Anthropic 2026年就业报告：初级技术岗位招聘份额降至9%，AI智能体工时达到人类的6倍

Anthropic的内部就业数据显示，该公司招聘的初级技术人员比例大幅下降，而AI智能体的工作时长则是人类员工的6倍。这份名为《Anthropic的就业正在发生怎样的变化》的报告由Anthropic研究所于2026年10月发布，基于内部就业记录、AI智能体遥测数据、产出指标、员工调查、日历数据、招聘决策记录以及17次员工访谈。报告作者为Nathan Wilmers、Regina Catipon、Maxim Massenkoff和Peter McCrory。

报告的核心观点是，作为一家围绕AI智能体重建工作流程的前沿AI公司，Anthropic是AI如何更广泛地重塑招聘、工作组织和劳动力需求的一个领先指标。报告还记录了该公司自身的应对措施：针对AI驱动的颠覆风险建立早期预警系统、优先考虑内部转岗，以及提出了一系列关于雇主对被自动化取代的员工应承担何种责任的开放性问题。

核心数据

指标	报告的变化
技术部门初级员工占比	自2025年初以来从21%降至14%
初级技术岗位招聘份额	从27%降至9%
技术部门占Anthropic总就业人数比例	过去一年从61%降至56%
智能体工时与人类工时之比	截至2026年8月达到6:1
每位工程师的代码提交量	约为六个月前的5倍
非技术员工的编码智能体使用会话数	从2025年8月的每月2次增至2026年5月的90次
针对智能体的书面常设指令	从2025年7月的几百条增至一年后的8,500条
交互式Claude会话中的元工作占比	从2025年秋季的10%增至2026年春季的22%
员工会议时间中位数	同比增长20%

Hacker News评论员djoldman汇总了报告中的生产力倍数：每位工程师的代码提交量为5.1倍，每位数据科学家的查询量为3.1倍，每位法律员工处理的合同量为3.1倍，每位销售人员的成交量为1.7倍，每位招聘人员的招聘量为1.4倍，每位应付账款处理员的发票处理量为1.4倍。

初级技术岗位招聘下降最快

Anthropic初级技术招聘的减少是该报告最具体的就业发现。自2025年初以来，技术部门中初级员工的比例从21%下滑至14%，而初级技术岗位的招聘比例从27%降至9%。初级职位的招聘启事在2025年12月之后下降尤为明显。

2026年1月，核心技术职能部门内部出现了关于初级技术员工需求下降的讨论。那些在工作中高度依赖Claude的团队发现，编写代码和查找漏洞的工作越来越多地可以交给模型处理。报告中引用的一位员工表示：“真正让人惊讶的是性能工程师的效率提升，这基本上在一夜之间改变了我们的招聘需求。”

到2026年4月，工程和研究团队已经降低了对低级别技术职位的招聘优先级。同月，大多数受访经理表示，由于AI的影响，他们正在招聘具备不同技能组合的员工。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称，由于AI的原因，他们的招聘需求减少了。

报告还将初级员工的增长与工作中AI任务的复杂程度联系起来。从描述来看，在Claude用于处理最复杂任务的岗位中，初级员工的增长放缓最为明显。

智能体工时在2026年3月超过人类工时

Anthropic的人类员工现在只是庞大的AI智能体集群之上的一层薄薄的“外壳”。根据智能体任务遥测数据，自主和交互式智能体的工作总时长在2026年3月首次超过了人类工作时长。到2026年8月，由个人员工指挥的智能体工作时长是其人类操作员的6倍。

报告对智能体工作时间的定义是智能体运行时间，包括推理和主动工具使用，但不包括超过30分钟的等待时间。人类工作时间计算方式为员工人数乘以假设的每周40小时工作制。

大部分智能体活动属于工业级软件工程：填写常规测试和检查、维护日益庞大的基础设施代码，以及运行翻译大型代码库的任务。此外，个人助理智能体还会监控日历和消息、安排会议、从收到的消息中整理待办事项，并向员工简要介绍即将举行的会议的人员和目的。

技术和非技术职能部门的产出均有所上升

报告衡量了多个职能部门的每位员工产出，发现所有可衡量的领域均有所增长。每位工程师的代码提交量增长最快，达到了六个月前速度的约5倍。数据科学家增加了对Anthropic内部数据的查询量。律师处理了更多合同，应付账款部门处理了更多发票，销售人员达成了更多交易。

