2026年10月16日　经济学　Anthropic 的就业结构正在如何变化

# Anthropic的就业变化 来源: https://www.anthropic.com/research/employment-at-anthropic *Nathan Wilmers, Regina Catipon, Maxim Massenkoff, Peter McCrory* AI是如何重塑Anthropic的工作方式与就业格局的？作为AI应用前沿的公司，Anthropic可能是AI将如何改变整个经济中的工作组织、招聘和劳动力需求的先行指标。 ## 核心发现 - Anthropic在初级技术岗位上的招聘占比持续下降。与此同时，AI代理相对于员工的工作时长快速扩张。到八月，交互式AI代理的工作时长已达到员工的6倍。 - 随着AI代理在公司内部的扩散，Anthropic实现了人均产出更多代码、每位销售代表成交更多交易、处理更多合同。对同一位员工进行纵向追踪，当其采用新的AI工具后，产出显著提升。 - 这种加速使得人类的注意力成为代理产出的瓶颈。即使是非技术人员，阅读其Claude代理的全部输出也需占用半个工作周。为此，员工转向"元工作"——构建可视化工具并监控代理工作流。 - 工作组织的变化反映在招聘经理优先级的转变上：相较于技术领域的专业知识和执行能力，他们日益重视自主性和判断力。 ## 引言 在AI日益强大的背景下，我们可以预期工作和就业会发生怎样的变革？Anthropic值得深入研究，因为它已将自身工作流程全面围绕AI进行了重塑。代理穿梭于Slack对话中并安排会议；它们自主修复bug，协同攻克大型工程项目；代理的工作时长已超过人类工作时长的6倍。Anthropic当下正在发生的变化，为工作与就业的可能未来提供了前瞻性信号。 本报告基于Anthropic全面的内部数据，涵盖就业情况、AI使用、产出指标、员工调查、内部沟通模式、员工日历数据以及招聘决策记录，并结合17位员工的深度访谈加以定性佐证。 我们发现，即使公司持续增长，初级技术岗位的相对招聘也在放缓。工程师和非技术人员的生产力均实现了跃升，且在采用编码代理后尤为显著。招聘经理日益重视申请人的自主性与判断力，而非特定的技术专长。在AI高度密集的组织中工作，一个决定性特征是：员工始终面临持续的压力——尽可能将自己从这个瓶颈位置上优化出去。一位工程师将工作形容为"面对一支由Claude组成的军队，每一个都在争夺我的注意力"。Anthropic的员工依然至关重要，但他们贡献的性质已经发生了改变。 Anthropic已对此做出回应：建立了一套预警系统来追踪可能受到冲击的岗位，并在岗位演变过程中优先进行内部重新调配。这些措施发生在AI开发和工作场所变革的双重前沿，展示了具体的组织承诺如何能够塑造AI对就业的影响。但它们也提出了一个棘手的问题：这些承诺究竟应该是什么。 ## 前沿的劳动力需求 Anthropic实现了快速增长。但与上一代大型科技公司相比，其每美元收入对应的招聘人数更少。成立仅五年的Anthropic，每名员工创造的收入是Meta和Google在各自高速增长巅峰时期的2至4倍。[1](https://www.anthropic.com/research/employment-at-anthropic#footnote-1) 哪些岗位正在消失？在Anthropic内部，关于初级技术员工需求下降的讨论于2026年1月在核心技术部门中浮现。那些在自身工作中高度依赖Claude的团队发现，编写代码和查找bug可以越来越多地交给Claude完成。能力更强的新模型加速了这一认知："让人眼前一亮的是性能工程师方面的提升，这基本上一夜之间改变了我们在寻找什么样的人。" 到四月，工程和研究团队已降低了对低级别技术岗位的招聘优先级。在同月的调查中，大多数管理者表示因AI的影响而转向招聘不同技能组合的人才。约三分之一的机器学习经理和五分之一的软件工程师经理表示因AI减少了招聘。 就业结构的变化令人瞩目。图1显示，Anthropic技术部门中初级员工的占比自2025年初以来从21%下降至14%。初级技术岗位在新招聘中的占比下降得更快，从27%降至9%。自2025年12月以来，初级岗位的招聘发布数量尤其急剧下滑。 **图1：Anthropic初级技术岗位招聘的萎缩。** 与此同时，技术部门在Anthropic整体就业中的占比也有所下降，过去一年从61%降至56%。随着公司扩张，技术招聘在绝对数量上仍在增长，但销售、财务和招聘部门的密集招聘已超过其增速。部分变化是公司规模化过程中业务职能自然扩张的结果。另一部分可能反映出编码工具日益让非技术人员能够自行开发软件。例如，一位销售代表为其工作定制了一个专属仪表盘和数据管道："这样的开发本不在我的能力范围内，尤其是在UI、连接所有工具、MCP方面。但我大概用了三四个小时就构建出来了，就是不断地迭代。"非技术人员的编码类AI代理会话（识别标准为基线时无代码提交的员工，不包括新入职员工）从2025年8月的每月2次跃升至2026年5月的90次。 然而，招聘结构的这一转变并非仅仅是自动化编码让其他领域专家也能上手的故事。在技术部门内部，未积极参与编码的员工比例（定义为过去30天内无代码提交）在截至2026年4月的一年内几乎减半。部分原因是非工程师比例的降低：例如，工程师与产品经理的比率约为17比1，且自2025年以来持续上升。管理者提交的代码量也翻了一番。技术团队中的监督和协调角色越来越多地涉及代码的编写与发布。 非技术岗位招聘未加速的一个领域是通常随公司规模同步扩大的行政职能。代理助手、自动化审查和工单服务外包的组合，使Anthropic在快速扩张的同时始终保持了"轻文书"的运作方式。一位财务经理构建了一个采购审批代理，并向同事解释道："它只是试图找出那些耗时很多的事情，这样他们就可以专注于其他工作。" 即使是与面对面互动紧密相关的文书工作也增长缓慢。一位行政助理为日程安排和邮件分类构建了一个个人助手代理，她表示："我认为我们已经过了Claude来增强最初级行政类角色的那个阶段了"，转而将自己的工作聚焦于更高层次的"幕僚长"类任务。 这些变化已经涉及了人员的重新分配：在职满一年的员工在2026年每月跨部门调动的可能性比2025年高出50%。整个团队也因将工作交接给代理而进行了重新调配。以一个产品设计团队为例，他们撰写诸如Claude.ai上的问候语等内容："晚安，夜猫子；""来杯咖啡和Claude聊聊？"2026年春季，该团队开发了一个上下文图谱，能够有效地引导代理撰写引人注目的产品文案。其经理表示，这"让团队实现了规模化扩展"，但也引发了一个问题——人类作者还能做什么。随后，团队转向了代理提示工程，开始编写模型评估标准和Claude的提示词。"过去用语言驱动人类行为的写作者，如今正在用语言驱动Claude的行为。" ## AI是否在推动Anthropic的生产力提升？ 这些变化是否可以归因于AI？在Anthropic，人类是日益庞大的AI代理群之上的薄薄一层。基于代理会话遥测数据，2026年3月，自主代理和交互式代理的工作总时长首次超过人类工作时长。部分原因是代理舰队在进行工业级规模的软件工程，填补大量常规测试和检查，维护不断增长的基础设施代码库，并推动大规模代码库的翻译工作。但即使仅关注由个别员工部署的代理（如图2所示），到八月，代理的工作时长已达到其人类操作者的6倍。 **图2：代理工时超过人类工时。**注：我们仅统计由员工发起的交互式会话，并合并子代理。工作时间概念为代理运行时，包括推理和主动工具使用，但排除任何超过30分钟的等待。人类工作时长按员工人数和每周40小时计算。 Anthropic是一家软件产出企业，流经这些代理的绝大部分token用于生产软件代码。仪表盘监控着在全公司范围内运行的代理舰队。但个人助理代理也在监控员工的日历和消息，安排日程、发送从来往消息中整理出的待办清单，并自动向员工介绍其即将会面的对象和会议目的。Token正在触及越来越多的日常工作事务。 **图3：各职能的生产力爆发。**注：对底层指数化产出数据进行Loess平滑拟合。 所有这些token最终转化为多少产出？图3绘制了多个可量化产出的岗位职能随时间变化的产出情况。与此前关于Anthropic工程师的报告以及关于模型训练和研究自动化的描述一致，每名工程师的代码提交量增长最快，达到6个月前的5倍。数据科学家也在更频繁地查询Anthropic不断增长的数据量，让Claude代理将实时指标推送到仪表盘和决策者面前。