AI浪潮下的企业重塑：速度与适应的较量

AI正以前所未有的速度重塑全球经济版图，其影响深远且令人瞩目。

2026年2月25日，Anthropic的联合创始人Jack Clark在《纽约时报》的采访中一语中的，揭示了AI在内部运作中的核心地位。

他透露，Anthropic公司内部的代码开发已几乎全由AI承担，工程师的角色已从代码敲击者转变为AI管理者。

在Clark眼中，AI已跃升为“行动者”，而技术的迅猛发展早已超越了企业传统的调整步伐。

这预示着一个无可避免的转折点：当AI深度融入核心业务流程，企业所面临的挑战已超越单纯的成本优化，而是涉及底层运作逻辑的全面重构。

第一节｜AI的全面介入

这种重构具体体现在哪些方面？Clark在采访中分享了Anthropic内部发生的三大变革：

1、工程师编程方式的彻底变革。

Clark亲身经历了这一变化：他想开发一个物种模拟器。以往，这可能需要他数日的努力。而现在，只需将想法告知Claude Code，十分钟内便能得到结果，包括代码、环境和依赖包的自动配置。这标志着一种新型工作模式：从人写代码转变为人提需求，AI负责执行。

2、一人引领一支AI团队。

在Anthropic，工程师常会同时操作多个Claude，有的负责编码，有的负责修复bug，有的负责测试。一个人同时指挥多个AI，就像领导一个小型研发团队。Clark明确表示，这是他们公司当前的工作常态。

3、AI策略的自我调整。

在执行任务时，Claude甚至能主动反馈：“这个方法可能不可行，我尝试另一条路径。”它具备自主判断、调整方向及寻找新解决方案的能力。这意味着AI已具备独立推进任务的能力，且这一变化比预期来得更快。

Anthropic内部的情况充分说明：就连Claude Code这一产品本身，也几乎是Claude自行编写的。Clark提到，如果进展顺利，到2026年底，AI完成的代码比例可能接近99%。

这些变化及数据指向一个明确的方向：AI现在能独立执行任务、协同其他AI，并在执行中自我调整。当“干活”的人变了，企业的组织架构和运作逻辑自然需要重构。

第二节｜工作分配的重新布局

“AI的冲击不会直接以裁员开始，而是从工作重新分配开始。”

这是Clark在采访中反复强调的一点。相较于裁员，这可能听起来不那么可怕，但它要求企业重新设计整个工作分配体系。

1、初级岗位迅速消失。

传统企业分工是：新人处理基础任务，中层推进项目，高层定方向。现在这一体系的基础正在动摇。

原本交给新人的琐碎工作由AI完成得更快、更少出错。Anthropic CEO Dario曾预测，AI可能在几年内取代一半的初级白领岗位。Clark则持更谨慎的观点：三年后大学毕业生的失业率会上升，但不会剧增。具体消失的岗位数量尚不清楚，但趋势已很明显。

2、目标设定者变得稀缺。

这带来了第二层变化：企业越来越看重一个人能否清晰定义目标，而非仅看执行能力。

Clark表示，真正有价值的人能将任务说明白，让AI知道该做什么。这种能力差异正在企业内部形成新的分化：能指挥AI工作的人变得稀缺，而只会完成任务的人发展空间日益缩小。

3、成长路径的变革。

年轻人如何成为这种稀缺人才？传统路径是从基础任务积累经验，但这些任务正在消失。

Clark观察到，在Anthropic内部，成长最快的年轻人是那些从入门就习惯与AI共事的人。他们从一开始就学会指挥AI、与AI配合，在AI辅助下完成更复杂的工作。企业未来的核心人才可能是最早掌握这种协作能力的年轻人。

变革已经开始。企业是否裁员是后续问题，当前更紧迫的是重新划定人与AI的工作边界。

第三节｜组织运作需适应AI节奏

当人与AI的工作边界重新划定后，下一个问题是：在这个新环境下，组织该如何运作？

1、加速带来的失控风险。

Clark发现，当工程团队将大量执行环节交给AI后，最先改变的不是产能，而是管理层对工作的掌控度。

过去层层传递的流程被AI自动完成，许多中间步骤不再需要人工确认。流程加速的同时，人能掌握的部分反而减少。

当被问及是否担心技术债累积、网络安全漏洞及对代码理解下降时，Clark的回答很直接：确实担心，且整个社会都需面对这一问题。

AI编写的代码越多，工程师能直接掌握的就越少。过去企业依赖繁琐流程保证质量，每个环节都有人把关。但现在AI的执行速度太快，这种人工检查方式已跟不上。

Clark说，企业必须重新设计流程：让AI记录关键决策，让人随时能看到AI在做什么、为什么这么做。否则，组织将完全失去对流程的掌控。

2、管理方式的变革。

以前管理者的日常工作是协调团队开会、跟进任务进度等。这些事情占据了管理者大量时间。

现在这些工作AI都能自动完成：它会自动提醒开会时间、发现任务障碍、修正小问题甚至自动生成进展报告。

管理者现在需要做什么？Clark认为是三件事：

确定优先级：当AI提出多个方案时，选择最重要的一个。

讲清目的：虽然AI只能执行指令，但为何做这件事、要达到什么效果必须人来说明白。

在关键节点做出取舍：如产品是否按时上线或再打磨一周？这种权衡需要人的判断。

3、真正的挑战是速度差。

组织转型的难点在于速度跟不上。AI的迭代周期是“周”，而传统企业的调整往往以“季度”甚至“年”为单位。

1. 个人适应速度：
2. 企业与政策响应速度：
3. AI进步速度：

员工需要时间学习如何使用AI及协作方式。

企业要开会讨论、制定规则等；政府要研究、立法等。

模型每几个月就升级一次，能力不断增强。

过去的技术变革给了人类缓冲期。但这一次不同：等企业调整好架构时，AI可能已进化多代。速度差只会让冲击更严重。

结语｜人与AI的新定位