「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。

你在AI採用的第幾階？從0到4的成熟度地圖

Claude Code負責人Boris Cherny把工程團隊使用AIcoding agents的方式，整理成0到4共5個成熟度層級，衡量標準是你同時能指揮幾個「AI分身」，以及你的角色怎麼從「自己動手」變成「只給方向」。

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。

有用的工具

  • Claude.ai網頁對話

要建立的防護欄

  • SSO / SCIM（單一登入與帳號自動配置）加上角色權限管理。
  • 組織層級的預算上限。
  • 部署在既有的審批與IAM（身分權限管理）流程內。
  • 資料治理方案。

升級關鍵：0→1

讓決策者與採購對齊、把卡關的問題往上呈報；建立一套能安全導入AI的框架。

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。

有用的工具

  • Claude Code（桌面版、命令列或IDE）
  • Claude Cowork、Claude Design
  • 透過 Anthropic API／Bedrock／Vertex／Microsoft Foundry使用
  • Claude Code 分析儀表板＋Analytics API
  • Claude Enterprise 的 Compliance API（合規介面）
  • Plan mode（動手前先審核意圖）

要建立的防護欄

  • 每個席位的花費上限。
  • 集中管理的模型與努力程度設定。
  • 集中管理的政策。
  • 把OpenTelemetry（系統監控標準）資料匯出到既有的SIEM／可觀測性系統。

升級關鍵：1→2

一次讓不只一個分身工作；建立一套你信得過的自動驗證流程（測試＋build＋lint＋在真實環境端到端測試）；開啟自動模式，免得一直被權限確認打斷；把程式碼審查自動化。

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6份不同的產出，「驗收」本身變成最花時間的事。

有用的工具

  • Auto mode（自動模式）
  • Agent view（多代理管理視圖）
  • Claude Code Review（自動程式碼審查）
  • Claude Security Review（自動資安審查）
  • 手機版Claude Code、桌面版雲端執行
  • 透過Claude Teams或Claude Enterprise使用
  • Claude Tag（交辦單一任務）
  • CLI與桌面版的工作區隔離
  • Remote control（用手機遠端監看分身）

要建立的防護欄

  • 用Analytics監看團隊使用狀況。
  • 自動化的程式品質把關（lint、自動測試、型別檢查）。
  • 由Claude驅動的端到端驗證（如Claude Chrome擴充或手機模擬器MCP）。
  • 人工審查、合併與資安審查，對人與分身寫的程式維持同一套品質標準。
  • 在settings.json預先核准常用且安全的指令。

升級關鍵：2→3

給分身取得脈絡的管道（讓它讀程式碼、wiki、討論串）；給它更大的自主權與更快的審查速度（分身可能會動到別團隊負責的程式）；把工作拆成可重複的迴圈與流程；讓分身去啟動分身。

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。

有用的工具

  • 具工作區隔離的子代理（讓並行分身不會互撞）
  • Routines／loop／batch／goal（把重複工作一次分派出去）
  • Dynamic workflows（動態工作流）
  • Claude Tag（盯著某個頻道或資料來源、主動啟動任務）

要建立的防護欄

  • 自動程式碼審查、自動資安審查。
  • Agent sandboxing（分身沙盒隔離）。
  • 用CLAUDE.md與Skills把團隊規範寫成AI讀得到的說明。
  • 依團隊使用狀況微調自動模式的判斷。
  • 用模型選擇、拆分CLAUDE.md成隨用隨載的Skills來控管token。

升級關鍵：3→4

把特定領域的用途大規模自動化，例如程式遷移、模糊測試、開發新功能、處理使用者回饋。

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。

有用的工具

  • Claude Agent SDK（用程式打造與排程分身）
  • Claude Tag（進駐大多數Slack頻道、自動回應貼文）

要建立的防護欄

  • 為自動化設定成本控管。
  • 為自動化選擇合適的模型。

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：X@Boris Cherny、Claude.ai

＊本文出自《數位時代》，原文標題：一人用AI產出翻10倍，全公司卻沒跟上？Claude Code創始人揭「AI採用5階地圖」，看懂你卡在哪

延伸閱讀：
這種PM，才是Anthropic要的人才！我從面試指南看見的兩個關鍵能力
一向不碰科技股，為何大買Google？巴菲特：好生意要贏過公債，不看故事多性感

責任編輯：陳芊吟
核稿編輯：倪旻勤