但图3显示，即使是非技术人员，随着编码代理的扩散，产出也有所提升：律师处理了更多合同，应付账款团队加快了发票的处理速度，销售人员达成了更多交易。 但这些是否都归功于Claude的使用？在同期，公司经历了爆发式的业务增长。销售强大的模型自然更容易达成交易。为评估AI的独立影响，我们比较了采用代理编码工具的员工与尚未采用这些工具的员工的产出。这使我们能够比较在同一个月内为公司工作的员工——因此面临类似的业务背景——但使用不同工具的情况。然而需要注意，工具的采用并非随机分配：例如，如果即将启动某个大型新项目的员工决定为此武装工具，这将对我们的估计产生偏差。 我们追踪了192名工程师在采用编码代理前后的变化，并与74名在研究期间未采用代理的工程师进行对比。图4显示，在采用后的几个月内，工程师提交的代码量急剧上升。更多的代码并不一定意味着更好的代码或更高的业务影响。为检验是否存在AI生成的低质量代码，我们研究了Anthropic的实际代码提交情况。我们比较了同一名员工在同一个月、同一个代码目录中提交的代码——由编码代理编写的代码与由该员工直接编写的代码。代码质量有许多维度，AI的错误可能比人类的错误更难被发现。但我们发现，在后续被删除或回滚的代码行比例上，两者并无差异。 图4还考察了工程师采用首个完全自主代理后的情况。那些采用者相比未采用者本就处于陡峭的上升轨迹上。这表明转向完全自主代理的员工已经在加速提升产出。 **图4：基于错时AI采用的个体内生产力提升估计。**注：系数比较编码代理采用者与未采用者，控制个人和日历月双向固定效应。处理时点基于个人首次出现至少5次代理会话的月份。误差棒为按个人聚类的标准误对应的95%置信区间。质量面板比较个人直接编写的代码与其编码代理编写的代码。质量代理指标包括：90天内因任何原因删除的代码行比例；因修复bug而删除的比例；整个提交是否被显式回滚；添加lint抑制注释；添加待修复标记；以及将测试标记为跳过、重试或允许失败。 这些模式是否超越了编码领域，进入更广泛的知识工作变革？Anthropic的销售代表从去年九月开始稳步采用AI代理。图4显示，销售代表在采用代理后，与更多客户达成了交易。这一模式的部分原因可能是拥有更多销售机会的代表更倾向于选择自动化。但它也可能反映了日志记录和常规沟通的自动化。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的集成工作，替代了其此前约20%的工作任务。另一位提到，类似的自动化让他们能够专注于面对面沟通，使其能够接触的客户数量增加了30%："每当你第二次做某件事的时候，你就会想，好的，我怎么能用Claude来让我第三次就不用做了？" 在销售之外，Anthropic的一位律师构建了一系列Claude自动化流程，用于扫描风险与机遇、对法律问题进行分类，并对面向公众的文案进行初步法律审查。一位招聘人员使用Claude协助候选人搜寻、跟踪申请进度，以及完成一项原本需要"大概几周"的分析工作，使其能够重新设计过时的面试问题并与更多候选人会面。 所有这些表明，随着AI能力的提升，它正影响着Anthropic中广泛的岗位。从描述性数据来看，我们看到在使用Claude处理最复杂任务的岗位中，初级员工的增长有所放缓（图5）。 **图5：按Claude使用复杂度划分的初级岗位就业增长。**注：图表在岗位层面展示。增长指标比较2026年1月与2026年7月的员工人数。AI复杂度基于代理日志的自动化评分（在就业下降之前，即2025年10月至12月期间采集），并进行百分位变换。圆点大小按该岗位1月份的就业规模缩放；回归线在加权点上拟合。 ## 瓶颈与流程：AI密集型工作场所中的新旧任务 重度AI采用重塑的不仅是就业和生产力。它还推动工作流程的持续变化，催生新任务，并改变员工对工作场所的认知。一位员工将此形容为"Anthropic永恒的压力——尽可能快地推进，并把一切都交给Claude"。另一位则表示"我们在别处需要三个月才能完成的事情，在这里一周就能搞定。"一项内部员工调查询问Anthropic的工作流程是否让受访者尽可能地发挥生产力：2024年末有44%的员工表示认同；到2025年11月这一比例升至58%（在