该公司还报告称，其每美元收入的招聘成本低于早期的大型科技公司。在成立五年时，Anthropic的每位员工收入是Meta和Google在各自快速增长期顶峰时的2到4倍。

非技术员工越来越多地亲自编写软件。对于非技术员工（定义为基准期内没有代码提交且不包括新员工），以编码为重点的AI智能体使用会话数从2025年8月的每月2次激增至2026年5月的90次。一位销售代表描述了构建自定义仪表板和管道的过程：“这样的构建超出了我的能力范围，尤其是UI和连接所有工具及MCP的部分。但我大概只用了三到四个小时就完成了，只是通过不断迭代。”

关于AI与生产力的个体内部证据

为了将AI的影响与业务的整体增长区分开来，报告比较了在同一个月内采用智能体编码工具的员工与尚未采用这些工具的员工。作者指出了一个明显的局限性：工具的采用并非随机，即将负责大型新项目的员工可能会为了项目而配置工具，这会使估计产生偏差。

该研究跟踪了192名工程师在采用编码智能体前后的表现，并与同期未采用智能体的74名工程师进行了对比。在采用后的几个月里，工程师添加的代码量急剧上升。

报告还通过比较同一名员工在同一个月、同一个代码目录中，由编码智能体编写的代码与由人类直接编写的代码，来测试AI代码是否存在“垃圾代码”。结果发现，随后被删除或撤销的代码行比例没有差异。所检查的质量指标包括90天内删除的代码行比例、专门因修复漏洞而删除的比例、整个提交被明确撤销的情况、添加lint抑制注释、添加“需要修复”的备注，以及将测试标记为跳过、重试或允许失败。作者指出，更多的代码并不一定意味着更好的代码或更大的业务影响。

从2025年9月开始采用AI智能体的销售代表在之后与更多客户达成了交易。一位客户经理表示，Claude自动化处理了电子邮件起草和客户管理软件集成，取代了约20%的先前工作任务。另一位表示，自动化节省了时间用于面对面接触，使他们能够与多出30%的客户进行交流。

人类注意力是瓶颈，“元工作”是应对之道

尽管智能体的产出在增长，但人类的注意力却限制了它。在交互式多轮会话中，Claude会话约80%的时间都在闲置等待人类输入。一位工程师形容人类是“智能体的瓶颈”。

文本量是一个更尖锐的问题。将智能体输出的Token转换为单词（按每个Token 0.75个单词计算，每分钟阅读250个单词），报告估计，即使对于非技术群体，阅读所有交互式Claude会话的输出也将占用超过一半的工作周。技术职能部门面临的压力更大。

员工的应对方式是构建管理工具的工具。针对智能体的书面常设指令从2025年7月的几百条增加到一年后的8,500条。元工作——为多智能体运行编写规范、循环使用一个智能体来审查另一个智能体的输出、为智能体管道构建仪表板和监控器，以及记录工作流程——在普通员工的交互式Claude会话中所占比例从2025年秋季的10%上升到2026年春季的22%。

一位工程师将监督智能体比作照看孩子：

它们就像是说，我需要你帮我打开果汁盒，而且这很紧急。这种表达方式与那个手指被割伤正在流血的孩子所表达的担忧程度是一样的。[...] 当你在照看孩子时，每个孩子都会带着同样迫切的需求来寻求你的关注，各种[Claude]也是如此。

另一位形容工作就像面对“一支Claude大军，每一个都在寻求我的关注”。

工作流程、会议和公开工作的压力

Anthropic的员工报告称，生产力预期在不断提高。一位员工描述了“在Anthropic内部，人们总是承受着尽可能快地行动并利用Claude完成一切的永恒压力”；另一位说，“我们期望在一周内完成的事情，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年底有44%的人表示同意，到2025年11月这一比例为58%。2026年4月，75%的人回答是，但报告指出，该问题通过删掉“尽可能”这一短语而被弱化了。截至2026年8月，Anthropic员工预计到2030年AI将能完成他们75%的工作，而其他美国人的这一预期仅为28%。

