「我每天都和其他公司的工程師聊天，聽到的都是同一件事：有一個人用 Claude 把產出拉高了 10 倍，但公司其他人沒跟上。」這是 Claude Code 的創造者暨負責人、Anthropic 的 Boris Cherny，最近在社群平台 X 上的觀察。
這類個人與組織之間的採用落差，是導入 AI 時可能遇到的卡點。厲害的人越跑越快，其他人還在原地，兩邊差距越拉越大。Boris 的解法不是叫大家「多用一點」，而是把「團隊採用 AI 的程度」畫成一張階梯圖，從第 0 階到第 4 階，讓每個人先搞清楚自己站在哪裡。
這張圖的橫軸只問一件事：你（或你的團隊）能同時指揮幾個「AI 分身」工作？（業界稱為 agent，指一個能獨立接手任務、自己跑完的 AI。）縱軸則是你的角色怎麼變，從凡事自己動手，一路變成只給方向的指揮者。
先辨認自己在哪一階，再尋求解方
第0階，卡關（Gated）：AI 還被關在門外
公司只准用比較舊、比較輕的模型，內部要用 AI 工具得經過層層審批，AI 產出的東西也沒有地方部署，只能留在自己電腦裡。這一階的瓶頸不在技術，而在制度：老舊的資安與審批流程、只盯著「每個 token 多少錢」卻不看產出、決策桌上缺少真正懂技術的聲音。
第1階，助理（Assisted）：一個人配一個 AI 分身
你開一個對話、交辦一件事，AI 像一個超快的協作夥伴幫你把工作做完，但幾乎每個成果你都要親自看過才敢採用。Boris 形容這一階的解鎖時刻是：一件本來要花掉一個下午的事，現在你在會議之間的空檔就做完了。 瓶頸是你的注意力。因為還不夠信任 AI 的產出，你覺得每一步都得盯著看，於是工作變成「同步的」，你只能坐在那裡看它做，沒辦法同時去忙別的。
第2階，指揮官（Parallel）：一個人指揮5到10個分身
每個分身在各自獨立的工作區裡跑不同任務，你在它們之間跳來跳去。關鍵變化是，AI 交件前會自己先驗過一輪（跑測試、做檢查、資安掃描），自動模式一直開著，自動程式碼審查與資安審查也預設開啟。你看的是「最終成果」，不再盯著每一個操作。積壓很久的雜事開始被快速消化。新的瓶頸也跟著出現：你手寫的東西變少了，但要同時審六份不同的產出，「驗收」本身變成最花時間的事。
第3階，監督式自治（Supervised autonomy）
你成了「管理者的管理者」，同時約 100 個分身在跑。AI 分身寫下全部或幾乎全部的程式碼。你問的問題從「你檢查過這份成果嗎」變成「模型這次缺了哪些背景資訊，下次怎麼幫它補上」。過去要等人有空才處理的維護與清理，現在在背景持續自動跑。
瓶頸變成「信任」與「團隊的決策速度」：這棵分身樹已經深到你沒辦法一個個盯，最常見的陷阱，是在這套流程還沒真正被信任之前，就急著把分身數量往上衝。 這一階要靠制度來管，例如把團隊規範寫進 AI 讀得到的說明檔（Claude Code 稱為 CLAUDE.md 與 Skills），讓分身照規矩辦事。
第 4 階，AI 原生（AI-native）
你像用意圖領導的高階主管，指揮成百上千個分身。整套循環完全閉合，多數分身是 AI 自己啟動的，同時有數百到數千個在跑。你只用「意圖」下指令、用「例外」來監控，只在出狀況時才介入。
Boris 給的畫面是：一個原本要做一整季的大遷移，變成你按下開始、偶爾回來看一下的工作流。
為什麼「用更多」不會自動讓你升級？
Boris 特別提醒一件反直覺的事：從一階爬到下一階，光「用更多」（衝高使用量、燒更多 token）是不夠的。每往上一階，你都得同時做兩件事，找出並打破「下一個瓶頸」，以及建立「下一組防護欄」。 少了防護欄，分身越多只會越失控；少了打破瓶頸，你會卡在原地空轉。
那要怎麼判斷 AI 到底有沒有帶來回報？Boris 說，使用量值得看（例如做一個儀表板），但它只反映「大家有多活躍」，不等於「賺回了多少」。
他建議改問一個更實在的問題：這件事，你本來會不會投工程人力去做？如果會，得花多少人工工時？以原本可能投入的工程工時估算價值，是比單看使用量更接近產出的代理指標，但不等於完整 ROI。而更大的報酬來自維護與修補都在背景自動完成，團隊終於能把力氣放在「創造新東西」上，去做以前根本排不進行程的事。
這張地圖怎麼用，又有什麼要小心？
先說這張圖的定位。Boris 自己強調，沒有唯一正確的走法，每個團隊和公司都不一樣。它更像一面鏡子，讓你先誠實回答「我現在在第幾階、下一步卡在哪個瓶頸」，而不是一張人人適用的施工圖。
也要提醒，這套框架原本是為「工程團隊用 AI 寫程式」設計的，衡量單位是同時管理的分身數量。若把它視為一種類比，其他知識工作者也可用來反思自己的工作方式，但這不是原框架直接驗證的適用範圍：你是還在旁邊盯著 AI 做每一步（第 1 階），還是已經能一次派好幾件事、只驗收成果（第 2 階）？角色從「自己動手」往「指揮與驗收」移動的路徑是共通的。
不過階梯越往上，卡住你的往往是信任與制度，而非技術。越到高階，越需要清楚的防護欄和穩定的驗證流程，否則分身越多、失控的風險越大。這也是為什麼不是每個團隊都爬得上去。
最後，Boris 給了一個對照座標：在 Boris 分享的圖表中，Anthropic 被標在第 3 階、正往第 4 階推進，而他將自己的工作方式標在剛踏進第 4 階的位置。
對多數人和公司來說，重點或許不是急著衝到第 4 階，而是先看懂自己站在哪一階，再一次打破一個瓶頸、補上一道防護欄，穩穩往上走。
資料來源：Boris Cherny 於 X 的貼文串、Steps of AI Adoption 互動圖表
本文初稿為AI編撰，整理．編輯/ 李先泰
