AI原生企业调研报告 - How AI is transforming work at Anthropic

• 用途分布： 员工最常将 Claude 用于修复代码错误（Debug）和理解代码库。55% 的受访者每天使用 Claude 进行调试，42% 用于理解代码。

  

• 生产力飞跃： 员工自述目前在 60% 的工作中会使用 Claude（去年同期为 28%），并获得了 50% 的生产力提升。这种提升主要体现在产出量（Output Volume）的激增，而非单纯缩短单项任务的时间。

  

• 开启新任务： 约 27% 的 AI 辅助工作属于“如果没有 AI 就不会去做”的任务，例如扩展项目规模、开发非必要的辅助工具或进行高成本的探索性研究。

• 委派与监督： 尽管使用频繁，但超过一半的员工认为目前只能将 0-20% 的工作“完全委派”给 Claude。Claude 目前被视为一个需要人类持续监督和验证的“协作者”。

定性访谈 (Qualitative Interviews)

• 委派逻辑与信任演进： 员工倾向于委派易于验证、低风险、重复乏味或超出自身背景知识的任务。信任内容和复杂程度，会随着模型的进步不断调整。

• “全栈”化与技能广度： AI 让员工变得更全栈，例如后端工程师能更自信地编写前端 UI 或数据库代码。

• 技能萎缩与“监督悖论”： 员工担心因过度依赖 AI 导致深度技术能力的退化（技能萎缩）。这引发了监督悖论：有效监督 AI 需要深厚的专业技能，但 AI 的使用过程可能会削弱这些未来用于监督它的技能。

• 社交动态改变： Claude 成了问题的“第一站”，减少了向同事请教的需求。这虽然降低了社交摩擦，但也削弱了传统的导师制（Mentorship）和同事协作。

• 职业不确定性： 员工的角色正向“AI 代理管理者”转变。虽然短期内感到乐观，但长期来看，许多人担心自己正处于“亲手让自己失业”的过程中，对未来职业路径感到迷茫。

• 自主性提升： 与六个月前相比，Claude Code 的任务复杂性从 3.2 提升至 3.8（5 分制）。其连续执行工具调用的次数增加了 116%（从 9.8 次增至 21.2 次），而所需的人类干预次数减少了 33%。用于实现新功能的任务占比从 14.3% 大幅增长至 36.9%，用于代码设计与规划的比例也从 1.0% 增长至 9.9%。
  
  

• 解决“琐碎痛点” (Papercuts)： 8.6% 的任务涉及修复那些原本会被推迟的微小质量问题（如代码重构、提升可维护性），这有助于长期的效率提升。
• 每个人都变得更加“全栈”：不同团队使用Claude的方式不同，但通常都是用来增强核心能力。