朴谷分享 | 不是裁员，而是重划分工：Anthropic 创始人谈AI接管执行、组织如何跟上节奏

在Anthropic，绝大多数代码已由AI完成，工程师的核心职责正从“敲代码”转变为“管理AI”。当AI从“说话者”跃迁为“行动者”，企业面临的已不再是单点提效，而是分工与组织逻辑的系统性重构。

第一节｜AI开始干活了

Jack Clark披露了Anthropic内部的三件实事，折射出“AI已成行动者”的临界点：

1.写代码的方式被改写

• 过去：工程师手写+自行搭环境。

• 现在：工程师提需求，Claude Code十分钟跑出结果，代码、环境与依赖自动就位。人从“编写者”转向“问题定义者、验收者”。

2.一人带多Agent成常态

• 工程师同时开5—6个Claude，分别负责写代码、修Bug、跑测试，协同推进。一人像带一支小型研发团队。

3.AI具备主动性与策略切换

• 执行中，Claude会判断路径是否可行，并主动更换方案，自主推进任务。变化来得比预期更快。

更具象的是：Claude Code本身“几乎由Claude写成”。若进展顺利，2026年底由AI完成的代码比例或接近99%。这意味着AI已可独立执行、彼此协同并自我调整，组织架构与运转逻辑必然随之重构。

第二节｜分工方式要重新划线

“冲击并非从裁员开始，而是从工作再分配开始。”分工重画边界的三个要点：

1.初级工作快速收缩

• 传统路径：新人做基础活→中层推进→高层定方向。

• 新现实：琐碎基础任务交给AI更快更准。对初级白领的替代趋势显著。Clark判断：几年内年轻毕业生的失业率会上升，但幅度仍待观察，趋势已明晰。

2.稀缺从“执行力”转为“任务定义力”

• 组织更看重谁能把目标说清楚、口径统一、验收标准明确，且能有效指挥AI协作。会“指挥AI干活”的人成为新稀缺，只会“按单执行”的发展空间被压缩。

3.成长路径改变：与AI共学共事

• Anthropic内部成长最快的新人，是那些一开始就与AI协作的人。他们从入行就具备“任务拆解—Agent编排—人机配合”的能力，越用越强，跃迁更快。

第三节｜组织运转要跟上AI节奏

当人与AI的边界重划后，组织层面必须同步升级：

1.加速的第一代价是“可控性下滑”

• 大量中间流程被AI自动化取代，人类能直接“看见”的环节减少，管理层对过程的把握度下降。

• 风险现实存在：技术债、代码理解度下降、安全漏洞。Clark建议重塑流程可观察性：让AI记录关键决策、理由与变更链路，确保人可随时追踪与审计，否则组织将丧失对自身流程的掌控。

2.管理方式三转变：人盯方向，AI盯过程

• 过去：协调会议、跟进进度、催交付、写报告。

• 现在：AI可自动提醒、检测卡点、生成报告。管理者的价值转向：

确定优先级：多方案取舍，聚焦资源。

讲清目的：目标与预期效果的统一口径。

关键取舍：如按时上线与再打磨一周的权衡。

• 实践中可引入“监督AI”盯其他AI输出，人类只在关键节点介入。

3.真正的挑战是“速度差”

• 三个速度在拉开：个人适应速度（需数月）、企业与政策响应速度（常以年计）、AI进步速度（以季度计甚至更快）。

• Anthropic正监测“AI开发AI”的比例。一旦规模化，模型自我迭代将进入“人类开发速度之外”的加速循环。

• 正因速度是关键竞争力，企业若不尽快完成组织重构，将长期“慢一拍”，差距会被持续放大。

结语｜重新摆清人和AI的位置 在Anthropic，绝大多数代码已由AI完成，年内或接近99%。随之而来的三层结构性变化是：

• AI全面接管执行层工作。

• 企业分工边界要重画，任务定义能力成为稀缺。

• 组织运转节奏与可观察性必须重构，以匹配AI速度。

AI的进化速度已超过企业的适应速度。能快速指挥AI、做出正确判断并让组织“看得见、控得住、跑得快”的团队，将拿走更大红利；坚持旧流程与旧分工的组织，会越来越被动。答案只有一个：重新定义人该做什么，AI该做什么。

朴谷观点（落地清单）

• 重画分工的RACI+A

在RACI矩阵中显式加入Agent（A），为关键岗位配置“人+Agent”职责、输入输出、权限边界、回退机制，明确谁定义任务、谁执行、谁验收、谁兜底。

• 流程可观察性内建

要求Agent全链路记录：指令、上下文、决策理由、变更差异、产出哈希；引入“监督Agent”做静/动态质检与异常告警，形成“人盯方向、AI盯过程”的监控闭环。

• 速度型操作系统

以周为节拍建立灰度与回滚：小步快跑、自动化CI/CD、特性开关、值班与SLA人机联动；设定灯塔场景，端到端闭环验证后水平复制。

• 人才与成长路径再设计

招聘/绩效转向“任务定义力、Agent编排力、验收与风控力”；为新人设计“AI配对编程”和真实业务课题，替代传统“从琐碎活学起”的路径。

• 安全与技术债治理前置

默认最小权限、密钥分级、私网运行；将依赖升级、静态扫描、SBOM、漏洞库与模型/Agent治理纳入发布门禁；建立“技术债指标+偿还节拍”。

• KPI切换为“人+AI”产出

度量单位从人工工时转为“单位成果的成本/周期/质量/风险”；对稳定引入Agent并实现降本提质的团队设置结构化激励。

• 工具范式：CLI优先、可组合

技能层抽象为CLI，配合jq/awk/curl等进行就地过滤，避免上下文污染；MCP可充当统一网关与权限边界，执行面以CLI为王。

• 文化与机制

认公开的任务定义与验收模板；关键事故postmortem要求还原AI决策链；对“追速度”的同时设定“安全刹车距”（熔断、人工接管）。

建议先把“能交给AI的工作”设计清楚，再把“AI做事的证据”记录清楚；组织才能在更快的节奏里，跑得稳、看得见、追得上。

Disclaimer: The information provided in this article is for general informational purposes only and does not constitute financial advice.