↑閱讀之前記得關注+星標??，，每天才能第一時間接收到更新

AI究竟如何改變我們的工作方式？

AI巨頭Anthropic，把研究的鏡頭對準了自己

2025年8月，他們對內部132名工程師和研究員進行了一項調查，輔以53次深度定性訪談和內部Claude Code使用數據分析，試圖揭示AI在自家公司的真實影響。

研究結果描繪了一幅深刻變革的圖景：軟件開發者的工作性質正在被徹底改變，希望與憂慮并存

工程師們的工作效率大幅提升，變得更“全棧”，學習和迭代速度加快，甚至開始處理那些過去被忽略的任務

但這種廣度的擴張也帶來了權衡：一些人擔心這可能導致深度技術能力的喪失，或無法有效監督Claude的輸出；另一些人則擁抱這種變化，認為這讓他們能進行更高層次的思考

有人發現，與AI協作的增多，意味著與同事協作的減少；還有人開始思考，自己最終是否會被自動化工具淘汰。

這項研究的對象是構建AI的公司，其工程師本身就享有接觸前沿工具的特權，但Anthropic認為，其內部發生的變化，可能預示著更廣泛的社會變革。

研究使用的模型是Claude Sonnet 4和Claude Opus 4

核心發現速覽

調查數據：

最常用途：修復代碼錯誤（調試）和理解代碼庫是工程師最常使用Claude的場景。

生產力飆升：員工自我報告，Claude在其工作中占比從一年前的28%增至59%，生產力提升從20%增至50%，在一年內增長了2-3倍

創造新工作：27%由Claude輔助的工作是“若沒有AI就不會做”的新增任務，如項目擴展、制作便利工具（如交互式數據看板）等

高頻協作，低度全權委托：大多數員工頻繁使用Claude，但表示能“完全委托”給它的工作僅占0-20%。AI是持續的合作者，而非無需驗證的“甩手掌柜”

定性訪談：

委托直覺：工程師傾向于將易于驗證、低風險或枯燥的任務交給Claude。信任是逐步建立的

技能全棧化與空心化：Claude讓工程師能涉足更多領域（“我能非常勝任地處理前端或數據庫工作，以前我根本不敢碰”），但也有人擔心深度技能的萎縮

編碼手藝的變遷： 一些人擁抱變化，更關注成果（“我以為我喜歡寫代碼，后來發現我只是喜歡寫代碼帶來的成果”）；另一些人則懷念親手編碼的感覺

社交動態改變：Claude成為提問的第一站，取代了過去向同事求助的場景。這導致一些人感覺指導和協作機會減少了

職業不確定性： 工程師的角色正轉向更高級別的AI系統管理者，但對職業的長期軌跡感到迷茫。有人短期樂觀但長期悲觀（“長期來看，AI會做所有事，讓我變得無關緊要”）

Claude Code使用趨勢：

自主性與復雜性提升：半年前，Claude Code平均自主執行約10個動作后需人類介入，現在這一數字約為20個。處理復雜任務（如代碼設計、新功能實現）的比例大幅增加

修復“紙上劃痕” ：8.6%的任務是修復那些影響開發體驗但優先級不高的小問題，如代碼重構，這些小修復累積起來可能帶來顯著的效率提升

人人都在全棧化： 不同團隊使用Claude的方式不同，但都傾向于增強其核心專業。例如，安全團隊用它分析不熟悉的代碼，對齊與安全團隊用它構建數據可視化前端。

調查數據詳情

Claude的主要編碼任務是什么？

數據顯示，最常見的日常任務是調試（55%的員工每天使用）和代碼理解（42%每天使用）。實現新功能（37%）緊隨其后。而高級別設計/規劃、數據科學和前端開發的使用頻率較低

使用率與生產力

員工自我報告的數據對比驚人：

12個月前：Claude用于28%的日常工作，生產力提升20%

現在：Claude用于59%的日常工作，生產力提升50%

這兩項指標在一年內增長超過2倍。這一數據也與公司內部觀察到的每位工程師日均合并拉取請求數量增加67%的趨勢大致相符。

一個有趣的模式是，在使用Claude后，員工在各類任務上花費的時間略有減少，但產出量卻大幅增加

然而，數據也顯示，一部分人在AI輔助下花費了更多時間。原因包括：需要花時間調試和清理Claude生成的代碼，以及理解非自己編寫代碼的額外認知負擔。但也有人認為這種額外時間是積極的，因為它幫助他們堅持完成以前會立刻放棄的任務，或進行更徹底的測試和學習

