根据Ethan Mollick在X上的发言，外界援引Anthropic CEO Dario Amodei的旧预测称AI将在3–6个月写90%代码、12个月写100%，Mollick指出如今虽未达到100%，但Anthropic的Claude Code已能产出相当高比例代码，主要瓶颈在采纳而非模型能力（来源：Ethan Mollick，转引@kimmonismus）。据@kimmonismus提及的视频内容，这一预测强调替代速度，但实践中企业在安全审查、代码库权限与流程变更上存在摩擦，放缓了高性能代码代理的落地。根据Ethan Mollick的观察，商业机遇正在转向集成与治理层：合规的代码代理、与VCS集成的评审机器人、以及将LLM产出对齐组织规范的工具链；围绕Claude Code的权限管理、测试与可观测性方案可在短期内带来ROI。

据Ethan Mollick在X平台所述，人文学科愈发重要：大语言模型以人类文化史为训练基础、学科训练能为当下AI变革提供语境、深度阅读与批评思维不可或缺（来源：Ethan Mollick 推文；原文出处：One Useful Thing）。据One Useful Thing报道，修辞与文本分析等人文方法能显著提升提示工程、结果解读与偏见识别，从而改进教育与知识工作场景的产出。根据One Useful Thing，人文学科与LLM结合为企业带来培训与内容机会，包括面向非技术团队的AI素养课程、提示写作与批判性评估训练，以及面向高校与企业的课程设计与认证服务。

据Ethan Mollick在X平台表示，Citrini提出的2028年AI引发的经济崩盘情景属于“硬科幻”的情景构建，并非可信路径；他建议以Alex Oleg Imas关于AGI经济影响的研究作为更可靠的预测基础（来源：Ethan Mollick推文；Citrini Research；Alex Imas Substack）。据Citrini Research描述，该情景设定标普下跌38%、失业率10.2%、信贷链条断裂，归因于AI超预期发展，但Mollick强调应将其视为思考工具而非预测（来源：Citrini Research；Ethan Mollick推文）。据Alex Imas Substack，评估AGI经济学需基于生产率冲击、劳动替代弹性、资本深化路径等可检验机制，这比叙事化压力测试更适合企业规划（来源：Alex Imas Substack）。对企业而言，应基于多情景的AI采用曲线与弹性参数，构建现金流与用工结构的敏感性分析，而非单一路径假设（来源：Ethan Mollick推文；Alex Imas Substack）。