次ChatGPT或生成式AI；50至64岁人群中这一比例为25%；而在65岁及以上人群中，仅有约10%的人尝试过。

路透社研究所的报告指出：18-24岁的年轻人中，每周使用生成式AI的比例高达59%，而55岁及以上人群的周使用率仅为20%。

OpenAI（分析了约150万次对话）发现：大约一半的信息来源于26岁以下的用户。

这与智能手机的普及模式高度相似，呈现出典型的年龄梯度。

2. 深度（深入、工作场景使用） 但在这个层面，情况就完全不同了。

麦肯锡《职场中的超级代理》（2024年10月，样本量n=3613）报告：35-44岁的人群中，有62%表示在生成式AI方面拥有“深厚的专业知识”，这个比例在所有年龄段中最高（Z世代为50%）。

波士顿咨询公司（BCG）《2025年人工智能在工作中的表现》显示：88%的高管和78%的经理每周多次使用生成式AI，而普通员工的这一比例仅为51%。

Slack/Salesforce（2025年）的调查发现：三分之一的千禧一代（28-43岁）每天在工作中使用AI，并围绕它重构工作流程。Z世代也频繁使用AI，但主要用于学习和个人事务。

结论很清晰：年轻人并未落后。他们只是在不同的场景下使用人工智能，并取得了不同的成效。这也正是不同研究得出“矛盾”结论的原因——他们衡量的指标不同。文章末尾，我发起了一项调查。虽然不确定能否触达广泛受众（除非您愿意帮忙，将链接分享给您的朋友和同事），但我坚信，弄清楚“谁在使用AI以及如何使用？”至关重要。

从历史经验来看，认知工具的开发和深度应用往往始于经验丰富的专业人士。

事实证明，“年轻人永远优先”的刻板印象仅仅建立在社交媒体（Facebook/Instagram/Snapchat/TikTok）和iPhone这两个突出的例子上。而对于生产力工具而言，情况几乎总是恰好相反。

VisiCalc和Lotus 1-2-3（1979-1987年）是个人电脑上最早的“杀手级应用”。早期使用者包括会计师、分析师和经理人。

早期商业互联网（1995-1996年）——典型用户画像：一位受过良好教育、年龄超过40岁的男性。

黑莓（2002-2008年）——用户平均年龄38岁，其中48%为经理及以上级别的高管。

我曾偶然读到一篇有趣的荟萃分析，该研究涵盖了470项创新扩散研究（Riverola等人，2017），结果发现年龄是预测早期创新采纳最弱的因素。教育水平和收入的影响则要显著得多。

生成式AI是一款混合型产品。从覆盖广度看，它类似消费品；但从使用深度看，它更像经典的企业级工具。因此，“年轻人领先”和“经验者领先”这两种说法可以同时成立——只是关注的维度不同。

1. 领域知识的放大器：沃顿商学院的伊桑·莫里克提出了“锯齿状前沿”概念，用以描述模型能力的波动边界。波士顿咨询公司（BCG）对758名顾问进行的实验表明，在自身专业领域内工作的顾问，完成任务的数量多出12%，速度快25%，质量高出40%。一旦超出“锯齿状前沿”，他们的表现会比对照组低19个百分点。新手往往难以察觉这条边界的存在。

2. 提示词的艺术：泰勒·科文对此有精妙阐述：泛泛的问题只能得到平庸的答案。高质量的提示词依赖于丰富的词汇（操作符）、系统的知识体系以及分解问题的能力。换言之，它取决于专业领域的知识。

3. 验证的能力：微软的研究（Copilot研究，涉及5000多名开发者）发现，资深工程师接受模型建议的可能性比初级工程师低4.3%。他们更擅长识别不良代码。因此，初级工程师可能产出更高的代码量，而资深工程师则能维持更高的架构质量。

