我們在企業裡討論導入人工智慧時，最常見的直覺是「加法」：買一套新的 AI 軟體、增加一個聊天機器人入口、替員工開幾堂 AI 課程，然後期待既有流程會自然變快。
但是，最近 Anthropic 的內部實驗結果，提醒了我們，真正值得注意的不是多一套工具，而是工作入口正在改變。根據《Fast Company》的報導指出，Anthropic 員工已在日常工作中大量使用 Claude、Claude Code 與 Claude Cowork，Claude 正逐漸扮演類似「內部作業系統」的角色：許多任務不再從打開特定系統開始，而是從一段提示詞開始。
這雖然不代表企業軟體會立刻消失，也不代表所有公司都能複製 Anthropic。但這可以藉由 Anthropic 為我們展示一種「低界面辦公室」的雛形：使用者不再需要頻繁切換 CRM、資料庫、儀表板與文件系統，而是用自然語言描述意圖，讓 AI 協助調度資料、串接工具、產出初步結果。
企業工作入口，正在從軟體選單轉向意圖描述
過去三十年來，企業工作大多被軟體界面切開。業務打開鼎新或 Salesforce 查客戶資料，行銷查看 Google Analytics 或 Meta 廣告後台，財務進入鼎新 ERP 或 SAP 系統，人資則使用 104 人資系統、鼎新 HRM 或內部簽核平台。每個系統都有自己的欄位、權限、報表格式與操作邏輯。
從表面上看，這是數位化；但在實際工作裡，許多員工每天做的，其實是把資料在不同系統之間來回搬運。
Anthropic 的案例之所以值得我們注意的，是因為它把問題往更深一層推進：如果 AI 能理解任務意圖、讀取上下文、操作工具、產出草稿，那員工還需要先知道該打開哪一套系統嗎？
根據 Claude Code 的官方文件宣稱，這是一套 Agentic Coding Tool，可讀取程式碼庫、編輯檔案、執行指令，並與開發工具整合。這代表它不是單純回答問題，而是能在一定範圍內執行任務。
因此，文章主標題所說的「低界面」不是真的沒有界面，而是界面的角色改變了。在過去，界面是工作起點；而在未來，界面可能要退到背景，前台則變成一段自然語言、一個任務描述、一組可被 AI 執行的工作指令。
「無界面」不是魔法，底層的治理反而更重要
如果你只是把 Anthropic 的案例理解成「AI 可以取代企業系統」，那可能會誤判了方向。Claude 雖然可以成為工作入口，但它仍然需要底層資料、權限、工具連接、稽核紀錄與人工審查。換句話說，AI 越像作業系統，企業越不能忽略治理層。
真正值得注意的是控制權轉移。在過去，流程由軟體按鈕定義；但現在，流程可能由提示詞、代理工具與企業內部知識定義。這會讓工作更快，但也會讓錯誤更快擴散。如此一來，財務部門要 AI 做出預算報告，法務部門指派 AI 初審合約，人資部門則讓 AI 先整理績效考核資料，這時，問題就不只是「AI 準不準」了，而是，誰能授權、誰負責審查、最後的結果由誰負責。
這也是為什麼「低界面辦公室」真正考驗的不是模型能力，而是企業是否能把權限、責任與稽核重新設計好。
從 Prompt 到 Skills：組織能力開始被封裝
Anthropic 的 Skills 概念，是最值得企業管理層畫線之處。Anthropic 官方文件將 Skill 定義為一組封裝在資料夾中的指令、腳本、參考資料與資產，用來指導 Claude 處理特定任務或工作流程。這個定義看起來技術性很強，但拿到企業現場，其實很好理解。
在過去，一位資深法務知道怎麼審 SaaS 合約；一位資深行銷知道怎麼判斷廣告素材；一位資深產品經理知道怎麼讀使用者數據。但是，這些能力通常都藏在員工的經驗裡，靠口耳相傳、文件、會議溝通，與帶人學習，慢慢轉移。
而 Skills 的意義與價值，則是把這些經驗拆成可重複的工作方法：需要哪些背景資料、依照什麼順序判斷、遇到例外時怎麼處理、最後產出什麼格式。
