当阶梯消失:AI如何抽掉了年轻人的第一块砖,以及教育为何还在教铺台阶-夜雨聆风

当阶梯消失:AI如何抽掉了年轻人的第一块砖,以及教育为何还在教铺台阶

AI高速渗透抽走了最底层的执行工作，年轻人被直接推到需要独立判断的高台。教育体系却在继续教学生如何铺台阶。

平台导读AI 没有绕开人类，只是发现了一种更高效的运行方式——不带人类玩。这次消灭的不是某一项技能，而是认知能力这个品类本身。真正不可替代的，是价值判断、意义感、承受后果的勇气，以及做没有理由做的事的自由。

引言：两个场景，一条裂痕

2026年初夏，北京。

应届毕业生林晓（化名）在一家“一人创业公司”度过了她职业生涯的第一周。老板叫周扬，三年前从某大厂离职，现在一个人靠着七个AI工具，运营着一个拥有十几万粉丝的知识付费账号。他每天的工作流是这样的：用AI生成文章初稿，用AI剪辑短视频，用AI回复客服消息，再用AI分析数据决定下一个选题。

林晓入职第一天，周扬甩给她两个链接：“一个是你专属的AI助手账号，一个是客户的全部资料。明天下午之前，给出一份完整的提案框架，客户是某某新能源公司，要帮他们设计一个『Z世代低碳打卡』活动。”

没有入职培训，没有人教她怎么写会议纪要，没有前辈帮她修改PPT。林晓发现，那些她以为要花三年才能学会的基础工作——搜集竞品资料、整理数据表格、撰写草稿——AI几乎几秒钟就完成了。她能贡献的，只剩下两样东西：判断，和提问。

而她最欠缺的，恰恰就是这两样。

同一时间，两千公里外，贵州某县城的一所中学里，初二（3）班正在上历史课。老师在黑板上写下：“鸦片战争：1840-1842年。”学生们埋头抄写。课后，一个男生偷偷用手机上的AI软件问：“如果当时清朝打赢了，现在的中国会有什么不同？”AI立刻给出了洋洋洒洒三千字的推演。男生把答案复制下来，打算下次课堂讨论时用。

但根本没有课堂讨论。历史课的考试题依然是：“鸦片战争爆发于哪一年？签订的不平等条约叫什么？”

这两个看似无关的场景之间，藏着一条被撕裂的链条。过去几十年，中国年轻人有一条确定的“向上通道”：在学校里学会基础知识和规范操作（铺好每一块方砖），进入职场后从最琐碎的执行工作做起（踩稳第一级台阶），然后一步步向上爬——从助理到专员，从专员到主管，从主管到经理。学校和职场共同构建了一座坚实的阶梯。

然而，AI在2024-2026年间的高速渗透，一夜之间抽走了最下面的几级台阶。文案初稿、数据整理、代码片段、设计草图、会议纪要……这些传统上用来“练手”和“学规矩”的基础工作，现在AI做得更快、更标准、更便宜。年轻人被直接推到了需要独立判断和提出好问题的高台上。

而教育体系呢？大部分学校依旧年复一年地训练学生：背诵标准答案、完成固定题型、遵循唯一正确的方法。换句话说，教育还在认认真真地教学生如何“铺阶梯”——却不知道阶梯本身已经不重要了。

这就是这篇文章要讲的故事。一个关于阶梯消失的故事，以及那些站在台阶断裂处的人——职场新人、中学生、大学生、教师、家长——该如何找到新的攀爬方式。

第一章：被抽走的第一块砖

1.1 再见，“学徒时代”

回到林晓的故事。

在周扬的一人公司之前，林晓投过三十多份简历，面了十几家公司。她发现一个让她困惑的现象：几乎所有面试官都不再问“你会不会用Excel”“你的打字速度多快”“你写过多少篇新闻稿”。取而代之的是：“你如何用AI解决一个你没接触过的问题？”“请举一个你向AI提出过的好问题，并且因此得到了意外收获。”

