AI究竟如何改变我们的工作方式？
AI巨头Anthropic，把研究的镜头对准了自己
2025年8月，他们对内部132名工程师和研究员进行了一项调查，辅以53次深度定性访谈和内部Claude Code使用数据分析，试图揭示AI在自家公司的真实影响。
研究结果描绘了一幅深刻变革的图景：软件开发者的工作性质正在被彻底改变，希望与忧虑并存
工程师们的工作效率大幅提升，变得更“全栈”，学习和迭代速度加快，甚至开始处理那些过去被忽略的任务
但这种广度的扩张也带来了权衡：一些人担心这可能导致深度技术能力的丧失，或无法有效监督Claude的输出；另一些人则拥抱这种变化，认为这让他们能进行更高层次的思考
有人发现，与AI协作的增多，意味着与同事协作的减少；还有人开始思考，自己最终是否会被自动化工具淘汰。
这项研究的对象是构建AI的公司，其工程师本身就享有接触前沿工具的特权，但Anthropic认为，其内部发生的变化，可能预示着更广泛的社会变革。
研究使用的模型是Claude Sonnet 4和Claude Opus 4
核心发现速览
调查数据：
最常用途：修复代码错误（调试）和理解代码库是工程师最常使用Claude的场景。
生产力飙升：员工自我报告，Claude在其工作中占比从一年前的28%增至59%，生产力提升从20%增至50%，在一年内增长了2-3倍
创造新工作：27%由Claude辅助的工作是“若没有AI就不会做”的新增任务，如项目扩展、制作便利工具（如交互式数据看板）等
高频协作，低度全权委托：大多数员工频繁使用Claude，但表示能“完全委托”给它的工作仅占0-20%。AI是持续的合作者，而非无需验证的“甩手掌柜”
定性访谈：
委托直觉：工程师倾向于将易于验证、低风险或枯燥的任务交给Claude。信任是逐步建立的
技能全栈化与空心化：Claude让工程师能涉足更多领域（“我能非常胜任地处理前端或数据库工作，以前我根本不敢碰”），但也有人担心深度技能的萎缩
编码手艺的变迁： 一些人拥抱变化，更关注成果（“我以为我喜欢写代码，后来发现我只是喜欢写代码带来的成果”）；另一些人则怀念亲手编码的感觉
社交动态改变：Claude成为提问的第一站，取代了过去向同事求助的场景。这导致一些人感觉指导和协作机会减少了
职业不确定性： 工程师的角色正转向更高级别的AI系统管理者，但对职业的长期轨迹感到迷茫。有人短期乐观但长期悲观（“长期来看，AI会做所有事，让我变得无关紧要”）
Claude Code使用趋势：
自主性与复杂性提升：半年前，Claude Code平均自主执行约10个动作后需人类介入，现在这一数字约为20个。处理复杂任务（如代码设计、新功能实现）的比例大幅增加
修复“纸上划痕” ：8.6%的任务是修复那些影响开发体验但优先级不高的小问题，如代码重构，这些小修复累积起来可能带来显著的效率提升
人人都在全栈化： 不同团队使用Claude的方式不同，但都倾向于增强其核心专业。例如，安全团队用它分析不熟悉的代码，对齐与安全团队用它构建数据可视化前端。
调查数据详情
Claude的主要编码任务是什么？
数据显示，最常见的日常任务是调试（55%的员工每天使用）和代码理解（42%每天使用）。实现新功能（37%）紧随其后。而高级别设计/规划、数据科学和前端开发的使用频率较低
使用率与生产力
员工自我报告的数据对比惊人：
12个月前：Claude用于28%的日常工作，生产力提升20%
现在：Claude用于59%的日常工作，生产力提升50%
这两项指标在一年内增长超过2倍。这一数据也与公司内部观察到的每位工程师日均合并拉取请求数量增加67%的趋势大致相符。
一个有趣的模式是，在使用Claude后，员工在各类任务上花费的时间略有减少，但产出量却大幅增加
然而，数据也显示，一部分人在AI辅助下花费了更多时间。原因包括：需要花时间调试和清理Claude生成的代码，以及理解非自己编写代码的额外认知负担。但也有人认为这种额外时间是积极的，因为它帮助他们坚持完成以前会立刻放弃的任务，或进行更彻底的测试和学习
Claude催生新工作
