AI带来极大便利，对软件工程师而言更是如此。不过，Google云端AI总监提醒，若将学习“外包”给AI，放弃独立思考与持续精进的机会，无异于是在透支未来能力。
随著AI技术日益普及，软件工程师也越来越容易陷入依赖AI的诱惑。只需输入需求，AI便能在短短几秒内提供解决方案。虽然项目得以顺利推进、Bug能够迅速修复，但工程师自身的能力却未必同步提升，人们正逐渐以未来的成长空间为代价，换取当下的工作效率。
Google云端AI部门总监、知名软件工程师艾迪欧斯曼尼（Addy Osmani）近期撰文提醒大众，不应将“学习”外包给AI，他指出，当下只需输入问题、等待AI直接给出答案的使用模式，正让科技行业逐渐陷入所谓的“认知放弃”（cognitive surrender）危机。
欧斯曼尼指出，AI确实能够快速找出并修复程序错误，但这并不代表使用者的思维能力也在同步提升。他认为，为了尽快完成任务而过度依赖AI，长期下来可能削弱工程师在职业生涯中维持技术敏锐度的能力。随著成千上万次缺乏思考的互动影响，工程师脱离AI后独立设计与构建系统的能力，正逐渐出现退化趋势。
多项研究发现 过于依赖AI会导致能力下滑
这并非欧斯曼尼一人的观点，多项研究也观察到了类似现象。例如，Anthropic于2026年初进行的一项实验，让两组工程师学习新的Python程序库。结果显示，虽然使用AI辅助的组别与完全手动学习的组别在完成任务的速度上相同，但在后续的理解能力测试中，AI辅助组的正确率仅为50%，明显低于手动学习组的67%。
值得关注的是，在同一个AI小组内部，那些仅仅依赖AI复制粘贴生成代码的工程师，测验得分甚至低于40%；而利用AI来探讨概念性问题的人，得分则超过65%。这说明决定成果优劣的关键不在于工具本身，而在于使用者的态度。
与此同时，麻省理工学院一项名为“Your Brain on ChatGPT”的研究通过脑电图测量发现，随著外部辅助程度不断提高，大脑各区域之间的连通性逐渐下降。其中，使用大型语言模型时，大脑的连通性最为薄弱。
在撰写完文章后，高达83%的大型语言模型使用者甚至连自己刚生成的一行内容都无法回想或复述出来。研究人员将这种状态定义为“认知负债”——今天暂时省下的脑力劳动，未来必须以丧失批判性思维能力作为代价来偿还。
此外，另一项发表于计算机协会人机交互会议（CHI 2026）的研究同样表明，如果在任务刚开始时就交由大型语言模型来引导问题的设定方向，那么即使后续工作全部由人工独立完成，最终的决策质量依然会出现明显下降。
AI会就好？仍有任务需要工程师独自面对
欧斯曼尼指出，当前AI工具的默认设置与用户体验设计，完全是围绕“缩短开发周期”和“减少点击次数”这类指标来进行优化的。但他强调，工具虽然消除了所有摩擦，而学习往往存在于摩擦之中。即便Claude、Gemini等产品已经推出了类似“学习模式”的功能来引导用户进行思考，在高强度的工作环境下，几乎没有人真正使用这些功能。
有人提出这样一种观点：如果AI什么都能做，那为什么还需要我去理解？这就像早期开发者需要学习机器语言，而现在几乎不用一样，是正常的技术演进。
对此，欧斯曼尼解释说，对于那些重复性高的代码或一次性使用的脚本，交给AI去处理确实符合经济效益。但涉及真正的核心软件时，如果放弃思考、全权交给AI，终究会暴露出问题。比如当AI产生幻觉，给出一个看似合理实则错误的答案时，只有具备足够专业知识的工程师才能识破其中的问题。
例如在系统故障排查时，AI生成的代码同样可能存在错误，若工程师对系统架构缺乏足够理解，往往难以准确找出问题根源。又或者当基础设施发生变更、框架升级，或安全审查发现架构层面的缺陷时，这些问题并非单靠输入提示词就能解决，仍需要工程师亲自完成系统迁移与调整，而这正考验其自身的技术能力与经验。
越用越笨还是相辅相成 怎么用AI决定未来方向
欧斯曼尼强调，这并不意味著AI只会让人越用越笨，关键在于使用者如何运用这项技术。他认为，AI同样有能力帮助培养出优秀的工程师。
他建议，在向AI寻求答案之前，先尝试用两三句话提出自己的判断或假设，再利用AI提供的信息进行验证。当接触陌生领域时，也应优先让AI解释背后的运作逻辑以及各种方案之间的取舍，待充分理解相关概念后，再进一步要求程式码。
同时，他建议应将AI的输出结果当作“初级工程师”的成果来对待，以批判性视角进行审查，并适当退回而非测试通过就盲目合并。此外，他也提到，可以适度手动重写AI生成的代码，并在对话结束前额外要求AI解释其设计思路与实现逻辑，这些做法都有助于避免能力退化。
他强调，“产出”和“学习”是两条不同的评价维度：你的主管和客户通常只关注前者，但后者只能依靠自己主动积累。
欧斯曼尼他宁愿只交付80%的完成度，也要换取100%的学习成长，而不希望为了眼前的效率牺牲长期专业能力的发展空间。
