原文作者：新智元
你的工作「含金量」正被 AI 抽空。Anthropic 最新報告揭示反直覺真相：越是按教育年限衡量更複雜的任務，AI 加速越猛。相比被直接替代，更可怕的是「去技能化」——AI 拿走了思考的樂趣，留給你的只剩打雜。但數據也指明了唯一出路：懂得人機協作，勝率能翻十倍。在這個算力過剩的時代，這是一份你必須讀懂的生存指南。
Anthropic 昨日剛在官方網站發布《經濟指數報告》。
報告不僅關注人們正在用 AI 做什麼，更關注 AI 實際上在多大程度上真正取代了人類的思考。
這次他們引入了一套被稱為「經濟基元」（Economic Primitives）的全新維度，試圖量化任務的複雜度、所需的教育水平，以及 AI 的自主程度。
數據背後反映出的職場未來，比單純的「失業論」或「烏托邦論」都要複雜得多。
工作越困難，AI 完成得越快
在傳統認知中，我們認為機器通常擅長重複性的簡單工作，而在涉及高深知識的領域則顯得笨拙。
但 Anthropic 的數據卻得出了完全相反的結論：任務越複雜，AI 所帶來的「加速」效果反而越驚人。
報告顯示，對於那些只需要中學程度就能理解的任務，Claude 可以將工作效率提升 9 倍；
而當任務難度提升至需要大學學歷的門檻時，這個加速倍率便直接飙升至 12 倍。
這意味著，原本需要人類苦思冥想數小時的白領精英工作，正是 AI 目前「收割」效率最高的領域。
即使我們將 AI 偶爾產生幻覺的失敗率考慮在內，結論仍然不變：AI 對複雜任務帶來的效率提升，足以抵消其出錯所帶來的修補成本。
這解釋了為什麼現今的程式員、金融分析師比資料輸入員更離不開 Claude —— 因為在這些高智力密度的領域中，AI 所展現的槓桿效應是最強的。
19小時：人機協作的「新摩爾定律」
這份報告中最令人震驚的數據，無疑是對 AI「耐久度」（任務時長，Task horizons，以 50% 成功率衡量）的測試。
一般基準測試，例如 METR（Model Evaluation & Threat Research，模型評估與威脅研究）認為，現時的頂尖模型（例如 Claude Sonnet 4.5）在處理需要人類花費 2 小時完成的任務時，成功率就會低於 50%。
但在 Anthropic 的實際用戶數據中，這個時間界限被明顯拉長了。
在商業場景的 API 調用中，Claude 在涉及 3.5 小時工作量的任務中仍能保持過半的勝率。
而在 Claude.ai 的對話介面中，這個數字被驚人地推高至 19 小時。
為甚麼會有如此巨大的鴻溝？秘密在於「人」的干預。
基準測試是讓 AI 單獨面對試卷，而現實中的用戶會把一個龐大複雜的工程拆解成無數個小步驟，透過不斷的反饋循環修正 AI 的方向。
這種人機協作的工作流程，把以 50% 成功率衡量的任務時間上限由 2 小時提升至約 19 小時，接近 10 倍。
這或許才是未來工作的樣子：並非 AI 獨立完成一切，而是人類學會了如何駕馭它跑完一場馬拉松。
世界地圖上的摺疊：窮人學知識，富人搞生產
如果把視野提升至全球層面，我們會看到一條清晰且略帶諷刺意味的「採納曲線」。
在人均 GDP 較高的發達國家，人工智能已經深入融入生產力和個人生活。
人們用它來寫程式碼、做報告，甚至計劃旅遊行程。
但在人均GDP較低的國家，Claude最主要的角色是「老師」，大量用途集中在課程作業和教育輔導上。
除了貧富差距，這更是一種技術世代差異的體現。
Anthropic 表示，他們正與盧安達政府合作，試圖讓當地人跨過單純的「學習」階段，進入更廣泛的應用層面。
因為如果不加以干預，人工智慧很可能會成為一道新的壁壘：富裕地區的人用它指數級地提升產出，而欠發達地區的人仍在用它溫習基礎知識。
職場隱憂：「去技能化」的幽靈
報告中最具爭議，也最值得警惕的部分，是關於「去技能化」（Deskilling）的討論。
數據顯示，Claude 目前所涵蓋的任務，平均需要 14.4 年的教育背景（相當於專科學位），遠高於整體經濟活動平均所需的 13.2 年。
人工智慧正在系統性地剔除工作中的「高智慧」部分。
對技術作者或旅行社代理來說，這可能是災難性的。
人工智慧接管了分析行業動態、規劃複雜行程等需要「腦筋」的工作，留給人類的可能只剩下畫草圖、收發票等瑣碎工作。
你的工作還在，但工作的「含金量」被抽走了。
當然，也有得益者。
例如物業經理，當人工智慧處理了記帳和合約比對等枯燥的行政工作後，他們便可把精力集中在需要高情商的客戶談判和持份者管理上——這反而是一種「技能提升」（Upskilling）。
Anthropic 謹慎地表示，這只是基於現狀的推演，而非必然的預言。
但它的警告是真實的。
如果你的核心競爭力只是處理複雜資訊，那你正處於風暴中心。
生產力回歸「黃金年代」？
最後，讓我們回到宏觀視角。
Anthropic 修正了他們對美國勞動生產率的預測。
在剔除 AI 可能出現的錯誤和失敗後，他們預計 AI 將在未來十年每年推動生產率增長 1.0% 至 1.2%。
這看起來比之前 1.8% 的樂觀預測縮水了三分之一，但千萬不要小看這 1 個百分點。
這足以令美國的生產率增長率重回 1990 年代末互聯網繁榮時期的水平。
而且，這只是基於 2025 年 11 月的模型能力。隨著 Claude Opus 4.5 的加入，以及「增強模式」（即人們不再試圖把所有工作都交給 AI，而是更聰明地與 AI 協作）在用戶行為中逐漸佔據主導地位，這個數字還有巨大的上升空間。
結語
翻閱整份報告，最令人感觸的不單單是 AI 變得多強，更多的是人類適應得有多快。
我們正在經歷一次從「被動自動化」到「主動增強」的遷移。
在這場變革中，AI 就像是一面鏡子，它接過了那些需要高學歷卻能透過邏輯推演完成的工作，從而倒逼我們去尋找那些無法被算法量化的價值。
在這個運算能力過剩的時代，人類最稀缺的能力，已不再是尋找答案，而是定義問題。
參考資料：
https://www.anthropic.com/research/economic-index-primitives
https://www.anthropic.com/research/anthropic-economic-index-january-2026-report