重點一：Anthropic 工程師利用 Claude 協作顯著提速，過去一年自評生產力提升約 50%，使用比例升至約 59%。
重點二： AI 使工程師更「全端化」，可跨領域處理任務及各種瑣碎的小問題，但也導致深層技術磨練與同儕導師制度弱化。
重點三： 據悉 Anthropic 已啟動 IPO 準備，估計最快 2026 年上市，並已聘請 WSGR 律師事務所擔任顧問。
時間來到 2025 年末，頂尖 AI 之爭漸呈「三分天下」格局。即使 OpenAI 的 ChatGPT 現階段仍擁有最多的活躍用戶，Google 憑藉 Gemini 3 的強悍性能及全端部署，已讓僅具用戶數量優勢的 OpenAI 拉響警報。
而 Anthropic 則以優越的程式編寫體驗著稱，預估 2028 年營收可達 700 億美元（約新台幣 2.29 兆元）。因展望樂觀，《金融時報》近期透露， Anthropic 目標最快於 2026 年在美國資本市場掛牌。
相對於 OpenAI 現階段的掙扎，Anthropic 的發展態勢可謂順風順水，而這一切的基礎在於 Claude 的工作表現。
根據近期 Anthropic 內部研究， 員工透過頻繁使用 AI 進行除錯及完成先前被忽視的工作，生產力顯著提升，平均增幅達 50%。
研究強調，工程師正利用 Claude 擴展能力，變得更像「全端」（Full-stack）工作者，能夠承擔核心專業領域之外的任務。
導入 AI 的意義：工程師更有時間創新或處理小問題
Anthropic 的內部研究考察了旗下 132 位工程師和研究人員的工作，旨在了解 Claude 如何改變軟體開發的本質。這項研究結合了問卷調查、53 次深入訪談，並分析 20 萬份 Claude Code 使用數據。
結果顯示：工程師們不僅自評因 AI 協助而獲得了 50% 的生產力提升，更驚人的是，高達 27% 的 AI 輔助工作，是他們坦言「若沒有 AI 根本不會去做」的任務。
這些「額外」的任務包括：
1.錦上添花的工具： 建構如互動式數據儀表板這類能提升品質，但非絕對必要的工具。
2.高成本的探索： 進行以往因人力成本過高而無法實行的探索性工作。
3.修復「小問題」： 處理那些長期困擾工程師，但優先級總是被排在後面的痛點（Papercuts），例如重構既有程式碼以提升維護性。
此現象背後的意義深遠： AI 不僅是提升效率的工具，更是一個「雄心壯志的放大器」（Ambition Amplifier）。 它賦予團隊能力去追求更高的品質標準與更大膽的創新，將過去遙不可及的「Nice-to-have」變為觸手可及的「Can-do」。這種質變，也改變了工程師所需具備的核心技能。
AI 的出現，讓工程師能輕易跨足非核心專業領域，但也潛藏著對專業深度的挑戰。研究發現，許多工程師正利用 AI 變得更加「全端」，例如一位後端工程師現在能獨立建構出複雜的使用者介面，大幅縮短了產品開發的反饋迴圈。
但這也引發了一些原先意想不到的問題。
「無腦用AI」恐致技能衰退，怎麼辦？
這種廣度的擴展帶來的矛盾是：部分工程師開始擔憂，過度依賴 AI 可能導致核心技能逐漸「萎縮」（Atrophy）。更重要的是，他們可能會失去在親手解決難題過程中，無意間吸收寶貴知識的機會，即所謂的「附帶學習」（Collateral Learning）。
意即，當工作者親力親為解決棘手問題時，通常需花時間閱讀文件和程式碼，這些時間雖不直接用於解決當下的問題，卻有助於建立對系統運作的心智模型。但現在這種情況減少了，因為 Claude 可以直接指出問題所在。
這便引出了一個「監督的悖論」（Paradox of Supervision）： 要有效地監督 AI 產出的品質，需要深厚的專業知識；但過度使用 AI，卻可能恰恰侵蝕了這些專業知識的養成過程。
因此，當工作方法改變時，工程師們也發展出一套全新的委派哲學。
向 AI 委派任務的核心在於「策略性信任」
隨著 AI 協作普及，工程師們正在發展出一套全新的工作方法。關鍵不在於盲目地將工作交付出去，而在於一種有策略的委派藝術。他們傾向將特定類型的任務交給 AI：
- 低風險且易於驗證的任務。
- 重複性高或令人厭煩的任務（研究中，44% 的 AI 輔助工作是工程師自己不想做的）。
與此同時，他們保留了那些需要高度策略性思維、深刻理解組織脈絡，或是涉及「品味」的設計決策。這種信任關係並非一蹴可幾，而是一個漸進過程。一位工程師生動地將其比喻為使用 Google Maps 的經驗：
「一開始我只在不認識的路線上使用 Google Maps……這就像我用 Claude 來寫我不懂的 SQL，但不會讓它寫我懂的 Python。……如今我隨時都在用 Google Maps，即使是日常通勤。如果它建議走一條不同的路，我就會照做，相信它已考量了所有選項……我今天也以類似的方式使用 Claude Code。」
