Anthropic 在今年 10 月份发布了一份关于劳动力结构的内部研究报告（How Employment is Changing at Anthropic），提出了一个很有洞察力的观点，那就是员工的工作内容正在发生结构性变化，重心逐渐从原来的直接执行任务，转移到构建工具、监控工作流程和管理智能体上。为此，员工形成了一种新的工作方式，报告将其称为“元工作”（meta-work）。

你看，工作重心的转移，并没有直接指向人工智能的出现让大家的工作变得更轻松了。智能体数量增长和生产效率提升，并没有让员工从工作中解脱出来。研究团队按照普通人的阅读速度，将智能体输出的 token 换算为阅读时间。结果显示，非技术部门的交互式 Claude 会话产生的内容，仅阅读就已足以占据员工每周相当大一部分工作时间。也就是说，仅仅是阅读和处理 AI 生成的内容本身，就成为一项不容忽视的工作负担。

面对这一变化，员工逐渐形成了一种新的工作方式，那就是前面提到的元工作。什么是元工作呢？简单说就是：告诉 AI 如何工作的工作。也就是围绕智能体开展的一系列管理性工作，包括构建管理工具、编写常设指令、设计监控仪表盘，以及安排不同智能体相互审查，监控工作流程的运行状态等等。这类工作的核心，已经不再是直接执行具体任务，而是设计和管理由 AI 完成的任务。

所以，元工作的核心还是管理，只是管理的对象扩展了。传统的管理是管人，AI 时代的管理是管智能体以及人机协作。管理的核心，不是自己把活干得最好，而是带着一群人，把共同的目标干成，并且让这群人越干越强，下次还能干成。首先，你得会定目标，把任务说明白，把流程做拆解，最后出了事还不能甩锅。比如，你想要派活给 AI，不是把需求一扔就完了，得先想清楚验收的标准是什么，给它定一个结果目标。标准越具体，AI 就越不容易跑偏。另外，判断和创意是你最后要守住的那道防线。这也是Anthropic 那份报告反复出现的词：人要留在判断和架构上。当 AI 把重复劳动全部接走之后，剩下的活恰好是机器最不擅长的：定方向、扛责任、做取舍。这些事，才是管理者真正不能外包的部分。

元工作这个概念给我最大的启发，其实是观念上的转变，那就是不要一遇到事情就急着下场干活，先想想哪些可以交给 AI 干。我们要做的是，不断打磨自己的元工作能力。传统团队管理里经常听到一句话：教他做还不如自己做更快。这话没错，如果只看单次问题解决，管理者亲自替员工做，确实更省时间。但这与管理目标相悖，是一种短视行为。因为管理者真正要交付的不是某一次结果，而是一套能重复产出结果的机制。总替员工做，短期省了十分钟，长期却让员工学不会、自己脱不开身，团队永远长不出第二双手。更划算的做法是：把可标准化的执行交给 AI 或流程，把定义问题、拆解任务、设定标准、验收结果和培养人这些元工作留给自己。

之前听过一句玩笑话：AI 用得越好的人，往往加班最多，因为打磨元工作能力本身就要花时间。我觉得这没什么好否认的，因为勤奋是学习任何一项技能的必要条件。但提升能力的目标是提升效率，然后再把省下来的时间拿去做更多有意义的事。这里真正要警惕的是，人的欲望是没有尽头的，让你越来越累的，可能不是手头原本那点工作，而是你想要的越来越多。就我个人而言，AI 确实帮我提了效，但我依然每天早上 6 点起床、晚上 10 点半睡觉，剩下的时间我可以去做一点更有价值的事，去思考接下来可能会遇到的问题，而不是永远被工作追着跑。

报告末尾有一句话值得注意：一支焦虑担忧的劳动力，不是一支尽力工作的劳动力。这提示我们，AI 对就业的影响不仅仅是经济性的，也是心理性和社会性的。正如罗斯福所说，我们唯一应该恐惧的就是恐惧本身。当工作的定义在快速变化，入行门槛持续抬高，当每个人都需要不断证明自己不会被 AI 替代，这种持续的不确定性本身就会成为一种广泛的社会心理负担。

与此同时，智能体的能力不断增强，应用数量持续增长，人类与 AI 之间的工作分工也在不断变化。这场变革的最终形态尚不明朗，但有一点可以确定：工作可能不会消失，但工作的含义、门槛和价值排序正在被改写。因此，我们越早想明白自己那摊活里“哪部分只能你干”，就越不怕被替换，才能更好地应对这个时代带来的挑战。