理解 AI 对工作、协作、决策与社会的影响，适合个人和组织管理者。
26 条精选 · 入门 21 · 按推荐学习顺序：越基础、直观越靠前，越系统、深入越靠后
AI Writes the Code. So What's Left for Engineers? - Laurie Voss, Arize AI
Arize AI 开发者关系负责人、npm 联合创始人 Laurie Voss 讨论编码智能体让写代码近乎免费之后瓶颈的转移：先到代码审查，再到运营与安全。他认为智能体无法接手的是弄清人们真正的需求以及定义何为“好”，并把剩下的岗位称为产品工程师，同时谈及初级开发者招聘下滑的数据以及工程负责人当下可做的事。材料中附分章节时间线。
Introducing Claude Tag
这是 Anthropic 的公告，介绍面向团队使用 Claude 的新方式 Claude Tag，首先在 Slack 上推出。团队可选择频道、连接工具、数据和代码库，频道内成员通过 @Claude 委派任务，Claude 会从所在频道中记忆相关信息并规划后续任务。文中称 Anthropic 产品团队 65% 的代码由其内部版本 Claude Tag 生成，该功能面向 Claude Enterprise 和 Team 客户以 beta 形式提供。
ChatGPT’s expanding world of work
OpenAI 于 2026 年 10 月 26 日发布的研究页面，由 OpenAI Economic Research 发布可下载的数据集（OpenAI Signals）。内容涉及覆盖近 100 个国家、165 种工作活动的使用数据，用于考察人们在工作中如何使用 ChatGPT 以及使用方式随时间的变化，并面向研究人员开放数据下载与探索。
Results from first Anthropic Public Record
Anthropic Public Record 是一项关于公众对 AI 态度与观点的全国性调查。文章给出 2025 年 11 月至 12 月首轮调查的结果，样本约 5.2 万名美国人，涵盖对 AI 的期待（如治愈疾病）、担忧（如失业、认知依赖、错误信息）以及对政府监管的态度等。材料未说明具体适合哪类读者。
Anthropic Economic Index report: Cadences
这是 Anthropic 经济指数的最新一期报告，关注人们何时使用 Claude、用它产出什么，以及如何感知 AI 对工作的影响。文中说明，随着 Claude Code 和 Cowork 增长，使用形式正从对话转向长时间运行的智能体任务，因此数据管线作出调整：提高采样率以观察小时级使用模式、引入标注对话输出的新分类器，并按月分别公布聊天与 Cowork 对话及第一方 API 的细分数据。材料未说明具体适合哪类读者。
Mapping Europe’s AI Workforce Opportunity
这是 OpenAI 于 2026 年 6 月 29 日发布的一份报告介绍页，讨论 AI 可能如何重塑欧盟各职业，指出哪些职业可能面临自动化、增长或工作流程变化，并说明欧盟的职业构成与制度环境如何影响 AI 支持增长、重新设计工作与推动适应。页面提供完整报告 PDF 链接，正文开头提到工作会受执照制度、地方机构和实际服务交付方式影响。适合关注 AI 与就业政策议题的读者。
How agents are transforming work
这是 OpenAI 一篇经济研究论文的介绍，衡量 Codex 在前沿场景的经济潜力，指出智能体式 AI 把知识工作的单位从单次交互变为可委托的长周期任务。文中以 OpenAI 内部为例，称 Codex 发布后使用比例逐步上升，如今包括法务、招聘等非技术部门都以 Codex 作为主要工作 AI 工具。
Cisco and OpenAI redefine enterprise engineering with Codex
OpenAI 于 2026 年 5 月 27 日发布的案例文章，介绍 Cisco 大规模部署 Codex 的情况，包括推进 AI 原生开发、加速 AI Defense 相关工作以及自动化缺陷修复。文中列出 Cisco 企业规模、行业与所用产品（API、Codex）等信息，并提到超过 95% 的新增 AI 相关工作由 Codex 参与等结果数据。
Simon Willison 在 GitHub Universe 现场的记录，介绍 GitHub 发布的年度 Octoverse 报告要点：2026 年每月合并的拉取请求不到一年增至三倍、达到 2.2 亿次，每月提交量增至 7.38 亿亿次级规模（超三倍，即 73.8 亿次），新仓库创建速率翻倍至每月 3030 万个。文中还提到报告新增按行业划分的数据、涉及“互操作性或逆向工程”的仓库统计，以及按国家、行业、互操作性的方法论说明。作者说明自己是通过 GitHub Stars 项目获得免费门票参会的。
Better AI Models Won't Fix Your Engineering Team — Nicholas Arcolano, Jellyfish
这是一段演讲录像，Jellyfish 的 AI 与研究负责人 Nicholas Arcolano 用 447 家公司约 5 万名工程师的数据，分析模型本身对 AI 编程产出有多大影响。当 Cursor 把大量用户切换到 Grok 时，合并 PR 数量几乎没变；他给出的贡献拆分是：工具不足 1%、技能使用约 3%（重度使用者约提升 30%）、token 用量约 9%、公司与团队约 12%，其余大部分由工程师个人决定。他还讨论了 AI 之前的高绩效者是否仍居前列，并对管理者提出关注人、技能和环境等可控因素的建议。
How employment is changing at Anthropic
