Anthropic 内部：AI 工时是员工的 6 倍

你有没有过这种时刻——

周一早上打开 LinkedIn，看到一连串前同事更新了简历，抬头写着"OpenAI Applied Engineer""Anthropic Member of Technical Staff"，再往下一刷，三年前的初级岗招聘链接已经灰了；周末刷到一篇招聘帖，要求"5 年以上 Claude Code / Cursor 深度使用经验"，你想：这事怎么就把年龄门槛卡到 30 岁往上了？

你下意识反应是——"那只是 AI 公司在卷。"对，今天我们说的这件事，确实发生在一家 AI 公司里。但更扎心的是：这家公司是 Anthropic——就是那个造 Claude 的 Anthropic。

10 月 16 日，Anthropic 发布了一份内部研究报告《How employment is changing at Anthropic》，把 5 年来的员工数据、招聘数据、会议数据、Agent 会话数据，一次性摊在了桌面上。

数字只有几条，但每一条都像一把钝刀。

一组不太像公关稿的数字

报告作者是 Nathan Wilmers、Regina Catipon、Maxim Massenkoff 和 Anthropic 首席经济学家 Peter McCrory。他们用内部 telemetry（员工主导会话 + 子智能体池）跟踪了 Claude Agent 在公司内部的运行时间，再和人类工时做了对比。统计口径写得很细：Agent 工时包括推理和工具调用，但剔除超过 30 分钟的等待；人类工时按人头乘以每周 40 小时。

结果是这样：

• 2026 年 3 月：Agent 工时第一次超过人类工时。
• 2026 年 8 月：单看员工"自己指挥"的那部分 Agent，工时已经是员工的 6 倍。
• 同期：技术部门里的初级员工占比，从 2025 年初的 21% 跌到 14%。
• 更狠的一刀：初级技术岗位的招聘占比，从 27% 跌到 9%。
• 2025 年 12 月之后，初级岗的招聘挂网量开始断崖式下跌。

如果你只把这一组数字当成"AI 公司自我观察"的学术素材，你会漏掉真正让人心慌的部分——这不是单一岗位、单一部门的微调，是一家公司整个招聘入口的结构性收窄。

谁先消失？写下第一行代码的人

报告里有一段描述，写得很克制，但你读着会停顿一下：

"Anthropic 核心团队里，关于初级技术岗位需求下降的讨论，在 2026 年 1 月冒头。最依赖 Claude 写代码和找 bug 的团队最先发现：这件事以前是交给初级工程师做的，现在可以交给 Claude。模型能力一上来，"看走眼"的反应特别快——'让大家眉头一挑的是 perf engineer 这个岗位的提升幅度，基本上是一夜之间改变了我们要找什么样的人。'"

这段话翻译一下就是：写代码这件事的入门门槛，被 Claude 一脚踢掉了。

这件事不只是"少招几个初级岗"那么简单。报告里给出了一个对照实验：他们跟踪了 192 名采用了编码 Agent 的工程师，又找了 74 名同期还没采用的工程师做对比。结论——

• 用了 Agent 之后，工程师人均代码提交量，达到 6 个月前的 5 倍。
• 这些"AI 写的代码"，被后续删除或回滚的比例，和同一个人手写的代码没有显著差异。

换句话说：AI 不是在帮你写得更多，它是在写得一样好的同时，让你写得快 5 倍。

这就引出了一个让所有 HR 都得重新画图的公式：

过去写 1 万行业务代码需要 5 个初级 + 1 个高级；现在 1 个高级带着 Agent 就能写出来。

那 5 个初级工程师去哪儿？

不只是工程师：销售、律师、财务，连会议室都被改了

如果你以为这只是一场"程序员被 AI 替代"的局部地震，报告里下面这些数字会把你拽回到现实：

• 销售：每位销售代表的成交单量上升。
• 法务：每个律师处理的合同量增加。
• 财务：应付账款组清理发票的速度变快。
• 运营：连"非技术员工"用 Claude 写代码的会话数，也从 2025 年 8 月的每月 2 次飙到 2026 年 5 月的每月 90 次。

这些岗位的产出增长不是来自加班，而是来自"每个员工背后都站了一支 Agent 队伍"。

但接下来这段描述，才是真正让人读完之后沉默很久的部分——

"在交互式、多轮会话里，Agent 的大部分 session 时间根本不是在干活，而是在等人类输入。我们统计下来，Claude 会话大约 80% 的时间在闲置等待。"

