Anthropic內部調查曝光：工程師自曝「每天上班都在讓自己失業」 Anthropic最近做了件挺有意思的事。 他們把研究的鏡頭對準了自己，調查了132位工程師和研究員，想看看AI到底怎麼改變了他們的工作。 結果發現的東西，既讓人興奮，也讓人有點不安。 先說好消息：生產力確實在飆升 工程師現在60%的工作時間都在用Claude，生產力提升了50%。 這個數字比去年翻了2-3倍。 比較有趣的是，有27%的工作是以前根本不會做的。 例如那些"有了更好，沒有也行"的小工具，或是一些探索性的嘗試。 可以這麼理解：以前你可能會想"這個功能挺好的，但要花兩週時間做，算了"。 現在有了AI，兩週變成兩小時，你就會去做了。 那些曾經因為"性價比不高"而被放棄的想法，現在都可以試試看。 但技能正在發生微妙的變化，這裡開始有點複雜了。 一方面，工程師變得更"全端"了。 後端工程師能做前端介面，安全團隊能分析不熟悉的程式碼。 有個工程師說他做了個複雜UI，設計師看到後問"你做的？" 他回答："不是我，是Claude做的，我只是提了要求。" 但另一方面，有些人開始擔心基礎技能的退化。 一個資深工程師說得很直白： 我現在主要用AI處理那些我知道答案應該長什麼樣的任務。但如果我還是初級工程師，我會很擔心自己是不是在盲目接受模型輸出。 這裡的弔詭：你需要足夠的技能來監督AI的輸出，但過度依賴AI又可能會讓這些技能退化。 就像你需要懂程式設計才能判斷AI寫的程式碼對不對，但如果總是讓AI寫程式碼，你的程式設計能力會不會變差？ 更微妙的變化在社交層面。 以前遇到問題，你會去問同事。 現在80-90%的問題都先問Claude了。 有人覺得這挺好，不用麻煩別人。 但也有人說："我喜歡和人一起工作，現在'需要'他們的時候少了，這讓我有點難過。" 一個資深工程師提到，初級工程師現在很少來問問題了，" 雖然他們的問題確實得到了更有效的解答，學得也更快。 " 這讓我想起一個問題：學習到底是什麼？ 是快速得到答案，還是在尋找答案的過程中建立對系統的理解？ 有工程師說，以前調試一個問題，你會讀很多文件和程式碼，雖然不是所有內容都直接有用，但你正在建立對整個系統的認知。 現在Claude能直接帶你找到問題所在，效率提高了，但那種"附帶學習"少了。 最讓人深思的是工程師對未來的看法。 很多人說不清楚幾年後自己的工作會是什麼樣子。 有人說："短期我很樂觀，但長期來看，我覺得AI最終會做所有事情，讓我和很多人變得無關緊要。" 也有人更直接："感覺我每天上班就是在讓自己失業。" 但也有人覺得這只是又一次技術抽象層級的提升。 就像以前程式設計師要手動管理記憶體、寫組合語言，現在高階語言幫我們處理了這些。 也許未來，英語就是程式語言，我們會在更高的層次思考問題。 一個工程師說： "'技能退化'這個說法的前提是，程式設計總有一天會回到Claude 3.5之前的樣子。但我不這麼認為。" Anthropic自己也在摸索。 他們在思考怎麼讓團隊更好地協作，怎麼支持職涯發展，怎麼建立AI輔助工作的最佳實踐。 但說實話，沒人有確定的答案。 這個研究最有價值的地方，可能不是給了什麼結論，而是提出了正確的問題： • 當AI能做越來越多的事情，我們該保持哪些技能？ • 效率提升與深度學習之間，怎麼平衡？ • 工作的意義到底是什麼，是產出還是過程？ • 人與人之間的協作會變成什麼樣子？ 這些問題不只是Anthropic的工程師要面對的，可能很快就會變成我們所有人的問題。 技術進步從來不是單純的好或壞，它會帶來新的可能性，也會帶來新的挑戰。 重要的是我們怎麼去適應，怎麼在變化中找到新的平衡。 就像一個工程師說的："沒人知道會發生什麼，重要的是保持適應能力。" 這可能是最誠實，也是最實用的建議了。 AI總結，人工排版，原文地址見評論區
正在載入線程內容
正在從 X 取得原始推文，整理成清爽的閱讀畫面。
通常只需幾秒鐘，請稍候。