當 AI 搶走新人的學徒工作，誰來培養下一代專家？

本文整理自 Azeem Azhar 的 Exponential View Podcast，訪談 Anthropic 經濟主管 Peter McCrory。

一個經濟學家的學徒記憶

Peter McCrory 在加入 Anthropic 之前，曾在美國聯準會擔任研究助理。他回憶那段日子：做文獻回顧、整理資料、甚至和經濟史學家一起謄寫歷史文獻。

這些工作聽起來很基礎，甚至有點無聊。但正是這些「苦工」，讓他學會了如何閱讀學術論文、如何判斷資料品質、如何在龐雜的資訊中找到重點。

問題是：這些工作，Claude 現在都能做了。而且做得又快又好。

學徒工作消失，專業養成斷層

主持人 Azeem Azhar 提出一個尖銳的問題：我們是否正在創造長期的制度性脆弱？

他的邏輯是這樣的：AI 模型持續進步，人們開始信任它處理更長、更複雜的任務。但判斷這些產出是否正確，需要真正的專業能力。然而，培養專業能力的基礎工作，正是 AI 正在自動化的那些。

這形成了一個弔詭的循環：我們需要專家來監督 AI，但培養專家的途徑正在消失。

史丹佛大學的研究已經發現，在 AI 高度暴露的職位中，早期職涯工作者的就業軌跡明顯較差。這不只是理論上的擔憂，而是正在發生的事。

發現變快了，驗證跟不上

經濟學中有個概念叫「知識的負擔」：要抵達知識前沿，你需要花越來越多年學習前人的累積。這限制了創新的速度。

AI 的支持者認為，大型語言模型讀過人類知識的全部語料，或許能打破這個限制，加速創新。

但 Azeem 指出另一個問題：當 AI 一個下午就能生成三千五百萬種材料組合（如微軟的催化劑研究），瓶頸並沒有消失，只是換了位置。從「發現」轉移到「篩選與驗證」。

發現變快了，但誰有能力判斷哪些值得繼續研究？篩選需要判斷力，判斷力需要經驗，經驗需要時間累積。新的瓶頸，可能比舊的更難突破。

品味無法外包

McCrory 給出一個明確的建議：不要讓 Claude 寫第一稿。

他的理由很直接：「要有品味和判斷力去分辨什麼是好的寫作，你需要花很多時間實際寫作。這是你發展自己聲音的方式，發展自己論述的方式，也是你能判斷 Claude 產出品質是否足夠的方式。」

這不是反對使用 AI，而是強調順序：先自己做，建立判斷力，再用 AI 輔助。

Azeem 分享他們團隊的做法：用鋼筆手寫來刻意放慢速度、印出論文來讀而不是只看摘要。他的研究員因為真的讀完了一篇 1990 年的經濟成長論文，抓到 Azeem 只看摘要造成的錯誤。細節藏在全文裡，不在摘要裡。

低收入國家的另一種可能

值得注意的是，Anthropic 的資料顯示，全球約四分之一的 Claude 使用量是「課業相關」，而且在低收入國家比例更高。

這暗示了另一種可能性：AI 或許能幫助資源較少的人，獲得過去只有菁英才有的學習輔助。如果使用得當，AI 可以是縮小教育差距的工具。

但這需要一個前提：使用者要知道什麼時候該自己來、什麼時候可以請 AI 幫忙。而這個判斷本身，也需要一定程度的基礎能力。

我的觀察

回顧我的「苦工」歲月

我剛開始做 Podcast 節目時，工作內容之一是聽打逐字稿。那時候雖然已經有一些轉錄工具，但效果和效能都不好，最後還是得靠人工一字一字聽、一字一字打。一小時的訪談，常常要花三、四個小時處理。

現在回想，那些看似浪費時間的苦工，其實教會我很多東西。受訪者在哪裡停頓、哪些話題讓他們變得小心翼翼、哪些細節他們反覆強調、語氣什麼時候變了。這些「聽」的訓練，讓我後來自己做採訪時，更能掌握對話的節奏，知道什麼時候該追問、什麼時候該安靜等待。

如果當年有現在這種 AI 轉錄，我可能會很開心地省下時間。但我也可能錯過這些訓練。

臺灣職場的現實

McCrory 說「不要讓 Claude 寫第一稿」，這個建議在理想狀態下完全正確。但我擔心在臺灣職場很難實踐。

原因很現實：多數公司要求員工「馬上有產出」。新人沒有三個月慢慢摸索的空間，主管要的是這週、甚至今天就能交差的東西。在這種壓力下，叫新人「先自己寫一遍再用 AI」，聽起來像是奢侈品。

更麻煩的是，當其他新人都用 AI 快速產出，你堅持自己慢慢寫，很可能被認為「效率太差」。這是一個囚徒困境：對個人長期發展最好的選擇，在短期競爭中可能是最差的選擇。

給年輕朋友：找到你的「刻意練習」空間

如果你是剛入行的年輕朋友，我的建議是：在工作之外，找一個不用 AI 的練習場。

工作上用 AI 提高效率，這很合理，也是生存所需。但下班後，找一件事情是你願意「笨笨地」從頭做的。可能是寫自己的部落格、讀一本艱深的書、學一個新技能。

重點不是反對 AI，而是確保你有機會建立自己的判斷力。因為終有一天，你會需要判斷 AI 產出的東西對不對——而那個能力，沒有人可以替你建立。

McCrory 說得很好：「要有品味，你需要花時間實際做那件事。」這句話在 AI 時代反而更重要，不是更不重要。