📝📝：我每天上班，就是在打造一個會取代我的工具｜Anthropic 內部深度調查看見的職業未來
本文參考自 Anthropic 針對內部員工使用 Claude 的調查報告《How AI is transforming work at Anthropic》原報告發布於 2025 年 12 月 3 號。
2025 年 8 月，Anthropic 對內部的 132 名工程師和研究人員進行了調查，並進行了 53 次深度訪談，結合 Claude Code 的內部使用數據，發布了一份極具參考價值的研究報告。
這份報告不僅僅是數據的堆疊，更是一個關於「早期採用者」（Early Adopters）的微觀社會學觀察。研究發現，AI 的使用正在徹底改變軟體開發的本質，帶來了巨大的生產力飛躍，同時也引發了關於技能萎縮、職業未來以及職場社交動態變化的焦慮與希望。
1️⃣生產力的躍升與質變
根據調查數據，Anthropic 的工程師和研究人員報告稱，他們在 60% 的工作中使用了 Claude，並實現了 50% 的生產力提升。與一年前相比，這一數字增長了 2 到 3 倍。這種生產力的提升並非均勻分佈，而是呈現出「任務導向」的特徵。
Debug 的額外精力
數據顯示，生產力的提升主要體現在「產出量」（Output Volume）的增加，而非單純的「時間節省」（Time Spent）。雖然在幾乎所有任務類別中，花費的時間都有所減少，但產出的增幅更為巨大。這意味著工程師們並非因為 AI 而提早下班，而是在相同的時間內完成了更多的工作。
然而，深入分析原始數據會發現一個有趣的現象：時間節省呈現兩極化。
部分工程師在 AI 輔助的任務上花費了更多時間。原因在於，他們需要花費額外的精力來除錯（Debugging）和清理 AI 生成的代碼，或者需要承擔理解非自己撰寫代碼的「認知開銷」（Cognitive Overhead）。這表明，獲得生產力紅利的前提，是使用者必須具備策略性委派 AI 的能力。
無中生有的新工作
一個關鍵的發現是，27% 由 Claude 輔助完成的工作，屬於「若沒有 AI 就不會去做」的任務。這些任務通常包括：
專案擴展（Scaling projects）： 探索更多可能性。
輔助工具開發（Nice-to-have tools）： 例如交互式數據儀表板。
探索性工作： 在手動操作不具成本效益的情況下進行的嘗試。
修復「小瑕疵」（Papercuts）： 例如重構代碼以提高可維護性，或修復那些過去因優先級較低而被忽略的小問題。
這顯示 AI 不僅僅是加速器，更是「賦能者」。AI 降低了行動的門檻，讓工程師能夠處理那些過去因為時間成本過高而被擱置的有價值工作。數據分析顯示，目前約有 8.6% 的 Claude Code 任務涉及這類「小瑕疵修復」，這在長期來看將累積成巨大的品質與效率紅利。
2️⃣技能「全端化」趨勢
報告指出，AI 正在促使工程師變得更加「全端」（Full-stack），即具備跨越單一專業領域的能力。這種技能的橫向擴張是 AI 帶來的最顯著紅利之一，但也引發了關於深度技能流失的擔憂。
跨領域能力的解鎖
不同團隊使用 Claude 的方式揭示了技能擴張的趨勢。
例如，安全團隊使用它來分析不熟悉的代碼；對齊與安全（Alignment & Safety）團隊使用它來構建前端數據可視化。許多後端工程師表示，他們現在能夠自信地處理前端、交易資料庫或 API 代碼，而這些領域過去是他們不敢觸碰的。
這種能力的擴展帶來了幾個顯著的好處：
加速學習與迭代： 構建原型的速度大幅提升，原本需要數週的跨部門協作，現在可能縮短為數小時的個人工作。
降低啟動能量： 面對陌生領域時的恐懼感降低，工程師更願意克服拖延，解決更多問題。
增強初級工程師的膽識： 資淺工程師能夠承擔更大膽的專案。
深度技能的萎縮焦慮
