Anthropic 就业报告：代理工时以 6 比 1 超过员工工时，初级技术岗位招聘下降
Anthropic 发布了一项关于 AI 如何重构其公司内部工作的研究，发现到 2026 年 8 月，交互式 AI 代理工时以 6 比 1 超过员工工时，初级技术岗位招聘占比从 27% 降至 9%，并且招聘经理越来越注重自主性和判断力，而非技术领域专长。这份名为“Anthropic 的就业如何变化”的报告由 Nathan Wilmers、Regina Catipon、Maxim Massenkoff 和 Peter McCrory 撰写，并于 2026 年 10 月 16 日由 Anthropic 研究所发布。其重要性在于，Anthropic 是一家前沿 AI 开发商，已经围绕 AI 代理重建了自身工作流程，因此它可能成为 AI 应用如何重塑其他领域招聘、生产力和工作组织的领先指标。
报告所依据的数据
该研究基于 Anthropic 全面的内部数据，涵盖就业、AI 使用、产出指标、员工调查、内部沟通模式、员工日历数据和招聘决策记录。作者通过 17 次员工访谈对这些定量来源进行了补充说明。
报告的既定前提是，Anthropic 值得研究，因为它已彻底将工作流程围绕 AI 进行塑造：代理参与 Slack 聊天、安排会议、自主修复错误，并共同处理大型工程项目。
主要发现概览
- Anthropic 一直在减少初级技术职位的招聘比例，这一转变恰逢 AI 代理相对于员工的工作时长快速增长。
- 到 2026 年 8 月，交互式 AI 代理工时以 6 比 1 超过员工工时。
- 随着 AI 代理在公司内部普及，Anthropic 人均产出更多代码，每位销售代表完成更多销售，处理更多合同。跟踪同一员工随时间的变化，随着他们采用新的 AI 工具，产出有所增加。
- 人类注意力成为代理产出的瓶颈。即使是非技术员工，阅读其所有 Claude 代理的输出也将占用他们半个工作周。
- 员工的应对方式是从事“元工作”：构建可见性工具并监控代理流水线。
- 招聘经理越来越强调自主性和判断力，而非技术领域专长和实施能力。
人均收入远超早期科技巨头
Anthropic 扩张迅速，但每美元收入对应的招聘人数少于上一代大型科技公司。在成立五年时，Anthropic 的人均收入是 Meta 和 Google 在各自快速增长高峰期时的 2 到 4 倍。
初级技术岗位招聘大幅下降
2026 年 1 月，Anthropic 的核心技术职能中开始出现对初级技术员工需求下降的讨论。那些在工作中最依赖 Claude 的团队发现，编写代码和查找错误可以越来越多地外包给 Claude。报告引用了一位员工对此转变的看法：“引起关注的是对性能工程师的提升，这基本上在一夜之间改变了我们的招聘要求。”
到 2026 年 4 月，工程和研究团队已不再强调招聘较低级别的技术职位。在当月的调查中，大多数经理表示由于 AI 而招聘不同类型的技能，约三分之一的机器学习经理和五分之一的软件工程经理报告因 AI 而减少了招聘。
就业份额的变化很大。自 2025 年初以来，Anthropic 技术部门的初级员工占比从 21% 降至 14%。初级技术岗位招聘比例下降更快，从 27% 降至 9%。自 2025 年 12 月以来，初级岗位的发布数量下降尤为明显。
技术部门在公司中的占比正在缩小
在报告撰写前的一年内，Anthropic 技术部门的总就业占比从 61% 降至 56%。技术招聘的绝对数量仍在增长，但销售、财务和招聘领域的密集招聘超过了它。
这种转变部分源于公司规模扩大时业务职能的自然扩展。部分可能反映了编码工具让非技术员工能够自行构建软件。一位销售代表描述了构建自定义仪表板和流水线的过程：“这样的构建超出了我的能力范围，尤其是用户界面、连接所有工具和 MCP。但我大概在三到四个小时内就构建完成了，只是不断迭代。”非技术员工（定义为基线时无代码提交，不包括新员工）的编码类 AI 代理会话从 2025 年 8 月的每月 2 次上升到 2026 年 5 月的 90 次。
在技术部门内部，未积极编码（定义为过去 30 天内无代码提交）的员工比例在截至 2026 年 4 月的一年内下降了近一半。部分原因是非工程师比例减少：工程师与产品经理的比例约为 17 比 1，且自 2025 年以来有所增加。经理的提交次数翻了一番。技术团队中的监督和协调角色越来越多地涉及构建和交付代码。
