越把工作交給 AI 的人，越希望 AI 更強，越不怕被取代

Anthropic 在 2026 年 6 月 26 日發了一份報告 Cadences，用幾千個 Claude 使用者的真實資料，加上一份約 9,700 人的問卷，看 AI 怎麼進到一天的工作與生活裡。這篇不談「AI 會不會取代人」這種大題目，而是抓一個更具體、也更反常識的觀察：越常把工作交給 AI 的人，越不把 AI 變強看成威脅，反而更希望它變強，也更不怕被取代。這篇會拆這個現象怎麼來的、資料能講到哪、不能講到哪，最後給你一套可以照做的做法。

他們這次換了看的方法

Anthropic Economic Index 是一個系列，用 Claude 的真實使用資料，觀察 AI 怎麼進到經濟活動裡。這是系列裡的第六份，主題叫 Cadences，中文可以理解成「節奏」。跟前幾份比，這次有三個方法上的改動，值得先知道，因為它決定了這份報告能看到什麼。

1. 採樣拉到小時級。過去看的是七天彙總，這次看得到一天之內不同時段的使用。這是第一次能把 AI 使用，跟人的一天節奏對起來。
2. 把產出物分類。新增一套系統，把對話產出分成 30 幾類，看 Claude 到底幫人做出什麼。結果是 93% 的對話會產出可辨識的東西，最多的是解釋、文件、指南。
3. 第一次接上問卷。導入一份約 9,700 人的問卷，用保護隱私的方式，把「使用者主觀怎麼想」跟「他實際怎麼用」對接起來。

簡單說，以前只知道人用了多少，這次開始看得到「什麼時間、做出什麼、而且他自己怎麼想」。

AI 已經被嵌進一天的節奏

先看報告觀察到的使用行為，這一類是實際資料，屬於事實層。一天之中，人問 AI 的東西跟著生活節奏走。

再看工作日跟週末的差別。個人用途的對話占比，工作日約 35%，週末升到約 50%；週末的內容從商務信件、行銷，轉向情緒支持跟健康問題。還有一個反常識的小畫面：創業相關對話在週六日偏高，但求職、投履歷在週末反而下降。簡單說，週末比較像做老闆夢的時間，投履歷這種事被排到後面去了。

這些畫面拼起來是一件事：AI 已經被嵌進一天的工作與生活節奏，變成生活的一部分。清晨問怎麼睡，傍晚問晚餐，截止日問報稅，它出現在生活的縫隙裡。

先認清：這份報告在看誰

在往下講「大家怎麼想」之前，要先搞清楚這份報告的「大家」是誰。這一步放在前面，是因為它決定了後面所有數字能推論到多遠。

這份不是全體勞動市場調查，是 Claude 使用者樣本，而且職業結構明顯偏斜。電腦與數學相關職業佔受訪者約 30%，但這類人在美國整體就業只佔約 4%；管理職佔受訪者 23%，美國就業佔 7%。體力型職業被嚴重低估，女性也只佔樣本約 12%。

看懂這張圖，後面每個數字你都會自動加一句：這是一群偏知識工作者的重度 AI 使用者怎麼想，不是全體勞動者怎麼想。

真正值得看的：越會交辦的人，越樂觀

接下來這一段來自問卷，屬於受訪者的主觀預期，是想法，不是事實。看的時候要記得這個分層。報告裡有一個正相關：越以自動化方式使用 Claude 的人，對 AI 影響自己明年工作前景越樂觀。具體來說，自動化使用比例越高的人，對薪資、工作保障、找新工作的能力、意義感、自主性、人際互動這六個面向，都更看好。

這群重度交辦的人，自己回報的生產力提升是這樣。

配套的認知數字也一致：68% 覺得用 AI 之後學到更多，57% 覺得 AI 讓自己的技能更有市場價值。往前看，超過三分之一預期 12 個月內，AI 能做完他們大部分或幾乎全部的工作任務。但有一個對比很值得看：問到失業，只有 10% 認為自己未來 12 個月很可能或非常可能失去工作；同一群人對 junior 同事的擔心卻明顯更高，約三分之一認為 junior 的失業風險超過 60%。

我會這樣讀這一段。這群人已經換了問題。他們不在問「AI 會不會搶我工作」，他們在測「AI 還能幫我接哪一段工作」。他們對自己樂觀、對 junior 同事擔心，也透露出一件事：差別可能不在職稱，而在你有沒有能力把工作拆成一段一段、交得出去。

所以，這份報告不能拿來講什麼

圖表 3 已經先打了預防針，這裡把限制講完整。

• 願意填問卷、又是重度使用者的人，本來就可能跟一般人不一樣，這叫選擇偏誤。
• 「樂觀跟自動化正相關」很可能有一部分是選擇造成的：本來就看好 AI 的人，比較願意把工作交出去。相關不等於因果，報告自己也把這個保留寫出來了。
• 「自報學更多」不能排除實際技能退化的可能。
• 報告有一句話講得很直白：他們無法確定發出請求的人實際做什麼工作。

我會這樣看

把前半的資料收束起來，我的判斷是這樣。這份報告表面上在講 AI 的使用節奏，實際上照出來的，是一種能力落差。AI 變強的時候，紅利不會平均落到每個人身上。它會先流向那些已經把工作拆好、能交辦出去的人。

道理很白話。工作拆得出去，AI 一變強，你手上就多一雙手，多接一段流程。工作拆不出去，全都糊在一起、只在你腦袋裡，那 AI 再強，都很難插進來幫你，你能感受到的就只剩焦慮。

這也是為什麼「越會交辦的人越希望 AI 變強」這件事，對一人公司跟知識工作者特別重要。它點出一個可以練的能力：把工作拆成可以交辦的段落，並且知道每一段要不要驗收、由誰驗收。這不是要你盲目樂觀。這個能力，決定了 AI 下一次變強時，你站在受益那邊還是焦慮那邊。

