Claude Cowork 数据显示：AI Agent 最先接走的是办公室杂活

很多人一提 AI Agent，第一反应还是写代码。

读仓库、改 bug、跑测试、提 PR、操作终端，这些场景更容易做出演示。但 Anthropic 的 Claude Cowork 使用数据，把 Agent 的真实需求拉回了更普通的办公室。

The Decoder 汇总了 Anthropic 的分析：样本来自 2026 年 5 月 11 日到 31 日，包含 120 万个匿名 Claude Cowork 会话，覆盖 60 多万个组织。Anthropic 用自动系统把这些会话分进 20 个工作类别。

最大类目不是软件开发，而是 业务流程与运营。

关键数字：33.4%、16.4%、8.7%

先看最重要的前三项。

Claude Cowork 类别	会话占比
业务流程与运营	33.4%
内容创作与沟通	16.4%
软件开发	8.7%
DevOps 与基础设施	7.0%
研究	6.4%
数据分析	5.8%

结论很清楚：Claude Cowork 被大量用在围绕工作产生的工作上。

报表、总结、PPT、清单、入职材料、表格整理、状态更新、客户记录、会议跟进、内部初稿。这些事情听起来不酷，但每家公司每天都靠它们运转。

为什么软件开发不是最大类目

软件开发只占 8.7%，不代表开发者不用 AI。

更可能的解释是：开发者有更专门的入口，比如 Claude Code 和其他 coding 工具。产品入口会塑造使用场景。Agent 放在终端里，就更像开发者工具；Agent 放在办公产品里，工作就会扩展到运营、文档、沟通和协作。

这才是更重要的信号：AI Agent 不只是进入专业技术流程，也正在通过重复的行政和运营任务进入办公室。

办公室杂活天然适合 Agent

办公室杂活不一定难。它麻烦，是因为输入分散、反复出现，而且很少有人愿意长期负责。

一份周报可能要看邮件、会议纪要、表格、项目文档和客户信息。一次销售跟进可能要看 CRM 记录、通话总结、未回款情况和措辞风险。一次招聘总结可能要对齐面试反馈、岗位要求和结构化建议。

这些任务通常有三个特点：

• 输入分散。 真正耗时的是找上下文、对齐信息。
• 输出结构化。 报告、清单、PPT、总结和表格都有相对固定格式。
• 决策仍然需要人。 Agent 可以准备材料，但下一步动作应该由人确认。

所以这类工作很适合 AI Agent：Agent 负责准备、整理、起草、比对；人负责审查、判断和发送。

真正的变化：从 prompt 到可复用流程

很多团队现在使用 AI 的方式，还是把它当成更聪明的聊天框：

“帮我总结一下。”

“帮我写一版。”

“帮我整理这张表。”

这能解决一次问题，但不会自动变成稳定的业务流程。

如果要让办公室任务被反复交给 AI，团队需要定义流程：

1. Agent 使用哪些输入？
2. Agent 先做哪一步？
3. 输出应该是什么格式？
4. 哪些地方必须人审？
5. 审核通过后交付到哪里？
6. 下周同类任务能不能再次运行？

这就是 prompt 和工作流的区别。

Buda 如何承接这个趋势

Buda 适合承接的正是这一层工作：把重复出现的办公室任务，变成可管理的 AI Agent 工作流。

在 Buda 里，Agent 可以使用 Drive 里的文件、调用工具、在可见会话里执行任务、保留任务历史，并通过渠道把结果带回给人审查。Skill 可以把方法封装起来，让团队不用每次重新写 prompt。

这对业务流程很重要。目标不是让 AI 偶尔回答得聪明，而是让工作变得可见、可复用、可审查、可交接。

财务异常检查、销售跟进草稿、入职清单、会议纪要、内容分发计划、每周运营报告，都不应该依赖某个人记得正确 prompt。它们应该变成输入清楚、Agent 执行、人来审查、最终交付的可复用流程。

管理者应该从 Claude Cowork 数据里看到什么

Claude Cowork 这组数据的价值，是让 AI Agent 市场变得更具体。

第一波真正稳定的 Agent 应用，不一定从替代顶尖专家开始。它很可能先从每个部门都在消耗时间的办公室杂活开始。

对管理者来说，关键问题不是只问“买哪个 AI 模型”。

更应该问：

• 哪些重复办公室任务每周都在消耗团队时间？
• 哪些任务输入分散、输出固定？
• 哪些步骤适合 Agent 先做，哪些步骤必须人审？
• 哪些流程应该做成可复用 Skill，而不是一次性 prompt？

这才是办公室 AI 真正进入运营的方式。

你可以从 Buda dashboard 开始搭建可管理的 Agent 工作流，也可以阅读 Buda Agent Workspace 了解更多。