Claude Cowork 數據顯示：AI Agent 最先接走的是辦公室雜務

很多人一提 AI Agent，第一反應還是寫程式碼。

讀倉庫、改 bug、跑測試、提 PR、操作終端，這些場景更容易做出演示。但 Anthropic 的 Claude Cowork 使用數據，把 Agent 的真實需求拉回了更普通的辦公室。

The Decoder 彙整了 Anthropic 的分析：樣本來自 2026 年 5 月 11 日到 31 日，包含 120 萬個匿名 Claude Cowork 會話，覆蓋 60 多萬個組織。Anthropic 用自動系統把這些會話分進 20 個工作類別。

最大類目不是軟體開發，而是 業務流程與營運。

關鍵數字：33.4%、16.4%、8.7%

先看最重要的前三項。

Claude Cowork 類別	會話占比
業務流程與營運	33.4%
內容創作與溝通	16.4%
軟體開發	8.7%
DevOps 與基礎設施	7.0%
研究	6.4%
數據分析	5.8%

結論很清楚：Claude Cowork 被大量用在圍繞工作產生的工作上。

報表、總結、簡報、清單、入職材料、表格整理、狀態更新、客戶紀錄、會議跟進、內部初稿。這些事情聽起來不酷，但每家公司每天都靠它們運轉。

為什麼軟體開發不是最大類目

軟體開發只占 8.7%，不代表開發者不用 AI。

更可能的解釋是：開發者有更專門的入口，例如 Claude Code 和其他 coding 工具。產品入口會塑造使用場景。Agent 放在終端裡，就更像開發者工具；Agent 放在辦公產品裡，工作就會擴展到營運、文件、溝通和協作。

這才是更重要的訊號：AI Agent 不只是進入專業技術流程，也正在透過重複的行政和營運任務進入辦公室。

辦公室雜務天然適合 Agent

辦公室雜務不一定難。它麻煩，是因為輸入分散、反覆出現，而且很少有人願意長期負責。

一份週報可能要看郵件、會議紀要、表格、專案文件和客戶資訊。一次銷售跟進可能要看 CRM 紀錄、通話總結、未回款情況和措辭風險。一次招聘總結可能要對齊面試反饋、職缺要求和結構化建議。

這些任務通常有三個特點：

• 輸入分散。 真正耗時的是找上下文、對齊資訊。
• 輸出結構化。 報告、清單、簡報、總結和表格都有相對固定格式。
• 決策仍然需要人。 Agent 可以準備材料，但下一步動作應該由人確認。

所以這類工作很適合 AI Agent：Agent 負責準備、整理、起草、比對；人負責審查、判斷和發送。

真正的變化：從 prompt 到可複用流程

很多團隊現在使用 AI 的方式，還是把它當成更聰明的聊天框：

「幫我總結一下。」

「幫我寫一版。」

「幫我整理這張表。」

這能解決一次問題，但不會自動變成穩定的業務流程。

如果要讓辦公室任務被反覆交給 AI，團隊需要定義流程：

1. Agent 使用哪些輸入？
2. Agent 先做哪一步？
3. 輸出應該是什麼格式？
4. 哪些地方必須人審？
5. 審核通過後交付到哪裡？
6. 下週同類任務能不能再次執行？

這就是 prompt 和工作流的差別。

Buda 如何承接這個趨勢

Buda 適合承接的正是這一層工作：把重複出現的辦公室任務，變成可管理的 AI Agent 工作流。

在 Buda 裡，Agent 可以使用 Drive 裡的檔案、呼叫工具、在可見會話裡執行任務、保留任務歷史，並透過渠道把結果帶回給人審查。Skill 可以把方法封裝起來，讓團隊不用每次重新寫 prompt。

這對業務流程很重要。目標不是讓 AI 偶爾回答得聰明，而是讓工作變得可見、可複用、可審查、可交接。

財務異常檢查、銷售跟進草稿、入職清單、會議紀要、內容分發計畫、每週營運報告，都不應該依賴某個人記得正確 prompt。它們應該變成輸入清楚、Agent 執行、人來審查、最終交付的可複用流程。

管理者應該從 Claude Cowork 數據裡看到什麼

Claude Cowork 這組數據的價值，是讓 AI Agent 市場變得更具體。

第一波真正穩定的 Agent 應用，不一定從替代頂尖專家開始。它很可能先從每個部門都在消耗時間的辦公室雜務開始。

對管理者來說，關鍵問題不是只問「買哪個 AI 模型」。

更應該問：

• 哪些重複辦公室任務每週都在消耗團隊時間？
• 哪些任務輸入分散、輸出固定？
• 哪些步驟適合 Agent 先做，哪些步驟必須人審？
• 哪些流程應該做成可複用 Skill，而不是一次性 prompt？

這才是辦公室 AI 真正進入營運的方式。

你可以從 Buda dashboard 開始搭建可管理的 Agent 工作流，也可以閱讀 Buda Agent Workspace 了解更多。