有一家公司的HR甚至直白地告诉她：“过去我们招应届生，就是让他们先做两年的基础工作：整理销售数据、做会议记录、写周报、查资料。但现在，一个AI实习生可以完成十个人的这类工作，而且不吃饭不睡觉不抱怨。所以我们现在对人的要求变成了——你能不能用AI直接产出60分的东西，然后你用你的判断力把它改到80分？”

林晓当时心里“咯噔”一下。她在大学里学的是市场营销，四年里背了无数个营销模型，做了十几个小组作业PPT，写过几篇调研报告。但从来没有人教过她：怎样从一堆模糊的信息里找到关键问题？怎样判断AI给出的答案哪些靠谱哪些是“幻觉”？怎样在团队中说服别人接受自己的判断？

这些才是她现在最需要的东西。大学没有给，职场也不再提供“边做边学”的缓冲期。

1.2 经验的门槛被抬高了

传统观点认为，年轻人的“经验不足”可以通过时间和重复劳动来弥补。新人先做执行，等见多了案例、踩多了坑，慢慢就会形成判断力。这种模式成立的前提是：执行类工作需要大量人力，并且执行本身能积累经验。

AI同时摧毁了这两个前提。

以一个典型的营销岗位为例。过去，助理要做竞品分析：手动搜集十个竞品的公众号、微博、小红书，统计每月发文数量、点赞趋势、爆款话题，最后整理成PPT。这个过程可能要花两天，做完之后脑子里会留下一些行业感觉。现在，AI可以在三分钟内完成同样的信息搜集和初步分析，而且覆盖范围扩大到一百个竞品。新人再也没有“花两天手工做表”的机会去慢慢培养行业直觉了。他必须直接面对分析结果，然后提出一个更深刻的洞察——否则他没有任何价值。

这意味着经验的门槛被一下子抬高了。过去，“有经验”可能意味着你做过一百次数据清洗，知道哪种异常值要剔除。现在，AI会清洗，你需要回答的是：“为什么这些异常值值得关注？”过去，“有经验”可能意味着你写过两百篇新闻稿，知道标题怎么起。现在，AI能起一百个标题，你要做的是从中选出那个最能打动目标读者的，并说清楚为什么。

一个残酷的对比：过去，一个职场新人需要用两到三年积累的经验，现在需要在入职第一天就部分具备。不是完全具备——因为高阶的判断力依然需要时间打磨——但至少要比AI的60分更高，否则你没有任何雇佣的理由。

1.3 被忽略的“隐形台阶”

更隐性也更危险的影响是：那些看似琐碎的基础工作，其实是年轻人理解组织、建立职业习惯、学习“隐性知识”的唯一通道。

想象一下一个传统的广告公司。新人入行先做“打杂”：整理报销单、订会议室、跑流程盖章。这些事情当然可以用AI或行政机器人代劳，但新人通过这个过程，会慢慢摸清公司的权力结构、做事节奏、沟通话术。他会知道哪个客户脾气不好，哪个创意总监讨厌PPT花里胡哨，哪个渠道的媒介最容易被砍价。这些东西永远不会写进员工手册，也不会被AI“整理”出来。它们是浸泡出来的。

再比如，写会议纪要。过去，新人要手记、整理、提炼。这个过程中，他会被迫听懂每个人的发言逻辑，分辨哪些是废话哪些是关键决策，学会用简洁准确的语言概括。现在，AI可以实时转录并生成纪要，准确率99%。新人拿到一份漂亮的纪要，但他的大脑全程没有参与“压缩”和“提炼”的过程，也就失去了锻炼逻辑概括能力的机会。

这些“隐形台阶”的消失，短期内不易察觉，但长期会累积成一个巨大的问题：年轻人可能很会用AI，却不知道如何与人协作、如何在模糊情境中决策、如何感知一个组织的情绪和潜规则。而这些恰恰是职场中后期最核心的能力。

1.4 小公司反成“新学堂”

并不是所有消息都是坏的。林晓在周扬的一人公司里待了三周后，发现了一个让她意外的现象：虽然没有人带她，但因为她必须直接面对客户问题、直接调用AI、直接产出方案，她的成长速度反而比以前在传统公司实习时更快。