Claude催生新工作

調查發現，員工估計27%的Claude輔助工作若無AI就不會被完成。

這些新工作包括：擴展項目規模、制作錦上添花的工具（如交互式數據看板）、編寫文檔和測試，以及一些手動操作成本過高的探索性工作。一位工程師表示，他們現在能修復更多以前影響開發體驗的紙上劃痕

另一位研究員的描述更具畫面感：

人們傾向于把強大的模型看作單一實例，就像換了輛更快的車。但擁有百萬匹馬……能讓你同時測試大量不同的想法。當你擁有這種探索的廣度時，工作會變得更令人興奮、更富創造力

完全委托的比例有多高？

盡管使用頻繁，但超過一半的工程師表示，他們只能將0-20%的工作完全委托給Claude。這表明，工程師傾向于與Claude緊密協作并驗證其工作，而不是簡單地交出任務，尤其是在對代碼質量要求高的核心領域

定性訪談：人與AI協作的真實體驗

AI委托的策略

工程師們正形成一套委托任務給Claude的策略，通常是那些：

自己不熟但復雜度低的任務：我不懂Git或Linux，Claude很好地彌補了我的經驗不足

易于驗證的任務：對于那些驗證成本遠低于創建成本的工作，它簡直太棒了

定義明確或自成體系的任務

代碼質量不那么關鍵的任務：如果是用完即棄的調試代碼，直接交給Claude

重復或枯燥的任務：我對任務越興奮，就越不可能用Claude

啟動成本高的任務：冷啟動問題是最大的障礙。我腦子里有大量關于我們團隊代碼庫的背景信息，而Claude沒有

信任，但要驗證

許多用戶描述了一個信任遞增的過程，就像最初使用谷歌地圖一樣：

一開始，我只用谷歌地圖走不認識的路……就像我用Claude寫我不懂的SQL。后來，我開始用它走我熟悉但最后一段路不確定的路線。現在，我連日常通勤都用它，完全信任它的路線建議……我今天用Claude Code的方式與此類似。”

在是否用Claude處理自己專業領域內外的任務上，工程師們存在分歧。一些人偏好在熟悉領域使用，因為可以快速驗證；另一些人則用它處理外圍領域以節省時間。

一位安全工程師強調了經驗的重要性，他提到Claude曾提出一個以危險方式顯得非常聰明的方案，就像一個才華橫溢的初級工程師會提的建議，只有經驗豐富的人才能識別其風險

什么任務留給自己？

工程師們普遍將涉及高級別思考、戰略或需要組織背景和“品味”的設計決策留給自己。但這道界限是“移動的目標”，隨著模型能力的提升而不斷被重新協商。

技能的轉變：全棧化與空心化

新能力涌現…

許多工程師報告稱，他們正在完成以前超出其專業范圍的工作——后端工程師構建UI，研究員創建可視化圖表。一位后端工程師描述了他與Claude合作構建復雜UI的經歷：

它做得比我好太多了。我絕對做不出來……設計師們看到后問‘等等，這是你做的？’我說‘不，是Claude做的——我只是給了它提示

工程師們稱自己正變得更全棧，這種能力擴展帶來了更快的反饋循環和學習速度。

實踐機會的減少

與此同時，一些人擔心隨著委托得越來越多，技能正在萎縮，并失去在手動解決問題過程中獲得的附帶學習

如果你自己去調試一個難題，你會花時間閱讀文檔和代碼，即使有些內容與問題不直接相關，但你在這個過程中建立了對系統工作方式的心智模型。現在這種情況少了很多，因為Claude能直接帶你找到問題所在

一位高級工程師表示，如果他處于職業生涯早期，會更擔心這個問題：

我主要在那些我知道答案應該是什么樣的情況下使用AI。我通過硬核方式做軟件工程師才培養出這種能力……但如果我剛入行，我認為需要付出極大的刻意努力才能繼續提升自己的能力，而不是盲目接受模型的輸出

技能萎縮之所以令人擔憂，部分原因在于監督的悖論：有效使用Claude需要監督能力，而監督能力本身正來源于那些可能因過度使用AI而萎縮的編碼技能

我們還需要那些動手編碼的技能嗎？

軟件工程正走向更高的抽象層次，這在歷史上曾發生過。一些員工認為，這種轉變讓他們能從更高層面思考——關于最終產品和最終用戶，而不僅僅是代碼。

另一些人則務實地表示：我的軟件工程師技能肯定在萎縮……但如果需要，這些技能隨時可以撿回來，而現在我只是不再需要它們了！

最有趣的是一位工程師的觀點：生疏了這種說法，是基于一個假設：總有一天編碼會回到沒有Claude 3.5的時代。我認為不會了

軟件工程的手藝與意義

對于是否懷念親手編碼，工程師們的感受截然不同

一些人感到失落：對我來說，這是一個時代的終結

另一些人則擔心新工作方式缺乏樂趣：花一天時間給Claude寫提示并不有趣或有成就感

但也有人欣然接受這種權衡：

“我以為到了現在這個階段，我會感到害怕或無聊……但事實并非如此。相反，我感到非常興奮，因為我能做的事情多得多了。我原以為我真的喜歡寫代碼，但現在我發現，我實際上只是喜歡我從寫代碼中獲得的成果

