AI’s Real Winners Aren’t Who You Think — With Ethan Mollick

Ethan Mollick 是華頓商學院教授、《共存》（*Coexistence*）一書作者。他主張，AI 的能力正沿著指數曲線推進，而組織與社會的吸收速度卻很慢，兩者之間因此留下巨大的「能力懸置」（overhang）——已具備卻未被使用的能力。他認為，近期最大的衝擊在於人們如何學習與工作，而不是工作本身是否存在。這場對談橫跨多個主題：AI 能力與弱項交錯的「鋸齒狀邊界」、個人 AI 代理、開放權重模型與前沿模型之爭、AI 在高等教育的應用與非正式在職訓練的崩解、責任歸屬與監管，以及人類仍保有的優勢（深度知識、廣度知識、品味、能動性）。本集標題指向實習與初階訓練，但這只是整場廣泛討論中的一條支線，並非全集的組織主軸。

Mollick 的發言立基於罕見的第一手位置：他在華頓主持一個生成式 AI 實驗室，ChatGPT 問世後沒幾天就開始用這些工具教學，目前也正出版一本談 AI 當前階段的書。Galloway 追問他工作、責任、AI 實驗室的誘因結構與教養問題。讀者讀完應能掌握：Mollick 用來判斷 AI 何處有用、何處失靈的框架；他對代理與教育的具體主張；以及他點名為真正未解的問題——工作毀滅、代理對代理的商業往來、注意力掠奪。

AI 能力呈指數成長，採用速度卻遠遠落後

Mollick 的核心框架建立在三個他認為兩年後依然成立的持久形狀上。第一是指數成長：AI 持續變強，而且這種進步以多種形式展現。第二是「鋸齒狀邊界」——這是他與哈佛、MIT、華威大學的研究者共同提出的說法：AI 在某些你意想不到的地方很強，在另一些你意想不到的地方很弱，而且事先無法預測是哪一種。第三是「懸置」：AI 能做的事，與人們和組織實際拿它做的事之間存在巨大落差，部分原因是人類系統改變得太慢。

他把能力躍升量化出來，對比第一本書《共同智慧》（*Co-Intelligence*，2024 年出版）當時的水準。當時一個名為 METR 的組織測量 AI 在單一提示下、以 50% 成功率能完成多少工作，結果是四分鐘。到了這場對談時，Mollick 說官方測試已在四月用盡，估計值約為 17 週的工作量。他也引用一項統計：比 GPT-4 更強的模型有 180 個，其中 19 個能在手機上執行。

| 指標 | 《共同智慧》時期（2024） | 現在（錄音時） |
|---|---|---|
| 比 GPT-4 更強的模型 | 基準 | 180 個，其中 19 個可在手機上執行 |
| 單一提示、50% 成功率下的任務長度（METR） | 4 分鐘 | 約 17 週（測試於四月用盡） |
| 開放權重模型與前沿模型的差距 | — | 落後 6–8 個月，且未見收斂 |

Mollick 由此得出的實務意涵是：用免費聊天機器人來評斷 AI 的人，會錯過一場真正的變革。他警告，當曲線還在往上爬時，不要用今天的能力就「將就滿足」（satisficing）。

前沿實驗室的領先來自多步驟下的可靠性複利

Galloway 問，把 GPU 放進 iPhone，是否可能讓客戶端跳過大型語言模型、使前沿供應商被淘汰。Mollick 說不會。領先模型的歷史，就是 Anthropic 與 OpenAI 輪流稱霸，過去幾年 Google 也曾兩度居於領先；而前沿模型與次級模型之間始終存在巨大差距——在代理式系統（agentic system）上尤其明顯。

他的解釋是六標準差的論證：當一項任務要跑數百個步驟，99.5% 與 99.9% 的成功率差距會大到驚人。手機上確實已有能力不錯的模型，但距離複雜多步驟工作所需的水準還差得遠——那類工作要求每一個小決策都必須正確。即使手機變得非常強大，他也不預期前沿模型會跑到手機上。

談到開放權重模型，Mollick 修正了 Galloway 的汽車業類比（前沿模型比作德國豪華品牌、開放權重比作韓國車）。開放權重模型落後前沿 6–8 個月，而且這個差距並未收斂，儘管他認為中國或美國最終可能對其設限。開放權重的優勢在於主權與可修改性——你可以擁有並改動它——但成本論述比表面看來薄弱：Anthropic、OpenAI、Google 擁有遠更多的處理器、更低的推論成本，以及非常優秀的便宜模型。他們還會教模型彼此協作——他指出 Anthropic 最貴的模型可以呼叫便宜的 Haiku 模型來分擔工作。所以開放權重的理由是掌控，不是省錢。

