Anthropic 總裁：AI 時代最值錢的技能是 bedside manner

本文整理自 Stanford GSB《View from the Top》2026 年 5 月播出的單集。

{{< youtube FDjrDeIZAk4 >}}

---

在商務會議上，聊完 Claude 的各種應用場景後，對面的 CEO 會突然湊過來，壓低聲音問一個私人問題：「我女兒是史丹佛大二學生，本來要主修資工。她還該繼續學嗎？」

Anthropic 總裁兼共同創辦人 Daniela Amodei 說，這個場景她遇過不只一次。而且問這種問題的不只是 CEO。根據 Anthropic 對超過八萬人的大規模調查，對 AI 改變工作的焦慮已經是全球性的情緒。但 Daniela 在五月初的史丹佛商學院演講中給出了一個可能讓人意外的回答：與其擔心 AI 取代你的技術能力，不如擔心你正在失去不依賴 AI 思考的能力。而 AI 時代真正會升值的，是那些機器最難複製的東西：同理心、人際溝通，以及她所說的「bedside manner」。

AI 是助手，不是替代者

先說資料。Anthropic 從 2026 年初開始發布「經濟指數」（Economic Index），用隱私保護的方式分析 Claude 的實際使用模式，追蹤 AI 到底在經濟活動中扮演什麼角色。結論很清楚：目前為止，AI 在絕大多數場景中是「工作的賦能者」（enabler），不是「工作的取代者」（replacer）。

Daniela 承認有極少數例外，最明顯的是客服。「如果你需要寄信給 Comcast，未來大概永遠不會再是真人回覆了。」但她也補了一句：五年前這件事可能就已經是這樣了。換句話說，AI 加速了一個早已在發生的趨勢，但它還沒有大規模取代專業工作。

她用軟體工程師為例說明更可能的走向。很多人擔心寫程式的工作會消失，但 Daniela 認為工作內容會轉變，而不是消失。軟體工程師花在「手放在鍵盤上」寫程式碼的時間會大幅減少，取而代之的是更多產品管理、客戶溝通、系統架構的高層次思考。程式設計師的角色會從「寫程式碼的人」轉向「決定要建什麼的人」。

這對資工系學生來說其實是好消息。技術背景仍然有價值，只是價值的來源會從「我能實作」轉向「我理解技術，而且能跟人溝通」。回到那個 CEO 的問題：女兒該不該繼續念資工？答案大概是「可以，但也要學怎麼跟人說話」。

全球南方比矽谷更看好 AI

在史丹佛和矽谷的泡泡裡，AI 是唯一的話題。但 Daniela 提醒，這個泡泡的外面長什麼樣子，可能跟多數人想像的不太一樣。

Anthropic 在 2025 年 12 月做了一項大規模質性調查，用 Claude 作為訪談員，以對話方式訪問了 159 個國家、70 種語言的超過 80,500 人。這是目前已知規模最大的 AI 使用質性研究。Daniela 引用了一個格外引人注目的發現：開發中國家的受訪者對 AI 的態度普遍樂觀，遠高於已開發國家。「全球南方幾乎一致認為：這是一個巨大的機會。這可能是一股讓事情變得更公平的力量。」相反地，在美國、歐洲和亞洲部分地區，人們的焦慮感更強。「我喜歡現在的樣子。我不希望 AI 來打亂一切。」

這個落差不難理解。對於一個在教育、醫療、法律資源都有巨大缺口的國家而言，AI 是一個可能跨越基礎建設門檻的捷徑。一個偏鄉的學生可以用 AI 得到接近一對一家教等級的學習輔助。一個小型企業主可以用 AI 處理過去只有大公司才負擔得起的法律文件和商業分析。在這些場景裡，AI 不是威脅，而是資源平等化的工具。

但 AI 的採用本身也有人口統計上的落差。目前使用 AI 工具的人，在結構上明顯偏向高教育程度、高收入、男性。Daniela 指出，這意味著 AI 的好處可能先被那些本來就有資源的人享受到，進一步拉大差距，而不是縮小它。矽谷裡的每個軟體工程師都已經在用 Claude Code 和 Codex，「但這絕對不是全世界多數開發者的現狀。比賽的槍聲才剛響。」

當 AI 太好用，你的大腦開始萎縮

在八萬人調查中，有一種情緒反覆出現。Daniela 說目前還沒有一個精確的詞彙能形容它。最接近的描述是：「我不動腦了，因為我不需要。」

這不像無意識滑手機那種麻木感。它更微妙。你知道自己可以再多想一步，可以自己查資料、自己推敲邏輯，但 AI 給了你一個太方便的替代方案，於是你放棄了那個思考的過程。Daniela 自己也承認有這種經驗：「有時候我會想，我可以自己查清楚這件事，但不如直接問 AI，然後就盲目相信它給我的答案。順帶一提，它的答案不是每次都對。」

她認為這才是 AI 焦慮的真正根源。人類天生有學習和探索的慾望。AI 在某些使用方式下能擴大這個慾望，但在另一些方式下會壓抑它。如果人們逐漸習慣讓 AI 代替自己思考，長期的後果是一種「認知萎縮」：你保有知識的入口，卻失去了處理知識的能力。

家教模式 vs. 關腦模式

Anthropic 嘗試解決這個問題的方式是在 Claude 中建立「學習模式」（learning mode）。Daniela 用大學生的例子來說明兩種截然不同的使用方式。