4. 十小时法则：根据莫利卡的职业观察，大约需要十个小时的刻意练习才能“入门”人工智能。一个学生每周花一小时用ChatGPT做作业，短期内难以达到这个门槛。而一个每天撰写技术规范的工程师，几天内就能做到。正如你所知，人们大致分为两类：一类总是因“又到使用上限”而沮丧，另一类则无法理解为何有人一天能用掉超过五小时。

社区正在热烈地讨论这个话题。

diffnotes-tech（《没有AI的老年人是新的初级用户》，2026年4月）引入了“AI分层”的概念，并描绘了高级用户的画像：史蒂夫·耶吉（57岁），肯特·贝克（64岁），鲍里斯·切尔尼。

一位拥有20年经验的资深开发者（“与AI代理共事300天”）借助Cursor和Claude重新投入活跃的开发工作，一年内贡献了759项代码，远超前18项的水平。

st-korn（《一位老开发者眼中的Vibe编码》）展示了在经验丰富的人手中，模型能产生怎样截然不同的结果。

K2的企业案例研究（“我们与Copilot共存一年”，涉及600多名开发者）表明：正是资深员工展现了这项工具的全部潜力。

公平地说，某些地区的情况有所不同。

印度（BCG 2025）：AI采纳率高达92%，位居全球第一。而且，AI的普及是由下而上推动的：年轻人比管理者更快地接受了这项技术。

丹麦（Humlum和Vestergaard，PNAS 2025）：年龄每增长一岁，使用某类工具的可能性大约降低1%。年轻人也更注重深入使用该工具。

METR实验（2025年）：AI开发者的工作效率降低了19%，但他们却自认为效率更高了。这对所有“百倍效率”的案例都是一个严肃的警示。

年轻人也能达到深度应用——但主要局限于个人和学术领域（萨姆·奥特曼在他的采访中曾谈及此点）。

2026年4月最令人担忧的现象是初级岗位招聘数量的急剧下滑。

斯坦福数字经济实验室和哈佛大学（数据覆盖6200万劳动者）的研究显示，在AI相关职业领域，22至25岁人群的就业率相对下降了13%至16%。Habr网站上，diffnotes-tech（“他们不再招聘初级员工了”）引用了Revelio Labs的数据：入门级职位空缺减少了35%，初级员工的招聘比例从15%降至7%。

这引发了一个悖论：如果没有初级员工，5到10年后将会出现成熟专业人才的短缺。正如Diasoft的人力资源总监所言：“初级员工的主要价值在于他们终将成为高级员工。”

需要特别指出的是：尽管“AI招聘崩溃”背后的因果关系看似确凿，但尚未被完全证实。一些经济学家将这种下滑归因于市场周期。

“随着生成式AI的发展，情况恰恰相反——资深人士领先”这一假设得到了部分验证，但仍需进一步厘清。

关键不在于年龄本身。真正的变量是领域专业知识、工作影响力以及验证模型的能力。一位40岁的工程师具备这些能力，而一位22岁的实习生则可能不具备。

然而，一个22岁的年轻人，如果有意识地积累专业知识，并像“半人马”（哈佛商学院用以形容在保持完全掌控的同时，巧妙与AI协作的人）一样与AI协同工作，那么他十年后的发展潜力可能超越以往任何一代人。当然，谁也无法精确预测十年后的景象。

创新扩散理论并未过时，而是在不断演进。对于认知工具而言，“早期采用者”并非由出生年份决定，而是由教育水平和职业地位决定。

对于35岁以上的人士：你们的专业知识是AI能够最大限度放大的宝贵资源。

对于25岁以下的年轻人：AI并不能替代打好基础的必要性。在尚未建立自身认知坐标系的情况下，将思考工作完全交由模型，无异于用零去乘以任何数。

最后还有一点需要说明。我未能找到任何关于俄语市场中不同教育背景或年龄段AI应用情况的量化数据。Habr、HH、GetMatch、Habr Career——似乎尚未有人发布详细的分析报告。或许可以参考这个数据：38%的专业人士认为AI是工作中的得力助手。

如果任何读者拥有此类数据，欢迎留言分享。