调查发现，员工估计27%的Claude辅助工作若无AI就不会被完成。
这些新工作包括：扩展项目规模、制作锦上添花的工具（如交互式数据看板）、编写文档和测试，以及一些手动操作成本过高的探索性工作。一位工程师表示，他们现在能修复更多以前影响开发体验的纸上划痕
另一位研究员的描述更具画面感：
人们倾向于把强大的模型看作单一实例，就像换了辆更快的车。但拥有百万匹马……能让你同时测试大量不同的想法。当你拥有这种探索的广度时，工作会变得更令人兴奋、更富创造力
完全委托的比例有多高？
尽管使用频繁，但超过一半的工程师表示，他们只能将0-20%的工作完全委托给Claude。这表明，工程师倾向于与Claude紧密协作并验证其工作，而不是简单地交出任务，尤其是在对代码质量要求高的核心领域
定性访谈：人与AI协作的真实体验
AI委托的策略
工程师们正形成一套委托任务给Claude的策略，通常是那些：
自己不熟但复杂度低的任务：我不懂Git或Linux，Claude很好地弥补了我的经验不足
易于验证的任务：对于那些验证成本远低于创建成本的工作，它简直太棒了
定义明确或自成体系的任务
代码质量不那么关键的任务：如果是用完即弃的调试代码，直接交给Claude
重复或枯燥的任务：我对任务越兴奋，就越不可能用Claude
启动成本高的任务：冷启动问题是最大的障碍。我脑子里有大量关于我们团队代码库的背景信息，而Claude没有
信任，但要验证
许多用户描述了一个信任递增的过程，就像最初使用谷歌地图一样：
一开始，我只用谷歌地图走不认识的路……就像我用Claude写我不懂的SQL。后来，我开始用它走我熟悉但最后一段路不确定的路线。现在，我连日常通勤都用它，完全信任它的路线建议……我今天用Claude Code的方式与此类似。”
在是否用Claude处理自己专业领域内外的任务上，工程师们存在分歧。一些人偏好在熟悉领域使用，因为可以快速验证；另一些人则用它处理外围领域以节省时间。
一位安全工程师强调了经验的重要性，他提到Claude曾提出一个以危险方式显得非常聪明的方案，就像一个才华横溢的初级工程师会提的建议，只有经验丰富的人才能识别其风险
什么任务留给自己？
工程师们普遍将涉及高级别思考、战略或需要组织背景和“品味”的设计决策留给自己。但这道界限是“移动的目标”，随着模型能力的提升而不断被重新协商。
技能的转变：全栈化与空心化
新能力涌现…
许多工程师报告称，他们正在完成以前超出其专业范围的工作——后端工程师构建UI，研究员创建可视化图表。一位后端工程师描述了他与Claude合作构建复杂UI的经历：
它做得比我好太多了。我绝对做不出来……设计师们看到后问‘等等，这是你做的？’我说‘不，是Claude做的——我只是给了它提示
工程师们称自己正变得更全栈，这种能力扩展带来了更快的反馈循环和学习速度。
实践机会的减少
与此同时，一些人担心随着委托得越来越多，技能正在萎缩，并失去在手动解决问题过程中获得的附带学习
如果你自己去调试一个难题，你会花时间阅读文档和代码，即使有些内容与问题不直接相关，但你在这个过程中建立了对系统工作方式的心智模型。现在这种情况少了很多，因为Claude能直接带你找到问题所在
一位高级工程师表示，如果他处于职业生涯早期，会更担心这个问题：
我主要在那些我知道答案应该是什么样的情况下使用AI。我通过硬核方式做软件工程师才培养出这种能力……但如果我刚入行，我认为需要付出极大的刻意努力才能继续提升自己的能力，而不是盲目接受模型的输出
技能萎缩之所以令人担忧，部分原因在于监督的悖论：有效使用Claude需要监督能力，而监督能力本身正来源于那些可能因过度使用AI而萎缩的编码技能
我们还需要那些动手编码的技能吗？
软件工程正走向更高的抽象层次，这在历史上曾发生过。一些员工认为，这种转变让他们能从更高层面思考——关于最终产品和最终用户，而不仅仅是代码。
另一些人则务实地表示：我的软件工程师技能肯定在萎缩……但如果需要，这些技能随时可以捡回来，而现在我只是不再需要它们了！
最有趣的是一位工程师的观点：生疏了这种说法，是基于一个假设：总有一天编码会回到没有Claude 3.5的时代。我认为不会了