在传统公司实习时，她每天的工作是“帮正职改PPT配色”“整理第三季度的销售数据（别人已经拉好了表）”，她完全看不到项目的全貌，也不知道最终决策是怎么做出的。但在一人公司，老板周扬没有精力包办一切。林晓被丢进”深水区”后，不得不自己学会：如何用AI拆解一个模糊的客户需求？如何从AI给的十个方案里挑选出最可行的三个？如何把自己的思考和AI的输出揉在一起，变成一个“有林晓印记”的作品？

周扬在一次复盘时对她说了一句让林晓记了很久的话：“现在AI什么都能干，唯一干不了的就是替你做判断。我雇你不是让你干活，是让你替我判断哪些活值得干、干到什么程度、干完之后下一步往哪走。干活的事，AI一分钟就干了。”

这句话点出了新人未来的核心能力模型。不再是谁执行得快、谁表格做得漂亮，而是谁能在信息不完整的情况下提出好问题，谁能分辨AI给出的答案中哪个更靠谱，谁能整合多方资源走出一步新棋。

而且，小规模、扁平化的公司反而更适合新人“野蛮生长”。在大公司，你只是螺丝钉，AI替代螺丝钉之后，你连位置都没了。在小公司或一人公司里，你从一开始就要承担“半个合伙人”的角色——边界模糊，但舞台很大。

这种模式能否大规模复制？不一定。但它指向了一个趋势：未来的职场新人，必须学会在没有完整阶梯的情况下自己找抓手。而教育体系如果还想有用，就不能再教“踩台阶”，而要教“找抓手”。

第二章：教育，还在教铺阶梯

2.1 一个讽刺的时间差

把目光从职场拉回学校。

林晓是2022年参加高考的。那年她所在的省份文科一本线是539分，她考了547分，压线进了省内一所普通一本的市场营销专业。大学四年，她学了《消费者行为学》《广告学原理》《市场调研方法》《商务统计》……每门课都有厚厚的教材，每学期都要背大量的名词解释和理论模型。考试时，填空、名词解释、简答题占了70%，案例分析题也往往有标准答案倾向。

她从来没有被要求“向AI提出十个有挑战性的问题”。从来没有被要求“用AI辅助完成一个真实商业项目，并说明你自己贡献了什么”。从来没有被要求“识别AI输出中的偏见或事实错误”。

然而，她毕业时，用人单位要求她具备的恰恰是这些。

这是一个巨大而讽刺的时间差。教育体系的更新速度大约是五到十年，而AI的能力迭代速度是五到十个月。当教育部在2025-2026年密集出台“人工智能+教育”政策时，林晓已经快毕业了。她勉强赶上了学校最后两个月开的“AI通识讲座”，但那种“一个老师给两百个学生讲AI伦理”的大课，对她找工作的实际帮助几乎为零。

2.2 K12还在训练AI最擅长的事

更底层的矛盾在初中和高中。

2026年4月2日教育部发布《“人工智能+教育”行动计划（2026-2030年）》，政策方向无疑是正确的：小学感知体验、初中理解应用、高中项目创作，并且将人工智能纳入教师资格考试。但是，政策落地和真实课堂之间，隔着无数节“要赶进度”的课、无数场“要看分数”的考试、无数位“自己也不会提问”的老师。

直到今天，大部分初中生的日常依然是：背古诗、做因式分解、记英语单词、刷政史地选择题。这些任务，AI完成得比任何人类都快、都准、都稳定。但我们的中考、高考，依然在大量考察这些能力。

不是不能考“开放性题目”，而是批改成本太高、公平性难以保证。一个需要深入思考和多元表达的答案，让不同老师打分，分差可能很大。而一个“鸦片战争爆发于1840”的填空题，谁批都一样。高考的公信力建立在“可量化、可复现”的基础之上，而恰恰是这一点，让它和AI时代所需要的能力——模糊情境下的判断、无标准答案的创造、人机协作的决策——背道而驰。

