在卢克·天行者率领义军与达斯·维德展开光剑对决之前，他不过是一名普通学徒，身上背着他的师傅尤达，在达戈巴的沼泽地接受训练。

在现实生活中，学徒和学员的经历与卢克并无太大区别。例如，淹没在堆积如山的文书案卷中的初级律师、负责点咖啡的公司实习生，或者整天撬牡蛎但怀揣梦想的学徒厨师。尽管这些杂务看似辛苦，但通常被视为一种必要之恶，因为这是许多学徒报答师傅训练的唯一方式。

凯洛格商学院的战略学教授、合同理论和组织经济学专家路易斯·拉约表示：“师傅可能会说：‘好吧，我会训练你。但作为回报，你要为我工作一段时间，而且我付的工资会低于你创造的实际价值。’”

但近年来随着人工智能的崛起，这种长期存在的动态关系也变得复杂起来。Claude和Gemini之类的大型语言模型越来越能够胜任许多常见的学徒任务，并且效率往往远远超过普通学员。事实上，最近的研究已经表明，在受到生成式人工智能最大影响的职业中，招聘的初级员工正在减少，但有经验员工的招聘人数则未受影响。

拉约称：“在各经济体解决人力资本代际转移的难题中，学徒制是一种极为常见的方式。人工智能有可能破坏这个系统，随之而来的问题是，谁来培养下一代专家？”

为了更好地理解发生这种情况的可能性，拉约与伦敦政治经济学院的路易斯·加里卡诺合作，用数学模型模拟人工智能介入师徒关系时的情况。

他们发现，人工智能从学徒手中接管的任务越多，学徒制就越难以维系。但他们也发现，人工智能可以提高高级学徒的能力上限和生产力水平，有可能增加学徒的价值，并使师傅更有动力雇用学徒。

“所以这是两种[人工智能效应]之间的较量。”拉约指出。“一方面会减少利润，另一方面会增加利润，最终胜出的一方将决定学徒制是否有利可图。”

人工智能来临

拉约对这个主题的兴趣源于他之前的研究，在那项研究中，他与合作者模拟了传统的师徒关系。该模型有两个基本假设：学徒没有足够的经费支付师傅的培训费用，也不能仅仅承诺在日后偿还。因此，师傅希望延长训练期，以便在训练过程中从学徒身上获取最大价值。

拉约和加里卡诺都是经济政策研究中心的研究员，他们将人工智能引入该模型后，发现了两个主要影响。

首先，人工智能提高了学徒创造价值所需的底线。由于人工智能工具几乎可以完全独立完成学徒的许多基本任务，因此不再需要学徒从事繁琐的杂务，结果降低了学徒对师傅的价值。

拉约表示：“既然人工智能基本上可以免费完成工作，学徒用来购买知识的筹码正在消失。”

其次，人工智能提高了高级学徒所能提供的价值上限。人工智能工具可以辅助学员进行一些更高层次的工作，不但能够增进他们工作的价值，也让他们可以学到更多。

拉约说：“所以，对于知识水平足够高的学徒而言，人工智能是有助益的。它能够补充技能，提高工作效率。如果上限变得极高，那么就仍然具有生产力增长的庞大潜力。”

一场划时代的竞赛

这两位经济学家以律师事务所为例，来说明这种情况在现实生活中的演变。借助人工智能，初级律师（学徒）不再需要处理那么多的琐碎工作，因此会接受培训从事更高级的工作，并因此获得更高的报酬。换言之，底线抬高了。但由于初级律师一开始就从事更高级的工作，因此他们能够比以前更快地完成培训。因此，尽管一开始他们可以带来较高的价值，但是缩短的学徒期最终会降低他们为公司合伙人带来的长期价值。所以，人工智能能够做的事情越多，事务所承担招聘和培训初级律师的成本的动力也就越小。

与此同时，人工智能不仅可以帮助资深合伙人，还能够帮助训练有素的初级律师更高效地工作，并创造比以前更高的营收。此外，初级律师可以学习和承担的工作也更多。如果这能够提高他们的盈利能力，足以弥补当初的雇用和培训成本，那么他们对律所就更具吸引力。

拉约说道：“问题是，底线和上限，哪一个增长得更快？”

要针对某个学徒培训项目回答这个问题，公司需要跟踪受过高度培训的人员在人工智能的帮助下创造了多少价值，以及人工智能本身创造了多少价值。根据该模型，如果该比率大于欧拉数“e”（2.71828），即在金融界广泛使用的著名数学常数，那么该学徒制就一定物有所值。

美好的未来？

学徒制的底线和上限之间的差距越大，学徒制的价值就越高；反之，差距越小，价值就越低。

但如果对单个学徒培训项目和整个劳动力市场来说，上限和底线之间的差距都缩小到一定程度，那么社会可能就会面临严重的后果。

拉约表示：“人类的知识将会开始消失，然后机器人在没有先进人类知识的辅助下，独自完成它们能够做到的一切。届时的局面是社会不再积累知识，反而会开始丧失知识。”

为了应对这种最坏情况并维持学徒制，企业可以要求学徒或实习生在完成培训后，同意在较长一段时间内接受较低的工资来回报企业；或者政府能够通过拨款或贷款来补贴学徒制。但这两种选择都会给学徒或社会造成可观的代价。

更合理的办法或许是调整和改进教育体系。比如，大学可以帮助培养未来的学徒和实习生，使他们能够在进入职场时就具有足够高的水平，从而立即为公司带来比人工智能单独运作时的更多价值。

拉约认为，要实现这一点，教育系统需要向学生传授极其宝贵的知识，特别是广泛适用于多种工作的通用原则。

他说，这类信息“使人们可以执行人工智能无法独立完成的任务。你从不同学科中学到的基本原理越多，就越能更好地驾驭人工智能，并判断其产出的质量。”

然而，如果人工智能在整体上拉大了学徒制中底线和上限之间的差距，那么这些策略可能就不再必要。在这种情况下，学徒自然会从技术含量更高的工作做起。而且，由于人工智能大幅提高了他们的生产力并扩大了工作范围，他们依然拥有广阔的学习空间并做出贡献。例如，通过适当的教育，像卢克这样的年轻学徒在学徒生涯初期，可能会更好地控制自己的情绪和原力，最终发展出更强大的力量。

拉约指出：“我们会花更多时间去做更高级的事情，而我们最终的生产力水平——亦即接受全面培训后所能达到的上限——将会不断提高。那是一个充满希望的未来，生产力将大幅提升，知识也会代代相传。”（财富中文网）