Anthropic雇用レポート2026：ジュニア技術職の採用シェアが9%に低下、エージェント時間は6対1に到達

Anthropicの社内雇用データによると、同社はジュニア技術職の採用シェアを大幅に縮小する一方、AIエージェントは従業員1時間の労働に対して6時間の作業を記録しています。「Anthropicにおける雇用の変化」と題されたこのレポートは、2026年10月にAnthropic Instituteが発表したもので、社内の雇用記録、AIエージェントのテレメトリ、成果指標、従業員調査、カレンダーデータ、採用決定記録、17件の従業員インタビューに基づいています。著者は、Nathan Wilmers、Regina Catipon、Maxim Massenkoff、Peter McCroryです。

このレポートの中心的な主張は、自社のワークフローをAIエージェント中心に再構築したフロンティアAI企業であるAnthropicが、AIが雇用、仕事の編成、労働需要を広く再形成する可能性を示す先行指標であるというものです。また、同社自身の対応（AIによる混乱のリスクがある仕事への早期警告システム、社内再配置の優先、自動化される仕事に対する雇用主の責任に関する未解決の問い）も記録しています。

主要な数字

指標	報告された変化
技術部門におけるジュニアレベルの従業員シェア	2025年初頭以降、21%から14%に
ジュニア技術職の採用シェア	27%から9%に
全雇用に占める技術部門の割合	過去1年間で61%から56%に
エージェント時間と人間の時間の比率	2026年8月までに6対1
エンジニア1人あたりのコードコミット数	6ヶ月前の約5倍の速度
非技術系従業員1人あたりのコーディングエージェントセッション数	2025年8月の月2回から2026年5月には90回に
エージェント向けの書面による常時指示	2025年7月の数百件から1年後には8,500件に
インタラクティブClaudeセッションに占めるメタワークの割合	2025年秋の10%から2026年春には22%に
従業員の会議時間の中央値	前年比20%増

Hacker Newsのコメンテーターdjoldman氏は、このレポートの生産性倍率を、エンジニア1人あたりのコミット数5.1倍、データサイエンティスト1人あたりのクエリ数3.1倍、法務従業員1人あたりの契約数3.1倍、営業担当者1人あたりの商談数1.7倍、リクルーター1人あたりの採用数1.4倍、APプロセッサー1人あたりの請求書処理数1.4倍としてまとめています。

ジュニア技術職の採用が最も急速に減少

Anthropicのジュニア技術職の採用減少は、このレポートの最も具体的な雇用に関する調査結果です。技術部門におけるジュニアレベルの従業員のシェアは、2025年初頭以来21%から14%に低下し、ジュニア技術職の採用割合は27%から9%に減少しました。ジュニア向けの求人は、2025年12月以降、特に急激に減少しました。

ジュニア技術職への需要低下に関する社内議論は、2026年1月に中核的な技術部門で浮上しました。自身の仕事で最もClaudeに依存していたチームは、コード作成やバグ発見がますますモデルに委ねられるようになっていることに気づきました。レポートで引用されたある従業員は次のように述べています。「特にパフォーマンスエンジニアの向上が目を引きました。そして、それは一晩で私たちが求める人材を根本的に変えてしまいました。」

2026年4月までに、エンジニアリングチームとリサーチチームは、低い技術レベルのポジションの採用を軽視するようになりました。同じ月に、調査対象となったマネージャーの過半数が、AIのせいで異なるスキルセットを求めて採用していると回答しました。機械学習マネージャーの約3分の1、ソフトウェアエンジニアリングマネージャーの約5分の1が、AIの影響で採用を減らしていると報告しています。

また、このレポートは、ジュニア雇用の伸びと、仕事におけるAI作業の複雑さとの関連性も指摘しています。記述的には、ジュニア雇用は、Claudeが最も複雑なタスクに使用されている仕事で最も鈍化しました。

エージェント時間は2026年3月に人間の時間を超過

Anthropicの人間の従業員は現在、はるかに大規模なAIエージェント群の上に重なる薄い層となっています。エージェントセッションのテレメトリによると、自律的およびインタラクティブなエージェントの作業時間は、2026年3月に初めて人間の作業時間を上回りました。2026年8月までに、個々の従業員が指示するエージェントは、人間のオペレーターの6倍の時間働いていました。