再看教师。政策要求“全体教师通过AI能力考核”，很多地方确实已经开始培训和考试。但实际情况往往是：教师用周末时间刷完了在线课程，拿到一个“AI素养合格证”，回到课堂依然用PPT照本宣科。因为他们自己的学科知识结构、教学方法和评价习惯，是在没有AI的时代形成的。让一个教了二十年“标准答案式历史”的老师突然去带“如果郑和没有下西洋”的开放式项目，他不是不愿意，而是真的不会。

2.3 大学的迷茫：专业还在，行业已变

大学的情况更复杂。

2025年，教育部提出“人工智能通识课成为高校公共基础课”，并要求各专业修订培养方案。这看起来力度很大。但你去翻看很多大学最新的培养方案，会发现所谓的“AI+专业”只是在原有课程表里加了一两门“人工智能导论”或“Python数据分析”，核心专业课还是十年前的内容。

比如某大学新闻学专业的核心课：新闻采访、新闻写作、新闻编辑、新闻评论、传播学理论……这些课依然在教“倒金字塔结构”“5W1H”“把关人理论”。但现实中，2026年的新闻行业，AI已经能自动生成财经快讯、体育战报、天气预警；AI能根据用户画像生成个性化推送；AI甚至能写出某些类型的深度报道初稿。一个新闻系毕业生需要的不是被告知“倒金字塔”是什么，而是知道：AI写的快讯哪里容易出错？如何用人类的伦理判断去修正AI生成的敏感内容？如何策划一个AI无法独立完成的调查报道？

专业名称还在，但行业的能力模型已经换了一轮。大学培养出来的人，和企业需要的人，中间出现了一条越来越宽的河。

当然也有例外。一些头部高校已经在尝试“无专业”或“问题域学院”的架构。比如某顶尖大学新成立的“数字社会科学”专业，不设传统系别，学生围绕“城市老龄化”“碳中和传播”“AI伦理治理”等真实问题组建学习小组，每个小组配备来自不同领域的导师，学生需要调用AI完成调研、建模、设计、展示全过程。毕业时不是写一篇论文，而是展示一个“AI辅助下的真实创造物”，并回答委员会的核心问题：“你贡献了什么不可替代的人类价值？”

遗憾的是，这样的尝试目前还是极少数。大部分普通高校的学生，依然在陈旧的专业划分和教学方式里，度过了宝贵的四年。

第三章：教育必须转向的四个方向

好消息是，变革并非不可能。教育部的新政策、一些地方的试点、以及全球范围内对“AI时代教育”的探索，已经勾勒出清晰的轮廓。以下是初中、高中、大学应该（以及部分已经开始）发生的转变。

3.1 初中：从“知识容器”到”问题探测器”

初中的核心任务不再是往学生脑子里塞更多事实（因为AI储存的事实多得多），而是教他们如何对待事实。

这意味着几门新课程的常态化：

信息辨别力

：给AI一段关于某个历史事件或科学发现的叙述，让学生找出其中可能的偏见、事实错误或逻辑漏洞。这不是在训练批判AI，而是在训练批判任何信息源的能力。
提问工作坊

：每周一次，学生必须针对一个日常话题（比如“学校该不该取消校服”）提出至少十个不同类型的问题，然后筛选出三个最有价值的，再用AI去展开探索。训练的终极目标是：提出一个好问题的能力，比回答一个问题的能力更重要。
跨学科项目

：比如“设计一个让食堂减少浪费的方案”。学生需要自己测量浪费数据（数学），了解食物储存原理（生物/化学），设计宣传文案（语文/美术），还要说服学校管理层（沟通/说服）。这个过程中，AI是他们的资料库、草稿生成器、数据分析助手，但决策和方案定稿必须由他们自己完成。

评价体系也必须随之改变。不再只看期末一张卷子，而是要看项目作品集、课堂讨论中的提问质量、以及小组协作中的角色贡献。这会导致考试形式的剧烈变动，但上海、北京的一些实验学校已经在探索“开卷+AI辅助+现场答辩”的新模式。