模型的发布本身也重置了工作的难度。当新模型可用时，超过旧模型难度90%分位数的任务比例会上升约30%，从所有任务的10%增加到13%，并在随后的几周内保持高位。分配给智能体的简单任务比例变化不大。

人类协作并未消失。员工会议时间的中位数比一年前增加了20%，技术类个人贡献者的会议时间增加了16%。一位员工表示，追查漏洞“揭示了那些实际上需要一定程度的人类召集、决策和治理才能解决的组织、系统或技术债务问题”。

智能体也渗透到了内部沟通中。它们出现在近一半活跃的公共Slack频道中。在某大型部门的通信网络中，智能体是在现有的人类对话线程之上添加回复，而不是取代它们：人类线程维持了相同数量的人类回复，而智能体回复则被叠加在上面。智能体更多地聚集在专门的Claude-人类频道中，而不是在现有的纯人类频道中大量发送消息。

报告认为，AI密集型工作将人类决策推向了可见的、有记录的频道。如果决策是在未记录的会议或直接消息中做出的，智能体就缺乏更新其目标的背景信息。一位研究人员将这种默认的开放性描述为Anthropic AI集成的关键：“大多数组织不是这样运作的，我认为这是一个巨大的转变，因为领导者必须在公开场合为反馈辩护。”

招聘标准正转向自主性和判断力

报告使用自动化编码器分析了2024年以来招聘的数千名员工的招聘经理面试评分卡。最明显的变化是更加强调对AI工具的创造性使用。2024年，招聘经理在约5%的技术岗位评估和7%的非技术岗位评估中提到了候选人在AI工具方面的记录。到2026年，这一比例在技术岗位中翻了三倍，在非技术岗位中翻了四倍。

在技术候选人中，增长最显著的是关于申请人自主性和判断力的评价，而关于领域专业知识的讨论在整体评估中所占比例有所下降。一位经理解释说：“我预计模型将继续存在局限性，所以我希望我的团队成员能够跨领域胜任工作。”对于非技术候选人，客户和使命导向有所增加，而关于执行技能的讨论则有所减少。

报告建议雇主可以做什么

报告提出了Anthropic方法的三个特点，并认为这些特点在公司之外也具有参考意义。首先，广泛的股票所有权使员工在成功的AI推广中拥有经济利益；作者将其与二战后的劳资协议进行了比较，在该协议中，工会接受管理层对工作重组的特权，以换取与生产力挂钩的工资。其次，Anthropic正在建立一个持续的早期预警系统，根据AI能力和使用情况跟踪角色层面的需求和生产力指标，以标记工作正在发生转移的地方。第三，公司优先考虑受影响员工的内部转岗，而不是为每一项新任务进行外部招聘。

作者承认了其中的权衡。重新分配现有员工的承诺可能会使雇主在招聘新人时犹豫不决，而一个运作良好的劳动力市场应该让员工流向他们最能发挥生产力的岗位，无论这是否在他们当前的雇主那里。他们还认为，优先考虑重新分配会促使采用AI的公司寻找新任务和新市场，而不是追求那些勉强胜过人类工人的“平庸”或低效的自动化。

报告明确指出，这些措施都不能阻止AI颠覆工作岗位，也不能直接解决其记录的初级岗位招聘放缓的问题。正如一位Anthropic高管所言：“一个焦虑不安的劳动力队伍不是一个能发挥出最佳水平的队伍。”

Hacker News评论员的反驳意见

讨论对报告的框架及其利益冲突持高度怀疑态度。几位评论员指出，Anthropic销售的正是报告所衡量其生产力影响的工具。

我在阅读这份报告时也持保留态度。他们几乎完全依赖于这样一个概念：使用他们的工具对公司和个人来说是一种经济优势，所以……当然，我们的每位工程师代码提交量增加了5倍，销售岗位的成交量增加了1.7倍！我们的智能体工作时长是人类员工的6倍！ — HN评论员 NichoPaolucci

这类报告的问题在于，你不可避免地会想“他们当然会这么说”。根本无法区分什么是报告，什么是广告。 — HN评论员 pyrale

人们应该记住，Anthropic在那里发现的任何东西，都是一家拥有无限现金和炒作源的公司所做的发现。因此，虽然有些东西可能会作为普遍现象转移过来，但很多可能不会。 — HN评论员 hypfer