工作場所社交動態的改變

一個顯著的主題是，Claude已成為提問的第一站，取代了過去向同事求助的場景
有人欣賞這種社交摩擦的減少，但也有人感到失落：

“我喜歡和人一起工作，現在我‘需要’他們的機會變少了，這挺讓人難過的。”

幾位資深工程師指出，這對傳統的師徒指導模式造成了沖擊。一位高級工程師說：

“初級員工不怎么來問我問題了，這讓我有點難過，盡管他們確實能更有效地得到答案，學得也更快。”

職業不確定性與適應

許多工程師認為自己的角色正從代碼編寫者轉變為AI管理者。有人估計自己的工作已“70%以上轉變為代碼審查者/修改者”

長期來看，職業不確定性普遍存在。許多人表示很難說幾年后他們的職業會是什么樣子

短期內我感到樂觀，但長期來看，我認為AI最終會做所有事情，讓我和許多其他人變得無關緊要感覺自己每天來上班，都是為了親手砸掉自己的飯碗

當然也有樂觀者。一位團隊負責人總結道：沒人知道未來會發生什么……重要的是保持極強的適應性

Claude Code使用趨勢分析

為了補充主觀報告，Anthropic還分析了2025年2月至8月的20萬份內部Claude Code使用記錄

用更少監督處理更難的問題

過去六個月，Claude Code的使用呈現出以下趨勢：

任務復雜度提升：平均任務復雜度從3.2上升到3.8（5分制）。3.2分的任務如“排查Python模塊導入錯誤”，3.8分的任務如“實現并優化緩存系統

自主性增強： Claude Code在需要人類干預前，連續執行的獨立“工具調用”（如編輯文件、運行命令）次數中位數，從9.8次增加到21.2次，增長了116%。

人類干預減少：平均每個任務的人類交互輪次從6.2次減少到4.1次，下降了33%

這些數據表明，工程師正將越來越復雜的工作以更自主的方式委托給Claude。

任務分布的變化

最顯著的變化是，用于實現新功能的比例從14.3%飆升至36.9%，用于代碼設計或規劃的比例從1.0%增至9.9%。這可能表明Claude在這些復雜任務上的能力增強了

修復“紙上劃痕”

數據顯示，當前8.6%的Claude Code任務被歸類為紙上劃痕修復，包括創建性能可視化工具、重構代碼以提高可維護性等

各團隊任務差異

數據顯示，每個團隊都在利用Claude增強自身專業，并向“全棧”拓展：

預訓練團隊：主要用Claude Code構建新功能（54.6%），大部分是運行額外實驗。

對齊與安全團隊：進行最多的前端開發（7.5%），通常用于數據可視化

安全團隊：最常用Claude Code進行代碼理解（48.9%），以分析代碼庫的安全隱患

非技術員工：最常用它進行調試（51.5%）和數據科學（12.7%），彌合技術知識差距

Anthropic的員工在過去一年中大幅增加了對Claude的使用，不僅加速了現有工作，還擴展到新領域，承擔了以前被忽視的改進任務

這些轉變帶來了明確的生產力效益，也伴隨著對軟件工程工作長期軌跡的真實不確定性。

目前下結論還為時過早，但這項研究確實提出了一些問題：我們應如何深思熟慮且有效地駕馭這些變革？

作為后續，Anthropic正在與內部工程師和領導層探討這些機遇與挑戰，包括如何調整團隊協作、支持職業發展、建立AI增強工作的最佳實踐等。他們還計劃將研究擴展到非工程崗位，并支持像CodePath這樣的外部組織調整計算機科學課程

Anthropic希望不僅研究AI如何改變工作，更要親自試驗如何明智地駕馭這場變革，從自己開始

正如他們所言，Anthropic是“一個負責任的工作場所轉型的實驗室”

參考：

https://www.anthropic.com/research/how-ai-is-transforming-work-at-anthropic

--end--

最后記得??我，這對我非常重要，每天都在更新：

歡迎點贊轉發推薦評論，別忘了關注我