选拔标准不断更新，培养的成本却留给个人
本文根据 Wh1isper 与 AI（gpt-6-astra）的讨论整理。
读完何情何理的《好奇心、执行力、科学素养：AI 时代真正稀缺的三样东西》之后，我想到的，是这些被认为越来越重要的能力，究竟从哪里来。
我们可以不断描述 AI 时代需要什么样的人，也可以据此更新考试、招聘和绩效评价。问题在于，描述一个理想的人，与让一个现实的人逐渐成长为这样的人，是两件不同的事。
面对技术变化，最容易给出的回答是：人需要学习，需要转型，需要找到新的价值。听到这些话，人却可能只想叹气。他未必反对变化，也未必不愿意努力。他可能只是发现，社会提出了新的要求，却把满足要求之前的全部过程留给了自己。
如果每个机构都在寻找已经准备好的人，谁来承担让人准备好的过程？
我想沿着这个问题讨论一种社会性矛盾：当人才标准不断变化，组织却主要通过筛选现成的人来适应变化时，人的成长就可能成为一项无人充分承担、又要求每个人自行完成的工作。
选拔识别的是表现，培养改变的是人
选拔与培养的区别，首先在于它们分别要完成什么。
选拔面对一群当前状态不同的人，根据某些标准决定把机会交给谁。培养则需要提供经历、指导和反馈，改变人的能力。同一个人的能力，当然可以先被培养，再被选拔识别。问题在于，识别能力不能替代形成能力的过程。
这也意味着，选拔并不需要相信人才是天生的。一个机构完全可以承认能力来自长期培养，同时决定只招已经被别人培养好的人。
1968 年，Benjamin Bloom 在《Learning for Mastery》中就讨论过这个问题：在只能支持少数人继续接受教育的条件下，学校和考试系统会投入大量精力淘汰多数人、识别少数人才。这些社会对人才的预测与选拔投入很多，对人才的发展投入却少得多。
布鲁姆讨论的是教育。我认为，同一个区别也可以用来观察职业机会的分配：我们是在判断一个人目前能做什么，还是在安排一种过程，让他逐渐能够做更多事情？
假设两个人参与同一个项目。一个已经有相关经验，另一个还不能独立完成任务。选拔可以合理地优先选择前者。但如果所有项目都只接纳已经能够独立完成的人，后者就很难获得形成经验的机会。
要得到机会，先证明能力；要形成能力，又需要机会。
当当前表现被直接用来决定一个人是否值得继续投入，这个循环就会把能力形成的过程挡在门外。最后被观察到的差距，既可能包含个人差异，也可能包含过去获得机会的差异。
对每个机构都合理的选择，未必能持续产生人才
站在单个机构的角度，优先选择成熟人才很容易理解。眼前有任务要交付，培养需要时间，也不保证成功。即使培养成功，人也可能离开，收益未必由承担成本的机构获得。
如果能够直接找到合适的人，机构就可以使用学校、家庭、其他雇主或个人此前投入所形成的能力，而不必自行承担这些前期成本。
这样的分工可以成立，前提是那些承担培养的环节确实有能力持续运转。问题出现在每个环节都希望自己需要的人，已经由别处提前准备好：学校要求学生已经善于自主学习，企业要求毕业生已经有项目经验，项目又要求参与者已经能够独立交付。
筛选在每一个局部都可以有清楚的理由，培养却可能在这些环节之间落空。
选拔标准能够引导学习，也能影响教育和培训的投入方向。但标准本身没有支付学习期间的生活成本，没有提供真实工作的参与机会，也没有保证失败之后仍然能够继续。
所以，某个机构宣布需要更优秀的人，并不等于社会就会因此多出这样的人。更严格的筛选，也不能单独填补培养不足留下的缺口。
所谓重视人才，如果只体现在人才成熟之后愿意支付多少报酬，就还没有回答人才成熟之前由谁投入。
AI 让要求变化得更快，人却需要时间成长
这场矛盾早于 AI。AI 带来的新压力，在于一些工作的完成方式和能力价值可能发生变化，而人的成长需要经历一个过程。
沿着我们正在讨论的情景：当一部分实现工作可以更快交给 AI，组织便可能更看重定义问题、判断结果和处理不确定性的能力。更新一份招聘要求很容易，从一个主要执行既定任务的人，成长为能够独立承担这些判断的人，却需要实际参与。
在 《AI 编程中，人的理解从哪里来》 中，我讨论过，实践的意义不只是检验已有认识，也包括形成和修正认识。反复做一件事情，可以让人逐渐发现哪些判断有依据、哪些关系曾经被忽略，以及自己为什么会犯错。
因此，真实工作既是使用能力的地方，也可以是能力形成的地方。让一个人承担有限的责任、看到结果、得到反馈，再逐渐扩大责任，是成长过程的一部分。
如果组织只保留已经具备判断力的人，把其余工作交给 AI，却没有重新安排进入判断岗位的路径，那么它可能提高了眼前的交付效率，同时削弱下一批人获得经验的机会。这是需要警惕的一种组织选择，而非技术进步自动规定的结果。
这里存在两个不同的时间尺度：新要求可以立即生效，人却不能立即重新长成。
机构可以重新招聘、调整分工，或者等待合适的人出现。一个具体的人需要在转变期间继续生活。他无法等到完全适应新要求之后，再支付这段时间的住房、照护和其他开支。
当培养没有被纳入组织安排，变化就容易成为对个人的单向要求：自己找到方向，自己完成转变，自己承担试错，等到证明已经适应之后，再来竞争新的位置。
技术降低了一部分执行成本，人的转变成本却没有因此被结清。
自主性也可能变成另一张合格证