3.2 高中：从“高考工厂”到“认知健身房”

高中的改革阻力最大，因为高考的指挥棒效应太强。但即便是高考，也在缓慢变化。2025年，部分试点省份的语文卷已经增加了“信息类文本阅读”中要求考生“评价论证逻辑”的题型，历史卷出现了“给出材料，提出一个你自己认为合理的解释”的开放题。

未来的高中教育应该更系统地做三件事：

第一，把AI当作常态工具引入课堂。 就像现在计算器被允许带入数学考场一样，未来高考的某些科目（如综合实践、研究性学习）可能允许学生使用AI，但考察的是“你如何与AI协作得出一个更优结论”。比如给一个复杂的社会议题，让学生用AI搜集正反方观点，然后自己写一篇论述文，阅卷老师会重点看学生有没有超出AI的独立见解。

第二，强化元认知训练。 所谓元认知，就是“对自己思考过程的思考”。高中阶段要专门教学生：我为什么会相信这个观点？我有没有受到情绪或偏见的影响？AI给出的答案背后可能隐含了怎样的数据偏差？这些训练对培养理性的公民和聪明的决策者至关重要。

第三，增加真实的“做中学”项目。 比如和本地企业或社区合作，让学生用半个学期完成一个小而完整的项目：为一家小餐馆设计一个AI辅助的菜单优化方案，或者为社区老人做一个“如何用AI让生活更方便”的培训手册。项目最后要有真实的交付和反馈。

3.3 大学：从“专业流水线”到“跨界孵化器”

大学的变革空间最大，也最迫切。

一个激进的但合理的设想是：取消大部分以“职业”命名的窄口径专业（如“国际贸易”“旅游管理”），改为以“问题域”为中心的学习单元。比如“城市可持续发展与智慧治理”“数字健康与老龄化”“文化创意与AI叙事”。学生入学时不选专业，而是选一个”问题域”，然后在前两年通过一系列项目式课程，逐步发现自己真正关心什么、擅长什么。后两年则进入深度研究或创业实践。

每门课程的评价标准要从“记住了多少”变成“创造了什么”。比如“市场营销”课，期末不考名词解释，而是要求每个学生用AI辅助完成一个真实的营销策划，并亲自向一个企业家小组汇报。企业家会问：“这个策划里，你个人的判断在哪里？如果没有AI，你会怎么想？如果AI的建议和你冲突，你听谁的？”

毕业设计尤其应该重构。不再是一篇很少人看的论文，而是一个AI辅助下的完整创造物——可以是一个App原型、一个短视频系列、一个线下活动方案、一个科学实验报告。答辩委员会的核心问题只有一个：“请明确告诉我们，你在这件作品里贡献了什么独特的人类价值？哪些部分是AI做不到，或者你不放心交给AI做的？”

如果学生答不上来，那就说明大学四年白上了。

3.4 教师：从“知识传授者”到“学习体验设计师”

所有教育变革，最终都要落到教师身上。如果教师还是只会照着教材念、按标准答案判卷，再好的课程设计也会走样。

未来的教师角色将发生根本性变化：

不再是知识的唯一来源（AI是更好的来源），而是学习情境的搭建者、讨论的引导者、学生思维过程的诊断者。
需要掌握的新技能包括：设计项目式学习任务、组织开放式讨论、识别学生在协作中的情绪和参与度、以及——很重要的一点——判断学生是否在滥用AI生成内容（不是简单地禁止，而是教会学生合理使用）。
培训和考核必须脱虚向实。与其让教师刷在线课程拿证，不如要求每个教师每学期提交一个“AI融入教学”的案例，例如“我用AI让学生做了一场模拟联合国辩论，下面是学生的表现和我作为引导者的复盘”。

第四章：裂缝中的现实——阻力与不公

前面几章描绘了很多美好的蓝图。但我们必须承认，从现状到蓝图，中间有大量的裂缝。忽略这些裂缝，文章就会变成空中楼阁。

4.1 高考公平性与开放评价的矛盾

这是一个死结。高考之所以被广泛信任，是因为它最大限度地做到了“分数面前人人平等”。一旦加入面试、作品集、小组项目等主观评价元素，家庭背景好、城市资源多的学生就会占尽便宜。农村孩子可能连AI工具都没摸过，更别提做出像样的作品集了。