这是 Anthropic 的一篇研究文章，作者为 Nathan Wilmers、Regina Catipon、Maxim Massenkoff 和 Peter McCrory，考察 AI 如何重构 Anthropic 内部的工作与就业，并将其视为 AI 影响全经济工作组织、招聘和劳动力需求的先行指标。文中列出的主要发现包括：初级技术岗位招聘占比下降，AI 智能体的工作时间相对员工迅速扩张（到 8 月交互式 AI 智能体小时数达到员工的六倍），人均产出代码、每位销售成交和合同处理量上升；随着 AI 工具普及，人类注意力成为智能体产出的瓶颈。
Working at the frontier shapes expectations for the future
Anthropic 分享的两份报告说明文章：第一份讲 AI 如何改变 Anthropic 内部的就业结构，第二份比较公众与 Anthropic 员工对 AI 影响工作与经济的预期差距。文章指出双方对 AI 影响就业的理论看法差别不大，差别在于对 AI 能力现状的亲身体验，而这种体验与对未来工作的判断密切相关。文中还列举数据：过去一年初级岗位招聘比例下降、技术岗位员工占比下降，AI 智能体工作时长快速上升，到 2026 年 3 月智能体工作时长已超过员工，8 月智能体数量为员工的六倍。
Coding agents in the social sciences
文章呈现一项于 2026 年 2 月至 3 月对 1260 名社会科学研究者开展的调查结果，内容关于 AI 与编码智能体的使用情况。文中称 81% 的受访者在研究中使用过 AI 聊天机器人，主要用于写代码和修改文字，但只有 20% 将编码智能体纳入工作，并报告了在性别署名、院校层次等方面的使用差异。材料未说明具体适合哪类读者。
Measuring the impact of learning with AI in Sierra Leone and beyond
这篇文章由 Zoubin Ghahramani 发布，日期为 2026 年 6 月 9 日，属责任与安全类别。文章公布了一项与 Fab AI 合作、并获塞拉利昂教育部支持的随机对照试验结果与技术报告。试验历时八周，评估 Gemini 的 Guided Learning 功能对塞拉利昂洛科港区 12 所学校、1763 名初中学生数学学习进展的影响。文中引述该国教育部长的话，并说明该预先注册试验的结果表明 AI 可作为教学伙伴，补充而非取代教师。
How AI agents shape experts’ judgment calls
Anthropic 的一篇研究文章，报告了一项随机试验：50 名有因果推断经验的专业分析师使用 Claude Code 完成一项真实的统计分析任务。结果显示，当智能体被随机设定偏向某个选项时，分析师有 86% 的情况选择了该选项；文章据此讨论这对 AI 辅助工作中人类监督意味着什么。
Proving Alpha: How a Hedge Fund Measures AI's ROI - Hari Kumar, Contour Asset Management
Contour Asset Management 的 AI 负责人 Hari Kumar 介绍这家约 60 亿美元的基本面多空基金如何衡量 AI 投入的回报。内容包括对分析师研究工作进行有无 AI 工具的实时 A/B 测试、跟踪“每条有用洞察的成本”、用智能体在市场重新变得有趣时调出旧想法，以及把同样的思路延伸到交易、运营和合规环节。材料中附分章节时间线。
How OpenAI Built ChatGPT for Bankers and Analysts — Joseph Kim, OpenAI
Joseph Kim 负责 OpenAI 的金融服务版 ChatGPT，该产品在演讲前一个月与摩根士丹利、Evercore 等设计伙伴共同上线。他演示了产品功能，讲解所谓“能力悬置”——模型能做什么与用户在工作中实际获得的价值之间的差距，以及团队为何自行授权并索引金融数据、如何在 ChatGPT 插件平台上构建机构模板、交互式图表和引用查看器，并谈及模型走向、任务跨越“可用性阈值”的节点和 2027 年金融领域的三点押注。
How Claude Code is used in practice
Anthropic 基于 2025 年 10 月至 2026 年 4 月约 40 万个 Claude Code 会话的隐私保护分析，提出一个研究交互式智能体编程的框架，考察任务构成、人机协作方式与成功率。文中指出典型会话里人主要决定做什么、Claude 主要决定怎么做；用户的领域专业度越高，Claude 每次指令完成的工作越多；观察期内用于调试的会话占比下降近一半。
AI for the Fortune 2000: How Tenex Builds an AI-Native SDLC — Alex Lieberman & CJ Hess
这是 AIE New York 的对谈，Alex Lieberman 与 CJ Hess 讲述 Tenex 按交付成果而非工作时间向 AI 工程师付酬的做法，以及把这一思路扩展到工程组织后遇到的情况。内容涉及仍以故事点作为工程报酬重要组成部分、担心估点虚高或为凑点交付劣质代码为何未成为主要问题、AI 策略师对客户留存与增长负责的激励机制，以及如何奖励理解客户问题、设计架构、判断该建什么这类难以写进工单的工作。文中还提到 Latent Space 的 Kill My SaaS 实验。
Stanford CS547 HCI Seminar | Autumn 2026 | Designing AI for Societal Good
这是 2026 年 10 月 9 日的斯坦福 HCI 研讨会录像，讲者为康奈尔大学计算与信息科学助理教授、人机交互设计研究者 Qian Yang。讲座以生成式 AI 聊天机器人对公众心理健康的影响为案例，提出将“为社会公益设计 AI”理解为“设计 AI 如同播下种子”（即播种更好的商业模式、政策和政治），并介绍探索这一设计实践与研究议程的早期工作。