Anthropic并非真正的AI原生组织？内部数据暴露深层问题

事件概述

Anthropic 发布文章介绍其内部如何使用 Claude 实现自助式数据分析，披露了两个关键数字：95% 的商业数据分析请求已由 Claude 自动完成，整体准确率约 95%；但系统上线时离线准确率约 95%，仅一个月后便下降至约 65%。下降主因不是模型退化，而是业务数据模型持续变化，供 Claude 使用的 Skill 文档未同步更新。直到 Anthropic 将 Skill 文件与数据模型放入同一个代码仓库，并要求数据模型变更时同步修改文档，准确率才重新得到控制。

核心信息

• 准确率波动暴露组织问题：Anthropic 将错误归纳为概念歧义、数据源/业务定义变化、信息检索失败。这些是数据分析的经典问题，但从 AI 原生组织视角看，根源在于组织仍存在两套分离系统：一套负责真实业务运营（OLTP），另一套事后记录分析业务（OLAP）。AI 只是被放在第二套系统上，而非嵌入业务运行本身。

• 数据与知识仍为“外挂式”：Anthropic 承认一个业务概念可能对应数十个看似合理的表、字段和计算方式（如收入），需要建立更少、更严格治理的标准数据集并淘汰重复模型。但真正的 AI 原生组织应在业务规则产生时就确定唯一、可执行的对象标识，而非让 AI 事后从数十个候选源中猜测。目前 Skill 文件更像是 AI 时代的“操作手册”，依赖人修改说明文件来同步理解，一旦静态文档与组织结构偏离，准确率就会下降。

• 营销系统同样显示非原生架构：Anthropic 营销团队使用 Claude Cowork 生成周报，但底层 Salesforce、HubSpot、Slack、数据仓库等系统依然彼此分离，Claude 充当“新胶水”连接这些割裂系统。AI 承担的仍是过去由人完成的“信息搬运与对账”工作，而非组织系统的原生组成部分。

• 区分 AI 使用率与 AI 原生程度：AI 使用率衡量“工作中有多少由 AI 完成”；AI 原生程度衡量“组织是否围绕 AI 运行方式完成重构”。Anthropic 的案例更多体现员工使用 Claude Code 增强既有工作流程，而非由 AI 调度和运行组织。

值得关注

• 文章提出真正 AI 原生组织的四个特征：业务运行直接生成具有明确语义的状态（而非事后分析）；指标定义、规则等成为系统可执行对象；AI 参与任务分派、状态维护、异常发现等核心流程；业务模型变化后数据、语义、流程、智能体上下文自动闭环，无需人手动修改文档。
• 结论：Anthropic 可能是世界上 AI 使用程度最高的公司之一，但仍在从“AI 增强组织”走向“AI 原生组织”的过程中。其内部数据显示，即使拥有最先进的模型，也不能自动获得 AI 原生组织。
• 参考资料：Anthropic 博客文章《How Anthropic enables self-service data analytics with Claude》《How Anthropic’s marketing operations team uses Claude Cowork…》《How Anthropic teams use Claude Code》。