AI会让专家失业吗?AI巨头用几十万真实数据给出了答案

AI越来越强，最焦虑的可能不是程序员，

而是所有靠知识和经验吃饭的人。

医生、律师、教师、咨询顾问、财务人员、HR……

一个很多人都在思考的问题是：

如果AI越来越聪明，专家还有存在的价值吗？

最近，AI巨头Anthropic发布了一项最新研究。

他们没有研究模型跑分，也没有研究编程能力，

而是分析了几十万次真实工作中的AI使用记录，

试图回答一个更现实的问题：AI会让专家失业吗？

他们最终得出的结论，可能会让很多人大吃一惊。

这篇名为《Agentic Coding and Persistent Returns to Expertise》的研究报告，讨论的是一个很多人都在关心的问题：

当AI越来越能干，人类的专业知识还值钱吗？

过去两年，从ChatGPT到Claude，再到各种AI编程工具，

我们经常听到一种声音：

“以后谁都会编程了。”
“专业技能不重要了。”
“AI会抹平人与人之间的能力差距。”

但Anthropic在这篇研究中的结论却恰恰相反：

“Expertise continues to generate substantial returns even as AI capabilities improve.”
（即使AI能力持续提升，专业知识依然能够持续产生显著价值。）

这或许是当前AI时代最容易被忽视的一个事实。

一个越来越流行的误解

最近两年，AI最令人震撼的能力之一就是编程。

以前开发一个软件，需要：

产品经理提需求、程序员写代码、测试人员验证、运维人员部署。

而今天，Claude Code、Codex等工具已经能够：

阅读整个项目代码
自动修改多个文件
自动运行测试
自动调试错误
自动生成文档

很多原来需要数小时甚至数天完成的工作，现在几句话就能启动。

于是很多人开始得出一个结论：

AI正在让专业知识变得不重要。

Anthropic显然也注意到了这种观点。

于是他们决定用真实数据来验证：

专业知识的价值到底是在消失，还是在增强？

这次研究有什么特别？

过去很多AI研究是在实验室环境中完成的。

研究人员设计一道题目，让不同模型去解答，然后比较结果。

但这次不同。

Anthropic直接分析了真实用户使用Claude Code的数据。

研究涵盖了数十万次实际工作场景中的任务。

参与者不仅有软件工程师，还包括：

管理人员、产品经理、金融从业者、科研人员、法律从业者

他们希望回答一个核心问题：

在AI能够承担大量执行工作的情况下，专业知识还会不会带来优势？

最重要的发现：专家优势并没有消失

研究结果非常明确。

Anthropic在论文中写道：

“Returns to expertise persist across a wide range of tasks.”
（专业知识带来的优势，在广泛任务中依然持续存在。）

换句话说：

即使AI能力越来越强，专家依然表现得比非专家更好。

这其实有点违反直觉。

很多人原本认为：

AI越强，人与人的差距越小。

现实却更像是：

AI降低了技术门槛，但没有消除认知门槛。

为什么专家更容易用好AI？

研究中有一个很有意思的发现。

专业用户往往只需要给出一个目标。

Claude就能够自主完成更多步骤。

而经验不足的用户则需要频繁介入——不断补充说明、不断修正方向。

Anthropic发现：

专家用户的指令往往包含更多隐含信息。

因为他们天然知道：

什么是正确目标
什么是关键约束
什么结果算成功

举个简单例子。

如果让AI开发一个客户管理系统。

外行可能会说：

“帮我做一个CRM系统。”

而销售管理专家可能会说：

“帮我设计一个支持客户分层、商机阶段管理、销售预测和业绩分析的CRM系统。”

看起来只是描述更详细。

实际上背后体现的是行业知识。

AI可以负责实现。

但“什么值得实现”，依然来自专业经验。

Anthropic发现：人负责规划，AI负责执行

研究团队还分析了大量任务过程中的决策归属。

结果发现：

用户主要负责规划（Planning）；Claude主要负责执行（Execution）。

原文写道：

“Users dominate planning decisions, while Claude dominates execution decisions.”

翻译过来就是：

人类负责决定做什么，AI负责决定怎么做。

这是一个非常重要的发现。

因为它揭示了目前AI最真实的工作方式。

很多媒体喜欢宣传：

“AI自动完成一切。”

但现实中的高效协作模式更像是：

人负责：目标、判断、优先级、取舍
AI负责：编写代码、查找问题、执行操作、完成实现

至少从目前来看，真正的价值依然集中在判断层。

还有一个容易被忽视的趋势

Anthropic还观察到：

Claude Code处理的任务正在发生变化。

过去更多是：修Bug、写代码

而现在越来越多是：

数据分析
系统运维
文档编写
项目管理支持

这意味着AI工具正在从“编程工具”变成“工作代理”。

但有趣的是：

即便如此，专业知识的重要性并没有下降。

相反，随着AI承担越来越多执行工作，专业知识反而变得更加突出。

AI真正改变的是什么？

这篇研究最值得思考的一句话，可能不是关于编程。

而是关于人与人的差距。

过去的差距是：

我会写代码，你不会。

未来的差距越来越可能变成：

我知道应该解决什么问题，而你不知道。

执行能力正在被AI快速商品化。

判断能力却没有。

技术门槛正在下降。

认知门槛却越来越高。

写在最后

很多人看到AI越来越强，会产生一种焦虑：

“既然AI什么都会了，我学的东西还有意义吗？”

Anthropic这篇研究给出的答案很明确。

AI确实正在快速接管执行工作。

但专业知识并没有因此失去价值。

恰恰相反。

当执行成本越来越低的时候，真正理解问题的人会变得更加重要。

因为AI可以帮助我们完成工作。

但决定什么工作值得做、什么结果才算成功、什么风险需要规避，这些依然需要人的专业判断。

正如Anthropic这篇研究反复强调的那样：

“Expertise continues to matter.”

专业知识并没有过时。

它只是正在以一种新的方式发挥作用。