AI研發加速，首先是瓶頸問題，不是人力換算題

METR於11月5日發布對Anthropic的AI研發評估。對於制定預算、安排專案和管理團隊的人，這份報告的價值，不是提供一個可以直接填進人力表的倍數。它研究的是一家機構的研發過程；要據此認定另一支團隊可以減半人手或交付週期，還需要那支團隊自身的證據。

研究組織最終需要的不是更多提示詞、程式碼或實驗紀錄，而是可靠、能夠改變下一步行動的發現。因此，值得追問的不只是研究員完成工作快了多少，而是組織能否更早作出經過驗證的好決策。下面是基於報告提出的營運分析，不是對Anthropic內部流程的額外披露。

把三種時間分開

第一種是任務時間，例如編寫實驗程式、整理資料、產生分析。第二種是研究週期，從提出可檢驗的問題，到拿到被接受的結論，其中包括排隊、執行、複核和重做。第三種是進步速度：這些結論到底有沒有改善系統，或回答重要問題。第一種時間縮短，不意味著另外兩種按同樣比例改善。

METR的10月評估方案把能力進步、AI歸因、未來瓶頸和方法局限分開討論。這種分法也適合管理：完成更多任務與學到更多東西，不應在儀表板上占據同一個格子。

用一個明確的假設例子說明：某項實驗依序需要四天實作、四天等待及執行、兩天檢查，總共十天。如果AI把實作時間減半，整體變成八天，節省20%的時間，對應1.25倍的週期速度，而不是兩倍。這不是Anthropic的資料，只是說明局部提速為什麼不能直接套用到全流程。

現實比這個算式複雜。團隊可以平行工作，也可能共用設備；一個關鍵依賴還可能拖住多個專案。平行作業能提高資源利用率，卻不能自動消除每一條等待鏈。因此，管理者應畫出真正的依賴關係，而不是把這個示例再變成新的萬能公式。

提速會讓瓶頸搬家

假設實作環節確實變快，團隊就可能向同一個算力池提交更多實驗。如果執行能力不變，排隊時間可能增加。另一種情況是更多結果湧向同一批審核者，約束從「做出來」轉移到「判斷是否可信」。

這兩種情況都不等於工具沒有價值，而是局部改進改變了稀缺資源的位置。只看程式碼量，團隊可能在問題到決策的時間幾乎不變時慶祝成功。反過來，一個團隊即使實驗數量成長不快，也可能憑藉更好的問題選擇創造更多價值。

11月報告沒有發現能令人信服地阻止Anthropic近期繼續快速進步的瓶頸，同時強調這一判斷的不確定性。這不等於每家機構都有充足的算力、資料和審核能力，也不等於這些投入已經不再重要。某種限制在特定規模下尚未出現，工作量改變後仍可能成為關鍵約束。

對小型實驗室，優先投資可能是實驗排程、可重現的執行環境，或共用評估工具；對另一家機構，則可能是更多計算資源。這些是有條件的管理推論，不是對Anthropic投資方向的描述。

預算的分母應該是被驗證的成果

一個實用的試點應同時記錄三個指標：從問題到被接受結論的實際時間、成果通過獨立檢查的比例，以及每個被接受成果的總成本。成本必須包含失敗執行、推論呼叫、審核和重工，不能只計算助手訂閱費。

「被接受」也需要穩定定義。在比較前後階段之前，應先規定評估流程，保留負面結果，並記錄任務難度和範圍變化。否則，多做簡單實驗就可能偽裝成生產力提升。審核者需要能夠還原嘗試過什麼、為什麼能得出結論，而不是只看到一份寫得流暢的摘要。

對照也應盡量保持問題類型和品質門檻接近。條件允許時，可以分批開放工具，或比較相似任務，而不是完全依賴事後的主觀感受。METR的2025年開發者實驗在其特定場景中測得減速，提醒我們使用工具與實際獲益是兩個變數。它不是對目前模型的預測，也不能原樣外推到前沿研究。

指標還應容許失敗。一個被嚴謹否定的假設，也可能節省下一輪的大額投入。如果只獎勵正面結果，團隊反而會減少那些最能檢驗核心判斷的實驗。所謂有效研究，不應被偷換成看起來成功的實驗數量。

先購買調整空間，再鎖定長期計畫

管理選擇並非只能在「全面加速」與「毫無改變」之間下注。更穩妥的做法是分階段擴展工具使用，為重現和審核預留資源，再根據排隊狀況和有效產出決定是否擴大基礎設施。人事調整比試點預算更難撤回，僅憑任務速度就改變編制，證據並不充分。

每次預算檢討都應回答：什麼新證據會改變下一筆投入？如果編碼更快但審核積壓，應檢查評估能力；如果審核者有空而執行佇列壅塞，應檢查排程和算力；如果產出增加卻沒有更多有用決策，應重新審視實驗選擇。這些是診斷路徑，不是所有瓶頸都能低成本消除的保證。

報告對營運者最有價值的啟發，是要求測量變得更精確。更快的AI輔助可能非常重要，但經濟價值要在通往可靠決策的路徑上體現。下一種稀缺資源，很可能已經不是上一種。