目前的折中方案是：保留高考笔试作为主要选拔方式（因为笔试也可以用AI辅助？这又带来了防作弊新难题），同时将综合素质评价作为辅助参考。但综合素质评价的权重如果太低，学校就不会认真做；权重如果太高，又可能滋生不公。这个问题没有简单的答案，只能靠小范围长期试点，逐步摸索。

4.2 师资的巨大断层

全国有上千万中小学教师。其中相当一部分人自己就是“应试教育”的产物，让他们转型去做“项目式学习引导者”，需要的不只是一两次培训，而是整个职业发展体系的再造。

更棘手的是，农村和偏远地区的教师本来就数量不足、质量参差。城里学校可以请AI公司的工程师来给学生做讲座，农村学校连多媒体设备都时好时坏。这种资源差距会直接转化为下一代的能力差距——当教育越来越依赖AI工具和项目式学习时，没有这些条件的学生将被远远甩在后面。

4.3 企业招聘的言行不一

很多企业在接受采访时都会说：“我们需要有批判性思维、能提出好问题的年轻人。“但真正到了招聘季，HR还是优先看985/211的牌子，看专业是否对口，看有没有”相关实习经历”。因为筛选几千份简历时，用这些硬指标最省事。

这就形成了一个死循环：学校说“企业要求什么样的人我们就培养什么样的人”，企业说“学校培养出什么样的人我们就招什么样的人”。双方都在等对方先变。打破这个循环需要一些标志性的企业率先采用新的选拔方式——比如不看学历，只看“AI协作作品集”。目前已经有少量创业公司在这么做，但远未成为主流。

4.4 数字鸿沟的扩大风险

最后也是最沉重的一点：AI可能不是缩小了教育差距，而是放大了它。

想象两个初中生：一个在上海，父母是IT从业者，学校引入了最新的AI教学平台，老师接受了系统培训，课后还能用AI做各种探索。另一个在西部农村，父母常年在外打工，学校只有一台老旧的电脑，老师年龄偏大，对AI既不懂也不信任，学生连智能手机都可能被限制使用。

五年后，这两个学生同时进入职场。上海的毕业生已经习惯了用AI做研究、写报告、提问题；农村的毕业生可能连如何给AI一个有效的指令都需要从头学起。他们站在同一条起跑线上吗？显然不。

AI本可以被用来弥合差距——比如国家智慧教育平台上的免费AI课程、偏远地区学校可以接入的云端AI助手。但基础设施只是第一步，更难的是让农村地区的教师和学生真正“用起来”“用好“。这需要持续的投资和政策倾斜，而不是一个文件就能解决。

第五章：在台阶消失的地方，长出新的能力

面对这些挑战，普通人——无论是学生、家长、教师还是职场新人——应该怎么做？坐等教育改革是来不及的。以下是一些务实的行动建议，每一件现在就可以开始。

5.1 给在校大学生：把自己变成“人机协作样本”

立即开始用AI做至少一个属于你自己的项目。不要等老师布置。可以是“用AI分析你所在城市一年内房价趋势并给出租房建议”，也可以是“用AI辅助设计一个针对校园流浪猫的投喂方案”。做完之后，整理成一份“人机协作说明书”，写明：你提了哪些问题？AI给出了什么？你拒绝了AI的哪些建议？为什么？你最终产出的东西，比AI独自做的强在哪里？
主动寻找需要“真人互动”的实践。去当志愿者、去做社区服务、去组织线下活动。这些领域AI暂时无法替代，而且能锻炼你的共情、沟通和领导力。
建立自己的作品集网站（用AI也可以帮你建）。不要只放简历，要放你的项目、你的思考过程、你的失败和复盘。未来的雇主会越来越不相信分数，而是想看”你实际能做什么”。

5.2 给中学老师和家长：停止检查正确答案，开始追问“为什么”

