
? 关键发现 (Key Findings)
在本节中,我们简要总结了我们的调查、访谈和Claude Code数据所获得的发现。
? 调查数据 (Survey Data)
● Anthropic工程师和研究人员使用Claude最常见于修复代码错误和学习代码库。 调试是最常见的用途
● 员工报告Claude使用率和生产力提高。 员工自述在60%的工作中使用Claude,并实现了50%的生产力提升,这是去年同期的2-3倍增长。
● 27%的Claude辅助工作是由原本不会完成的任务组成的,例如项目扩展、制作锦上添花的工具(如交互式数据仪表板)以及手动执行成本效益不高的探索性工作。
● 大多数员工频繁使用Claude,但报告他们可以“完全委派”的工作仅占0-20%。 Claude是一个持续的协作者,但使用它通常涉及主动监督和验证,尤其是在高风险的工作中——而不是将任务完全交给它而无需任何验证。
? 定性访谈 (Qualitative Interviews)
● 员工正在形成AI委派的直觉。 工程师倾向于委派易于验证(他们“可以相对容易地快速检查正确性”)、低风险(例如“一次性调试或研究代码”)或无聊的任务(“我对任务越兴奋,我就越不可能使用Claude”)。
● 技能正在向更多领域拓展,但某些技能的实践正在减少
● 职场社交动态可能正在改变。 Claude现在是取代以前向同事提问的首选渠道。
? Claude Code 使用趋势 (Claude Code Usage Trends)
● Claude正在更自主地处理日益复杂的任务。 六个月前,Claude Code在需要人类输入之前会完成大约10个动作。现在,它通常能处理大约20个,完成更复杂的工作流程所需的人类干预频率更低(图3)。工程师越来越多地使用Claude来处理复杂的任务,例如代码设计/规划(从1%增加到10%)和实现新功能(从14%增加到37%)
● Claude修复了许多“小麻烦”。 8.6%的Claude Code任务涉及修复提高生活质量的小问题,例如为提高可维护性而重构代码(即“修复小麻烦”)。
● 每个人都变得更加“全栈”。 不同的团队以不同的方式使用Claude,通常是为了增强他们的核心专长——安全团队使用它来分析不熟悉的代码,对齐与安全团队使用它来构建数据的前端可视化。
在本节中,我们简要总结了我们的调查、访谈和Claude Code数据所获得的发现。
? 调查数据 (Survey Data)
● Anthropic工程师和研究人员使用Claude最常见于修复代码错误和学习代码库。 调试是最常见的用途
● 员工报告Claude使用率和生产力提高。 员工自述在60%的工作中使用Claude,并实现了50%的生产力提升,这是去年同期的2-3倍增长。
● 27%的Claude辅助工作是由原本不会完成的任务组成的,例如项目扩展、制作锦上添花的工具(如交互式数据仪表板)以及手动执行成本效益不高的探索性工作。
● 大多数员工频繁使用Claude,但报告他们可以“完全委派”的工作仅占0-20%。 Claude是一个持续的协作者,但使用它通常涉及主动监督和验证,尤其是在高风险的工作中——而不是将任务完全交给它而无需任何验证。
? 定性访谈 (Qualitative Interviews)
● 员工正在形成AI委派的直觉。 工程师倾向于委派易于验证(他们“可以相对容易地快速检查正确性”)、低风险(例如“一次性调试或研究代码”)或无聊的任务(“我对任务越兴奋,我就越不可能使用Claude”)。
● 技能正在向更多领域拓展,但某些技能的实践正在减少
● 职场社交动态可能正在改变。 Claude现在是取代以前向同事提问的首选渠道。
? Claude Code 使用趋势 (Claude Code Usage Trends)
● Claude正在更自主地处理日益复杂的任务。 六个月前,Claude Code在需要人类输入之前会完成大约10个动作。现在,它通常能处理大约20个,完成更复杂的工作流程所需的人类干预频率更低(图3)。工程师越来越多地使用Claude来处理复杂的任务,例如代码设计/规划(从1%增加到10%)和实现新功能(从14%增加到37%)
● Claude修复了许多“小麻烦”。 8.6%的Claude Code任务涉及修复提高生活质量的小问题,例如为提高可维护性而重构代码(即“修复小麻烦”)。
● 每个人都变得更加“全栈”。 不同的团队以不同的方式使用Claude,通常是为了增强他们的核心专长——安全团队使用它来分析不熟悉的代码,对齐与安全团队使用它来构建数据的前端可视化。