软件工程的手艺与意义
对于是否怀念亲手编码，工程师们的感受截然不同
一些人感到失落：对我来说，这是一个时代的终结
另一些人则担心新工作方式缺乏乐趣：花一天时间给Claude写提示并不有趣或有成就感
但也有人欣然接受这种权衡：
“我以为到了现在这个阶段，我会感到害怕或无聊……但事实并非如此。相反，我感到非常兴奋，因为我能做的事情多得多了。我原以为我真的喜欢写代码，但现在我发现，我实际上只是喜欢我从写代码中获得的成果
工作场所社交动态的改变
一个显著的主题是，Claude已成为提问的第一站，取代了过去向同事求助的场景
有人欣赏这种社交摩擦的减少，但也有人感到失落：
“我喜欢和人一起工作，现在我‘需要’他们的机会变少了，这挺让人难过的。”
几位资深工程师指出，这对传统的师徒指导模式造成了冲击。一位高级工程师说：
“初级员工不怎么来问我问题了，这让我有点难过，尽管他们确实能更有效地得到答案，学得也更快。”
职业不确定性与适应
许多工程师认为自己的角色正从代码编写者转变为AI管理者。有人估计自己的工作已“70%以上转变为代码审查者/修改者”
长期来看，职业不确定性普遍存在。许多人表示很难说几年后他们的职业会是什么样子
短期内我感到乐观，但长期来看，我认为AI最终会做所有事情，让我和许多其他人变得无关紧要
感觉自己每天来上班，都是为了亲手砸掉自己的饭碗
当然也有乐观者。一位团队负责人总结道：没人知道未来会发生什么……重要的是保持极强的适应性
Claude Code使用趋势分析
为了补充主观报告，Anthropic还分析了2025年2月至8月的20万份内部Claude Code使用记录
用更少监督处理更难的问题
过去六个月，Claude Code的使用呈现出以下趋势：
任务复杂度提升：平均任务复杂度从3.2上升到3.8（5分制）。3.2分的任务如“排查Python模块导入错误”，3.8分的任务如“实现并优化缓存系统
自主性增强： Claude Code在需要人类干预前，连续执行的独立“工具调用”（如编辑文件、运行命令）次数中位数，从9.8次增加到21.2次，增长了116%。
人类干预减少：平均每个任务的人类交互轮次从6.2次减少到4.1次，下降了33%
这些数据表明，工程师正将越来越复杂的工作以更自主的方式委托给Claude。
任务分布的变化
最显著的变化是，用于实现新功能的比例从14.3%飙升至36.9%，用于代码设计或规划的比例从1.0%增至9.9%。这可能表明Claude在这些复杂任务上的能力增强了
修复“纸上划痕”
数据显示，当前8.6%的Claude Code任务被归类为纸上划痕修复，包括创建性能可视化工具、重构代码以提高可维护性等
各团队任务差异
数据显示，每个团队都在利用Claude增强自身专业，并向“全栈”拓展：
预训练团队：主要用Claude Code构建新功能（54.6%），大部分是运行额外实验。
对齐与安全团队：进行最多的前端开发（7.5%），通常用于数据可视化
安全团队：最常用Claude Code进行代码理解（48.9%），以分析代码库的安全隐患
非技术员工：最常用它进行调试（51.5%）和数据科学（12.7%），弥合技术知识差距
写在最后
Anthropic的员工在过去一年中大幅增加了对Claude的使用，不仅加速了现有工作，还扩展到新领域，承担了以前被忽视的改进任务
这些转变带来了明确的生产力效益，也伴随着对软件工程工作长期轨迹的真实不确定性。
目前下结论还为时过早，但这项研究确实提出了一些问题：我们应如何深思熟虑且有效地驾驭这些变革？
作为后续，Anthropic正在与内部工程师和领导层探讨这些机遇与挑战，包括如何调整团队协作、支持职业发展、建立AI增强工作的最佳实践等。他们还计划将研究扩展到非工程岗位，并支持像CodePath这样的外部组织调整计算机科学课程
Anthropic希望不仅研究AI如何改变工作，更要亲自试验如何明智地驾驭这场变革，从自己开始
正如他们所言，Anthropic是“一个负责任的工作场所转型的实验室”
