2025年8月，人类对132名工程师和研究人员发起内部调研，并结合约20万条Claude Code使用记录，对人工智能在软件开发流程中的影响进行了量化分析，核心结论是：AI工具在一年内显着提高了工程团队的生产效率与资金规模，同时获取了技能结构与工作分工格局。
从使用频率看，Claude已嵌入日常开发主流程。调查显示，55%的员工每天使用Claude进行调试，42%每天用于理解代码，37%每天依赖其实现的新功能，调试和代码理解构成最核心的高频使用场景，说明AI已从“辅助工具”转变为工程师日常工作流程中的基础设施之一。
在使用广度上，克劳德在不到一年的时间里渗透到大部分工作。自报12个月前仅在约28%的工作中使用克劳德，对应约20%的生产力提升；一年后，克劳德已被约59%的工作员工平均生产力内容提升估计达到50%，同时指标均实现超过2倍增长，因此工具与用户之间明显的学习效应和适应周期时间。
这组自报告数据与增量指标相互印证。人为内部代码库数据显示，在全工程团队推广Claude Code后，人均每日合并的拉取请求数量增加约67%，与员工自报告的时间节省和增量增加趋势一致，说明TF提升并非没有出现感知，而在可量化的交付成果上也有结构性改善。
除了加快其他工作外，克劳德正在打开“具体不会发生的工作”。 提示，在使用克劳德辅助的工作中，大约27%的任务在人工智能的情况下不会被执行，这部分新增工作扩展性实验、糖尿病看板等“锦上员工添花”的工具，以及文档完善、测试补齐等方面长期被压缩优先级的事务性工作，目前人工智能正在把边缘需求系统性地纳入工程关联。
从任务类型来看，“修复小问题”的需求被显着激活。Claude Code使用记录显示，约8.6%的任务属于维护改进可性、优化开发体验的“剪纸修复”，例如重构重建制作的代码或性能可视化工具。过去的工作常被视作机会成本而被推迟，如今在AI的支持下被批量完成，有望在长期积累出更可观的效率红利。
在可完全迁移AI的工作小组上，工程师表现出高度审慎的态度。尽管克劳德使用频率高，但超过一半的认为目前可以“完全交由克劳德处理”的工作只占总数的0%到20%，尤其是在高风险或质量要求极高的场景中，工程师仍然倾向于让人类处于设计、审查和最终关中的主导地位。
定性回顾揭示了AI委托的“分层逻辑”。工程师倾向于把低复杂度、易验证、重复枯燥或自己背景较弱的任务安置Claude，而对涉及架构设计、系统性权衡或需要深度组织语境的留人手。大量的环节者提到，会优先将“验证成本明显低于生成成本”的任务交由Claude，以重启人机协作的边际网络。
非营利机构METR之前的实验表明，在大型、复杂代码库中，开发者很容易高估AI带来的生产力提升，而人类工程师在调研中也强调，在涉及高度隐性知识或复杂上下文的任务上，仍会降低对克劳德的依赖，转而“回到人工指挥+AI辅助”的模式。
随着工具迭代，AI承担任务的复杂度和自主性持续上升。Claude Code使用数据表明，平均任务复杂度在半年内从3.2上升到3.8（1代表基础编辑，5代表需要专家投入数周的任务），最大连续工具调用次数从9.8次增至21.2次，配置达到116%，而每个会话中人类轮询数平均恢复约33%，显示工程师在目标上同样给予AI更多自动化空间。
在具体工作类型分配上，AI的角色正在从“调bug助手”演进为“功能实现合作者”。六个月内，Claude Code被用于实现新功能的活动从14.3%跃升36.9%，用于代码设计和规划的重点也从1.0%增至9.9%。这意味着AI不再只处理局部优化，而是开始介入产品与系统的前期设计阶段。
团队间的使用模式差异，呈现出“全栈化”的组织图景。预训练团队在超过一半的Claude Code任务中使用其开发新功能和新增实验；安全团队近49%的使用集中在代码理解与安全分析；非技术员工则在51.5%的任务中使用Claude排查系统或Git问题，并在12.7%的使用中进行数据分析，涵盖了传统边界技能。
此类跨界使用正在施工工程师的技能结构。许多工人开始在克劳德帮助下独立前端界面与可视化开发，研究人员则快速搭建劳动力分析工具。 稀疏者普遍提到，过去需要“几周、几个轮次会议”的迭代，现在可以在“数小时的集中协作”内完成，工程周期被明显压缩。
同时，技能“外扩”与“内缩”的矛盾开始显现。工程师一方面能够涉足更多技术栈，成为更“全栈”的工作者；另外也担心底层能力因过度依赖AI而出现枯竭，尤其是解决复杂问题、理解系统深层结构等能力需要长期积累的“构建”，在AI时代如何保持和更新，成为新的职业焦虑来源。
在工作与职业认同上，工程师对体验转变为感知收获明显。部分人把“写代码的一些乐趣”视作职业核心，对日常工作转向“与AI对话、审阅生成代码”行为感到失落；另一些人则更看重成果与业务影响，乐于把精力从底层实现转移到产品愿景、用户和系统整体上。
从组织角度看，社交与协作网络也在被重构。部分提及者，现在80%至90%的日常问题先问克劳德，只剩下10%到20%才需要同事参与。这提高了个人效率，却在无形中压缩了“顺手请教”的空间，掌管了传统的师徒系统，也让企业重新思考如何性地设计知识传承与人才培养机制。
许多工程师认为，目前阶段人工智能主要是放大个人能力，尤其有利于初级工程师快速成长；但在更长的生命周期上，部分人担心“人工智能最终将完成全部工作”，工程师角色则被压缩为少数负责监督和承担责任的人，这一预期确实对他们的技能布局和职业道路的规划产生影响。
综合生产力数据、任务结构变化和工程师的高级感受，人性化的内部研究带着软件工程职业的一条可能路径：未来的工程师将形成“AI系统的经理”和“产品与系统架构的设计师”，需在抽象能力、审查判断、跨学科辅导等方面持续强化，以驾驭不断增强的AI代理，而低层实现与重复性工作将持续被自动化概述。
在更长久的趋势上，此项研究为整个行业提供了一个清晰的范本：随着人工智能模型能力迭代、工具链标准化以及组织方面对人工智能工作流的制度化，生产力提升有望继续放大，但技能部署、职业路径和组织协调方式都将经历深度重构。建立起兼顾效率、能力建设与安全的“人工智能增强面对型工作场所”，将成为科技企业和更广泛知识密集型行业共同的关键命题。
文章来源：Claude
注：由论文AI生成，内容仅供参考，不代表本站态度或观点，请精准辨别！
更多阅读：