このレポートにおけるエージェントの労働時間の定義は、推論やアクティブなツール使用を含むエージェントの実行時間であり、30分を超える待機時間は除外されます。人間の労働時間は、従業員数に想定される週40時間労働を掛けて計算されます。

そのようなエージェント活動の多くは、産業規模のソフトウェアエンジニアリングです。日常的なテストやチェックへの記入、増え続けるインフラストラクチャコードのメンテナンス、大規模なコードベースを翻訳するキャンペーンの実行などです。しかし、パーソナルアシスタントエージェントも、カレンダーやメッセージの監視、会議のスケジュール調整、受信メッセージからのToDoリストの作成、今後の会議の人物と目的についての従業員へのブリーフィングを行っています。

技術系・非技術系の両方で成果が向上

このレポートは、複数の機能にわたって従業員1人あたりの成果を測定し、測定可能なあらゆる場所で増加を確認しています。エンジニア1人あたりのコードコミット数は最も急速に増加し、6ヶ月前の約5倍の速度に達しました。データサイエンティストは、Anthropicの内部データへのクエリを増やしました。法務はより多くの契約を処理し、買掛金部門はより多くの請求書を処理し、営業担当者はより多くの商談を成立させました。

同社はまた、収益1ドルあたりの採用数が、以前の大手テクノロジー企業よりも少ないと報告しています。設立から5年のAnthropicは、従業員1人あたりの収益が、MetaやGoogleが急速な成長期にピークを迎えたときの2〜4倍です。

非技術系の従業員も、ますます自分でソフトウェアを作成するようになっています。非技術系従業員（ベースラインでコードコミットがなく、新規採用を除く）のコーディング中心のAIエージェントセッションは、2025年8月の月2回から2026年5月には90回に急増しました。ある営業担当者は、カスタムダッシュボードとパイプラインを構築したことを次のように説明しています。「このような構築は、特にUIや、すべてのツール、MCPを接続することは、私の能力の範囲外でした。しかし、これを約3〜4時間で、ただ繰り返し改良しながら構築しました。」

AIと生産性に関する個人内の証拠

AIの効果を一般的なビジネスの成長から切り離すために、レポートは、エージェント型コーディングツールを導入した従業員と、同じ月にまだ導入していない従業員を比較しています。著者らは明らかな限界を指摘しています。ツールの導入はランダムではなく、大きな新しいプロジェクトを始めようとしている従業員は、そのためにツールを準備する可能性があり、推定値に偏りが生じる可能性があります。

この研究は、コーディングエージェントを導入する192人のエンジニアを、調査期間中にエージェントを導入しない74人のエンジニアと比較して、時間を追って追跡しています。導入後の数ヶ月間、エンジニアが追加するコード量は急増します。

また、レポートは、AIコードの「スロップ」（品質の低いコード）をテストするために、同じ従業員が同じ月に同じコーディングディレクトリにコミットしたコードを、人間が直接書いたものとコードエージェントが書いたものとを比較しています。その結果、その後削除またはリバートされたコード行の割合に差は見られませんでした。調査された品質の代理指標には、90日以内に削除された行の割合、バグ修正によって特に削除された割合、コミット全体が明示的にリバートされたかどうか、lint抑制コメントの追加、「修正が必要」というメモの追加、テストをスキップ、再試行、または失敗を許可するようにマークすることなどが含まれます。著者らは、より多くのコードが必ずしもより良いコードやビジネスへの影響を意味するわけではないと指摘しています。

2025年9月からAIエージェントを導入した営業担当者は、その後、より多くのクライアントと商談を成立させました。あるアカウントエグゼクティブは、Claudeの自動化がメールの下書き作成と顧客管理ソフトウェアの統合を処理し、以前の作業タスクの約20%を置き換えたと述べました。別の担当者は、自動化により対面での接触の時間が確保でき、30%多くの顧客と話すことができたと述べています。

人間の注意力がボトルネックであり、「メタワーク」がその対応策

エージェントの成果が増えても、人間の注意力がそれを制約します。インタラクティブなマルチターンセッションでは、Claudeセッションは時間の約80%を人間の入力を待つために費やしています。あるエンジニアは、人間が「エージェントのボトルネックになっている」と説明しました。

テキストの量はより深刻な問題です。エージェントの出力トークンを1トークンあたり0.75語、1分間に250語の読書速度で換算すると、レポートは、非技術系グループでさえ、インタラクティブなClaudeセッションのすべての出力を読むのに、週の労働時間の半分以上かかると推定しています。技術系の機能は、さらに大きな情報量に直面しています。