行政职能并未随员工人数增长。代理助手、自动化审查和工单服务外包的组合使 Anthropic 在快速扩张的同时保持了“轻行政”。一位财务经理构建了一个采购请求审查代理，解释说“这只是为了找出那些耗费大量时间的事情，以便他们专注于其他事情”。一位构建了用于日程安排和邮件分类的个人助理代理的行政助理表示：“我认为我们已经超越了 Claude 增强那些真正入门级行政角色的阶段”，而是专注于更高层次的“幕僚长”任务。
公司内部已在重新分配
在 Anthropic 工作至少一年的员工在 2026 年每月跨部门流动的可能性比 2025 年高出 50%。整个团队在将工作交给代理后也被重新分配。一个产品设计团队曾撰写诸如 Claude.ai 上的问候语（“你好，夜猫子”；“咖啡和 Claude 时间？”）等内容，在 2026 年春季开发了一个上下文图，有效引导代理撰写引人入胜的产品内容。其经理表示，这“扩展了团队”，但也提出了一个问题：人类写作者还剩下什么。该团队随后转向代理提示工程，并开始为 Claude 编写模型评估和提示。正如报告所述：“曾经用语言驱动人类行为的写作者，现在用语言驱动 Claude 的行为。”
代理工时已超过人类工时
根据代理会话遥测数据，2026 年 3 月，自主和交互式代理工作小时数之和首次超过人类工作小时数。部分原因是代理集群进行工业规模的软件工程——填补常规测试和检查，维护不断增长的基础设施代码，并开展协调一致的活动来迁移大型代码库。缩小到由单个员工部署的代理，到 2026 年 8 月，代理的工作小时数是其人类操作者的 6 倍。
报告对代理工作时间的定义是代理运行时间，包括推理和主动工具使用，但不包括任何超过 30 分钟的等待。人类工作小时数按员工人数乘以每周 40 小时计算。
Anthropic 是一家软件生产商，通过这些代理流动的绝大多数令牌都用于生产软件代码。个人助理代理还监控员工日历和消息，安排会议，发送从收到的消息中累积的待办事项列表，并自动向员工简报即将召开的会议的人员和目的。
各职能的衡量产出均有所上升
每位工程师的代码提交量增长最快，达到六个月前速度的 5 倍。数据科学家更多地查询不断增长的 Anthropic 数据，要求 Claude 代理向仪表板和决策者提供实时指标。随着编码代理的普及，非技术员工的产出也有所上升：律师处理更多合同，应付账款处理更多发票，销售人员完成更多交易。
由于公司在同一时期也经历了爆炸性的业务增长，作者试图通过比较同月采用代理编码工具的员工与尚未采用这些工具的员工来隔离 AI 的影响。他们指出一个注意事项：工具采用并非随机——如果处于大型新项目边缘的员工决定为此配备工具，估计可能会有偏差。
该研究跟踪了 192 名工程师在采用编码代理过程中的情况，并与研究期间未采用代理的 74 名工程师进行比较。在采用后的几个月内，工程师添加的代码量急剧上升。为了测试 AI 代码质量是否低劣，作者比较了同一员工在同一月份、同一编码目录中提交的代码，但这些代码是由编码代理而非人类直接编写的。他们报告称，在随后删除或还原的代码行数比率上没有发现差异，同时提醒说，更多代码不一定意味着更好的代码或业务影响，而且 AI 错误可能比人类错误更难识别。
采用第一个完全自主代理的工程师，其产出轨迹已经比未采用者陡峭上升，这表明他们在采用之前就已经在加速。
销售代表从 2025 年 9 月开始稳步采用 AI 代理，采用后与更多客户完成了交易。一位客户经理表示，Claude 自动化处理了邮件起草和客户管理软件集成，取代了他们之前约 20% 的工作任务。另一位表示，类似的自动化使他们能够专注于面对面时间，让他们能接触到比以前多 30% 的客户：“任何时候你做某件事第二次，你都会想，好吧，我怎样才能用 Claude 让我不必做第三次？”
在销售之外，一位 Anthropic 律师构建了 Claude 自动化来扫描风险和机会，对法律问题进行分类，并对公开内容进行初步法律审查。一位招聘人员使用 Claude 进行候选人搜寻、申请跟踪，以及一项原本需要“大概几周”的分析，这使他得以重新设计过时的面试问题并会见更多申请人。
从描述上看，初级员工就业在那些使用 Claude 处理最复杂任务的工作中放缓最为明显。该发现比较了 2026 年 1 月与 2026 年 7 月的岗位级员工人数，AI 复杂性基于 2025 年 10 月至 12 月代理日志的自动编码器。
人类注意力是瓶颈
大量采用 AI 导致工作流程不断变化。一位员工描述了“Anthropic 内部永远存在的压力，要尽可能快地前进，并利用 Claude 处理一切”；另一位表示“我们期望一周内完成的事情，在其他地方可能需要三个月。”
