Jun 17, 2026Economic ResearchAgentic coding and persistent returns to expertise

📌 【Anthropic 最新研究】AI Agent 能讓非工程師寫 Code 嗎？數據揭示「專業知識」的真正價值

當 AI 從單純的「代碼補全」演進到能自主執行任務的「Agentic Coding」（代理編碼），程式碼的門檻是否真的消失了？如果每個人都能透過 AI 完成複雜的技術工作，那麼資深工程師的競爭優勢還在嗎？

Anthropic 近期分析了約 40 萬場 Claude Code 的實際使用紀錄，揭露了一個反直覺的發現：AI 雖然抹平了「執行力」的差距，但「專業領域知識」反而成了決定成功率的關鍵。

🤔 執行力被抹平，但「決定方向」依然是人類的領地

在 Agentic Coding 的工作流中，人機協作的分工呈現出明確的特徵：人類負責「規劃」（Planning，決定要做什麼），而 Claude 負責「執行」（Execution，決定如何實作）。

這意味著，AI 承擔了大部分的繁瑣實作，但任務的成敗依然高度依賴於人類下達指令的精準度與方向感。

🧪 分析 40 萬場 Claude Code 實際使用紀錄

這項研究基於 2025 年 10 月至 2026 年 4 月間，約 40 萬場 Claude Code session 的隱私保護分析。研究團隊評估了任務組成、人機協作模式以及最終的成功率（定義為通過測試或完成提交等可驗證的證據）。

💡 非工程師的成功率，竟然與軟體工程師幾乎持平

研究結果中最令人驚訝的發現是：在編碼任務中，幾乎所有職業類別的成功率，平均而言都與軟體工程師相當。

這顯示出 Agentic Coding 具有強大的「能力賦能」效果，讓缺乏正式編程經驗的人，也能成功引導 AI 完成複雜的技術工作。然而，數據也顯示：

• 領域專業知識（Domain Expertise）越高的人，成功率越高。
• 專業知識越強的人，在給出單一指令時，Claude 能完成的工作量越多。

儘管如此，中階用戶與專家用戶之間的成功率差距其實相當小，這暗示了 AI Agent 在很大程度上彌補了技術實作的鴻溝。

📈 從「除錯」轉向「端到端」的價值創造

在觀察的七個月間，用戶的使用行為發生了顯著轉移：

• 除錯（Debugging）所佔的時間比例下降了近一半。
• 使用模式轉向「端到端（End-to-End）」的代理使用：例如直接部署運行代碼、分析數據以及撰寫非代碼文件。

更重要的是，透過與自由接案平台（Freelance）的職位描述對比，研究估計典型任務的經濟價值在七個月內平均上升了約 25%。這代表 AI 讓用戶能處理更複雜、價值更高的任務。

⚠️ 數據基於特定工具，且尚未揭示長期能力演變

本研究主要基於 Claude Code 的使用數據，其結果可能受工具設計影響。此外，雖然短期成功率提升，但對於這種模式是否會影響長期技能養成，或對勞動力市場產生的深遠影響，研究尚未給出完整答案。

🎯 專業知識不再是「會寫 Code」，而是「定義問題」的能力

這項研究給予知識工作者的重要啟示：

• 定義問題 > 實作能力：當 AI 承擔執行層面，能夠精準定義問題、規劃路徑的「領域專家」將獲得最高效率。
• 擴展工作邊界：非技術人員應嘗試將 AI Agent 納入工作流，將重心從「學習語法」轉移到「學習如何設計技術方案」。
• 價值提升來自複雜度：AI 降低了門檻，但真正的價值增長來自於利用 AI 去處理以前無法觸及的高價值、端到端任務。

🔗 研究連結 📝 Agentic coding and persistent returns to expertise 👤 Anthropic Research 🔗 詳情：https://www.anthropic.com/research/claude-code-expertise

你認為在 AI Agent 時代，工程師最核心的競爭力會轉移到哪裡？歡迎在評論區討論 👇

#AI #AgenticCoding #Anthropic #ClaudeCode #軟體工程 #人機協作 #知識工作 #AI代理