我們拿一個什麼都會的東西，去做把事情講清楚

Anthropic 對每則對話估了兩件事，一是這個任務由人來做需要幾年教育，二是 AI 在這則對話裡展現出相當於幾年教育的水準。

兩個數字放在一起，就能問一個很少有人問的問題，也就是我們到底把什麼等級的事交給了它。

22 個職業大類跑下來，答案的方向完全一致。

AI 展現的水準在每一個大類都高於任務本身的要求，但落差並不是平均分布的。

拉開最大的，剛好是帶去的任務本身要求最低的那幾類，醫療專業的任務平均只需要 9.1 年教育、餐飲 6.9 年、銷售 9.1 年，而這幾類的落差全都超過 1.2 年。

收得最緊的反而是法律的 15.1 年和建築工程的 13.6 年，任務本身要求越高，它的餘裕就越小。

那我們實際上都拿它產出什麼？

全球的產出由解釋與回答 16.7%、文件與報告 14.9% 和建議 10.7% 領頭，前三名就 42.3%，文字類產出更佔到 66.6%。

程式碼類全部六種加起來也只有 12.9%，但職業分類裡「電腦數學」卻佔了全球對話的 23.8%。

這代表連工程師找它，多數時候要的也是解釋和文件而不是程式碼。

兩個數字指向同一件事，瓶頸不在它會不會，而在我們拿它做什麼。