OpenAI 與 Anthropic 的 AI 工作爭論
Anthropic 的 Chris Olah 轉述 Dario Amodei 對 AI 衝擊工作的警告，和 OpenAI 的樂觀敘事形成對比，也讓 AI 與就業的爭論更直接。
Anthropic 的 Chris Olah 支持 Dario Amodei 對 AI 衝擊工作的警告，和 OpenAI 的樂觀說法拉開距離。
這篇在講一件很直白的事。Anthropic 的 Chris Olah，在梵蒂岡的 AI 倫理會議上，替公司對就業風險的說法背書。另一邊，OpenAI 還是偏向講 AI 很好用。兩邊都在搶同一批開發者、企業和政策圈注意力。
這種分歧不是嘴砲而已。它會影響企業怎麼買 API，主管怎麼編預算，員工怎麼看自己的工作。講白了，就是 AI 到底是幫手，還是先把人力結構洗一遍。
| 主題 | 內容 | 意義 |
|---|---|---|
| 人物 | Chris Olah | Anthropic 創辦人之一，公開放大風險訊號 |
| 場合 | Vatican AI ethics conference | 討論場域已經離開矽谷圈內 |
| 公司立場 | Dario Amodei 對 AI 與工作衝擊的警告 | Anthropic 持續走風險優先路線 |
| 產品背景 | GPT-4o、Claude | 兩家都在推更強模型，競爭更直接 |
Anthropic 把就業風險講得更大聲
訂閱 AI 趨勢週報
每週精選模型發布、工具應用與深度分析，直送信箱。不定期，不騷擾。
不會寄垃圾信，隨時可取消。
Olah 的發言不是單點事件。它接得上 Anthropic 這幾個月的固定調性。公司一直在講，AI 變強之後，白領工作會先被擠壓。這種說法很刺耳，但也很符合他們現在的公關路線。
你可以把它理解成一種策略。別人先講效率、速度、成本下降，Anthropic 先講代價。這樣做有點像先把最難聽的話講完，免得外界只看到模型 demo，沒看到人力調整的帳單。
而且這不是抽象恐懼。寫程式、客服、文件整理、法務初審，這些工作都已經被 LLM 吃到一部分。當模型 API 變便宜、推理變快，企業自然會開始算，哪些人可以少補，哪些流程可以砍掉。
- Chris Olah 是 Anthropic 的共同創辦人之一。
- 發言場景是梵蒂岡的 AI 倫理會議。
- 內容延續 Dario Amodei 對就業衝擊的警告。
- 焦點放在白領工作與轉職速度。
OpenAI 和 Anthropic 的差別，不只在模型
這場爭論不只是誰的模型比較強。真正差的是敘事。GPT-4o 這類產品的對外說法，通常會強調通用性、速度和實用性。Anthropic 的 Claude 系列，則常把安全、治理和風險放在前面。
這種差別很重要。因為企業買的不是只有模型。它們也在買一種決策語言。當一家公司說「這能幫你省時」，另一家公司說「這可能讓某些職位先消失」，採購主管聽到的根本不是同一件事。
我覺得這裡最有趣的地方，是兩邊都可能講對。AI 可以提升產出，也可以縮編團隊。它可以幫你寫 code，也可以讓原本三個人的流程變成一個人加一個 agent。這就是現在最尷尬的地方。
“We need to be very careful about how we deploy these systems,” Dario Amodei said in a 2025 interview with Axios.
這句話很像 Anthropic 近來的整體語氣。不是喊恐慌，而是一直提醒你，部署速度和社會成本是綁在一起的。Olah 在梵蒂岡講這個，就不只是技術圈內談話了。
把數字攤開看，爭論才不會飄在空中
這篇原文很短，但 AI 與工作的爭論早就有很多可量化的點。沒有數字，討論很容易變成情緒戰。有了數字，才知道到底是在講產品能力，還是在講人力重組。
先看幾個已經能拿來對照的資訊。Anthropic 和 OpenAI 都在推更強的模型。兩邊都在把 API、聊天介面和工具整合做得更完整。差別是，Anthropic 更常把風險拿到台面上。
再看場域。這次是在梵蒂岡的 AI 倫理會議，不是在產品發表會。這代表議題已經從「模型多會寫」變成「模型會怎麼改變工作市場」。這個轉向，對政策和企業內部討論都很重要。
- Anthropic Economic Index 用來追蹤 AI 對工作的影響。
- GPT-4o 主打更廣泛的通用能力。
- Claude 也在往更高階的知識工作場景走。
- 梵蒂岡會議把議題拉進倫理和政策圈。
如果你是開發者，這裡的重點很現實。模型能力上去之後，最先變的通常不是「有沒有 AI」，而是「誰來管 AI」。接著才是團隊編制、KPI 和採購流程。很多公司嘴上說要導入，實際上是在重新算人事成本。
所以這場爭論不是純哲學。它會直接影響 SaaS 預算、內部自動化專案，還有你下一個產品該不該把 agent 做成預設功能。說真的，這比單看 benchmark 更接近現實。
這場對立，其實是整個 AI 產業的縮影
Anthropic 和 OpenAI 的差異，反映的是兩種商業語言。OpenAI 比較像在賣能力。Anthropic 比較像在賣克制。前者讓人想趕快試，後者讓人先想一下要不要踩煞車。
這也和整個產業的路線有關。當模型從 demo 走向正式部署，大家開始碰到真問題：資料權限、錯誤率、責任歸屬、員工反彈。這些東西比模型參數更麻煩，也更花錢。
我會說，Anthropic 現在的說法有點像在提醒市場：別只看 token 成本。真正貴的，可能是流程重設和組織震盪。這句話不帥，但很實際。
接下來要看什麼
接下來可以看 Anthropic 會不會持續把「AI 會衝擊工作」講得更明白。如果它一直維持這個調性，政策圈會更認真把它當預測，不會只當公關話術。這對監管討論會有差。
對台灣的開發者和產品團隊來說，重點也很簡單。不要只問模型能不能做事。要問它會先改掉哪個流程，會不會先砍掉哪個職能。你如果現在就在做自動化，最好順手把人力調整也算進去。
我的判斷是，接下來 12 個月，這種「AI 先改工作，再改產品」的討論會更常出現。你現在就該開始看自己團隊裡，哪些任務是最容易被 LLM 吃掉的。這比追每一版新模型，實際多了。