Anthropic 公开了自家的用工数据。瓶颈不在招聘，而在"读"

Anthropic 于 10 月 16 日发布了一份技术报告，记录当员工把自己的工作交给 AI 智能体之后，公司内部发生了什么。这是一份不寻常的文件：一家前沿实验室公开自己的招聘记录、内部使用数据、Slack 与日历数据、产出指标，以及十七位员工的访谈，用来分析自己卖的产品对造这件产品的人产生了什么影响。最醒目的数字立刻传开了——初级岗位在该公司技术类招聘中的占比，从 27% 降到了 9%。

这个数字会被当作对初级岗位的判决书来读。但它并不是报告中最有意思的部分，作者们也谨慎地说明它无法外推。真正值得停下来琢磨的，是工作究竟堆到了哪里。

报告测量了什么

自主运行与交互式会话相加，智能体的总工时在 2026 年 3 月首次超过了人类的总工时。技术岗人数按绝对值仍在增长——下降的是初级比例，不是工程师人数。人均代码提交量约为半年前的五倍，工程师与产品经理的比例接近 17 比 1。

瓶颈转移到了"读"

报告指认的约束不是能产出多少工作，而是人能审阅多少。交互式会话约 80% 的时间处于空闲，等待人给出回应。按作者的推算，即便是非技术岗员工，光是读完自己那些智能体生成的全部内容，也要花掉大约半个工作周。

于是工作的形态变了。在交互式会话中，用于撰写规格和管理智能体、而非亲自执行任务的时间占比——报告称之为"元工作"——从 2025 年秋天的 10% 升到 2026 年春天的 22%。长期指令从数百条膨胀到 8,500 条。员工自己搭起可视化工具和监控流水线，去盯住那些流水线。一位工程师这样形容结果：

面对一支 Claude 大军，每一个都在要我的注意力。

这才是这份报告真正记录下来的转变，它对招聘数据的解释也比简单的"取代"叙事更站得住。招聘经理减少初级岗位，并不是因为那些任务消失了，而是因为稀缺的投入变成了判断力与自主性——指挥并检验一个智能体的能力——而不是领域专长。2024 年到 2026 年间，面试官评分表中提及候选人使用 AI 工具的频率，技术类候选人约增至三倍，非技术类约增至四倍。

问题出在样本上

就这个问题而言，Anthropic 是整个经济体中最不具代表性的雇主。公司成立约五年，没有遗留系统，自己就卖着这件工具，并称人均收入是同期 Meta 和谷歌的二到四倍。它的员工本就是被筛选出来的早期采用者。作者明确写道，这里的许多做法无法在整个经济体中复制。

方法本身也有保留，报告如实列出。生产率比较覆盖了 192 名采用编码智能体的工程师和 74 名没有采用的工程师；采用并非随机，采用者原本的产出增长曲线就更陡。智能体运行时长剔除了超过 30 分钟的空档。人类工时一律按每人每周 40 小时估算。阅读时间的估计依赖于每词对应多少 token、每分钟读多少词这两个假设。在代码质量上，作者发现事后被删除或回滚的代码行比例没有差异，同时指出他们的代理指标可能抓不到模型特有的那类错误。

在 2026 年 4 月的内部调查中，约三分之一的机器学习部门经理和五分之一的软件工程部门经理表示，他们因为 AI 而减少了招聘。这是来自曲线最前端那家公司的真实信号，但不是全国性的统计数据。

这份报告的用处

当作劳动力市场预测来读，它越界了——而它自己也这么说。当作来自采用最前沿的田野笔记来读，它是迄今关于"当产出不再是约束时，一个组织会怎么做"的最详细记录：按判断力招人，把五分之一的时间用来给机器写指令，然后撞上"一个人能读多快"这道硬天花板。任何大规模部署智能体的组织都会撞上这道天花板，而且多数会在触及招聘问题之前很久就撞上。

报告引用的一位高管，把管理层面的问题讲得很直白：

一支终日焦虑的队伍，不会是一支把工作做到最好的队伍。

Sources: How employment is changing at Anthropic — Anthropic