然而，這種便利性是一把雙面刃。許多工程師擔心，隨著委派給 AI 的任務越來越多，他們的核心技能可能會「萎縮（Atrophy）」。
附帶學習（Incidental Learning）的消失
過去，工程師在手動除錯的過程中，會被迫閱讀大量文檔和代碼，從而建立對系統運作的深層理解。現在，AI 直接給出答案，跳過了這個「痛苦但有益」的學習過程。
監督悖論（Paradox of Supervision）
有效使用 AI 需要人類進行監督，但監督 AI 所需的判斷力，恰恰來自於那些可能因過度依賴 AI 而退化的動手實作經驗。正如一位工程師所言：
「如果我還是職業生涯的早期階段，我會擔心若不經過刻意練習，將無法培養出不盲目接受模型輸出的能力。」
編程工藝的重新定義
這引發了一個哲學層面的討論：
我們是否還需要那些底層的編程技能？
部分觀點認為，軟體工程本身就是一個不斷抽象化的過程。從組合語言到高階語言，工程師逐漸遠離底層機器操作。現在，「提示詞」（Prompt）或自然語言可能正在成為新的編程語言。工程師的角色可能從「代碼撰寫者」轉變為「專注於最終產品和用戶體驗的架構師」。
然而，也有工程師對此感到失落。他們懷念編寫代碼時的「心流」（Flow）狀態，認為將工作委派給 AI 剝奪了職業滿足感的核心部分。這顯示了工程師群體在價值觀上的分歧：
一派擁抱結果導向
另一派則珍視工藝過程
3️⃣人際互動流失
AI 的引入不僅改變了人與機器的關係，也改變了人與人的關係。報告中一個引人深思的發現是，Claude 正在成為許多問題的「第一諮詢對象」，即尋求人類幫助的比例（Numbers of Human Turns）降低。
導師制度的瓦解與重構
過去，初級工程師遇到問題會向資深工程師請教，這不僅是解決問題的過程，也是建立導師關係（Mentorship）和傳遞隱性知識的社交儀式。現在，大約 80–90% 的初階問題流向了 AI。
✅工作時不再被打斷
資深工程師的負擔減輕，不再被頻繁打斷；初級工程師能更快速地獲得解答，學習效率提升，並且減少了「佔用同事時間」的心理負擔。
❌團隊間的往來逐漸消失
人際互動減少，團隊協作的機會變得稀薄。資深工程師感嘆：「初級人員不再那麼常來問我問題了，這讓人感到有些失落。」這種現象可能導致團隊凝聚力的下降，以及傳統學徒制學習模式的斷裂。
工程師不再寫程式
關於未來的職業發展，內部存在著角色的不確定性。許多工程師將自己未來的角色想像為「AI 代理的管理者」（Manager of AI Agents），花費更多時間在審查（Review）而非撰寫代碼上。有人估計，未來 70% 以上的工作將是代碼審查。
這種轉變引發了兩種截然不同的情緒：
短期樂觀： 對於能夠完成更多工作、解決更大問題感到興奮。
長期焦慮： 擔心 AI 最終會取代所有工作，使人類變得無關緊要。一位工程師坦言：「感覺我每天來上班，都是為了讓自己最終失業。」
儘管如此，部分觀點保持樂觀，認為軟體工程的本質將繼續演變，從底層實作轉向更高層次的系統設計與戰略思考。未來的關鍵能力可能不再是寫出完美的語法，而是具備適應性，以及能夠評估和指導 AI 產出的高階判斷力。
轉型中的實驗室
總結來說，AI 在 Anthropic 內部帶來的變革是全方位的：
生產力： 透過大幅增加產出量和解決被忽視的「長尾任務」來體現。
技能： 推動工程師向「全端」發展，但同時挑戰了傳統深度技能的價值，迫使人們重新思考專業的定義。
協作： AI 逐漸取代部分人際互動，改變了知識傳承和導師制度的運作方式。
心理： 在賦能的興奮感與被取代的焦慮感之間，工程師們正在尋找新的職業定位。
這份分析表明，我們正處於一個過渡期。未來的軟體工程師可能不再是單純的代碼生產者，而是 AI 系統的指揮家。Anthropic 正在將自己作為一個轉型的實驗室，這份報告本身就是對未來工作型態的一次理性探索。