一项内部调查询问工作流程是否使受访者尽可能高效：2024 年底 44% 的员工同意，到 2025 年 11 月升至 58%。2026 年 4 月，75% 回答是，但报告指出该问题因去掉“尽可能”而减弱。截至 2026 年 8 月，Anthropic 员工预计到 2030 年 AI 能够完成他们 75% 的工作，而其他美国人预计为 28%。
内部模型发布凸显了不断升级的期望。一旦新模型可用，员工就会开始在交互式编码代理会话中处理更难的问题。使用自动化的 Claude 评分器根据深度、范围和涉及的系统数量对去标识化会话的任务需求进行评级，难度高于旧模型第 90 百分位的任务比例急剧上升约 30%——从所有任务的 10% 升至 13%——并在模型发布后的几周内保持高位。交给代理的简单任务端变化不大。
一位工程师将由此产生的注意力需求比作照看孩子：
他们就像，我需要打开我的果汁盒，而且打开我的果汁盒是紧急情况。而且这种表达方式与手指被割伤流血的人所表达的担忧程度相同。[...] 当你在照看孩子时，每个孩子都会带着他们的担忧来找你，并且对你的注意力有同等的要求，各种 [Claude] 也会这样做。
在 2026 年 4 月的一项调查中，一个关于 AI 如何影响日常工作的开放式问题，27% 的回复描述了 Claude 工具带来的生产力提升，20% 描述了他们的角色从执行工作转变为管理 Claude。
在交互式多轮会话中，绝大多数代理会话时间并非用于工作，而是等待。Claude 会话大约 80% 的时间在空闲等待人类输入。正如一位工程师所说，人们正在“给代理制造瓶颈”。
将每个交互式会话的代理输出令牌按平均人类阅读速度转换为字数，技术职能的编码代理输出量在六个月内大幅跃升。即使对于非技术群体，交互式 Claude 会话输出的内容也足以占用半个工作周以上。
元工作是应对输出洪流的方法
应对洪流的一个解决方案是提高自动化程度，这需要不同类型的工作。为代理编写的书面常设指令从 2025 年 7 月的几百条增加到一年后的 8500 条。一位工程师设置了一个代理幕僚长来对代理请求进行分类。另一位为他们的 Claude 团队写了一份绩效评估：“嘿，让我们谈谈我们的沟通方式哪些有效，哪些无效。”招聘人员构建了集成仪表板，代理可以发现问题并启动操作。一位律师将注意力从审查法律问题转向“法律建议的搜索引擎优化，你需要编写框架，让 [客户的] 代理能够发现。”
元工作在平均员工交互式 Claude 会话中的占比从 2025 年秋季的 10% 上升到 2026 年春季的 22%。增长的大部分具体是代理管理：为多代理运行编写规范，循环让一个代理审查另一个代理的输出，以及监控流水线。在各个职能中，人类参与越来越多地从特定的代码或写作抽象到使代理有效完成任务所需的工具。
会议和人际协调增加，而非减少
尽管代理可靠性提高且监督工具投资增加，人类的信任和问责仍然至关重要。一位员工表示，追查错误“会揭示出这些组织性、系统性或技术债务问题，这些问题实际上需要一定程度的人类召集、决策和治理才能解决。”在一次又一次的采访中，员工都将面对面协调描述为不可或缺。
根据日历数据，普通员工花在会议上的时间比一年前增加了 20%。部分原因在于公司增长以及向会议密集型非技术角色的转变，但即使在技术个人贡献者中，会议时间也比去年增加了 16%。
总的来说，工作的实施部分已被自动化——编写代码、识别错误、记录进度、起草电子邮件。工程师描述自己成为代理的领导者和经理；非技术员工描述自己承担更多工作中的战略部分：“那 20% 的战略性工作变成了 90% 的工作。”对于许多非技术角色，核心实施工作也是人际交往——销售电话、面试、复杂问题上的跨职能协调——所有这些仍然由人类完成。
代理加入沟通网络，但未取代人际互动
代理在 Slack 中扩散，最终出现在近一半活跃的公共频道中。在一个大型部门的沟通网络中，代理不成比例地出现在专门用于 Claude 与人类互动的频道中，而不是在现有的人类频道中大量发消息。人类沟通的底层结构和密度变化不大：该部门的人类线程保持了相同数量的人类回复，同时额外叠加了代理回复。代理成为单个员工的团队，而不是与许多员工同时高度连接的节点。
当人类在日益增多的代理群体中工作时，他们面临压力，需要将人类工作转移到代理可见的渠道。如果决策是在面对面会议中做出的，而没有笔记或报告出现，代理就会缺少更新其目标和假设的关键背景。一位员工描述，由于他们的名字出现在一份关于 Claude 周边的几个月前的文档上，代理在他们职责改变很久之后仍不断带来关于 T 恤和马克杯的请求。在未记录的会议和直接消息中的私人工作，在 AI 密集型工作场所中是看不见的、令人困惑且不受鼓励的。一位研究人员将这种默认开放的态度描述为 Anthropic 整合 AI 的关键：“大多数组织不会这样运作，我认为这是一个巨大的转变，因为领导者必须公开为反馈辩护。”
