在过去两年里，我们谈论得最多的问题之一就是：AI 到底会怎样改变普通人的工作？尤其是软件工程师的工作？ 然而，大部分研究都停留在“预测性”的层面，很少有人真正看到：在一家顶尖 AI 公司内部，AI 已经怎样重塑工程师的日常？
Anthropic 最近发布了一篇重要的研究文章，分享了他们在公司内部对工程师和研究者进行的深度调查。这是少见的“内部视角”--让我们得以看到，当工程师成为 AI 的第一批深度使用者后，工作到底发生了什么变化。
01 为什么这份研究很重要？
Anthropic 在 2025 年 8 月对公司内部进行了一个完整的研究：
- 132 名工程师填写问卷
- 53 名员工接受深度访谈
- 分析了“Claude Code”等内部 AI 工具的实际使用数据
与很多“预测 AI 将如何取代工程师”的文章不同，Anthropic 实际上是在观察 AI 已经如何改变现实的工作方式。
他们的目标不是证明所有公司都会这样，而是把自己作为行业前沿的“试验场”，给未来几年的劳动力变迁提供早期信号。
02 工程师的日常工作被怎样改变？
2.1 使用 AI 的频率大幅上升
调查显示： 工程师在日常中使用 Claude 的时间占比已经达到 60%，而一年前只有 28%。
换句话说： 过去工程师“偶尔用 AI”，今天他们“没有 AI 就干不动活”。
更重要的是，自报数据显示：
平均生产力提升约 50%。
但这并不是简单的“速度更快”，而是三个层面的改变：
① 同样的任务做得更快
从写函数、查 API 到修 bug，AI 都在加速。
② 可以做更多样的任务
工程师会把原本“嫌麻烦”的事情交给 AI，例如：
- 写测试
- 重构代码
- 清理技术债
- 写文档
- 做仪表盘（dashboard）
调查中，有 27% 的工作内容原本不会做，是 AI 解锁的新工作量。
③ 工程质量也随之提升
当“修小问题”不再痛苦，工程师会更频繁地改善系统可维护性。
这其实是一种“工程文化的改变”： 从仅仅追求新功能 → 追求整体品质。
2.2 工程师变得更 “full-stack”
访谈中很多工程师提到：
“我开始敢写前端了” “以前我不敢碰数据库，现在我会直接让 Claude 教我” “一个人能完成原本需要一个小团队的活”
AI 带来的不是传统意义上的“提升编程能力”， 而是扩展技能边界。
工程师能够：
- 跨以前不会的领域
- 更快试验
- 更快做 MVP
- 更快完成端到端项目
这种变化可能会重塑团队角色分工：
专业深度仍然重要，但广度正在变得前所未有地有价值。
2.3 工程师对“工作意义”的重新思考
这里出现了明显的分化。
一部分工程师觉得：AI 让工作更有趣了
因为他们可以把更多时间放在：
- 架构设计
- 高层决策
- 系统思考
- 产品方向
- 易错、复杂、需要判断的任务
他们觉得“做结果比写代码更有意义”。
另一部分工程师却觉得：失去了手艺感
尤其是经验丰富、喜欢“手写代码”的工程师：
“以前写代码有心流、像工匠，现在像在调 prompt。” “AI 写完我只是在反复改，缺少创造的感觉。”
对于这些人而言， AI 让他们的专业身份变得模糊， 甚至会带来某种“技术意义的丧失”。
也就是说， AI 不只是改变技能，也改变工作的情感结构。
2.4 团队协作也发生了改变
AI 改变了团队内部的沟通方式。
许多工程师说：
“我现在 80-90% 的问题都先问 Claude，不会找同事。”
这有两个影响：
积极的：减少中断、减少重复劳动
AI 可以回答：
- 基础知识
- API 查询
- 标准问题
- 样板代码
- 调试建议
同事之间的沟通变得更“高价值”。
负面的：初级工程师更难获得指导
当“简单问题”都问 AI 时：
- 学习曲线变得孤立
- mentor 制度弱化
- 经验传承减少
- 代码 review 变少
- pair programming 更少
长期来看，这可能影响团队文化。
原创文章，更多AI科技内容，微信搜索橙市播客 小程序2.5 “未来职业生涯”带来的焦虑
访谈里最常出现的一句话：
“AI 让工作更快，但也让我怀疑自己五年后是否还重要。”
一些工程师表示：
- 短期 → 很兴奋
- 长期 → 有不确定感，甚至恐惧
有的人说：
“感觉我是在帮 AI 成长，好像最终我会被替代。”
但也有另一种乐观的声音：
“未来最关键的角色将是 AI 的监督者、审查者、系统设计者，而不是 coder。”
这意味着职业路径可能从：
写代码 → 设计系统 / 判断方向 / 管理 AI
成为行业发展的新趋势。
03 这份研究有哪些限制？
Anthropic 坦诚指出：
- 这是 AI 公司的内部观察
- 技术氛围、资源、工程师素质远超平均水平
- 有自选择偏差
- 一部分效果来自“自报生产力”，存在夸大判定
因此结论不能直接推广到所有公司。
但它提供了一个“未来可能场景”的窗口。
04 Anthropic 的下一步计划
他们将继续研究：
- AI 如何影响公司内其他角色（产品、设计、运营、管理）
- 如何开发“AI 素养（AI Fluency）”
- 如何设计新的职业发展路径
- 如何防止基础技能退化（craft decline）
- 如何保持人类监督与系统安全
- 如何构建“AI 友好型组织文化”
Anthropic 把自己作为“未来工作的实验室”， 希望为整个行业提供参考。
05 对工程师和知识工作者的启示
这份研究给我们带来三个非常清晰的信号：
① 工程师的核心价值会从“写代码”转向：
- 设计
- 判断
- 构建
- 监督
- 决策
- 协作
- 系统级思考
写代码本身，将不再是差异化优势。
② 工程师需要变得更像 “AI 的主管” 而不是 “代码工人”
未来将更需要：
- Prompt 策略
- AI 代码审查
- 多模型协作
- 安全性、鲁棒性
- 大系统架构
- 高层抽象能力
- 对 AI 生成内容的批判性判断
③ 学习“跨领域能力”将比以往更重要
AI 让每个人都能“初步了解任何技术”， 真正重要的是：
- 产品 sense
- 系统设计
- 沟通与协调
- 对业务的理解
- 伦理与安全判断
未来最稀缺的，是能结合 技术 + AI + 业务 的复合型人才。原创文章，更多AI科技内容，微信搜索橙市播客 小程序
结语：AI 正在重塑工程师的定义
这份研究给我们的最大启示是：
AI 不是来取代工程师，而是来取代“旧时代的工程师”。
未来真正有价值的工程师，将是：
- 善用 AI
- 善于判断
- 善于跨越技术边界
- 善于做系统级思考
- 善于引导 AI、监督 AI、放大 AI 能力
今天的工程师，站在一个新的十字路口。 而这份来自 Anthropic 的“内部观察”， 让我们第一次清晰地看到未来工作的轮廓。
原创文章，更多AI科技内容，微信搜索 橙市播客 小程序
微信扫描下方的二维码阅读更多精彩内容
声明：本站所有文章，如无特殊说明或标注，均为橙市播客原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。