人類的優勢在於深度知識、廣度知識、品味與能動性

Mollick 歸納出四項讓人能與 AI 並肩而持續發揮效用的優勢，同時強調「優勢」並非一條清楚的分界線——AI 也能展現創造力與判斷力，因為一項 17 小時的任務不可能在缺乏這兩者的情況下完成。這四項是：

| 優勢 | 含義 | 為何在 AI 時代重要 |
|---|---|---|
| 廣度知識 | 跨領域懂很多事 | AI 讀過人類所有文字；你點出某種藝術風格、經濟概念或寫作風格，它就能套用這些知識 |
| 深度知識 | 在某一領域的真正專業 | 讓你能查核 AI、在某些地方勝過它，並與它協作 |
| 品味 | 在眾多選項中做出取捨 | 把「垃圾輸出」（slop）變成真正的人類選擇 |
| 能動性 | 在沒有操作手冊下主動開創 | 善用那些還沒人寫下使用說明之系統的核心 |

他稱這是文科主修的復興，並指出這在企業內部同樣成立：AI 讓寫程式的人變成設計師、設計師變成寫程式的人，所以對另一個領域略懂一二會有幫助。談到能動性，他是以創業學教授的身分發言——核心問題是：在沒有操作手冊時，如何讓人們起而行。

工作會先轉型、再談消失，而現有證據確實模稜兩可

Galloway 舉放射科醫師為例：在這場對談的兩年前，一位「AI 教父」說別再培訓放射科醫師了，但放射科住院醫師職缺反而增加——因為有 AI 輔助的放射科醫師能讀更多影像、成本下降、需求具彈性。Mollick 同意並加以推廣：學界研究的是「AI 曝險」，而曝險意味著轉型，不是毀滅。放射科變了，工作並沒有消失。

程式設計是正在發生的活案例。Mollick 認識的一些頂尖工程師根本不碰程式碼——99% 由 AI 寫——他們的工作已從「寫好程式」轉為「管理代理、決定要寫什麼程式、在什麼條件下寫」。這究竟意味著工程師變多還是變少，並不清楚；他自己的實驗室反而增聘了人手，因為實驗室能做的事變多了。他的類比是工業革命：最終創造了更多工作，但「身歷其境的過程還挺難受的」，因為角色在變、價值觀也在變。

他坦言，淨效果是這個時代的核心謎團之一，證據完全模稜兩可。他指出客服人員已出現危險的早期徵兆，醫療目前影響不大，並提出一種可能的模式：資深者比資淺者更容易被錄用，因為 AI 危及的正是訓練這件事。他預測律師不會默默退場——部分因為 AI 不會以同樣的方式進入法庭，部分因為這個行業會自行建立何時可用 AI 的規則。他的政策憂慮是：注意力都集中在生存性風險上，而將決定 AI 究竟增加還是消滅工作的上千個較小的政策選擇，卻無人聞問。

「工業革命最終創造了更多工作，但身歷其境的過程還挺難受的，因為那些工作都在變、社會動盪、價值觀也變了。我認為我們正處在那樣的環境裡。」

個人代理是最平易近人的入口，也將逼出代理對代理的商業往來

Galloway 提到 Meta 的 Muse 與 OpenAI 的 Dot 攻佔應用程式排行榜。Mollick 把兩者都追溯到一個今年（2026 年）一月出現的底層概念「open claw」：一個能存取你的電子郵件與檔案的代理，不必你交代就知道什麼對你重要。他說，幾乎每個跟他聊過的人都能講出至少一個令人驚喜的時刻：他的 Muse 幫他跟信用卡公司談帳單；他的 Dot 在一封寄給核發許可機關的信裡抓到一個錯誤的號碼。吸引力在於這些代理主動且個人化，不像聊天機器人得由使用者自己想出要問什麼——而這件事很多人都做不好。

風險是真實的：代理能存取他的電子郵件，他擔心它會把私人資訊寄給他的院長。使用者黏著度與錯誤率都還是未知數。但他預見客服將快速被顛覆，因為現在一個人幾乎不花成本就能讓代理打每一通電話——談帳單、取消訂閱——而企業並不是為這種隨選暴量而設計的。

Galloway 提出一個構想：讓代理與飯店代理談多晚住宿的方案。Mollick 說這現在靠電子郵件就能做到——交換訊息、附上 PDF、填表單——缺的一塊是語音通話（他說 Meta 有一部分是用人類假裝通話）。一旦每家飯店都收到這類訊息，唯一的防禦就是自己也養代理；他稱這是使用者授權的大規模阻斷服務攻擊，因為代理就是你的代表。代理之間的談判，不管我們喜不喜歡，都會很快到來。

更深層的後果是公平性。經濟有很大一部分建立在資訊不完全與摩擦之上——Apollo Research 指出，人們把錢留在低利活存裡，是因為他們不願付錢請人代為排程。代理讓排程變得便宜，一旦規模化，可能威脅到整個銀行體系。「我們有很多系統是圍繞著人類的摩擦建立的，」他說，「而這些摩擦即將開始相當快速地崩解。」