为什么？因为 Agent 跑得太快，人成了瓶颈。

报告里引用了一位工程师的原话：

"你现在面对的是一整支 Claudes 军队，每一支都在等你那一秒注意力。"

为了对付这个瓶颈，员工开始了一种叫 "meta-work" 的新工作——搭仪表盘、看 Agent 流水线、写给 Agent 看的"长期指令"。报告里给了一组数据：

• Meta-work 占交互式 Claude session 的比例，从 2025 年秋的 10% 涨到 2026 年春的 22%。
• 给 Agent 写的"长期指令"（standing instructions）数量，从 2025 年 7 月的几百条，涨到一年后的 8,500 条。
• 整体会议时间同比 +20%，其中技术岗个人贡献者的会议时间 +16%。

你品一下这个画面：

一边是 Agent 跑了 6 倍于人的工时；另一边是员工被困在 80% 的"等输入"里，开会比去年更多，写给 AI 看的"长期指令"涨了 25 倍——人类正在从"做事的人"，慢慢变成**"调度 AI 的人"**。

人被留下，靠的不是执行，是判断

Anthropic 的报告还做了一个有意思的内部调查：他们问员工，"现在的工作流程是不是已经让你尽量高产了？"

• 2024 年底：44% 的员工同意。
• 2025 年 11 月：58%。
• 2026 年 4 月：75%（注：这一题后来弱化了措辞，从"尽量"改成了"足够"）。

对应到招聘偏好上，报告里写得很直白——

"Hiring managers increasingly focus on applicants' autonomy and judgment, rather than execution and narrow expertise."（招聘经理越来越看重应聘者的自主性和判断力，而不是执行力和狭窄的专业技能。）

这是整个故事里最反直觉的一句话。

过去十几年，我们这代人一直在被训练"执行力"——刷题、写文档、跑流程、按 SOP 完成任务。下一步晋升的标准是"能不能把活又快又好地干完"。但 Anthropic 这份报告把这件事反过来写了：

凡是可以被"又快又好地干完"的活，都在被 Agent 接走。 凡是留下来的岗位，都在考验一件事——你能不能在没有 SOP 的时候判断该做什么。

而这件事，初级员工最难证明。

这也是为什么初级岗位跌得最狠——不是因为初级员工不重要，而是初级员工最容易用"完成度"来评价，而完成度恰恰是 Agent 最先学会的东西。

一句话拉回到"我"身上

写到这里，你可能会问：这是不是又是那种"未来已来、准备好被淘汰"的焦虑推文？

我理解这种警惕。所以我把这份报告的真正落点写在这里——它不是要你焦虑，它是想让你提前看到未来 18 个月里你大概率会撞上的两件事：

第一件事：你下一次跳槽，会发现 JD（岗位描述）里多出"有 Claude / Cursor / Codex 深度使用经验"这一行，而且是硬性要求。会写代码不再加分，会用 Agent 写代码才加分。

第二件事：你下次升职答辩，老板可能不再问"你交付了多少"，而是问"你带着 Agent 团队交付了多少，以及你做的判断值多少钱"。前者会越来越便宜，后者会越来越贵。

这不是某个 AI 公司独有的故事——Anthropic 自己也说了，他们"在 AI 应用方面比整个经济体系领先约一年半"。换句话说，Anthropic 内部正在发生的事情，大概率是接下来 18 个月里你身边正在发生的事情。

所以你今天真正要做的，不是问"我会不会被替代"，而是问一个更老实的版本——

"我手头那件事里，哪些是 Agent 已经能做的？我能不能今天就把那部分交出去，把我自己的时间留给只有我能判断的部分？"

如果你今天就能回答这个问题，那你大概率不会成为下一份"初级员工占比 -7 个百分点"统计里的一个分子。

写在最后

这份报告里有一句很轻、但很值得记的话：

"Anthropic 员工仍然关键。但他们贡献的性质已经改变。"

Employees remain critical. But the nature of their contributions has changed.

这句话同样适用于我们每一个人。

我们不会突然失业——我们会慢慢发现，自己被需要的方式变了。那个变化，从初级岗位的招聘数字开始，从你身边同事的工位开始，从你下一次打开招聘网站的搜索框开始。

18 个月后回头看今天，你会感谢现在就开始想这个问题的人。

那个人可以是你。