在家庭和课堂里刻意练习“提问”。看到一条新闻，不要问”这件事发生在哪里”，而要问”你觉得这个报道有没有遗漏的角度？“看到一道数学题，不要只关心答案对不对，而要问”如果换一个条件，你会怎么解？”
允许孩子/学生使用AI，但要求他们报告“AI错了什么”。比如用AI写作文，然后让孩子找出AI写得不好的地方，并改写。这个找错、改错的过程，比直接写一篇作文更能锻炼判断力。
不要把AI当成洪水猛兽禁止。越是禁止，孩子越想偷偷用，反而失去了引导的机会。和孩子一起用AI做一件事（规划一次旅行、研究一个科普问题），过程中示范你是怎么怀疑、提问、验证的。

5.3 给企业：重新定义”初级岗位”和招聘标准

可以试着设置”AI协作能力”面试环节。给候选人一个真实但模糊的问题，允许他用任何AI工具，一小时后看他给出什么结果。重点观察：他如何拆解问题？他给AI下了什么指令？他如何筛选和修正AI的输出？
为新人提供”AI+导师”的双轨制。虽然基础工作被AI替代了，但新人仍然需要有人点拨。可以每个新人配一个”AI导师”（一个知识库+常见问题解答）和一个人类导师（每周半小时复盘），后者负责教那些AI教不了的东西：行业隐规则、人际沟通、职业素养。

5.4 给政策制定者：加速试点，警惕鸿沟

在更多地区开展”AI辅助高考”的试点。比如在部分科目的部分题目中，允许学生使用AI，但需要标注”AI生成部分”和”我修正/创作的部分”。评分标准侧重后者。小范围先跑几年，积累经验。
投入专项经费，保障农村学校的AI基础设施和师资培训。尤其要培训教师如何用AI设计项目式学习，而不是只听完在线课程拿证了事。
建立国家级的”学生AI素养成长档案”，记录学生在不同学段完成的人机协作项目。这个档案可以替代部分标准化考试，成为升学和就业的参考。

结语：学会攀岩，而不是等待新的阶梯

回到林晓的故事。

入职第四周，她终于拿出了那份让客户满意的提案。不是因为她写的文案比AI好——事实上AI写的初稿比她好。而是因为她在AI给出的十个传播渠道建议中，敏锐地发现了一个被忽略的本地KOL，这个KOL恰好是客户公司CEO的校友。她还注意到AI的预算分配方案存在一个逻辑漏洞：把大部分预算放在了短视频平台，却没有考虑目标人群（Z世代）其实更愿意在某个新兴社交App上互动。这两处判断，AI做不到。

周扬看完提案后，给她发了一条消息：“你开始像一个合伙人了。”

林晓明白，她再也没有那种”从实习生到助理再到专员”的阶梯可爬了。但她也意识到，在一人公司这种没有阶梯只有悬崖的地方，她被迫学到了一项新技能：不是规规矩矩地踩台阶，而是在陡峭的岩壁上迅速找到下一个抓手。

这就是所有年轻人未来的真实写照。AI把整齐的阶梯炸成了碎片，留下的是参差不齐、需要你自己判断哪里可以借力的岩壁。能爬上去的人，不是力气最大的，而是眼力最准、手指最灵活的。

教育如果还想有用，就必须从”训练铺路工”转向”培养攀岩者”。给学生的不再是一袋水泥和一把抹刀，而是一副攀岩鞋、一盒镁粉，以及最重要的——一次真正的思考：我该抓哪块石头？

好消息是，已经有一些学校、一些老师、一些学生，以及一些像周扬这样的创业者，开始在岩壁上开辟新路线。这篇文章如果能让读者意识到：“阶梯消失”不是末日，而是换一种更刺激的爬法，它的目的就达到了。

至于林晓？她在周扬的公司又待了两个月，然后自己注册了一人公司。她用AI辅助自己接营销策划的案子。她的第一个客户是周扬介绍的。名片上印着六个字：“问题发现者”。

她不再等别人给她铺台阶了。

（全文完）