従業員は、ツールを管理するためのツールを構築することで対応しています。エージェント向けの書面による常時指示は、2025年7月の数百件から1年後には8,500件に増加しました。メタワーク（マルチエージェント実行の仕様作成、エージェントの出力を別のエージェントにレビューさせるループ、エージェントパイプライン用のダッシュボードとモニターの構築、作業の進め方の文書化）は、平均的な従業員のインタラクティブなClaudeセッションの2025年秋の10%から2026年春には22%に増加しました。

あるエンジニアは、エージェントの監督をベビーシッターに例えました。

彼らは、まるで「ジュースボックスを開けてくれ、それが緊急事態だ」と言っているようなものです。そして、それは指を切って血を流している人と同じレベルの懸念で発言されます。[...] ベビーシッターをしているとき、すべての子供が同じように注意を要求して懸念を持ち込んできます。そして、さまざまな[Claude]も同じことをします。

別の従業員は、仕事は「私の注意を求めてくるClaudeの軍隊」に直面しているようだと述べました。

業務プロセス、会議、オープンな環境での作業へのプレッシャー

Anthropicの従業員は、生産性への期待が高まっていると報告しています。ある従業員は「Anthropicには、可能な限り速く動き、すべてにClaudeを使うという永遠のプレッシャーがある」と述べ、別の従業員は「私たちが1週間で期待することは、他の場所では3ヶ月かかることだ」と述べました。

社内調査では、業務プロセスが自分を可能な限り生産的にしているかどうかを尋ねました。2024年後半には44%が同意し、2025年11月までに58%になりました。2026年4月には75%が「はい」と答えましたが、レポートは、「可能な限り」という表現が削除されたことで質問が弱められたと指摘しています。2026年8月の時点で、Anthropicの従業員は、2030年までにAIが自分の仕事の75%を実行できるようになると予想しており、他のアメリカ人の28%と比較しています。

モデルのリリース自体が、仕事の難易度をリセットします。新しいモデルが利用可能になると、旧モデルにとって難易度が90パーセンタイルを超えるタスクの割合が約30%増加し、全タスクの10%から13%になり、その後数週間は高い水準を維持します。エージェントに与えられる簡単なタスクの領域はほとんど変わりません。

人間の調整は消えていません。従業員の中央値は、1年前よりも20%多く会議に時間を費やしており、技術系の個人貢献者の会議時間は16%増加しています。ある従業員は、バグを追跡すると「ある程度の人間の集まり、意思決定、ガバナンスを必要とする組織的、システム的、または技術的負債の問題が明らかになる」と述べました。

エージェントは社内コミュニケーションにも浸透しました。エージェントは、アクティブな公開Slackチャンネルのほぼ半数に登場しました。ある大規模部門のコミュニケーションネットワークでは、エージェントは既存の人間のスレッドに取って代わるのではなく、その上に応答を追加しました。人間のスレッドは同じ数の人間の応答を維持し、その上にエージェントの応答が重ねられました。エージェントは、既存の人間のチャンネルで多くメッセージを送るのではなく、専用のClaudeと人間のチャンネルに集中していました。

レポートは、AIに依存した仕事は、人間の意思決定を可視化され記録されたチャンネルに押し出すと主張しています。記録されない会議やダイレクトメッセージで意思決定が行われると、エージェントは目標を更新するためのコンテキストを欠くことになります。ある研究者は、オープンさへのデフォルトがAnthropicのAI統合にとって重要であると説明しました。「ほとんどの組織はそのようには運営されていません。それは大きな変化だと思います。なぜなら、リーダーはオープンな場でフィードバックを守らなければならないからです。」

採用基準は自律性と判断力へシフト

レポートは、2024年以降に採用された数千人の従業員について、自動化されたコーダーを使用して採用マネージャーの面接スコアカードを分析しました。最も明確な変化は、AIツールの創造的な使用の実証への重点が高まったことです。2024年には、採用マネージャーは技術職の評価の約5%、非技術職の評価の約7%で、候補者のAIツールに関する実績に言及していました。2026年までに、これらの割合は技術職で3倍、非技術職で4倍になりました。