這不是把人變成機器，而是把組織裡原本零散在各處的經驗與隱性知識，整理成 AI 可以直接呼叫使用的流程資產。
AI 素養的重點，不是會下指令，而是會定義工作
很多企業在談 AI 素養時，最後容易變成在上提示詞課程。這當然有用，但仍然還是不夠。Anthropic 的案例提醒我們，真正有價值的 AI 素養，是把工作重新描述成 AI 可執行、可審查、可改善的流程。這不需要花俏的提示詞指令，而是行業的領域知識( Domain Know-How) 。
法務要知道哪些條款不能讓步，財務要知道哪些假設會改變預測，客服主管要知道哪些客訴分類會影響服務品質，產品經理則要知道哪些數據只是表象、哪些數據才能代表使用者行為改變。
AI 可以放大這些能力，但前提是，人先把判斷規則講清楚。如果企業沒有足夠清楚的政策、流程與專業標準，那 AI 只會把有問題的模糊之處，放大成更快、更像真的結果輸出。
Anthropic 不是一般企業，不能直接複製
另外，我們還要知道一件事，Anthropic 本身就是 AI 公司，它的員工、資料環境、工具權限與風險承受能力，都和一般的企業不同。
這也是為什麼，Anthropic 的做法不能被簡單複製到所有企業。一家銀行、一家製造工廠，或是一家醫療機構，不會只因為 Anthropic 已經這樣做了，就把內部流程全面交給 AI。因為，這些產業的背後，都有合規要求、客戶資料責任、資安邊界與內部稽核制度。尤其是當 AI 開始操作工具、讀取資料、改寫文件時，這時候，風險就不只是回答錯誤而已，還有可能流程本身會出錯。。
所以，Anthropic 的價值不是提供一份可照抄的藍圖，而是提供一個未來的方向：企業未來要競爭的，可能不是誰買到更多 AI 工具，而是誰能把工作方法整理成可治理的 AI 流程。
企業該問的不是要不要跟進，而是從哪裡可以先開始
對台灣企業來說，這件事不必從「全公司 AI-first」開始。建議可以採取的比較務實做法，先找出以下三類工作：
第一類是高重複、低風險、格式明確的工作，例如會議紀錄整理、客服分類、內部知識查詢、週報告草稿。
第二類是高價值、需人工審查的工作，例如合約初審、採購比較、財務分析、產品需求整理。
第三類則是目前不適合直接交給 AI 的工作，例如，最終人事決策、重大投資決策、敏感客戶資料處理與法規責任判斷。
因為，資訊部門要問的，不只是能不能串接系統，而是每個 AI 任務能否留下紀錄。法務部門要看的，不只是 AI 能不能讀合約，而是哪些條款必須由人確認。財務部門要知道的，不只是報表能不能自動做出來，還有原來的假設來源與歷史版本是否可以追蹤。
這才是 Anthropic 案例對台灣企業真正有用的地方：它不是催促大家立刻複製，而是提醒我們，工作入口一旦改變，組織的責任設計也必須跟著改變。
AI 不是多一套工具，而是企業工作入口的重新分配
Anthropic 的「低界面辦公室」最值得我們借鏡與學習之處，不是要知道 Claude 有多強，而是它已經把企業導入 AI 的問題重新校準了。過去我們問的是：哪一套 AI 工具最好用？現在更該問的是：哪些工作可以被重新描述成意圖、流程與責任？
Claude Skills 代表的方向也很清楚。企業未來真正有價值的資產，可能不只是資料本身，而是圍繞資料形成的判斷方法。誰能把資深員工的經驗、部門流程、審查標準與輸出格式留存起來，誰就更有機會把 AI 從個人工具，變成組織能力。
接下來值得觀察的指標，是企業 AI 工具能否提供足夠清楚的權限控管、版本紀錄、任務稽核與責任分工。回到組織內部討論時，管理層也可以先問自己一個問題：那些最依賴資深員工口頭經驗、也最影響工作品質的流程，是否已經到了該整理成 AI 可協作流程的時候？
本文依 CC 創用姓名標示 - 非商業性 - 相同方式分享 4.0 國際釋出