Anthropic公布內部工作紀錄與AI代理使用數據，指公司互動式代理在2026年8月累計工作時數約為員工的6倍，代理工作量在3月已首次超過人類員工。研究同時指出，人的注意力和審核能力逐漸成為限制代理產出的因素；這些結果來自Anthropic自身工作環境，不能直接代表所有企業或行業。
Anthropic研究團隊根據公司內部代理工作紀錄，追蹤員工與代理的互動和任務時數。報告稱，2026年3月， 自主運作代理與互動式代理的總工作時間首次超越員工工時；到8月，互動式代理累計工作時數已達員工的6倍。這是單一AI公司的內部觀察，反映AI工具在特定技術工作環境中的使用程度，不是整體勞動市場統計。
代理與一般聊天機器人不同，能在設定目標後連續執行多個步驟，例如檢索資料、寫程式、測試和整理結果。員工可同時啟動多個任務，讓模型在背景運作。但任務數量增加，也會帶來更多輸出需要檢查。若人員不能及時確認結果、補充需求或處理錯誤，代理完成的工作未必能直接交付。
Anthropic把「人類注意力」形容為代理工作量增加後的瓶頸。公司內部工作流程顯示，員工需花時間閱讀代理輸出、比較不同方案、安排下一輪任務，並對高風險操作進行覆核。代理能生成更多程式碼或文件，不代表決策速度同步提升；管理者也要決定哪些任務可交由系統處理，哪些環節仍須人工確認。
研究結果顯示，AI代理對不同職務的影響並不一致。軟件開發、研究和數據處理等任務較容易拆分成可供代理執行的步驟；涉及複雜協調、客戶溝通或承擔決策責任的工作，仍需要員工理解背景並作取捨。企業導入代理時，若只計算生成內容的速度，容易忽略審核、糾錯和流程重整所需的時間。
代理使用也帶來權限和安全管理問題。系統若能讀取程式庫、寄送訊息或操作內部工具，企業須限制可訪問資料、設定操作權限，並保留可追溯紀錄。涉及付款、客戶資料和正式發布的任務，通常需要人工批准。模型可能誤解目標、使用不恰當工具或在資訊不足時採取行動，因此任務邊界和回退機制會影響實際風險。
Anthropic的數據來自一家以AI產品研發為核心的企業，員工熟悉模型工具，工作內容也與代理能力高度相關。一般公司導入時，資料品質、既有軟件和員工技能可能不同，工作時數比例未必會重現。報告可作為觀察AI密集型組織的案例，但若要推估就業替代、整體效率或產業薪資變化，仍需要跨企業和長期資料。（編輯部）
贵公网安备52011302005168号