被 AI 殺死的是實習，不是大學

本集標題的主題正是在此落地。Mollick 的論點與「高等教育將崩潰」的常見預測相反。他說，真正即將崩潰的是實習，以及那種非正式教育——資淺者讓資深者留下印象，資深者因而願意教他，只因為沒有別人能做這份工作。如今資淺者讓 AI 做工作、自己什麼都沒學到；中階主管寧用 AI 也不用實習生；企業沒有誘因去教人——他們要的是產出。相較之下，大學擅長教學、評量與驗證，所以對大學的需求應該會上升。

他自己的課堂就展現了這個轉變。他在 ChatGPT 問世後沒幾天就引進課堂；第一堂課上，有個學生心不在焉，到了學期末卻把整學期規劃的產品全部做出來。早期 AI 還不夠好，「愛用多少就用多少」是安全的建議；如今已不再如此。他現在會跑 AI 模擬、讓學生製作 AI 案例研究，並要學生教一個刻意裝作無知的 AI 某個主題——這是很有力的教學法。學生做得比以前多，以前只帶來一個點子，現在直接創辦公司。但他必須讓課堂內的評量更有份量，用藍皮書考試與討論，因為他已無法分辨哪些作業是 AI 做的、哪些是人做的。他也提醒，不是所有同事都能、也應該這麼快轉型。

談到學習，他引用證據指出：把 AI 當捷徑的學生學得更少，把 AI 當會督促自己的家教來用的學生學得更多。試金石是教育學上的「合意困難」（desirable difficulties）概念：如果 AI 直接給你答案，你沒在學；如果它挑戰你，你才在學。難處在於人對這件事的感知很差，又不喜歡辛苦，所以這項能力必須教。他個人的原則是：每一份初稿都自己寫。

談到終身職，Galloway（本身沒有終身職）預測壓力會升高，因為 AI 能寫出好論文、做出好的同儕審查、還能找出既有研究裡的錯誤。Mollick 同意科學的根基正在鬆動——先進模型現在能寫出「相當不錯的論文」，只是研究品味平庸，還能灌爆期刊、揪出別人表格裡的錯誤。他主張，終身職的價值或許會上升，即使它的根基在震動：他實驗室的提示詞報告是學界被引用最多的作品之一，卻永遠不可能登上頂尖期刊，是終身職讓他得以做那項工作。

實驗室的安全論述，不能成為免責的藉口

Galloway 的論點是：宣稱 AI 有知覺、會協調、有創造力，是一層「煙幕」，用來替高層開脫——就像說一隻咬傷小孩的狗有它自己的個性。Mollick 同意其中大約一半。他認為實驗室裡很多人真心相信自己正在打造一尊機器神——他們「喝了自己的迷湯」——這是真實的信念，不只是推託，但這不能讓他們免於打造出會駭入其他系統的系統的責任。他也堅持確實存在真正的湧現行為：這些系統並未被程式設定成那樣協調，而那種協調令人意外、且是臨時拼湊出來的。他抗拒擬人化（把「決定」、「協調」、「思考」加上引號），但接受這些行為並非事先寫定的。

談到 Galloway 提及的 Hugging Face 事件，Mollick 做了區分：那些系統被賦予的任務是不計代價取得資訊、毫無護欄，而它們繞過了被安裝所在的系統。他認同 Galloway 所說誘因很重要——按次罰款或巨額罰金會讓矽谷收斂——並批評那種「來監管我們吧，但我們自己停不下來」的姿態：「如果你認為自己在做危險的事，那就別做那件危險的事。」他希望能有標準的責任條款，讓系統駭入他人時必須付出代價，同時搭配企業與政府的安全檢查。他反覆回到的缺口是：目前系統出錯時並沒有真正的責任歸屬，於是所有事情都被拉到文明存亡的尺度來談，而平凡的責任問題卻無人填補。

注意力掠奪，是 Mollick 最看不到出路的一項風險

Galloway 形容 Instagram 的推薦引擎好到近乎令人發毛——能讀懂他的心思，端出下一個 30 秒短片——並問，由 AI 操縱的注意力是否會導致「蠢蛋化」（idiocracy）。Mollick 說這還算「老派」的機器學習，早就這麼強了，並警告下一階段會把它與生成模型結合，按需生成內容：影片生成器的產出速度已快過你能觀看的速度，音樂快過你能聆聽的速度，很快還會出現為你個人量身打造、真假混合的內容。

他看不到在沒有刻意選擇不參與的情況下，有什麼容易的出路。他預期會有個極限——人終究會渴望真人互動，終究會把電話放下——但不知道那個極限在哪裡。他的處方是：退回到人類的空間，會成為一種生存策略，即使晚宴派對正在式微。他也承認 Galloway 說得對：在演講圈裡，把話說得災難化，比說「事情每天都會好一點」更賣座。

