Boris Cherny 提出「Steps of AI Adoption」框架

Boris Cherny（Anthropic Claude Code 負責人）近期在 LinkedIn 與 X 平台分享了他觀察到的「AI Adoption Steps」（AI 採用階段）。他每天與不同公司的工程師交流，發現團隊在採用 AI 工具（特別是 AI 程式碼生成工具如 Claude Code）時，普遍會經歷相似的幾個階段。他將這些階段整理成一個清晰的框架，強調「沒有單一正確路徑」，每個團隊與公司都會有自己的節奏，但前進的關鍵在於持續找出下一個瓶頸，並建立對應的護欄（guardrails）。

框架核心觀點

Cherny 指出，AI 採用不是單純「多用一點工具」或「消耗更多 token」就能線性進步的過程。真正的挑戰在於：

• 從「個人 10x 生產力」轉向「組織層級的系統性改變」。
• 需要建立驗證、審查、安全、權限、隔離、協調與回饋機制，讓 AI 輸出可被信任。
• 進階階段的瓶頸不再是「寫程式」，而是「如何有效管理多個 AI 代理、確保品質與業務對齊」。

他本人已達到第 4 階段，而 Anthropic 團隊目前處於第 3 階段並朝第 4 階段推進。

主要階段（綜合 Cherny 分享與相關分析）

雖然 Cherny 主要提到「4 個步驟」，但根據他分享的內容與後續整理，通常可歸納為以下成熟度階段（有些來源將起始階段標為 Step 0）：

• Gated（受限 / 零代理階段）
  團隊幾乎不使用 AI，或僅在嚴格控管下小規模試用。主要障礙是安全疑慮、成本考量，以及缺乏核准流程。此階段多數公司仍停留在「傳統開發流程 + 少量 AI 輔助」。
  
• Assisted（輔助階段，約 1 個代理）
  個人或小團隊開始將 AI 視為「配對程式設計師」（pair programmer）。開發者仍需密切監督每一次輸出，AI 主要用來加速例行任務。此階段的瓶頸是「開發者的注意力」——必須逐一審查 AI 產出。
  
• Parallel（並行階段，約 10 個代理）
  開始同時運行多個 AI 代理，並引入 orchestration（協調機制）。開發者從「撰寫者」轉向「設計者與審查者」，負責定義意圖、驗證結果。組織開始感受到流程改變的壓力。
  
• Supervised Autonomy（監督式自治，約 100 個代理）
  AI 代理可自主處理較複雜任務，但仍需人類監督與 guardrails。此階段強調自動化審查、安全檢查、權限控管與多代理協作介面。許多先進團隊正朝此階段邁進。
  
• AI-native（AI 原生階段，1,000+ 代理）
  整個開發生命週期圍繞 AI 重新設計，包含動態工作流（/loop、/batch）、子代理隔離（worktree isolation）、自動化驗證與大規模協作。重點已從「執行」轉向「判斷什麼值得建構」以及「如何維持長期可維護性」。
  

Cherny 強調，許多公司卡在早期階段，是因為只把 AI 工具發給開發者，卻沒有同步調整團隊結構、衡量指標與治理機制。常見問題包括：

• 仍用「產生多少行程式碼」或「token 消耗量」來衡量價值，忽略業務成果。
• AI 生成的程式碼審查時間更長、安全漏洞可能增加。
• 初階開發者的例行訓練機會被 AI 取代，長期可能出現人才斷層。

他建議，組織應專注於建立「圍繞 AI 的系統」——包括自動化審查、安全護欄、多代理管理介面，以及將人類專注力放在高價值判斷上。

台灣許多軟體團隊與企業正積極導入 AI 程式碼工具（如 Claude、Cursor、GitHub Copilot 等）。Cherny 的框架提醒我們：

• 不要只看「單人生產力提升」，更要思考如何讓整個團隊與流程跟上。
• 及早建立 guardrails（權限、審查、安全、合規）與新的衡量指標。
• 重新設計人才培育模式，避免因為 AI 接手 routine work 而影響下一代工程師的成長。
• 從「個人實驗」走向「組織級 AI 原生開發」需要時間與 intentional 的設計。

這個框架目前仍在社群廣泛討論中，Cherny 也提到「沒有唯一正確路徑」，關鍵是持續觀察自己團隊目前卡在哪個瓶頸，並針對性突破。