這意味著，高效的 AI 協作並非被動接受指令，而是一種主動的判斷、管理與驗證能力，這本身就是新時代中至關重要的職場技能。這種個人工作方法的轉變，也正影響著團隊的互動模式。
萬事問 AI：辦公室「導師制」正在凋零
AI 正從根本上改變傳統職場的知識交流與求助模式。研究的另一個核心洞察是，AI 助理（如 Claude）已成為許多工程師提問的「第一站」，取代了過去向資深同事請教的習慣。AI 負責處理相對常規、有明確答案的問題，這使得人類同事間的互動，得以專注於那些需要深度脈絡、策略性思考的複雜議題。
但這個轉變有利有弊。好處是減少了因頻繁提問而打擾同事的「社交摩擦」；壞處則是部分員工懷念人與人之間互動的溫度，並觀察到傳統的導師制度（Mentorship）正受到衝擊。
一位資深工程師在訪談中表示：
「比較資淺的同事不再那麼常來問我問題，這有點讓人難過，雖然他們的問題確實能更有效地被解決，學習速度也更快了……」
此現象的影響不容小覷，因為它可能正在重塑團隊的協作方式、知識的傳承路徑，以及資淺員工的成長軌跡。而當外部互動改變時，工程師內心對工作的感受也產生了動搖。
「寫程式的意義」正在被重新定義
AI 的介入不僅改變了工作流程，更觸動了工程師對自身「專業認同」與「工作意義」的核心感受。研究中浮現出兩種截然不同的反應：
失落派： 一些工程師為失去親手編寫程式碼時所體驗到的「心流」（Zen Flow State）狀態感到失落，認為這代表著一個時代的結束。
務實派： 另一些工程師則欣然接受轉變，他們發現自己真正享受的並非「寫程式的過程」，而是「寫程式所帶來的成果」。
一位工程師的心態轉變極具代表性：
「我本以為到了這個階段我會感到害怕或無聊……但我並沒有這些感覺。相反地，我感到非常興奮，因為我能做的事情變得更多了。我原以為我真的很享受寫程式，但我發現我其實只是享受寫程式所帶來的成果。」
最終，工程師對 AI 的接受程度，很大程度上取決於他們從工作的哪個面向獲得最大的意義與滿足感。這種個人感受的差異，也延伸至對未來職涯的集體焦慮。
工程師的矛盾：我變強了，但好像也更沒價值了？
在這場由 AI 引領的劇變中，工程師普遍體驗到一種「短期樂觀」與「長期不確定性」並存的複雜情緒。他們的角色正從傳統的「程式碼創作者」，轉變為「AI 代理的管理者」或「程式碼的審查者」。
儘管短期內生產力大幅提升，但許多人對自己幾年後的職涯前景坦言「很難說」。這種矛盾心態，被以下這段工程師的自白精準捕捉：
「我對短期感到樂觀，但長期來看，我認為 AI 最終會做所有事，讓我及其他人變得不再重要。」
這個普遍的矛盾心態反映了身處技術變革最前線的專業人士，在積極擁抱新機遇的同時，也無法迴避對自身未來價值與定位的焦慮。除了這些主觀感受，客觀的使用數據也揭示了更深層的趨勢。
AI 正朝向更自主的「工作夥伴」演進
除了工程師們的主觀感受，Anthropic 內部對 AI 工具 Claude Code 的使用數據分析，也證實了 AI 在工作流程中的角色正在發生質的蛻變。數據顯示了三個關鍵趨勢：
1. 處理的任務更複雜： 在 1 到 5 的評分等級中，AI 處理任務的平均複雜度從 3.2 提升至 3.8。具體來說，3.2 分的任務像是「排除 Python 模組的導入錯誤」，而 3.8 分的任務則像是「實作並優化快取系統」。
2. 自主性顯著提高： 在需要人類介入之前，AI 能連續執行的動作（Tool calls，即 AI 自主執行如編輯檔案或運行指令等具體操作的次數）數量，從半年前的平均 9.8 次，大幅增加到 21.2 次，增加了116%。
3. 所需的人類指導減少： 平均每個任務所需的人類互動次數，從 6.2 次下降到了 4.1 次，頻率降低33%。
這些數據佐證了工程師們的主觀感受，也是驅動生產力變革的底層引擎。
結論：面對它、接受它、處理 它、放下它
Anthropic 的內部研究揭示，AI 對專業工作的影響，是一個賦能與挑戰並存的雙重敘事。它既是生產力的倍增器，也是技能的重塑者；既減少了社交摩擦，也衝擊了傳統的師徒制；既讓工程師感到前所未有的強大，也帶來了對未來價值的深層焦慮。
當工具的能力不斷演進，甚至在某些方面超越我們時，真正的挑戰已不在於「是否」使用 AI，而在於如何與之共存，並藉此重新定義自身角色的價值、技能的核心，以及工作的最終意義。
你能怎麼辦？只能套一句聖嚴法師的金句：「面對它、接受它、處理它、放下它。」
資料來源：How AI is transforming work at Anthropic
本文初稿為AI編撰，整理．編輯/ 李先泰
