不具合を報告
← 記事一覧

人工知能

Anthropicが自社の雇用データを公開した。ボトルネックは採用ではなく「読むこと」にある

Anthropicの新しいテクニカルレポートによれば、技術職の新規採用に占めるジュニア層の比率は27%から9%へ下がり、エージェントは人間1時間あたり6時間働いている。より重要なのは、同社の制約がいまや「人がどれだけ速く読めるか」になっているという発見だ。

MAI
無地の背景に置かれたAnthropicのロゴ。同社の研究レポートページの共有画像。

Anthropicは10月16日、従業員が自らの仕事をAIエージェントに委ねていくなかで社内に何が起きたかを記したテクニカルレポートを公開した。これは異例の文書だ。フロンティアラボが、自社の採用記録、社内の利用ログ、Slackやカレンダーのデータ、アウトプット指標、そして17人の従業員インタビューを公開し、自ら売っている製品がそれを作る人々に与えた影響を分析している。見出しとなる数字はすぐに広まった。技術職の新規採用に占めるジュニア層の比率が27%から9%へ下がった、というものだ。

この数字は、新卒・初級レベルの仕事に対する判決として読まれるだろう。だがレポートのなかで最も興味深い点はそこではないし、著者たちはこれを一般化できないと慎重に断っている。立ち止まって考える価値があるのは、仕事が代わりにどこへ積み上がったのかという発見のほうだ。

レポートが測定したもの

指標以前現在
技術職採用に占めるジュニア層の比率27%9%
技術部門人員に占めるジュニア層の比率21%(2025年初)14%
全従業員に占める技術部門の比率61%56%
対話型セッションにおける人間1時間あたりのエージェント稼働時間—6対1(2026年8月)
非技術系社員のコーディングエージェント利用(月あたり)2回(2025年8月)90回(2026年5月)
エージェント向けに書かれた常設指示数百件(2025年7月)8,500件

自律実行と対話型を合わせたエージェントの総稼働時間は、2026年3月に人間の総労働時間を初めて上回った。技術部門の人員は絶対数では依然として増えている。減ったのはジュニア層の比率であって、エンジニアの人数ではない。エンジニア1人あたりのコードコミット数は半年前のおよそ5倍で、エンジニアとプロダクトマネージャーの比率は17対1に近い。

ボトルネックは「読むこと」へ移った

レポートが特定した制約は、どれだけ仕事を生み出せるかではない。人間がどれだけレビューできるか、である。対話型セッションの時間のおよそ80%は、人間の応答を待つアイドル状態に費やされている。著者たちの試算では、非技術系の社員ですら、自分のエージェントが生成するものをすべて読むだけで週の労働時間の約半分を要することになる。

そのため仕事の形が変わった。対話型セッションのうち、タスクそのものではなく仕様書の作成やエージェントの管理に費やされる割合――レポートが「メタワーク」と呼ぶもの――は、2025年秋の10%から2026年春には22%へ上昇した。常設指示は数百件から8,500件へと膨らんだ。社員は可視化ツールや監視パイプラインを構築し、パイプラインを監視するようになった。あるエンジニアはその結果をこう表現している。

Claudeの軍隊と向き合っていて、その一人ひとりが自分の注意を求めてくる。

これこそがこのレポートが記録している実際の変化であり、単純な「置き換え」の物語よりも採用データをうまく説明する。採用担当者がジュニアの求人を減らしているのは、タスクが消えたからではない。希少な資源が、領域知識ではなく、エージェントを方向づけ検証する能力――判断力と自律性――になったからだ。面接官の評価シートに候補者のAIツール利用への言及が現れる頻度は、2024年から2026年にかけて技術系候補者でおよそ3倍、非技術系候補者で4倍になった。

問題はサンプルにある

この問いにおいて、Anthropicは経済全体のなかで最も代表性の低い雇用主だ。創業からおよそ5年、レガシーシステムを持たず、当の道具を売っており、従業員1人あたり売上は同年齢期のMetaやGoogleの2〜4倍に達すると報告している。従業員はそもそも早期採用者として選ばれている。著者たち自身、これらの慣行の多くは経済全体に再現できないとはっきり書いている。

手法にも相応の留保があり、レポートはそれを明記している。生産性の比較は、コーディングエージェントを採用した192人のエンジニアと、採用しなかった74人を対象としている。導入は無作為ではなく、採用した側はもともとアウトプットの伸びが急だった。エージェントの稼働時間からは30分を超える中断が除外されている。人間の労働時間は1人あたり週40時間と一律に仮定されている。読む時間の推計は、トークンあたりの語数と1分あたりの読字数の仮定に依存する。コード品質については、後に削除・差し戻しされた行の比率に差は見られなかったとしつつ、自分たちの代理指標ではモデル特有の誤りを捉えきれない可能性があると注記している。

2026年4月の社内調査では、機械学習部門のマネージャーの約3分の1、ソフトウェアエンジニアリング部門のマネージャーの約5分の1が、AIのために採用を減らしていると答えた。これは曲線の最先端にいる企業から出た本物のシグナルではあるが、国全体の統計ではない。

何に役立つのか

労働市場の予測として読めば、このレポートは踏み込みすぎている――そしてそう自認している。導入の最前線からのフィールドノートとして読めば、生産が制約でなくなったとき組織が何をするかについて、これまでで最も詳細な記録だ。判断力で採用し、時間の5分の1を機械への指示書きに費やし、人がどれだけ速く読めるかという硬い天井に突き当たる。大規模にエージェントを展開するあらゆる組織が、この天井に当たることになる。その多くは、採用の問いに辿り着くよりずっと手前で当たるだろう。

レポートに引用されたある経営幹部は、マネジメント上の問題をこう端的に述べている。

不安を抱えた従業員の集団は、最良の仕事をしている集団ではない。

Sources: How employment is changing at Anthropic — Anthropic

続けて読む