Anthropic其實並不AI原生？

賬號設置我的關注我的收藏申請的報道退出登錄登錄搜索36氪Auto數字時氪未來消費智能湧現未來城市啟動Power on36氪出海36氪研究院潮生TIDE36氪企服點評36氪財經職場bonus36碳後浪研究所暗湧Waves硬氪氪睿研究院媒體品牌企業號企服點評36Kr研究院36Kr創新諮詢企業服務核心服務城市之窗政府服務創投發佈LP源計劃VClubVClub投資機構庫投資機構職位推介投資人認證投資人服務尋求報道36氪Pro創投氪堂企業入駐創業者服務創投平臺AI測評網 首頁快訊資訊推薦財經AI自助報道四川最新創投汽車科技專精特新直播視頻專題活動搜索尋求報道我要入駐城市合作Anthropic其實並不AI原生？李智勇·2026年07月17日 16:14Anthropic或許已經在大規模研發並使用AI，但它的組織底座仍然不完全是為AI設計的。AnthropicC+輪海外2019-02人工智能安全和研究公司36氪報道前沿技術我要聯繫 Anthropic可能是世界上最懂人工智能的公司之一。 但這並不意味著，Anthropic先天就是一家徹底的《AI原生組織》。 這是個刺激話題，因為這相當於在說最頭部的AI公司不AI原生。但實在涉及AI原生組織到底是什麼，所以還真得認真寫下。 最近，Anthropic發佈了一篇文章，介紹公司如何使用Claude實現自助式數據分析。文章披露，目前Anthropic內部95%的商業數據分析請求已經由Claude自動完成，整體準確率約為95%。這無疑是一個令人印象深刻的成績。[1] 但文章中真正值得關注的，可能不是這個95%，而是另外一個數字： 他們的數據分析系統上線時，離線準確率約為95%；僅僅一個月之後，準確率就下降到了約65%。 造成下降的主要原因並不是Claude的模型能力發生了退化，而是業務數據模型持續變化，供Claude使用的Skill文檔沒有同步更新。 直到Anthropic把Skill文件和數據模型放進同一個代碼倉庫，並要求數據模型變更時同步修改相關文檔，準確率才重新得到控制。 這個細節暴露了一個比模型能力更深層的問題： Anthropic或許已經在大規模研發並使用AI，但它的組織底座仍然不完全是為AI設計的。 而它所面臨的組織問題其實也不高級，和很多創業公司人員膨脹到100人以上的時候面對的問題幾乎一模一樣。 分析準確率波動，表面是數據問題，實質是組織狀態問題 Anthropic把數據分析錯誤歸納為三個主要原因。 第一，概念和數據實體之間存在歧義。同樣是“活躍用戶”，不同團隊可能採用不同的行為定義、時間窗口和過濾規則。 第二，數據源、業務定義和數據庫結構會不斷變化，使已有知識逐漸失效。 第三，正確的信息雖然存在，但Claude沒有從龐大的數據空間中檢索到它。[1] 這些當然是數據分析領域的經典問題。 但從AI原生組織的視角看，它們不應當只是交給分析系統事後解決的問題。（這之後會產生一大堆打補丁的人，各種title，一定程度上FDE也可以看成是它的後果。） 因為所謂數據，本質上不是一堆等待分析的表格，而是企業經營狀態的數字化表達，是生產關係的綜合。 當產品定義發生變化、銷售組織完成調整、客戶分類標準被修改時，變化的不只是某張表，而是組織對現實世界的解釋方式。 如果這些變化不能同步反映到數據模型、指標定義、權限體系、智能體上下文和評估體系中，說明組織仍然存在兩套彼此分離的系統： 一套系統負責真實地經營業務；（大致等於OLTP） 另一套系統事後記錄、解釋和分析業務。（大致等於OLAP） AI只是被放到了第二套系統之上。 這仍然是典型的人類組織結構：人和業務系統創造現實，數據團隊整理現實，AI最後讀取這些整理結果。 