2026 企业 AI 要真干活，先跨过这道坎｜Anthropic CPO

全文 2,000字 | 阅读约 6 分钟

（Mike Krieger 谈 2026 年企业 AI 落地挑战）

最近年底复盘时，很多企业有个共同感受：

模型越来越强，预算也花了，可业务还是老样子。

你问 AI 三个问题，都能答上； 但真要派个任务让它干活？经常干到一半就卡住了。有时是它找不到需要的数据，有时是没权限打开文件，有时是流程走到某一步就断了，最后谁也不敢说这活儿算干完了。

差在哪？

不在模型不够聪明，而在企业根本没准备好能交给 AI 的活。

Anthropic CPO Mike Krieger 上周接受采访时，没有花时间夸 Claude 多强大，而是提了一个更实际的问题：

AI ，到底能不能真正分担你的部分工作？

答案取决于企业自己。

Anthropic 这一年在企业部署中发现，真正的障碍不是技术，是组织本身。

这道坎具体在哪？

（我们最近连续写了三篇 Agent，但关注点不同：Notion 写“Agent 怎么进流程”，Hinton 写“Agent 出公司后规则怎么变”，Krieger 写“企业想让 AI 真干活，卡在 demo 到生产这道坎”。三篇不是重复，是同一条线的三段推进。）

现在，你会发现几乎所有 AI 公司都在做同一件事： 不再只强调模型多聪明，而是强调它们 AI 产品能不能真正干活。

看 Anthropic 怎么做的。

他们没把 Claude 当成更聪明的聊天机器人，而是当成能接活的同事来设计。

最早上线的 Claude Code，只是个开发工具：用户输入一句话，它能补全代码、搭个网页、生成 demo。这个工具发布半年，年化营收就破了 10 亿美元。客户包括 Netflix、毕马威、Spotify、欧莱雅。

Mike Krieger 发现，在 Anthropic 内部，很多团队用 Claude 不是为了写完代码，而是让它接手整段工作流。

比如：

• 有团队把它当成“盒子里的 SRE”，监控系统、自动排查日志；

• 有人用它做生物研究助手，搜文献、搭数据处理脚本；

• 还有人干脆让它当项目经理，汇总需求、下发子任务。

AI 的角色在这些场景里已经变了。

2025 年底，Anthropic 把 Claude Code 改名为 Claude Agent SDK。不再只是能写点代码的助手，而是可以接指令、执行流程、交付结果的角色单位。