技術系の候補者の中で、最も大きな増加は、応募者の自律性と判断力に関するコメントであり、専門知識に関する議論は評価全体に占める割合が縮小しました。あるマネージャーは次のように説明しました。「モデルは引き続き不均一であると予想されるので、私のチームには、ドメインを問わず柔軟に対応できる人材が欲しい。」非技術系の候補者では、顧客志向とミッション志向が高まり、実行スキルに関する議論は減少しました。

レポートが雇用主にできることとして示すこと

レポートは、同社の枠を超えて関連性があると主張するAnthropicのアプローチの3つの特徴を提案しています。第一に、広範な株式所有により、従業員はAI導入の成功に金銭的な利害関係を持ちます。著者らはこれを、第二次世界大戦後の労使協定と比較しています。そこでは、組合は生産性向上に連動した賃金と引き換えに、仕事の再編成に対する経営側の権限を受け入れました。第二に、Anthropicは、AIの能力と使用状況に対する役割レベルの需要と生産性指標を追跡し、仕事がどこで変化しているかを示す、継続的な早期警告システムを立ち上げています。第三に、同社は、すべての新しいタスクに対して外部から採用するのではなく、影響を受ける従業員の社内再配置を優先しています。

著者らはトレードオフを認めています。既存従業員の再配置へのコミットメントは、雇用主が新しい人材の採用にリスクを取るのをためらわせる可能性があり、よく機能する労働市場は、現在の雇用主であるかどうかに関係なく、労働者を最も生産的なポジションに移動させるべきです。また、再配置を優先することは、AIを採用する企業が、「まあまあ」または非効率な自動化（人間の労働者にほとんど勝てない）を追求するのではなく、新しいタスクと新しい市場を探すことを促すと主張しています。

レポートは、これらのどれもAIが仕事を混乱させるのを防ぐものではなく、また、文書化されたジュニア採用の減少に直接対処するものでもないことを明確にしています。あるAnthropicの幹部が述べたように、「不安に怯える労働力は、最高の仕事をしている労働力ではありません。」

Hacker Newsのコメンテーターが反論した点

議論は、レポートの枠組みと利益相反に対して非常に懐疑的でした。何人かのコメンテーターは、Anthropicがこのレポートが測定する生産性効果を持つツールを販売していると指摘しました。

私もこのレポートをかなり割り引いて読んでいます。彼らは、自分たちのツールを使うことが企業や個人にとって経済的優位性であるという概念にほぼ完全に依存しています。だから...もちろん、エンジニアあたりのコミット数は5倍になり、営業職は1.7倍の増加を見ています！私たちのエージェントは、人間の従業員の6倍の時間働いています！ — HNコメンテーター NichoPaolucci

この種のレポートの問題は、結局「彼らはそう言うだろうな」と思ってしまうことです。何が報告で、何が広告なのかを区別する方法は単にありません。 — HNコメンテーター pyrale

アンソロピックが何を見つけようと、それは無限の資金と誇大広告の蛇口を持つ企業による発見であることを心に留めておくべきです。ですから、いくつかのことは一般的なこととして移転するかもしれませんが、多くはおそらく移転しないでしょう。 — HNコメンテーター hypfer

2つ目の批判は、説明されている雇用パターンは目新しいものではないというものでした。あるコメンテーターは、すべての研究開発企業は同じサイクルを経ると書いています。開発者と研究者を雇い、プロダクトマーケットフィットを構築し、その後、販売と運用を拡大しながら削減するというものです。そして、このレポートには、非AI系の研究企業の採用サイクルとの比較が欠けていると述べました。別の人は、従業員1人あたりの収益の比較に疑問を呈し、Instagramは10億ドルの買収評価額で約13人の従業員だったこと、従業員1人あたりの収益は業界によって大きく異なることを指摘しました。

3つ目の批判は、生産性指標そのものを標的にしました。コメンテーターのvoidhorse氏は、コード行で成果を測定することはカテゴリーミスであると主張しました。

ソフトウェア業界に長くいる人なら誰でも、これを読んで警鐘を鳴らすはずです。すべてのコード行は、トロフィーではなく、負債です。[...] あと1〜2年もすれば、Anthropicは、LOCを減らし、エージェントが新しいコードを生成することにもっと慎重になり、生成される新しい行ごとに「検証ゲート」を導入した方法について書いているでしょう。