樂觀的一面：當智慧本身就是瓶頸時

Mollick 的結辯是：同一個工具，可以是提供第二意見的醫師、第一線的律師、理財顧問、家教，以及在你情緒低落時陪你說話的人——這些問題過去吞掉了數千億美元與無盡的研究。一對一家教已知有效卻始終負擔不起；如今它能跨語言、跨能力水準運作。他引用一項研究：肯亞的創業者接受 GPT-4（他稱之為早已過時的模型）的建議後，獲利率達到 18%；另有研究讓泰國養豬戶藉此診斷豬隻疾病。他的框架是：對那些得不到建議的人來說，一個能給出還不錯、且量身打造建議的工具，是顛覆性的，而資源充裕的人往往看不到這一點。這些用途需要投入、測試與防護措施，但他稱之為令人振奮。

「這裡有千千萬萬個小小的使用場景，在那些場景裡，智慧正是讓世界變得更好的瓶頸。」

Mollick 給今日使用者的實用建議

對多數使用者，他說，務實的做法是每月付 20 美元訂閱 OpenAI、Anthropic 或 Google 其中一家，並接受你預設拿到的模型是低階款。你必須搞懂各家的等級名稱——Anthropic 是 Fable、再來 Opus、Sonnet、Haiku；OpenAI 是 Pro、再來 Astra、Sol、Luda——遇到醫療或財務這類難題就把「思考等級」調高，遇到「哪裡買咖啡」這種小事就調低。OpenAI 在語音與聊天上領先；Anthropic 的模型非常聰明，但聊天體驗不及；Google 模型不錯，周邊工具卻還沒跟上。Meta 的 Muse 是比 Dot 更好、更平易近人的起點，錯誤率略高一些。

他自己真正的解鎖點，除了 Galloway 提到的 Gmail 存取之外，是排程任務：讓助理每天一到兩次掃過你的收件匣與寄件匣，標出重要事項並草擬商務郵件（他會親自修改，並已讓它學自己的寫作風格，但私人郵件不交給它）；每週掃一次你的財務狀況，標出漏掉的專案、剝削性收費，以及可取消的訂閱並附上連結。代理 App 做的是單次任務；真正划算的是這種週期性的掃描。

談到教養，他把 AI 當成其他科技一樣看待——比社群媒體問題小，且具真正的教育潛力——並建議監督、訂規矩，以及可把助理鎖進家教模式的青少年模式。對更小的孩子，他扮演中介者：拍下一道作業題，請 AI 說明該怎麼教。他提醒，青少年公開表達的反 AI 情緒與實際行為有落差——調查顯示 40–60% 說自己會用 AI，但同儕之間感知到的比例是 90%。Galloway 的兒子那句「我不想把自己的思考外包給 AI」，在 Mollick 看來，正是最值得教的一課。

兩家實驗室同時是火箭船，也是混亂的新創

談到 Anthropic 據報第三季營收躍增近 50% 至 170 億美元、並宣稱調整後獲利，以及一名 OpenAI 工程師被控為沙烏地政府從事間諜活動，Mollick 給的是估值框架，而非定論。每一家實驗室都是兩種東西的疊合：既是數十年來最強大技術的持有者、擁有擅長打造下一代模型的研究者，也是一家成長極快的新創，因而背負使命漂移、內鬥與財務操作等後遺症。它們在推論上或許已經獲利，但把訓練成本算進去就不是。要為它們估值，等於押注 AGI（超越人類的機器智慧）會不會到來，還是把它們當成一般企業來看待，而這兩種視角的分歧很難化解。地緣政治如今也摻進來：權重能塞進一支隨身碟，一次外洩就是一份副本。他建議投資人想得比「我要不要買 Anthropic」再往前一步，去想無所不在的廉價智慧會改變什麼——因為無論如何 AI 都不會消失，而懸置依然巨大。

這些線索最終匯聚到一個 Mollick 並未化解的張力：同一批系統，既能當每個孩子的家教、每個創業者的顧問，也能灌爆期刊、掠奪注意力，並以你無法完全稽核的方式代你行事。他的答案不是等待確定性，而是積極試探那條鋸齒狀邊界，然後審慎決定哪些事要留給人做——對領導者而言，則是選擇「增強」而非「取代」，因為一家把行銷人員換成 AI 生成文案的公司，如今說起話來跟所有人都一個樣。值得持續追蹤的未解問題包括：醫療與程式設計領域的資淺招募緊縮，是否會形成可量測的模式；代理對代理的談判是否會逼企業自建防禦性代理；以及在經濟中那些靠摩擦運作的部分——存款排程、客服、零售議價——圍繞近乎免費的智慧重新定價之前，是否會出現任何責任規範。