同一份報告裡還有一條要一起讀：資深工作者認為 AI 能接手的任務比例，比新手低約 10 個百分點，他們強調 AI 難以替代的是判斷、脈絡意識、情境推理。報告用了一個條件式說法，如果人還留在最高價值的任務上，這個型態看起來比較像勞動增益，比較不像勞動取代。關鍵在那個「如果」。留在最高價值任務上的人，才吃得到增益。

我推薦的策略：把任務分三層

不要停在「所以我該多用 AI」這種模糊結論。我推薦的做法是一個能今天就做的動作：拿出你這週的工作，把每一件事分進三層。

第一層：只敢讓 AI 做初稿的任務

這類任務，AI 幫你起頭、給草稿、擴充想法，但你一定會逐句改過。像是對外文案的第一版、一篇長文的骨架、一封重要信件的初稿。交辦的是產出速度，你保留的是最後的樣子。

第二層：敢讓 AI 跑完整段流程，但最後由我驗收的任務

這類任務，AI 從頭跑到尾，你不逐步盯，只在結尾檢查結果對不對。像是把一批逐字稿整理成固定格式、把資料抓下來做成表格、依你給的規則批次改檔名。交辦的是整段流程，你保留的是驗收那一關。這一層最能吃到 AI 變強的紅利，因為 AI 越強，你能安心放進這一層的任務就越多。

第三層：目前仍然必須由我判斷的任務

這類任務先不要交出去，原因通常是四個之一：牽涉脈絡（只有你知道來龍去脈）、牽涉關係（對人的判斷、信任、分寸）、牽涉責任（出錯是你扛）、或資料不足（AI 手上的資訊不夠做這個決定）。像是要不要接一個合作、怎麼回一個敏感的訊息、一筆錢要不要花。

讓能交的那些，真的交得出去：把流程做成技能包

分完層之後你會發現一件事：第二層那些「AI 能跑完、我驗收」的任務，如果每次都要重新跟 AI 交代一遍規則跟步驟，其實很累，也交得不乾脆。真正讓它變成立刻能交的做法，是把你這段工作流程寫下來，做成一個技能包。技能包講白話，就是一份寫清楚的工作說明書：這件事怎麼做、分幾步、每一步的判斷標準是什麼、什麼情況要停下來問你。你把它寫一次，之後 AI Agent 讀了就能直接照做，不必你每次從頭講。

分完這三層，你會得到兩個東西。一個是清楚知道現在哪些工作已經能交、哪些還不能。另一個更重要：下次 AI 變強，你只要問一句話，有沒有哪些第一層的任務現在可以升到第二層，哪些第三層的資料補齊後可以往上移。這句話，就是把 AI 變強的紅利，實際接到你手上的方法。

如果你要做一人公司：分工的對象不只 AI 跟你

前面那三層，講的都是「我跟 AI」怎麼分。如果你要創業、做一人公司，可以把分工的對象再拉大一點。一件事進來，我會照這個順序問三句：

1. 這件事能不能拆給 AI 做？能，就拆給 AI。
2. AI 做不了的，能不能拆給別人做？能，就外包、找合作夥伴。
3. AI 跟別人都做不了的，才輪到我自己做。

照這個順序走下來，最後留在你手上的，就是那件 AI 取代不了、別人也接不走的事。那通常就是你這家公司真正的核心，也就是報告講的最高價值任務。一人公司的重點，是把自己收斂到只做那件別人和 AI 都做不了的事，其他的想辦法一層一層拆出去。

怎麼開始：這週就能做的三步

框架講完，給你一個最小的起步流程，不用等到有空、不用先學工具。

1. 列 10 件事。打開你這週實際做的工作，隨手列 10 件，不用漂亮，流水帳就好。
2. 標上 1、2、3。每件事標一個數字：只敢做初稿的標 1，敢跑完但我驗收的標 2，還得自己判斷的標 3。標的時候你會卡住的那幾件，通常就是你對 AI 邊界最模糊的地方，那很正常，先標一個直覺的數字。
3. 只動一件事，跑完就寫下來。從標 2 的裡面挑一件你最有把握的，這週真的交給 AI 跑完一次，自己只做結尾驗收。跑順之後，把剛才的步驟隨手寫成一頁說明，就是這件事的技能包雛形。下次同樣的事，AI 讀了直接接手，你不用再從頭講。

之後維持一個習慣就好：每次看到 AI 又變強的消息，回頭看這張表，問一句「有沒有哪件標 1 的可以升到 2，哪件標 3 的資料補齊後可以往上移」。這句話，就是把每一次 AI 變強，實際接到你手上的方法。

延伸閱讀

這篇談的是把工作拆給 AI、交辦出去。交出去之後怎麼跑得完、怎麼收，我另外寫了幾篇可以接著看。

• 用我寫一篇文章的工作流，講清楚什麼是迴圈工程：交辦一次之後，怎麼把它變成會自己跑完的迴圈。這篇把 loop 講清楚，正好接本文第二層任務的驗收那一關。
• 當我開始理解迴圈，把三個工作流設計成 Loop：三條我自己在跑的 loop，示範把重複的交辦變成有系統的流程。
• 我用 AI 代理工作流，蓋一套程式自動化工作流：把一次性的交辦，變成會自己跑的自動化。
• 文件就是系統：非工程師怎麼設計 Agent 框架：技能包寫著寫著，怎麼長成你的整個系統。
• 不寫程式的人，也能用的決策階梯：面對一堆事，怎麼決定哪些先交給 AI、哪些先自己扛。
• 你在 AI 世界的哪一階：AI 一變強，人跟人之間的能力落差會長什麼樣。