AI 将以多快的速度重塑经济运行？
2026 年 2 月 25 日，Anthropic 联合创始人 Jack Clark 在接受《纽约时报》采访时给出了直截了当的答案。
他透露，在 Anthropic 内部，绝大多数代码已由 AI 编写完成，工程师的核心职责已从敲击代码转变为管理 AI。
在 Jack Clark 看来，AI 已跨越了“说话者”的阶段，正式成为“行动者”。然而，技术演进的速度，已经将企业常规的组织调整节奏远远甩在身后。
这预示着一个必然的结局：当 AI 深度介入核心业务流程，企业所面临的挑战已不再是单纯的降本增效，而是底层运转逻辑的全面重构。
第一节｜AI 开始干活了
这种重构具体是什么样？Jack Clark 在采访中分享了 Anthropic 内部正在发生的三件事：
1、工程师写代码的方式彻底变了。
Jack Clark 自己就体验过这种变化：他想做一个物种模拟器。如果放在过去，他自己手写可能要花上几天。但现在，他只需把想法告诉 Claude Code，十分钟就跑出了结果，代码、环境、依赖包全部自动配置妥当。这是一种全新的工作模式：过去是人写代码，现在是人提需求，AI 负责执行。
2、一个人就能带一支 AI 团队。
在 Anthropic，一位工程师日常工作时，往往会同时开着五六个 Claude。有的负责写代码，有的负责改 bug，有的负责跑测试。一个人同时指挥多个 AI，就像在带一支小型研发团队。Jack Clark 明确表示：这就是他们公司现在的工作常态。
3、AI 开始主动调整策略。
在执行任务时，Claude 甚至会主动说：“这个方法可能不行，我换条路试试。”它能自主判断问题、调整方向、寻找新的解决路径。这意味着 AI 已经具备独立推进任务的能力，而且这个变化来得比预期更快。
Anthropic 内部的情况很能说明问题：就连 Claude Code 这个产品本身，也几乎是 Claude 自己写的。Jack Clark 提到，如果进展顺利，到今年（2026）年底由 AI 完成的代码比例可能接近 99%。
这三个变化，加上这组数据，指向了一个清晰的方向：AI 现在能独立完成任务，能与其他 AI 协同，还能在执行中自我调整。当干活的“人”变了，企业原有的组织架构和运转逻辑必然要重构。
第二节｜分工方式要重新划线
“AI 带来的冲击，不会直接从裁员开始，而是从重新分配工作开始。”
这是 Jack Clark 在采访里反复强调的一点。相比裁员，这听起来可能没那么可怕，但这要求企业重新设计整套分工方式。
1、初级工作正在快速消失
过去企业的分工是：新人做基础任务，中层推进项目，高层定方向。现在这套体系的基础开始动摇。
那些原本交给新人的琐碎工作，交给 AI 之后完成得更快、出错也更少。
Anthropic CEO Dario 曾预测，AI 可能在几年内取代一半的初级白领岗位。Jack Clark 自己的判断更谨慎一些：三年后大学毕业生的失业率会更高，但不会高太多。具体多少岗位会消失，目前还说不清楚，但趋势已经很明确。
2、能给方向的人开始变得稀缺
这带来第二层变化：企业越来越看重一个人能不能把目标定义清楚，而不是只看执行能力。
Clark 在采访中说，真正有价值的人，能把任务说清楚，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：会指挥 AI 干活的人变得稀缺，而只会完成安排好的任务的人，发展空间越来越小。
3、成长路径正在改变
年轻人该如何成为那种稀缺的人？传统的路径是从基础任务开始积累经验，但现在这些任务正在消失。
Clark 观察到，在 Anthropic 内部，成长最快的年轻人，正是那些从入行起就习惯与 AI 一起工作的人。他们从一开始就学会指挥 AI、与 AI 配合，在 AI 的辅助下完成更复杂的工作。企业未来的核心人才，可能就是最早掌握这种协作能力的年轻人。
这场变革已经开始了。企业要不要裁员，那都是后面的事，当下更紧迫的是重新划好人与 AI 的分工边界。