從AI First的角度，這種分離和伺候分離的體系顯然很“土鱉”，並且是禍亂之源。分離之後的統一幾乎難倒了所有公司。 真正的AI原生組織則應當有所不同： 業務運行本身就在持續生成結構化、可驗證、可計算的組織狀態。 這種狀態的終極值就是《無人公司》，這就是為什麼我總強調三部曲的順序是：《AI原生組織》《無人公司》。 Anthropic擁有“數據文檔”，但還沒有完全形成“統一狀態” Anthropic在文章中承認，一個業務概念可能對應大量貌似合理的數據來源。 以收入為例，Claude面對的可能不是一個明確的數據實體，而是數十個看起來都能夠代表收入的表、字段和計算方式。 Anthropic因此提出，需要建立更少、更嚴格治理的標準數據集，並主動淘汰那些近似重複的數據模型。[1] 這項改造非常正確。 但它同時說明，在改造之前，Anthropic內部的數據現實仍然是碎片化的。可以負責任的說，這是通常的情況，我個人見過的每個公司的數據現實都是這麼個碎片化的。 一個真正AI原生的組織，不應該在AI提出問題時，才讓AI從幾十個候選數據源中猜測哪個最接近事實。 組織應當在業務規則產生時，就確定： 哪一個對象代表客戶； 哪一個狀態代表活躍； 哪一個事件構成收入； 哪一種口徑具有最終解釋權； 當定義發生變化時，哪些系統必須同步更新。 換句話說，AI原生組織需要的不是更多數據，而是一個可以被持續執行的組織本體。這個本體的完整性，實時性是生命線。 它不只是數據倉庫裡的語義層，也不是一份寫給Claude閱讀的說明文檔，而是業務對象、狀態、規則、責任和行動之間的統一映射。 數據不是關於組織的資料，數據就是組織本身的可計算狀態。而在這裡組織既是對象，也是關係，甚至還是過程。 Skill文件更像AI時代的“操作手冊” Anthropic目前的解決辦法，是把數據模型、語義層、參考文檔、標準儀表盤以及供Claude使用的Skill文件儘可能放在同一個代碼倉庫中。 當數據模型發生變化，卻沒有同時修改對應的Skill文件時，代碼審查機制會發出警告。 目前，Anthropic大約90%的數據模型變更已經會在同一次修改中包含Skill更新。[1] 這已經是相當先進的工程實踐，但其實不靠譜。因為“放在同一個代碼倉庫”中其實就導入了一個依賴。不放怎麼辦呢？人能都按規則放麼？這種小細節反倒是彰顯AI原生組織的背後其實是：公司運營、數據、架構、模型的混合體！ 從更嚴格的AI原生標準來看，Skill文件依然是一種“外掛式知識”。 業務系統發生變化之後，人或者AI需要重新修改一份說明，告訴Claude新的數據模型應該如何理解。這個修改應該是內置於AI原生組織的，它自己對此是要有感知的。 它類似過去的軟件操作手冊，只不過現在操作手冊的讀者從人變成了智能體。 這裡的關鍵在於，只要組織真相與智能體認知之間還需要通過靜態文檔進行轉譯，兩者就可能再次發生偏離。 Anthropic所觀察到的準確率從95%下降到65%，本質上就是這種偏離的結果。 更徹底的AI原生架構不應依賴智能體“閱讀最新說明”來理解組織，而應當讓智能體直接運行在版本化、可查詢、可驗證的實時狀態之上。 當一個指標的定義發生變化時，改變的應當不是一份孤立的說明文件，而是一個原子化的系統版本： 數據模型隨之改變，語義定義隨之改變，權限隨之改變，相關智能體的上下文隨之改變，評估用例也隨之改變。 這時，AI所理解的組織與真實運行的組織才可能始終保持一致。 而達成這一狀態的前提是什麼？就是我反覆提及的：智能優先！AI First！ Anthropic的營銷系統提供了另一個證據 Anthropic還介紹過其營銷運營團隊如何使用Claude Cowork生成每週經營報告。 