第一種：你把作業丟進 ChatGPT，它直接給你答案。「這有一個專有名詞，叫做作弊。」Daniela 說這話的時候，台下史丹佛商學院的學生笑了。這是最省力的路徑，也是最危險的。你交了作業，拿了分數，但腦袋裡什麼都沒留下。

第二種：你用學習模式告訴 Claude 你卡在哪裡。Claude 不會直接給答案，而是像一個耐心的家教一樣引導你。「要不要我們一起回去讀那一段？我們可以聊聊你覺得哪裡不對？」這種模式下，AI 不是代你思考，而是幫你思考得更好。它像一個了解你的個別化教授，知道你的學習目標，知道你卡在哪裡，然後用你能理解的方式帶你走出瓶頸。

Daniela 認為 AI 產業需要集體選擇走向第二種模式。「我希望我們這個產業會選擇做讓人更聰明的版本，而不是讓人關掉大腦的版本。」這不只是教育問題，它會滲透到所有使用 AI 的場景。

Bedside manner 的價值會暴漲

如果 AI 接管了大量分析性、任務性的工作，什麼東西會變得更值錢？Daniela 的回答很明確：人際技能。而她用了一個非常具體的比喻來說明這件事。

今天我們雇用醫生，很大一部分原因是他們的診斷能力：判斷你哪裡不舒服，最可能的病因是什麼，該做哪些檢查。AI 在這方面會變得非常強。但 AI 做不到的是真正看著你、理解你的感受、讓你覺得被照顧。

醫學文獻中有一個不直覺的發現：跟自己的醫生關係好的病人，臨床結果通常比較好。原因可能是，當醫生真的在乎你，他會多跑一步去理解你的狀況，多做一些本來不在標準流程裡的檢查。Daniela 的原話是：「那個 bedside manner，在一個你不需要從七項條件中擠出它的世界裡，它的價值會是現在的五倍。」

這個觀察可以延伸到所有專業領域。財務分析師、律師、顧問，這些工作的「分析」部分會被 AI 壓縮，但「理解客戶需要什麼」、「建立信任」、「在曖昧情境中做判斷」的部分會膨脹。人類喜歡跟人類在一起，喜歡被理解、被聆聽。這不是懷舊，是生物本能，也是 AI 最難複製的競爭優勢。

AI 當管理教練：績效評估和小孩的便盆訓練

Daniela 自己怎麼用 AI？她是一個管理超過千人公司的總裁，也是兩個小孩的媽媽（一個快五歲，一個快一歲）。她的使用方式很有啟發性，因為它們完全不是那種「用 AI 寫程式碼」的典型案例。

在工作上，她把過去三到四年的績效評估資料上傳到 Claude，讓它協助辨識長期模式。「你在日常工作中很容易忽略一件事：這個人三年來一直在同一個議題上打轉。」Claude 擅長從大量文字資料中找出人類因為太靠近而看不到的趨勢。她也把自己收到的向上回饋上傳，讓 Claude 客觀地指出她哪裡沒有進步。「Claude 會很客氣地跟你說：看起來你在這件事上過去一年沒什麼改善。也許你該找個教練。」

在家庭生活上，她最大的發現是用 Claude 度過小孩的便盆訓練。「不是一個愉快的經驗。但 Claude 讓它好了一點。它有同理心，非常實用，還會畫圖。」她指出，對疲憊的新手父母來說，每次 Google「我的小孩怎麼了」得到的答案都是一個嚇死人的診斷。Claude 的回應更平衡、更互動，比搜尋引擎那種「最壞情境優先」的邏輯好用太多。

這兩個例子的共通點是：AI 在這些場景中不是做決策，而是提供一面鏡子。它幫你看到你因為太近、太忙、太焦慮而看不到的東西。而這恰好呼應了 Daniela 的核心論點：AI 最好的用法不是代替你思考，而是幫你看得更清楚。

我的觀察

Daniela Amodei 在這場演講中反覆傳達的核心訊息是：AI 的最大風險不是它太強，而是我們太懶。技術本身是中性的，但人類使用它的方式不是。如果我們把 AI 當成一個讓我們不用思考的捷徑，那麼不管模型多安全，我們都會失去一些重要的東西。

「認知萎縮」這個概念格外值得重視。目前的 AI 討論幾乎都集中在模型能力和安全威脅上，很少有人談 AI 對使用者思考習慣的長期影響。這種影響不像網路攻擊那樣突然且可量化，它更像社群媒體對注意力的侵蝕：緩慢、不可見、等你發現時已經很難逆轉。Daniela 把這件事擺到檯面上討論，而且承認自己也有這個問題，這比多數科技高管的自我覺察程度高出不少。

Bedside manner 的比喻則提供了一個清晰的行動方向。在台灣的科技業，我們有大量優秀的工程師，但「溝通能力」長期被視為次要技能，甚至被嘲笑為「軟實力」。如果 Daniela 的判斷是對的，這個優先順序需要翻轉。未來區分頂尖工程師和普通工程師的，不會是誰寫的程式碼更好（因為 AI 都能寫），而是誰更能理解使用者的需求、誰更能在團隊中建立信任、誰更能把複雜的技術概念用人話說清楚。

至於全球南方的樂觀，這是一個容易被忽略的資料點。當矽谷和台北都在焦慮 AI 會取代什麼工作的時候，非洲和東南亞的年輕人把 AI 視為他們第一次有機會跟已開發國家站在同一條起跑線上的工具。這種視角的差異提醒我們：AI 的影響不是單一故事。它同時是威脅和機會，取決於你站在哪裡。