技术博客 seangoedecke.com 近日发布文章《AI is breaking our proxies for expertise》，讨论生成式 AI 对"如何判断一个人是否专业"这一问题的冲击。文章链接：https://www.seangoedecke.com/ai-is-breaking-our-proxies-for-expertise/
文章的核心概念是"代理指标"（proxy）。在日常生活中，我们几乎无法直接观测他人的专业能力，只能依赖一系列间接信号来推断：学历与证书、履历与头衔、写作的清晰度、代码的整洁度、作品集的质量、回答问题的条理性等。长期以来，这些代理指标与真实能力之间存在较强的相关性，因而被广泛用于招聘筛选、同行评审、技术面试和日常协作中的信任判断。
文章指出，AI 正在削弱这种相关性。以往要产出一段流畅的文字、一份结构完整的方案或一段看起来专业的代码，本身就需要一定的能力门槛；而当这类产出可以被模型低成本、大规模地生成时，"产出看起来不错"不再能可靠地指向"此人具备相应专业能力"。也就是说，代理指标被"脱钩"了——它们仍然容易被观察到，却不再像过去那样具有区分度。
这一变化的重要性在于，它影响的不只是招聘环节，还包括技术社区的内容可信度、开源贡献的评估、以及对陌生人专业意见的采信方式。当低成本的表层信号泛滥，依赖这些信号做判断的机制就会系统性地失灵。
文章并未给出简单结论，但提出的问题是明确的：当传统的"能力信号"不再可靠，组织与个人需要重新设计判断专业性的方式，例如更关注可验证的过程与痕迹、实际交付结果、以及在具体问题上的深度追问，而非停留在对产出外观的快速评估。对于正在把 AI 引入招聘、评审与协作流程的团队而言，这是一个需要提前正视的问题。