其中提到，有些指標已經進入儀表盤，有些還停留在數據倉庫中，還有一些甚至尚未進入數據倉庫，只存在於Slack消息或者會議記錄裡。 過去，營銷運營人員每週需要花一到兩天尋找和驗證這些數據；現在，這項工作主要由Claude完成。[2] 這確實顯著提高了效率。 但它更像是讓一個非常聰明的數字員工，在多個相互割裂的系統之間尋找、拼接和驗證信息： Claude讀取上週報告，查看最新會議記錄，搜索Slack，查詢數據倉庫，然後生成新的經營報告。 這是一種很強的智能體能力，卻未必是一種真正AI原生的組織結構。 因為AI承擔的仍然是過去由人承擔的“信息搬運與對賬”工作。 底層的Salesforce、HubSpot、活動管理工具、郵件系統、數據倉庫和Slack依然彼此分離，只不過Claude成為了連接這些系統的新膠水。 Anthropic自己也坦率地表示，營銷技術工具之間並不能良好集成，報告曾經需要人工彙總，活動需要分別在多個平臺中逐項建立。[2] 因此，這套體系更準確的描述或許是： AI正在幫助Anthropic駕馭一個非AI原生的組織基礎設施。 95%的自動化，不等於95%的AI原生 這裡需要區分兩個容易混淆的概念。 一個概念是AI使用率。 另一個概念是AI原生程度。 當95%的分析請求由Claude完成時，說明Anthropic擁有非常高的AI使用率。 但使用AI完成原有工作，並不意味著組織已經圍繞AI的運行方式完成重構。 AI使用率衡量的是： 原來由人完成的工作，有多少轉交給了AI？ AI原生程度衡量的則是： 如果組織從一開始就是由AI參與運行的，它的數據、流程、權限、責任和反饋機制，會不會仍然被設計成現在這樣？ 如果AI仍然需要閱讀分散的文檔、猜測指標含義、搜索多個系統、檢查數據是否衝突，再由人不斷維護Skill來修正理解，那麼AI主要還是一個能力極強的使用者。 它還不是組織系統的原生組成部分。 Anthropic公開介紹的許多內部案例，也更多表現為員工使用Claude Code完成調試、生成測試、製作可視化、建立自動化工具以及整理分散的知識。 這些實踐顯著提升了個人和團隊能力，但Anthropic對這些案例的總結，仍然更多強調Claude Code如何增強既有的人類工作流程。[3] 這距離“由AI調度和運行組織”仍然存在明顯差異。 這就有個滑稽的結果：因為很多人在向Anthropic這樣的公司學習AI原生組織！這和向盲人學走路是類似的。 這個經實在是念的不能再歪了！ 必須強調的是：不是說Anthropic它們的實踐中沒有AI原生的成分，而是說不能把它完全的看成AI原生組織。反倒是它模型對外提供服務和用戶之間的結構更像AI原生組織！ 真正的AI原生組織應該是什麼樣？ 真正的AI原生組織，至少需要四個特徵： 第一，從“數據採集”轉向“狀態生成” 每一次交易、決策、組織調整和客戶交互，都應當直接形成具有明確語義的組織狀態，而不是事後再由分析人員整理。 第二，從“文檔解釋”轉向“規則可執行” 指標定義、業務規則、權限和責任不能只存在於文檔中，而要成為系統可以直接執行和驗證的對象。 第三，從“AI讀取組織”轉向“AI支撐組織運行” AI不只是查詢數據、生成報告，而要參與任務分派、狀態維護、異常發現、資源調度和結果反饋。 第四，從“人工維護一致性”轉向“系統確保一致性” 當業務模型變化時，數據、語義、流程、智能體上下文和評估體系應當自動形成閉環，而不是等待某個人想起修改Skill文件。 只有完成這些轉變，企業才不是把AI放在原有組織之上，而是讓組織本身按照智能系統的方式運行。 這些事對於模型公司反倒是可能更難，因為它們探索性過強，如果模型公司是徹底的AI原生，那意味著模型能夠訓練並且改善自己。 +Anthropic正在通往AI原生，而不是已經到達 因此，說“Anthropic並不AI原生”，並不是說Anthropic使用AI的水平不高。 恰恰相反，正因為Anthropic已經把Claude深入應用到數據分析、軟件開發、營銷運營和知識管理中，它才更早暴露出下一階段的問題： 模型越來越強之後，限制AI效果的已經不再只是模型，而是組織能否提供穩定、一致、實時和可執行的狀態。 Anthropic的數據分析系統從95%準確率下降到65%，並不是一次簡單的工程事故。 它揭示了AI時代一個更普遍的規律： 當AI開始大規模進入企業，組織內部所有長期被人類經驗掩蓋的數據歧義、系統割裂、定義衝突和狀態延遲，都會被迅速放大。 Claude可以幫助人類不斷修補這些裂縫。 但真正的AI原生組織，不應當依賴一個更聰明的AI不停尋找和修補裂縫，而應當從根本上不讓這些裂縫產生。 從這個角度看，Anthropic可能是世界上AI使用程度最高的公司之一，但它仍然是一家正在從“AI增強組織”走向“AI原生組織”的公司。 而這或許也是這篇文章最有價值的地方： 它證明了即使擁有世界上最先進的模型，也不能自動獲得一家《AI原生組織》。 本文來自微信公眾號“琢磨事”，作者：李智勇，36氪經授權發佈。 該文觀點僅代表作者本人，36氪平臺僅提供信息存儲空間服務。+11好文章，需要你的鼓勵李智勇特邀作者0收 藏+10評 論打開微信“掃一掃”，打開網頁後點擊屏幕右上角分享按鈕微 博沉浸閱讀返回頂部舉報參與評論評論千萬條，友善第一條登錄後參與討論提交評論0/1000你可能也喜歡這些文章Agent跌跌撞撞進入世界“OpenAI必將崩潰，全球股市恐遭清算”，大空頭1.5萬字長文引爭論突發叫停，Gemini 3.5 Pro難產，谷歌跌入失望陷阱燒掉16萬美金，狂飆100萬行代碼，Bun之父用Claude重寫底層拆開Claude大腦也沒用，AI黑箱真正的鑰匙，藏在本體工程智慧芽中國AI戰略升級加速：從交付工具到交付成果54GB降到4GB，蘋果接洽PrismML，模型壓縮技術要火？GPT隨意清空用戶硬盤，是時候聊聊Agent的安全問題了一級市場的月之暗面和DeepSeek，估值敘事「溢價」從何而來李智勇特邀作者《無人公司》《終極複製》作者發表文章124篇最近內容Anthropic其實並不AI原生？15分鐘前這屆AI應用不太行2026-06-18OpenAI和Anthropic帶頭唸的經可能是歪的2026-05-28閱讀更多內容，狠戳這裡選靠譜AI，看真實評測查看36氪AI測評官方交流社區加入諮詢報道審核和入駐聯繫36氪尋求報道訂閱號關注Anthropic我要聯繫人工智能安全和研究公司下一篇車企利潤變薄之後，誰在重塑汽車產業？造車的在明處，賺錢的在暗處。16分鐘前關於36氪城市合作尋求報道我要入駐投資者關係商務合作關於我們聯繫我們加入我們36氪歐洲站36氪歐洲站36氪歐洲站Ai產品日報網絡謠言信息舉報入口熱門推薦熱門資訊熱門產品文章標籤快訊標籤合作伙伴36氪APP下載iOS & Android本站由 阿里雲 提供計算與安全服務 違法和不良信息、未成年人保護舉報電話：010-89650707 舉報郵箱：[email protected] 網上有害信息舉報© 2011~2026 北京多氪信息科技有限公司 | 京ICP備12031756號-6 | 京ICP證150143號 | 京公網安備11010502057322號意見反饋36氪APP讓一部分人先看到未來36氪鯨準氪空間推送和解讀前沿、有料的科技創投資訊一級市場金融信息和系統服務提供商聚焦全球優秀創業者，項目融資率接近97%，領跑行業