AI · 组织变革
一个 1.5 亿美元的 fellowship 项目，透露了这家 AI 公司对「AI 进组织」的真实判断：要用人才来打通最后一公里。
林万劲的AI思考 / 2026.06 / 约2400字
最近有一个动作，Anthropic 悄悄放出来的，但我看完之后停了一下。
它叫 Claude Corps。
不是产品发布，不是技术升级，而是一个人才培养计划。
Anthropic 自掏腰包拿出 1.5 亿美元，要在美国培养 1000 个会用 Claude 的人，把他们派驻到全美各地的非营利组织里去。年薪 85000 美元，全职，一整年。培训 Anthropic 来出，技术支持 Anthropic 来给。
这听起来像是一个公益项目。
但你仔细想想，这件事的底层逻辑不是「做慈善」，而是「建生态」。
Claude Corps 解决的不是「AI 卖不卖得动」，而是「AI 落地最后一公里」——不是技术卡住了，是组织里没有人会用。
01
把 AI 的能力，通过人的方式渗透进组织
Anthropic 在做的事，本质上是把 Claude 的能力，通过人的方式渗透进真实组织。
它不是卖 API，不是给企业部署模型，而是直接把人塞进去，让这个人带着 Claude 的能力，在真实的组织场景里干活。
这个逻辑很有意思。
我们都知道 AI 能干活。但 AI 在企业里落地，一直卡在「最后一公里」——不是模型不够强，是组织里没有人会用。流程没人懂，数据没人整理，需求没人提出来，AI 的能力就卡在那儿用不上。
Claude Corps 解决的是这个问题。它不是在卖 AI，它是在培养「AI 的使用方」。
02
AI 公司自己动手建「人才供给」
这里有一个更深的信号。
当一家 AI 公司开始自己培养人，而不是等着市场自己去学，这意味着什么？
意味着它判断，当前市场上 AI 人才供给是严重不足的。
不是会调 API 那种，是真正能把 AI 用起来、嵌入真实工作流的那种。Anthropic 不愿意等。它自己动手，从源头把这个问题解决掉。
这个判断我觉得挺准的。
什么时候该让 AI 干，什么时候不该让它干，怎么判断它的输出质量，怎么设计人和 AI 的协作流程——这些能力，市场上没有现成的供给。
我最近接触的一些部门，包括我负责的模块，都面临这个问题。不是说没有 AI 工具，而是用的人不知道边界在哪。
Anthropic 选择自己建。
03
「AI 扩散」的另一种路径
你再看这次合作的非营利组织，有几个挺有意思的，我查了下：
Goodwill Industries——做就业培训的。
Team Red, White & Blue——做退伍军人健康的。
Montgomery County Food Bank——做食品救助的。
Code for America——做政府数字服务的。
YMCA——做社区青少年的。
这些组织有一个共同点：它们不是科技公司，它们的核心能力是服务人，不是搞技术。但它们有大量可以用 AI 提效的行政和数据工作。
它们是最需要 AI，又最没有能力获取 AI 能力的组织。
Claude Corps 选了这些组织，不是随便选的。它们是「AI 渗透真实社会」最好的切入口——因为这些组织服务的人群，往往是最后被技术红利覆盖到的人。
这让我想到一个更大的图景。
当 AI 的能力只被科技公司掌握，它只会让强的更强。但当 AI 的能力通过这种方式，流向服务弱势群体的组织，流向公共服务机构，这个技术红利的分配逻辑就变了。
Anthropic 在做的不只是一个 fellowship 项目，它在押注一种「AI 扩散」的路径——不是自上而下的大企业渗透，而是通过大量小组织的小切口，慢慢把 AI 能力渗透进整个社会的毛细血管。
这个路径能不能跑通，1000 个 fellowship 跑完就知道了。
04
AI 进组织，最稀缺的资源不是算力
但我更想聊的，是这件事对「组织 AI 化」这个命题的启发。
Claude Corps 里的每一个 fellowship，其实是一个「AI 人肉代理」——一个人，带着 AI 的能力，被嵌进一个组织，帮助这个组织建立 AI 化的工作方式。
这件事说明了什么？
说明了 AI 落地组织，目前最稀缺的资源不是算力，不是模型，是「能把 AI 用起来的人」。
这个人不需要是技术专家，但需要懂两件事：
第一，懂 AI 的能力边界；
第二，懂组织的真实工作场景。
光有技术背景不够，光有业务背景也不够，需要两边都懂一点的人。
这种人才，现在是卖方市场。
05
不是「用 AI」，是「管 AI」
我自己观察下来，这一类人有一个特征——他们不是「用 AI」的人，而是「管 AI」的人。
他们的工作方式，是把任务分解，然后把能外包给 AI 的部分切出来，自己做质量把关和复杂决策。这种工作方式，在未来可能是一种稀缺的管理能力。
怎么培养这种能力？
Claude Corps 给了我们一个参考答案——不是给人一堆课程和文档，而是把人直接扔进真实场景，让他带着 AI 去干活，干的过程中学。
这个「干中学」的过程，其实是把 AI 能力内化的唯一路径。
你看文档看教程，永远学不会。但你真的拿它去处理一个真实任务，踩过一次坑，你就知道边界在哪了。
06
三角结构的隐喻
最后我想说一件事。
Claude Corps 这个项目，名义上是 Anthropic 出钱，但它底层是一套三角合作：Anthropic 出钱出技术，CodePath 出人出培训体系，Social Finance 做评估和持续迭代。
这个结构很有意思。它不是一家公司自己干，而是把不同角色的能力拼在一起，让专业的人做专业的事。
这本身也是一种「AI 化组织」的隐喻——你不需要一个人搞定所有事，你需要的是找到不同能力模块，然后把它们拼起来，协同工作。
人如此，AI 也如此。
如果你也在思考一个问题——AI 到底怎么进组织？
Claude Corps 给出了一个答案。不是卖工具，是培养人。是把人塞进去，让它带着 AI 的能力，在真实场景里生根。
这个路径能不能跑通，1000 个 fellowship 跑完就知道了。但它至少说明一件事：
AI 的下一阶段竞争，不只是模型本身，而是谁能让 AI 真正进入真实的工作场景。
人是那个关键变量。
林万劲的AI思考
