AREX Feed Article
Claude Code 负责人 Boris Cherny 发帖称：犹他州 10 个州机构 34 名开发者试点四周，80% 半小时内搭好环境、71% 省时超 20 小时
美东时间 10 月 28 日，Claude Code 负责人 Boris Cherny 在 称，犹他州把 Claude Code 交给横跨 10 个州机构的 34 名开发者，开展了为期四周的试点：80% 的参与者在 30 分钟内搭好可正常使用的工作环境，71% 的参与者在试点结束时报告节省了 20 小时以上的时间。
这组数字是帖文的单方口径，帖文本身没有说明数据如何采集。不过，它可以与犹他州官员此前的公开说法相互印证：8 月 13 日 刊登的一篇由 Anthropic 赞助的问答中，犹他州首席信息官 Alan Fuller 与州 AI 总监 Christian Napier 给出了相同的数字，并称试点结果超出预期。
犹他州 AI 总监 Christian Napier，他是这次试点的组织者之一。（图：Government Technology / David Kidd，GovTech 报道配图）
一条一句话的帖文，和它背后的试点
这条帖文发布于 10 月 28 日 17:09（UTC），只有一句话，没有附报告或原始数据链接。截至发稿前，它在平台上显示 4.2 万余次浏览、约 700 次点赞。
Cherny 的 X 账号简介写着「Claude @anthropicai」。据 今年 2 月的介绍，他是 Claude Code 的创造者兼负责人。推动这个案例的也不止他这条帖文：8 月那篇问答正是以「来自 Anthropic 的信息」（A message from: Anthropic）的赞助栏目形式刊登在 Axios 上的。
牵头的是犹他州技术服务中心，数字出自两轮问卷
据 问答，2026 年年初，犹他州技术服务中心（Division of Technology Services）在 10 个行政部门机构组织了这次试点，34 名开发者参加。Fuller 回忆启动的时点：Claude Code 在 2025 年年初上线后，编码代理（coding agents）的能力明显上了一个台阶，「连我们自己的 AI 团队起初也对编码代理持怀疑态度，现在这种态度已经明显转变」。
试点的方法很直接。Napier 说，项目启动后他们立即做了一次问卷：80% 的参与者在 30 分钟内搭起了一个能正常运转的工作环境——「通常要把工具接进环境、让人真正用起来，要花很长时间」；77% 的人在一小时内出现了他们自己所说的「魔力时刻」（magic moment），也就是在 60 分钟内做成了一件有实际影响的事。试点结束时再做第二轮调查：71% 的开发者称四周里省下了至少 20 小时，约 29% 称省下超过 40 小时。Napier 把这组省时数据称为「25% 的时间回收率」（time-reclaimed metric）。
他还给出一个角色层面的观察：近九成工程师表示，自己的角色在向「指挥者和编排者」转变，而不是任务执行者，并且对承担更复杂项目的信心更高了。
一个小的口径出入：4 月 27 日 报道 Napier 在 NASCIO（全国州首席信息官协会）年中会议上的说法时，写的是试点覆盖 11 个州机构；Cherny 的帖文和 8 月的问答都是 10 个。两种说法都指向同一个试点，差异原因未见说明。
所有成效数字都来自参与者自报
这些百分比全部出自问卷，是参与者自己估计的数字。 2 月 26 日报道，试点开始约一周时，州政府做过一次调查，请参与者估计使用工具后效率或任务完成速度的变化幅度，55% 的人自报效率至少提升了 20%。
10 月 28 日帖文的回复区里，这种自报口径成了反复出现的质疑。回复者 写道：「犹他州的 71% 是自报省时。在把这次四周试点称作生产力胜利之前，我会先把交付出来的工作量摆在它旁边。」回复者 则引用了 ：16 名经验丰富的开源开发者完成 246 个任务，允许使用 AI 的任务原本预计省时 24%，参与者事后估计省了 20%，实测反而多花了 19% 的时间——那项研究里开发者主要用 Cursor Pro 和 Claude 3.5/3.7 Sonnet，他自己也说明，工具和人群不同，结果不能直接套用，但他想知道犹他州「到底追踪了什么」。
也有人替这个数字辩护。回复者 算了一笔账：四周省 20 小时，约等于每个开发者每周 5 小时，「这是预算办公室真的会信的那种数字」。不少回复者调侃的是没跑起来的那 20%：回复者 说，他们「还在等防火墙例外」。也有正面反应，一位家乡在犹他州的回复者 希望试点能成为其他州的样板。
官员自己的告诫：先立标准，再谈速度
速度数字之外，试点组织者自己提了另一面。在 4 月刊出的发言转录中，Napier 说：「不负责任地使用这些技术、做出满是 bug、满足不了客户需求的方案，同样很容易。」按他的说法，当务之急是把标准化的技能、政策与流程组合起来，帮助开发者用好工具，同时给各机构交付高质量成果。
Fuller 在 8 月的问答里列出了风险控制的清单：用 AI 政策和 AI 认知培训管理风险，与数据隐私、数据安全办公室密切合作，对项目做风险评估；他提到团队建了一个「AI 工厂」（AI factory），各机构的项目按一套固定流程推向生产。
「省时」是全州的通用指标，下一步指向推广
这次试点是犹他州州级 AI 计划的一部分。据 报道，该州 2025 年 2 月为州雇员部署了 Google Gemini for Workspace，约 22,000 名雇员中 5,500 人每周使用；Napier 援引调查称，雇员每月合计节省约 60,000 小时工作时间，州里定下的目标是年底前雇员自报每年节省至少 100 万小时。州长 Spencer Cox 在 2025 年 12 月宣布「亲人类」（pro-human）AI 计划，投入 1,000 万美元让州劳动力「为 AI 做好准备」。Napier 也提醒过这个指标的陷阱：省时数据可能被州议会误读成裁减人手的依据，他的办公室「非常、非常小心」地不把两者挂钩。
试点的直接后果写在 8 月的问答里：犹他州技术领导人正建议在全州的政府软件开发者中推广 Claude Code，并扩大与 Anthropic 的合作。不过，帖文和问答都没有披露这次试点的费用与合同安排，本次核查的公开材料中，也还没有用代码合并量这类客观产出指标复核过的数字——71% 的省时是问卷答案，不是账面记录。