如果AI接管95%的工作，人还值什么钱？达里奥的另一半答案

如果AI能包办一份工作里的95%，负责剩下5%工作的人，会更值钱，还是更容易被裁掉？

人工智能公司Anthropic的联合创始人兼首席执行官达里奥·阿莫代伊给过一个颇有张力的答案：那一点尚未自动化的工作，可能成为整套流程的新瓶颈，也可能让一个人指挥更多机器。但如果人连判断机器对错的能力都不再学习，这个机会就很难抓住。

这番讨论来自2026年2月24日发布的《People by WTF》访谈，近日再次受到关注。这是一次旧访谈的再传播，讨论的是职业变化的可能路径。[1]

代码能生成，软件仍要有人负责

阿莫代伊判断，写代码会较早交给AI，更广泛的软件工程工作需要更长时间。他提到，理解用户需要什么、设计有用的产品、协调AI完成工作，仍可能为人保留位置。他也没有把这些任务称作永久安全区。[1]

这里首先要分清两件事：生成代码，是产出一段程序；交付软件，还包括确定它该做什么、接入哪些系统、出错时由谁处理，以及是否值得上线。

假设一个订货系统能自动生成，却把“可售库存”理解成仓库里的全部库存，忘了扣除已预订的商品，代码写得再快，也只会更快地制造超卖。这个例子说明，工作量减少之后，需求定义、验收和责任承担未必同步减少。

访谈中的95%和5%是举例。阿莫代伊由此推演，一个人若能处理剩余部分，可能获得很大的生产力放大。它没有证明现实企业已经自动化了95%的软件工作，更没有证明员工收入会按同样倍数增长。[1]

自动化收益最终如何分配，还取决于企业组织、竞争和议价能力。生产效率提高，与个人职位更稳，之间没有自动兑现的等号。

更大的风险，是省掉了练习

Anthropic于1月29日公布的一项实验，为学习方式提供了较具体的参照。52名有Python编程经验、但不熟悉实验所用程序库的工程师完成新任务后，AI辅助组的测验平均得分为50%，无AI组为67%；辅助组完成任务略快，但速度差异没有达到统计显著。程序库可以理解成写程序时能够调用的一组现成功能。[2]

这是一项短时的新技能学习实验。它不能证明AI让所有程序员退化，更不能外推成整个人群的智力下降。研究对使用过程的分析提示，追问概念与解释的人，和把任务整体交出去的人，学习结果存在差异；这些使用方式本身并未随机分配。[2]

对学习者而言，值得警惕的是一种很顺手的循环：复制问题、拿到答案、任务过关，却说不清答案为什么成立。没有亲自做过几次排错，未来也更难判断AI究竟替自己解决了问题，还是把问题藏得更深。

更可行的练习是，把AI同时当成协作者和考官：先自己提出方案，再要求它解释取舍；让它给出反例，最后关掉答案独立复现。任务可以由AI加速，理解仍要在人的脑子里发生。

那5%的价值，需要自己建立

阿莫代伊谈到比较优势时，核心意思是：即使机器擅长很多事，人仍可围绕相对擅长、又能与机器配合的环节分工。[1]

这并不意味着只要转去“沟通”或“管理”就能安全。没有业务知识的沟通，很难辨别需求冲突；不理解系统边界的管理，也很难验收一支AI团队。

读者真正可以从这场旧访谈带走的，是一个新的学习目标：少把熟练操作某种工具当成全部本领，多积累定义问题、检验结果和承担交付的能力。当生成越来越容易，能解释“为什么这样做、哪里可能错、出了错怎么办”的人，才更有机会站在那个关键环节上。

参考资料

[1] KAMATH N. The AI Tsunami is Here & Society Isn't Ready: Dario Amodei x Nikhil Kamath, People by WTF[EB/OL]. 2026-02-24[2026-11-02].

[2] ANTHROPIC. How AI assistance impacts the formation of coding skills[EB/OL]. 2026-01-29[2026-11-02].