Anthropic其實並不AI原生？

Anthropic向來被視為最懂人工智慧的公司之一，其開發的Claude模型在全球備受矚目。然而，若從「AI原生組織」的標準來檢視，這家頂尖AI公司的內部運作可能並不如外界想像的那樣徹底以AI為核心。這個觀點乍看矛盾，卻恰好能幫助我們重新思考，究竟什麼樣的企業才能真正稱得上是AI原生。近期Anthropic發表了一篇文章，介紹內部如何使用Claude實現自助式數據分析。文中指出，目前公司約有95%的商業數據分析請求已交由Claude自動完成，整體準確率約為95%，成績相當亮眼。但真正引發關注的不是這個數字，而是另一個細節：這套系統上線時離線準確率約95%，短短一個月後竟下滑至約65%。

研究發現，原因並非Claude模型能力退步，而是業務數據模型持續變動，但提供給Claude參考的Skill文件並未同步更新。Anthropic將數據分析錯誤歸納為三大類：概念與數據實體之間存在歧義、數據源與業務定義持續變化、以及正確資訊未被Claude成功檢索。這些雖是數據分析領域的常見問題，但從AI原生組織的角度來看，背後反映的是更深層的組織結構問題。當產品定義、銷售組織或客戶分類等業務面向發生變化時，如果無法即時反映到數據模型、指標定義與智能體上下文，就代表組織內部仍存在兩套分離的系統：一套負責真實營運，另一套負責事後記錄與分析。AI只是被附加在後者之上，並未真正融入營運核心。

換句話說，Anthropic的內部數據現實仍處於碎片化狀態。一個業務概念可能對應數十個看似合理的數據來源，例如「收入」這個詞在資料庫中可能散落在多個表格與計算方式中。Anthropic也在文章中承認，需要建立更嚴格治理的標準數據集，並淘汰重複的數據模型。然而，一個真正AI原生的組織應該在業務規則產生時就確定數據的權威來源，而不是等到AI提問時才讓它從眾多選項中猜測。為了改善問題，Anthropic目前的作法是將數據模型、語義層、參考文檔以及供Claude使用的Skill文件盡可能放在同一個程式碼倉庫中。

當數據模型變更但Skill文件未同步修改時，程式碼審查機制會發出警告，目前約有90%的數據模型變更會同時更新Skill文件。雖然這已是相當先進的工程實踐，但本質上仍依賴人為規則來維持同步。Skill文件更像是AI時代的「操作手冊」，只要組織真相與智能體認知之間還需要透過靜態文檔來轉譯，偏離的風險就始終存在。Anthropic行銷營運團隊的使用案例也呈現類似情況。他們利用Claude Cowork自動生成每週經營報告，過程中Claude需要讀取上週報告、查看會議記錄、搜尋Slack對話、查詢數據倉庫，再產出新的報告。

這確實大幅提升效率，但底層的Salesforce、HubSpot、活動管理工具、郵件系統與Slack依然彼此分離，Claude只是扮演了連接這些系統的「新膠水」。Anthropic自己也坦承，這些行銷技術工具之間整合不良，過去需要人工彙整的報告與活動設定，現在由Claude代勞，但整個基礎建設並未因此本質改變。這個現象凸顯了一個關鍵區別：AI使用率不等於AI原生程度。Anthropic擁有極高的AI使用率，但這不代表組織已經圍繞AI的運作方式完成重構。

如果AI仍需要閱讀分散的文件、猜測指標含義、在多個系統間來回查詢，再由人不斷維護Skill文件來修正認知，那麼AI本質上只是一個非常聰明的使用者，而不是組織系統的原生組成部分。那麼真正的AI原生組織應該是什麼模樣？至少需要具備四個核心特徵。第一，每一次交易、決策、組織調整與客戶互動，都應直接形成具有明確語義的組織狀態，而非事後由分析人員重新整理。第二，指標定義、業務規則、權限與責任不能只停留在文檔中，而必須成為系統可以直接執行與驗證的對象。第三，AI不只是被動查詢數據或生成報告，而是主動參與任務分派、狀態維護、異常發現與資源調度。

第四，當業務模型發生變化時，數據、語義、流程、智能體上下文與評估體系應自動形成閉環，不需要有人想起去修改某份說明文件。從這個標準回頭看Anthropic，就能理解為何說它「並不AI原生」。Anthropic確實把Claude深入應用到數據分析、軟體開發、行銷營運與知識管理等層面，但也因此更早暴露了下一階段的瓶頸：當模型能力越來越強，限制AI效果的不再是模型本身，而是組織能否提供穩定、一致、即時且可執行的狀態。從95%準確率掉到65%的事件並非單純的工程失誤，反而反映出一個普遍規律——AI可以幫助人類修補裂縫，但真正的AI原生組織應該從源頭避免裂縫產生。

因此，Anthropic或許是世界上AI使用程度最高的公司之一，但它仍然處於從「AI增強組織」朝向「AI原生組織」過渡的階段。這篇文章最值得省思的啟示是：即使擁有全世界最領先的模型，也無法自動獲得一個AI原生組織。組織本身的架構、流程與文化必須同步進化，才能真正釋放AI的潛力，這個課題對所有擁抱AI的企業而言都是一個深刻的提醒。