第二种批评意见认为，所描述的就业模式并不新颖。一位评论员写道，每家研发公司都会经历同样的周期——招聘开发人员和研究人员，建立产品市场契合度，然后削减开支同时扩大销售和运营——而且该报告缺乏与非AI研究公司招聘周期的任何比较。另一位质疑了每位员工收入的比较，指出Instagram在10亿美元收购估值时大约只有13名员工，且每位员工的收入因行业而异。

第三种批评针对生产力指标本身。评论员voidhorse认为，以代码行数衡量产出是一个范畴错误：

任何在软件行业待过一段时间的人，在读到这里时都应该敲响警钟。每一行代码都是一种负债，而不是奖杯。 [...] 再过一两年，Anthropic就会写关于他们如何降低代码行数、让智能体在生成新代码时更加保守，并为每一行新代码引入“验证门”的文章了。

评论员djoldman提出了一个相关的担忧，即产出数字对经济的实际意义：提交、查询和合同是次要或元统计数据，它们可能会在对Anthropic业务影响甚微的情况下大幅上升，而交易、招聘和发票则更接近真实的经济活动。其论点是，AI可能会使产生无法推动业务发展的忙碌工作变得更容易，而二阶效应是组织更快地识别并停止这些忙碌工作。

几位评论员关注了初级人才管道。“说起来显而易见，没有新的初级员工，就不会有新的高级员工，”OuterVale写道。另一位Jackobrien认为，“初级”是一个错误的区分，他说他曾与不擅长使用智能体的高级工程师合作，也见过能成倍提高产出的应届毕业生，因此需要寻找的技能是强烈的好奇心、协调智能体的能力以及清晰的沟通能力。

评论员pjmlp认为该报告对其发展方向异常坦诚：“至少他们对事情的发展方向很诚实，就像机器人接管工厂时一样。当然，每个人都认为自己是那个能留下来监控机器人的幸运儿。”

其他人质疑了Anthropic自身的战略逻辑。SilverSlash询问，散布关于软件工程师即将过时的恐惧是否是正确的商业举措：如果公司可以每100名开发人员裁掉90名，并为剩下的10名购买Claude订阅，那么如果他们保留所有100名并为每个人购买订阅，对Anthropic来说会更好。评论员kirykl就报告中关于单人初创公司和AI主导公司的情景提出了类似的观点。

评论员9dev将报告描述的工作条件称为“AI地狱”，充满了使用智能体的持续压力、定制的编排工具以及用于编排编排器的元编排器，并询问这与该公司警告的递归自我改进有何不同。评论员gb2d_hn提出了一个关于人类对关键系统集体理解的长期担忧，引用了特德·姜2002年的故事《人类科学的演变》，其中人类只能收到关于机器智能所知内容的低保真报告。

一位评论员subfocal发布了关于Anthropic招聘行为的详细指控，声称存在主观且未经证实的候选人评估标准、永远不会被填补的常青招聘启事，以及日常运营对AI智能体的结构性依赖。这些是来自匿名评论员未经证实的说法，并非报告的发现。

一个小讨论串质疑了作者的背景，评论员andsoitis指出，列出的四位作者中没有一位被认定为软件工程师，Anthropic的CEO也不是软件工程师。评论员sjfr估计Anthropic大约有1,500名软件工程师，并询问每位工程师5.1倍提交量的7,500名工程师的等效产出到底在做什么，表示怀疑这是否代表了所吹捧的生产力革命。评论员bjornsing提出了员工面临的关键开放性问题：Anthropic是因为AI生产力提升而缩减了招聘，还是仅仅在用同样的钱做更多的工程工作。

尚未解决的问题

报告本身留下了几个悬而未决的问题。它没有确定是AI导致了初级招聘的下降，而不是在公司增长和正常的业务职能扩张之外起到了推波助澜的作用。其个体内部生产力估计基于非随机的工具采用。其质量检查涵盖了代码删除和撤销率，但没有涵盖业务影响。其提出的补救措施——股票所有权、早期预警系统、内部转岗——并没有解决那些根本没有被录用的工人的问题，作者在指出对现有员工的就业保护不会使那些一开始就没有被录用的人受益时，承认了这一差距。

报告本身的结论是，私营雇主的行动必须与政府在再培训和收入支持方面的政策相结合，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。