用 Mike 的话说：我们在重新定义 Claude 的角色，不是生成答案，而是交付结果。

要交付结果，就得让 AI 持续工作、稳定执行。

所以 Anthropic 开始构建一整套支撑机制。不只是给段输入、看段输出，而是让 AI 在更模糊的目标下，自己往前推、最后提交成果。

它不是自动补全，是自动完成。

但能力到位了，坎也出现了：不是 AI 不行，是组织还没准备好。

第二节｜真正的落地坎，不在模型，在组织

很多企业以为把 AI 接进来，就像请了个聪明实习生，开个账号、发个指令，它就能自己上手。

结果一试，发现反应慢、答复模糊、常常卡壳。 但问题不在 AI，在企业这边：任务给得不清楚，信息也给不到位。

比如，你让 AI 帮你查报表、分析客户数据，它该去哪儿找？

很多公司自己的人都不清楚数据放在哪，更别说 AI 了。有的表格列名叫"Sheet3_Temp"，没解释、没说明，谁知道那是什么。

AI 要理解这些文件，得靠数据背后的标签、注释、来源关系。但大多数企业这些基础工作都没做，AI 面对一堆文件，根本不知道从哪下手。

这就是 Mike 所说的：

得先把数据整理成 AI 能看懂的样子，它才可能帮上忙。

但光有数据还不够，还得给它权限。

AI 再能干，你不给它访问入口，它也进不去。

• 有的公司一个流程要跳十几层系统；

• 有的文件需要审批才能打开；

• 有的流程根本没梳理过，连入口都找不到。

Anthropic 在帮客户解决这些问题时发现，障碍表面上是系统、权限、流程，实际上是组织没想明白：

让 AI 做什么？

需要什么信息？

做完给谁？

这是第一层：数据、权限、系统，该准备的都准备好。

第三节｜从“问答”到“派活”，思路要变

数据、权限都准备好了，就能用起来了吗？

还有第二层：学会派活。

怎么派？很多人还在用老办法。

AI 不是搜索引擎，不是知识问答，也不是点一下就能用的插件。它更像刚入职的新人：你得告诉它做什么、从哪查、什么算合格，它才能上手。

两者区别在哪？

很多团队习惯对 AI 说：帮我做一个财报。

AI 当然试着写，但它不知道你公司的报表格式，不知道数据从哪拿，不知道你要的指标标准是什么。

而真正有效的方式，像对待实习生一样：

• 告诉它：你是财务助理；

• 给它表格入口、读数据权限；

• 明确它只负责统计客户收入和退款差额；

• 要它按 Q4 月度格式输出一份表格草稿。

这样 AI 才能真正上手做完工作。

Anthropic 和 GitHub 合作的 PR Agent 就是按这个逻辑设计的。具体怎么用？程序员在代码审查页面标记 Claude，它就会：

1. 审查代码，找出可能的问题

2. 总结这次修改的主要内容

3. 给出改进建议

4. 自动完成一轮修改

整个过程你不用盯着，去喝杯咖啡回来就完成了。

为什么这个用得起来？

因为他们把三件事都理清楚了：

任务明确：每次就干这几件事，边界清楚

权限到位：能读代码库、能写修改、能提交结果

流程稳定：审查→总结→建议→修改，路径固定

用得起来之后，还有个更关键的问题：出了问题怎么办？

网上总是有人说：

“AI 永远取代不了人类，因为 AI 不能背锅。背锅，才是人类独特竞争力。”

这话听着有道理，但问题不在 AI 能不能背锅，而在于企业敢不敢让它背。

什么叫“背锅”？说白了就是：出了问题，能找到责任人。GitHub 的例子里，Claude 提交的代码修改，有记录、有审查、有版本管理。出了问题，能追溯是哪一步的问题。这就是“能背锅”。

Mike 强调的就是这个：AI 不是加个侧边栏回答问题，而是要进到实际工作流里，有明确分工，能交付结果。

关键不在技术，在于组织敢不敢给它明确的责任边界。

结语｜组织准备好，AI 才能用起来

技术已经到位了。

Mike Krieger 这一年的观察很简单：不是 AI 不行，是组织还没准备好。

2026 年开始，企业要问自己：

• 数据理清楚了吗？

• 权限放得开吗？

• 任务说得明白吗？

• 责任划得清吗？

这四个问题想明白了，该准备的准备好了，AI 就能从“会干活”变成“真干活”。

不是技术的问题，是组织的问题。

把组织这道坎跨过去，2026 年企业才能真正用起 AI 。

识自AI

本文由 AI 深度研究院出品，内容翻译整理自 Anthropic CPO Mike Krieger 访谈等网上公开素材，属翻译评论分析性质。内容为观点提炼与合理引述，未逐字复制原访谈材料。未经授权，不得转载。

星标公众号， 点这里 1. 点击右上角 2. 点击"设为星标" ← AI深度研究员 ⋮ ← 设为星标

参考资料：

https://www.youtube.com/watch?v=VSLEGpCemtE

https://www.theverge.com/2024/5/15/24157240/mike-krieger-anthropic-instagram-ai

https://medium.com/%2540GlobalGPT/the-secret-sauce-at-anthropic-cpo-mike-krieger-says-stop-bossing-eebcc8e28fbe

https://techcrunch.com/2024/05/15/anthropic-hires-instagram-co-founder-as-head-of-product/

来源：官方媒体/网络新闻

排版：Atlas

编辑：深思

主编: 图灵