招聘标准已转向自主性和判断力
使用自动编码器处理自 2024 年以来在 Anthropic 招聘的数千名员工的招聘经理面试评分卡，报告发现最明显的变化是更加重视候选人是否展示了创造性地使用 AI 工具。2024 年，招聘经理在约 5% 的技术角色评估和 7% 的非技术角色评估中注意到候选人在 AI 工具方面的记录。到 2026 年，这些比率在技术角色中增加了两倍，在非技术角色中增加了三倍。
在技术候选人的面试中，增幅最大的是对候选人自主性和判断力的评论。领域专长的讨论在整体评估中的占比缩小了。一位经理解释说：“我预计模型会继续呈现不规则性，所以对于我的团队，我希望他们在各个领域都能灵活适应。”对于非技术候选人，客户和使命导向的讨论增加了，而执行技能的讨论则减少了。
Anthropic 对雇主可以采取的措施的建议
报告认为，Anthropic 既不像想象中 AI 密集型未来的任何一种极端——既不是单人创业公司指挥代理集群创造数十亿美元收入，也不是由 AI CEO 运营、只雇佣人类来使用移液管和在国会作证的公司。Anthropic 在过去一年规模扩大了两倍，书面的 Slack 辩论和面对面会议指导着从公司战略到团队决策的一切，而 AI 代理的投入很少。
作者指出了 Anthropic 就业实践中突出的三个特点，同时提醒说其中许多部分无法在整个经济体中复制。
首先，广泛的股票所有权使员工对公司的成功有强烈的利益关联。 报告承认，对于一家估值大幅增长的公司来说，这是一种容易采取的立场，而且对于许多公司来说，共享所有权可能不足或不受欢迎。报告认为，很难想象一种支持工人的 AI 应用版本，其中工人不持有成功推广的财务股份，这与二战后工会与管理层的和解相类似，当时劳工允许管理层在工作重组方面的特权，以换取与生产力挂钩的加薪和丰富的福利。
其次，Anthropic 正在建立一个持续的早期预警系统，以监控面临 AI 驱动转型的工作。 一系列岗位级的需求和生产力指标与 AI 能力和使用情况进行对照，有助于标记工作正在发生转变的地方，并允许公司开始将受影响的员工重新分配到技能匹配且可能风险较低的工作岗位。报告认为，转向外部劳动力市场来满足 AI 进步带来的每一项新任务，将随着 AI 进步速度的加快而成为更严重的瓶颈。
第三，优先考虑内部重新分配，迫使采用 AI 的公司考虑 AI 可以为新产品和新市场创造新任务的方式，而不是将 AI 应用引导到取代人类工人以节省劳动力成本。作者认为，这可以帮助雇主抵制“平庸”或“低效”的自动化，在这种自动化中，AI 或其他技术仅勉强胜过人类工人——取代工人并因收入损失而施加巨大的社会成本，同时带来微乎其微的生产力收益。他们还指出了权衡：对重新分配现有员工的承诺可能会使雇主在冒险招聘新员工时犹豫不决。
报告引用了一位 Anthropic 高管关于利害关系的言论：“一个焦虑不安的劳动力队伍，不是一个发挥最佳水平的劳动力队伍。”
报告自身声明的局限性
作者明确表示，这些行动都不会阻止强大的 AI 颠覆就业，也没有任何行动直接解决报告中记录的初级员工招聘放缓问题。正如他们所说，“对现有员工的就业保护不会惠及那些一开始就没有被雇用的人。”他们认为，雇主的私人行动必须与政府关于再培训和收入支持的政策相结合，并以对 AI 可能带来的工作场所转型规模的清晰认识为指导。
报告还指出了方法论上的注意事项：工具采用并非随机，更多代码不一定意味着更好的代码或业务影响，并且拥有更多机会的销售代表可能会选择自动化。
建议引用
报告提供了以下引用：
@techreport{wilmers2026employment,
author = {Nathan Wilmers and Regina Catipon and Maxim Massenkoff and Peter McCrory},
title = {How employment is changing at Anthropic},
institution = {The Anthropic Institute},
type = {Technical Report},
year = {2026},
month = oct,
url = {https://www.anthropic.com/research/employment-at-anthropic}
}
作者感谢 Anthropic 员工抽出时间接受关于他们工作如何变化的采访，并点名感谢 25 位同事的评论和帮助。