Anthropic分享2026年企业构建AI agent的实践

这篇文章讲了什么

• Anthropic 与研究机构 Material 合作，对 500 多位跨行业技术负责人做了关于 AI agent 部署现状的调研，并据此整理出《2026 State of AI Agents Report》
• 57% 的组织已经把 agent 用于多阶段工作流，16% 已在跨多个团队的流程上跑 agent；2026 年内 81% 计划扩展到更复杂的用例
• Coding 是落地最早的方向，近 90% 的组织在开发流程里用 AI，86% 已把 agent 投入生产代码；规划、生成、文档、评审与测试各环节均节省约 58% 到 59% 的时间
• 数据分析与报告生成的影响最高，达 60%，内部流程自动化 48% 紧随其后；56% 的受访者计划在未来一年把 agent 引入研究与汇报场景
• 80% 的组织报告 AI agent 投资已经带来可量化的经济回报
• 文章列出 Thomson Reuters、eSentire、Doctolib、L'Oréal 四个客户案例，并指出规模化的主要阻力来自系统对接，占 46%，数据访问与质量占 42%，变更管理占 39%

具体怎么实现

文章的主要载体是问卷数据加客户案例的组合，先报现状，再讲实践，最后落到前路。在现状层，调研的核心发现是 agent 的部署形态正在从单点任务自动化迁移到多阶段、跨团队的工作流，39% 的受访者计划在 2026 年开发面向多步骤流程的 agent，29% 计划做跨职能 agent。实践部分写了几家头部客户。Thomson Reuters 用 Claude 驱动 CoCounsel，让律师把过去翻几小时文档的工作压缩到几分钟内访问 150 年判例与 3000 位领域专家；eSentire 把高级安全分析师 5 小时的威胁分析压到 7 分钟，与资深专家结论一致率 95%；Doctolib 在整个工程团队全面铺开 Claude Code，把遗留测试基础设施的替换从数周缩到数小时，特性上线提速 40%；L'Oréal 借对话式数据查询达到 99.9% 的准确率，44000 名月活用户可以直接对数据库提问，不再排队等定制看板。

在落地路径上，文章把规模化所需的基础设施拆为模型、框架与工具链：面向编码与企业工作流优化的模型、Agent SDK 这样的开发框架、Claude Code 这样的端到端工具链，共同支撑从原型走向生产。文章同时指出，九成受访负责人观察到团队工作方式正在迁移，员工把更多时间放在战略性事务、客户关系与技能成长上，而非例行执行。展望部分提示，coding 只是 agent 的第一个成熟场域，研究与汇报、客服、财务规划、供应链运营都会陆续被 agent 化，提前积累方法论的组织更可能在技术成熟期获得更大的回报。