探索者、利用者与100倍工程师的神话
内容提要
工程团队中约5%的“探索者”积极尝试AI工具，95%的“利用者”偏好现成路径。管理者不应将两者对立，而应通过结构化学习、实践社区和导师制，推动更多人沿能力谱系提升。重点不是识别或招聘“特殊人才”，而是系统化传播探索成果，衡量团队整体进步，并认可利用者的务实贡献。
延伸解读
探索者与利用者并非固定角色
文章指出，探索者与利用者的区分并非一成不变，而是一个连续谱系。约5%的工程师是主动探索AI工具的“探索者”，而95%的“利用者”更偏好现成路径。管理者不应将两者对立，而应视其为一种偏好，并致力于推动更多人沿谱系向上移动。这意味着，即使当前是“利用者”，也可能通过适当支持转变为更积极的探索者。
识别探索者的误区
文章强调，无法在事前可靠地识别出探索者。那些取得100倍收益的工程师，往往不是之前最资深或最杰出的。被AI放大的特质是好奇心、适应性和学习意愿，而非资历或声誉。因此，试图通过识别“特殊人才”并加以培养的策略，从一开始就瞄准了错误的人群。管理者应关注系统化传播探索成果，而非寻找个别天才。
管理重点：缩小差距而非追求个例
有效的管理应聚焦于缩小团队中探索者与利用者之间的差距。具体措施包括：提供结构化学习时间、建立AI工具实践社区、以及直接指导。同时，衡量进步的标准应是团队整体沿谱系的移动，而非少数100倍案例的存在。此外，应认可利用者的务实贡献，他们优先完成实际工作，而探索者则负责开拓新路径。
Q&A
在工程团队中，探索者和利用者分别指什么？
探索者约占5%，他们积极尝试AI工具，乐于实验和探索；利用者约占95%，他们更偏好使用现成的、铺好的路径，不太愿意自己做探索工作。
为什么说“找到特殊人才并推广其特质”的方法不是推动AI采用的最佳方式？
因为探索者难以提前识别，他们不一定是之前最资深或最优秀的工程师；而且这种方法要么只提升下限，要么只关注少数人，无法规模化，也无法系统性地提升整个团队。
管理者应该如何处理探索者和利用者之间的差异？
管理者不应将两者对立，而应将其视为一个连续谱系，通过结构化学习、实践社区和导师制，推动更多人沿能力谱系提升，同时认可利用者的务实贡献。
如何衡量团队在AI采用上的进步？
应该衡量有多少人沿着能力谱系移动了有意义的台阶，而不是仅仅关注少数100倍工程师的案例。例如，本季度有多少人提升了一个档次，有多少人仍然停留在六个月前的起点。
