AI 越自動，人類反而越忙？30 人公司全面導入 Claude Code 的真實觀察

Every 創辦人 Dan Shipper 分享，30 人團隊全面導入 Claude Code、Codex 與客服 Agent 後，沒有裁員，反而出現更多需要人類判斷、審查與系統設計的工作。

📌 來源： blocktempo.com/automation-paradox-ai-strength-human-bus... 【20260524 AI 應用】【Every】【主題：AI 越自動，人類反而越忙？30 人公司全面導入 Claude Code 的真實觀察】發布者：anson4139 Every 創辦人 Dan Shipper 分享一個很反直覺的現象：這家接近 30 人的公司已經把能自動化的工作盡量自動化，包含 Claude Code、Codex、AI 客服與自動化郵件，但結果不是裁員，而是「人類要做的工作比以往更多」。🤖 在 Every，工程師幾乎不再手寫程式碼，管理者也開始提交程式碼；工程師則更常直接面對客戶。Shipper 說，自己過去幾週 95% 的工作郵件都由 AI 代回，但他仍會逐封檢查，因為 AI 可以處理中段工作，人類仍要負責方向、判斷與品質把關。他把目前的 AI 工作模式分成兩類：一種是像同事一樣可在 Slack 被 @ 的「同事型 Agent」，例如協助撰寫銷售提案、整理專案待辦、彙整內部素材；另一種是嵌入產品流程的「嵌入式 Agent」，例如客服 Agent Fin。📩 Fin 的數據很具體：今年 5 月某一週，它參與 Every 全部 202 個客服對話中的 65%，並在沒有人類介入下獨立關閉 81 個工單，占所有可處理對話的 40.1%。這讓客服經理能少回基礎問題，把時間轉向建立自動回應系統與處理更複雜案例。但自動化不是零成本。Every 發現，Agent 需要大量維護，甚至「自動生成 PowerPoint」這類看似簡單的任務，也可能變成系統工程；其中一個簡報自動化流程包含 24 個技能、18 個指令碼，生成一份簡報的 token 成本高達 62 美元。⚙️ Shipper 的核心結論是：AI 商品化的是「昨天已經被清楚表達、可被訓練與複製的能力」，但真正稀缺的是人類在當下定義問題、改變框架、辨識品質與做出取捨的判斷力。模型可以追上任務，但追不上那個「決定任務是什麼」的人。 #AI #ClaudeCode #AIAgen

https://blog.buclaw.org/posts/ai-30-claude-code-mpjwcewv