第三节｜组织运转要跟上 AI 节奏
当人和 AI 的分工边界重新划定后，下一个问题是：在这个新环境下，组织本身该怎么运转？
1、加速的代价是失控
Clark 发现，当工程团队把大量执行环节交给 AI 后，最先改变的不是产能，是管理层对工作的掌握度。
过去层层传递的流程，现在被 AI 自动完成，许多中间步骤不再需要人工确认。流程跑得更快了，但人能掌握的部分反而变少了。
被问到是否担心技术债累积、网络安全漏洞、对代码理解下降时，Clark 回答得很直接：担心，而且整个社会都得面对这个问题。
AI 写的代码越多，工程师能直接掌握的就越少。过去企业靠繁琐的流程保证质量，每个环节都有人把关，出问题能及时发现。但现在 AI 的执行速度太快，这种人工检查的方式已经跟不上了。
Clark 说，企业必须重新设计流程：让 AI 把关键决策记录下来，让人随时能看到 AI 在做什么、为什么这么做。否则，组织会完全失去对自身流程的掌控。
2、管理方式必须改变
以前管理者的日常工作是什么？协调团队开会、跟进每个人的任务进度、催促延期的项目、整理汇报材料。这些事情占据了管理者大部分时间。
现在这些 AI 都能自动完成。它会自动提醒该开会了、自动发现某个任务卡住了、自动修正小问题，甚至自动生成进展报告发给所有人。
那管理者还要做什么？Clark 认为变成了三件事：
一，确定优先级。当 AI 提出五个方案时，哪个最重要？这需要人的判断。
二，讲清目的。AI 只能根据指令执行，但为什么要做这件事、要达成什么效果，必须人来说清楚。
三，在关键节点做出取舍。比如产品该按时上线还是再打磨一周？这种权衡 AI 做不了。
Clark 举了个例子：有团队专门训练了一个监督 AI，它的工作就是盯着其他 AI 的输出，检查有没有明显错误。这样一来，人不用再盯着每一行代码、每一个步骤，只需要在几个关键决策点介入就够了。
组织的运转逻辑变了：以前是人盯人，现在是人盯方向、AI 盯过程。
3、真正的挑战是速度差
组织转型真正难的地方在于速度跟不上。AI 的现在迭代是以“周”为单位的，一个新功能可能两周就上线了。而传统企业的组织架构调整往往是以“季度”甚至“年”为单位，改个流程、调个部门，半年过去了。
这里有三种速度在拉开差距：
个人适应的速度：员工需要时间学习怎么用 AI，怎么和 AI 协作，这个过程可能要几个月。
企业和政策响应的速度：企业要开会讨论、制定规则、调整考核，政府要研究、立法、监管，这个过程往往要一年甚至更久。
AI 进步的速度：模型每几个月就升级一次，能力不断增强。
过去的技术变革，时间往往站在人类这边，给了缓冲期。蒸汽机出现后，工厂有几十年时间慢慢适应。但这一次不一样，等企业调整好组织架构，AI 可能已经又进化了好几代，速度差只会让冲击变得更严重。
这个速度差还在扩大，因为 AI 进化的速度在不断加快。
Clark 透露，Anthropic 正在监测“AI 开发 AI”的比例。什么意思？就是 AI 不再只是帮人类写代码，而是开始写改进自己的代码。一旦 AI 开始大规模这么做，它的迭代速度就不再受人类开发速度的限制了，会进入一个自我加速的循环。
正因为看到了这种技术优势，Anthropic 撤销了 OpenAI 使用 Claude Code 的权限，不想让竞争对手也快起来。速度，已经成为 AI 时代最关键的竞争力。
这就是为什么企业必须重构组织架构：不重构，就会永远慢一拍。而 AI 的发展，只会越来越快。
结语｜重新摆清人和 AI 的位置
AI 已经开始干活。在 Anthropic 内部，绝大多数代码已经由 AI 完成，如果一切顺利，年底这个比例可能接近 99%。
这带来三层变化：
第一，AI 正在接管执行层的工作。
第二，企业的分工方式要重新划线。
第三，组织的运作节奏要跟上 AI 的速度。
AI 的进化速度超过了企业的适应速度。那些会指挥 AI、能做出正确判断的团队，会占据优势。而坚持旧流程、旧分工的组织，会越来越被动。
企业该改什么？只有一件事：重新定义人该做什么，AI 该做什么。