还有一层矛盾，比“来不及学会新东西”更深。
如果一个人的学习和工作长期围绕外部给定的题目、标准与评价展开，那么要求他突然自主发现问题、决定什么值得投入，就涉及整套工作关系的改变。他需要接触真实处境，有权作出一定范围的决定，也有机会从决定的结果中修正自己。
仅仅把“主动”“有判断力”“能独立探索”写进评价标准，并没有完成这种改变。
于是，一种看起来要求自主的评价，也可能延续原来的筛选逻辑：以前检查你能否完成给定任务，现在检查你是否已经具备独立定义任务的能力。两次检查之间，形成这种能力的过程仍然被省略了。
这也是为什么正确的建议可能让人更加疲惫。建议描述的是理想状态，听者面对的却是自己与那个状态之间的距离。没有对应的参与机会和成长条件，新的描述就容易成为下一轮资格审查。
一个人没有达到要求，可以被解释成不够主动、缺乏判断、不愿改变。至于他此前是否有机会承担判断、是否能够承受探索失败，反而从评价里消失了。
制度没有提供的成长过程，最后被表述成了个人缺少的品质。
继续争论下一种最值得学习的能力，无法充分回应这个问题。无论清单如何更新，都还需要有人承担从不会到会、从依赖指导到能够独立行动的过程。
工具变容易，不等于成长条件已经齐备
AI 可以降低一些尝试的门槛。一个人更容易把想法做成原型，更容易获得解释，也更容易接触过去需要大量实现工作才能观察到的结果。这些变化有实际价值。
但在前面的讨论里，培养包含的条件比工具更多：可以持续投入的时间、真实问题与反馈、承担责任的机会，以及失败之后仍然能够继续的余地。
同样能使用一个工具，两个人所能承担的探索过程可能完全不同。一个有稳定收入和团队支持，能够把几次失败当作工作的一部分；另一个必须尽快获得收入，每次尝试都在消耗有限的积蓄。前者继续做下去，并不能单独证明他比后者更有热情。
“工具已经给你了”之后，还需要追问其余条件。否则，技术上的可访问性会被误认为现实中的机会已经相同。
更何况，形成能力之后能否获得持续回报，仍然是另一个问题。在 《AI 普及之后，还需要多少人工作？》 中，我追问过，生产变容易以后，新增需求能否吸收被节省的劳动。在 《当生产不再需要那么多人，生活靠什么维系？》 中，问题进一步变成了：更强的生产能力，怎样转化为普通人能够维持生活的条件？
这些问题不能再被改写成“个人应该更有好奇心”。一个人可能已经认真探索、根据结果修正判断，最后发现需求不足，或者自己无法获得足够的回报。
让人能够成长，与让成长之后的人能够生活，需要分别被安排。
那声叹气，是面对怎样的要求
沿着这条线，我更愿意把那声叹气理解为对一种关系的无力感。
人被要求独自完成一整条链条：找到新的方向，形成新的能力，把能力变成有用的结果，再把结果变成足以维持生活的收入。社会可以不断提高每个环节的要求，却未必共同承担它们之间的风险。
在这样的安排里，技术进步带来的可能性越多，个人甚至越容易被要求为自己的处境负责：既然工具已经这么强，为什么你还没有找到出路？
但能够更快做出东西，无法单独决定有没有人需要它；知道什么值得做，也无法单独决定能否获得参与的机会。个人可以改变自己的行动，却不能独自决定机会如何分配、成长成本由谁承担，以及回报如何形成。
所谓迷茫，就可能包含一种清楚的认识：我需要改变，也愿意改变，但改变所需的条件并不完全由我控制；最后的结果，却可能被全部归到我的适应能力上。
这份无力感指向一个具体的问题：个人承担的责任与他能够支配的条件是否相称？
把社会性矛盾反复解释成个人还不够优秀，会让一个本该共同回答的问题，变成每个人独自面对的考试。
社会需要的不只是更准确的筛选
选拔可以识别已经形成的能力，也可以分配有限的机会。一个社会还需要持续让更多人具备参与的能力，而不只是不断提高进入的门槛。
如果我们认为未来需要更多能够自主判断的人，就需要让人在尚未完全具备这种能力时，获得适度参与、形成经验和修正错误的机会。培养必须有实际的承担者，成长期间的成本与风险也需要有分担方式。仅仅宣布需要怎样的人，并没有完成这项工作。
这也提供了一个观察制度变化的尺度：当我们提高人才标准时，是否同时改善了达到标准的条件？当技术节省了一部分工作时，是否也重新安排了人获得经验的路径？当我们要求人承担更多自主决定时，是否给出了相应的时间、资源和决定权？
选拔能够决定谁暂时符合新要求，培养则关系到谁有机会逐渐符合要求。
当社会不断更新对人的要求，却主要通过筛选现成的人来回应变化，人的发展就会被留在制度安排之外：人人都必须适应，适应所需的过程却要各自解决。
那声叹气背后的社会性矛盾，正在这里。
我们不能一边要求人持续成为新的自己，一边只愿意接纳那个已经成长完成的人。
参考与讨论起点
- 何情何理，Tao He，《好奇心、执行力、科学素养：AI 时代真正稀缺的三样东西》，2026 年 11 月 5 日。本文由这篇文章引出对能力形成条件的讨论，并将问题进一步放到选拔与培养的制度关系中。
- Benjamin S. Bloom，Learning for Mastery，Evaluation Comment，1968 年 5 月，Vol. 1, No. 2。关于人才预测、选拔与发展的论述见正文第一页（ERIC 扫描件第 2 页）；本文关于 AI 与组织选择的推演由此展开。