有一种粗糙的观察是: 很多非默认画像🐶的 engineer 给人的感觉就是更强.
但这句话其实挺危险的.因为它很容易从一个经验观察,滑向另一种身份本质论.仿佛不符合默认画像的人天然更细心,更负责,更会沟通,更能写文档,更愿意把事情兜住.
我不太相信这种解释.
我更相信的是另一个更残酷的解释: 很多非默认画像的 engineer 需要先更强,才会被看成一样强.
之前看到过类似的说法,具体到性别这个维度,后来发现这其实在工程行业研究里有个名字,叫 Prove-It-Again bias. Society of Women Engineers 和 Center for WorkLife Law 的 Climate Control 报告里也提到过,很多女性工程师会感受到自己需要反复证明已经证明过的能力.
这件事会制造两个效果.
第一个是幸存者偏差.如果一个人从学校,面试,组内合作,晋升,技术讨论,项目归因里一路过来,每一步都被多问一句”你真的懂吗”,那最后还能留在核心工程岗位里,并且能被旁人注意到的人,本来就已经经历过更硬的筛选.
第二个是表达和交付方式被迫训练得更稳定.同样一句”我觉得这里有风险”,有些默认画像里的 engineer 说出来,别人会理解成技术直觉;非默认画像的 engineer 说出来,有时候就需要补更多上下文,更多证据,更多预案,更多结果.久而久之,能在这种环境里持续赢的人,就会变得非常不容易被挑错.
所以最后看起来就是: 这些人设计更清楚,实现更稳,沟通更完整,判断更少飘.
但这不是天赋优势,这是系统成本🥲.
一个不公平的环境当然可能筛出很厉害的人.但不能因此说不公平本身是有用的.这就像说高压环境会训练人,但真正应该被讨论的不是高压有什么教育意义,而是为什么有些人必须先穿过高压,才获得普通信任.
我觉得比较准确的说法可能是:
不是非默认画像的 engineer 天生能力更强.
而是在一个默认画像仍然偏男性的行业里,那些被看见的非默认画像的 engineer,往往已经支付过更多证明成本.
当一个团队里非默认画像的 engineer 普遍显得更靠谱,这不一定说明某种身份更适合工程.它也可能说明这个团队,这个行业,甚至我们自己的观察方式,只允许一部分特别强的人穿过偏见以后出现在视野里.
所以”非默认画像的 engineer 能力更强”如果作为一句赞美,它是有点苦的🥲.
真正好的世界应该不是让非默认画像的 engineer 必须强到无可挑剔,而是让一个普通强的人,也可以先被默认当成 engineer.
本文用 GPT-5 创作。