Ethan Mollick：聊天机器人时代正在落幕，工作转向管理智能体

Ethan Mollick 2026年6月30日 803 102 76 分享 如果你觉得AI领域的事情正在加速，你大概是对的。来自美国领先AI实验室的更好的AI模型，发布速度比以往任何时候都快（尽管政府干预曾暂时阻止了对两个最强大模型的访问，即Claude Fable和GPT-5.6）。

但这不仅仅是发布时间的问题。证据也指向能力提升的加速（尽管前沿依然参差不齐，AI在许多地方仍然薄弱）。当我们观察AI完成实际工作的能力时，这一点尤其明显。有几项不错的评估试图衡量AI能完成多少人类工作。其中最著名的两项，来自METR和英国官方政府AI安全研究所，估算的是AI在单次提示下能完成相当于多少人类程序员小时的工作量。GDPval则使用专业评审将多个领域的人类专家与AI表现进行比较。它们都在以快于指数的速度增长。

另一家做类似实验的组织Epoch最近发现，Opus 4.7独自工作14小时，能够构建一个需要2至17周人类工程工作的软件包（花费251美元的token）。同样，AI系统并非能通过所有测试，运行成本也不总是低廉，但它们确实在以非常快的速度进步。在我自己的实验中，我发现Fable能够自主工作9小时，执行非常复杂的软件项目，而这些项目原本需要一个团队花一周多的时间才能完成。

到目前为止，我关注的是前沿模型，即那些“智能”最高的模型。它们由三家美国公司制造——Anthropic、OpenAI和Google（不过Google已经有一段时间没有发布新模型了）。但还有第二类接近前沿的AI模型，通常比前沿落后6至12个月，它们全部来自中国。这些是开放权重模型，意味着任何人在发布后都可以使用或修改它们（与专有的前沿模型相对）。这使它们的运行成本相当低廉。它们同样在沿着指数级改进曲线攀升，尽管落后于美国的闭源模型。你可以从我制作的一张图表中看到这一点，该图展示的是AI在一项名为AA-Briefcase的测试中的表现，该测试模拟一个复杂的、为期数周的咨询项目，AI必须进行多种分析。开放权重的中国模型（其他国家也生产开放权重模型，但没有一个接近前沿）处于自己的指数曲线上，落后于美国的闭源模型

但抽象的图表只能说明这么多，它们可能掩盖前沿的参差不齐（也掩盖了一个事实：开放权重模型虽然非常令人印象深刻，但表现并不总是像其基准测试所显示的那样好）。要获得真正的洞见，你需要尝试将AI用于不同的用例，并严格评估它们在你关心的领域有多好。举个有趣的例子，我创建了一个测试，要求AI构建一个随时间演变的港口的交互式模拟。你可以在这里体验所有结果。我认为它提供了一个有趣的视角，展示模型在设计、风格方法甚至判断力等方面可能彼此差异有多大。随着系统执行越来越长的任务，这些难以基准测试的因素变得更加重要。

随着AI能够完成越来越长的任务，人们使用AI的方式正在改变。直到最近，使用AI的主流方式是作为共同智能。你会要求AI做某事，检查结果，然后要求它完成你工作的下一步。通过仔细的提示和人的关注，你可以引导AI完成复杂且长期的任务。

这种使用AI的方法仍然常见且有用，但越来越多地，它不再是AI被用于有价值工作的方式。长期运行、智能且能自我纠正的AI系统不需要持续的人工干预，它们需要一种不同的工作方式（这也是我即将出版的书《共存》的主题，你可能想在这里预购）。而且，与聊天机器人不同，智能体附带额外的机制：为AI提供工具访问权限和行动环境的执行框架，以及为智能体构建的应用，如Claude Code或OpenAI的Codex。因此，一个好的执行框架或应用可以进一步提升AI模型本已增长的能力。

所以，工作越来越多地是关于将工作分配给智能体，而不是与聊天机器人一起工作。OpenAI与学术经济学家的一项联合研究显示了这在它们自己组织内部发生得有多快。关键的是，使用智能体的不仅仅是程序员。法律、人力资源和其他非技术职能采用智能体的速度几乎相同。OpenAI可能是煤矿中的金丝雀，预示着工作其他领域将会发生什么。

OpenAI 的工作正越来越像是在管理 AI。四分之一的 OpenAI 员工每周至少同时运行四个智能体。而且，随着编码工作由专门执行框架和应用中的 AI 完成，其他岗位也开始在某种程度上变成编码者。而且他们很擅长这一点。一项针对 Claude Code 用户的独立研究发现，软件工程师在实际使用 Claude Code 完成编码任务时，成功率与其他职业相似。

真正重要的不是用户的职业，而是他们的专业能力。某人的领域经验越多，他们在该领域使用 Claude Code 就越成功。更有趣的是，他们从 Claude 的每次提示中获得的输出也越有用。

我们正在从一个非专家使用聊天机器人填补空缺的世界，转向一个专家使用智能体完成工作的世界。而使用智能体的最佳方式，就是把自己当作管理者。

身处指数增长之中意味着，每个固定窗口内的变化都比前一个更大。如果你的组织在 2025 年冬季之前的任何时候写过 AI 计划，它描述的是一个能以相当高错误率完成几个小时工作的系统。几个月后，你可以通过单次提示获得十六个小时或更多的工作成果。这就是为什么 AI 总让人感觉在不断跃升——尽管它只是图表上的一条曲线，我们却不断把能力的稳步翻倍体验为一系列冲击。我们非常不擅长从内部感受指数增长，而我们目前正身处其中。

我认为这也比通常关于炒作的叙事更好地解释了围绕 AI 的动荡。AI 在突然之间具备真正的网络安全威胁能力之前，一直被认为不具备这种能力，这导致最高层政府突然且临时地改变政策。市场一直低估 AI 是否可能威胁并颠覆某种商业模式，直到它突然能够做到，从而引发股市的巨大波动。这些突变被解读为一个不成熟领域最终会稳定下来的迹象。我不认为它会在短期内稳定下来。这种不稳定，是当以人的速度（或更糟，以委员会的速度）运转的机构试图追踪一条本质上非常不人类的能力曲线时会发生的事情。而只要我们还处在某种指数增长之中，并且只要这种增长持续，差距就只会不断扩大。