コメンテーターのdjoldman氏は、成果指標が経済にとって実際に何を意味するのかという関連する懸念を提起しました。コミット、クエリ、契約は二次的またはメタな統計であり、Anthropicのビジネスにほとんど影響を与えずに大幅に増加する可能性がありますが、商談、採用、請求書は実際の経済活動に近いものです。AIは、針を動かさない忙しい作業を生み出しやすくする可能性があり、二次的な効果として、組織がそのような忙しい作業をより早く認識して中止することになるとの議論です。

数人のコメンテーターが、ジュニアのパイプラインに焦点を当てました。「もちろん、新しいジュニアがいなければ、新しいシニアもいない。」とOuterVale氏は書きました。別のJackobrien氏は、「ジュニア」という区別は間違っていると主張し、エージェントをうまく使いこなせないシニアエンジニアと、自分の成果を何倍にも増やす新卒者とを経験したことがあり、求めるべきスキルは、深い好奇心、エージェントを調整する能力、明確なコミュニケーションであると述べました。

コメンテーターのpjmlp氏は、このレポートがその方向性について異常なほど率直であると読みました。「少なくとも、ロボットが工場を乗っ取ったときと同じように、これがどこに向かっているのかについて正直です。当然、誰もが自分はロボットを監視しながら残る幸運な人間だと思っています。」

他の人々は、Anthropic自身にとっての戦略的論理に疑問を呈しました。SilverSlash氏は、ソフトウェアエンジニアが時代遅れになるという恐怖をあおることが商業的に正しい動きかどうか尋ねました。企業が100人中90人の開発者を解雇し、残りの10人にClaudeサブスクリプションを購入できるなら、100人全員を維持して全員にサブスクリプションを購入してもらう方がAnthropicにとっては良いでしょう。コメンテーターのkirykl氏も、レポート自身の単独創業者スタートアップやAI主導企業のシナリオについて同様の指摘をしました。

コメンテーターの9dev氏は、レポートが描写する労働条件を、エージェントを使う絶え間ないプレッシャー、特注のオーケストレーションツール、オーケストレーターをオーケストレートするメタオーケストレーターの「AI地獄」と表現し、これが同社が警告する再帰的な自己改善とどう違うのかと問いかけました。コメンテーターのgb2d_hn氏は、重要なシステムに関する集合的な人間の理解について長期的な懸念を提起し、テッド・チャンの2002年の物語「ソフトウェア・ライフ・サイクル」を引用しました。そこでは、人間は機械知能が知っていることの低忠実度の報告しか受け取ることができません。

あるコメンテーター、subfocal氏は、Anthropicの採用慣行について詳細な疑惑を投稿し、主観的で検証されていない候補者評価基準、埋まることのない常設求人、日常業務のAIエージェントへの構造的依存を主張しました。これらは匿名のコメンテーターによる未検証の主張であり、このレポートの調査結果ではありません。

小さなスレッドでは、著者の経歴に疑問が呈され、コメンテーターのandsoitis氏は、リストされた4人の著者の誰もソフトウェアエンジニアとして特定されておらず、AnthropicのCEOもソフトウェアエンジニアではないと指摘しました。コメンテーターのsjfr氏は、Anthropicのソフトウェアエンジニアは約1,500人と推定し、5.1倍のコミット数を持つ7,500人のエンジニアに相当する人々が実際に何をしているのかを尋ね、これが誇張された生産性革命を表しているかどうか疑問を呈しました。コメンテーターのbjornsing氏は、労働者にとっての重要な未解決の問いを提示しました。AnthropicはAIの生産性向上のために採用を縮小したのか、それとも単に同じ費用でより多くのエンジニアリングを行っているだけなのか。

未解決のまま残ること

レポート自体は、いくつかの疑問を未解決のままにしています。AIがジュニア採用の減少を引き起こしたのか、それとも会社の成長や通常のビジネス機能の拡大とともに寄与しただけなのかは立証していません。個人内の生産性推定は、ランダムではないツール導入に依存しています。品質チェックは、コードの削除とリバート率をカバーしていますが、ビジネスへの影響はカバーしていません。そして、提案された是正措置（株式所有、早期警告システム、社内再配置）は、そもそも雇用されない労働者には対処しておらず、著者らは、既存従業員の雇用保護は、そもそも雇用されなかった人々には利益をもたらさないと認めています。

レポート自身の結論は、民間の雇用主の行動は、AIがもたらす職場変革の規模を明確に把握した上で、再訓練と所得支援に関する政府の政策と並行して行われなければならないというものです。