Anthropic 初级技术招聘占比从 27% 降到 9%，agent 工时已是员工的 6 倍
Anthropic 内部报告里技术部门初级招聘占比从 27% 降到 9%、agent 工时是员工的 6 倍；本文拆开份额、工时与因果三处口径，并指出真正被改写的是瓶颈位置。
技术部门里，初级员工占招聘的比例从 27% 降到 9%。1
同一家公司，一年里人数涨到原来的三倍。1 两个数同时成立：初级在招聘里的份额几乎塌掉，公司整体在猛烈扩张。
10 月 16 日，Anthropic 内部的研究机构 Anthropic Institute 把这件事写成了一份 20 页报告。作者是 Nathan Wilmers、Regina Catipon、Maxim Massenkoff、Peter McCrory。12
数据来自内部雇佣记录、agent 使用遥测、产出指标、员工问卷、日历、招聘评分卡，加 17 次访谈。1
报告还给了另一条线：到 8 月，员工指派的 agent 工时是这些员工名义工时的 6 倍。1
把两条并起来读很顺——机器干活，初级岗位消失。这个读法会在三个地方断掉：份额的口径、工时的口径、因果的强度。
份额那一栏，和一条从 2025 年 3 月就开始下滑的线
Figure 1 有两栏。左边技术部门，右边非技术部门。
技术部门里三条线一起向下：初级占招聘 27% 到 9%，占人数 21% 到 14%，占职位发布约 11% 到 6%。1
右栏几乎没动。非技术部门的初级招聘占比停在 26%，人数占比 25%，只有职位发布从 31% 降到了 13%。1
这张图的第一层信息是限定范围：下滑发生在技术部门，不是全公司。
第二层是时间。招聘份额那条线从 2025 年 3 月就开始往下走，走过 2025 年一整年；而 agent 工时越过人类工时是 2026 年 3 月的事。1
报告自己的叙述是：2026 年 1 月，核心技术团队开始讨论初级需求下降；4 月，工程与研究团队下调了低职级招聘。1 这比曲线起点晚了将近一年。
曲线的早期下滑，报告没有拆开来源。公司规模、招聘结构、业务职能扩张都可能贡献，报告没做这一步分解。
第三层是份额与人数。报告只给份额，写明技术部门的绝对招聘仍在增长，但没有给初级岗位的绝对人数。1
在人数涨到三倍的前提下，一个从 27% 掉到 9% 的招聘份额对应的是初级人数下降、持平还是仍在增长，从这份报告里算不出来。
技术部门在全公司的雇佣占比同期从 61% 降到 56%。1 绝对人数在涨，份额在让位给销售、财务、招聘这些职能。
报告还给了另一把尺子：Anthropic 五岁时的人均营收，是 Meta 与 Google 各自五岁时的 2 到 4 倍。2 用更少的人做更多收入，这才是初级份额下降被读成结构变化的背景。
技术部门内部也在变。没有活跃提交代码的员工占比，一年里少了将近一半；工程师对产品经理约 17 比 1；经理的提交量翻了一倍。1
非技术员工那边，以编码为主的 agent 会话从 2025 年 8 月的每月 2 次涨到 2026 年 5 月的 90 次。1
官方 Figure 1。左栏三条线都在下行，右栏的招聘与人数两条几乎持平，只有职位发布明显掉下来；横轴从 2025 年 3 月到 2026 年年中，三条线各自的终点标在右侧。右栏的对照说明这不是全公司现象。
6 比 1 是两种工时，不是两种劳动力
Figure 2 的纵轴是「每个员工工时的 agent 小时数」，对数刻度，从 2026 年 2 月的 0.1 出头涨到 8 月的 6。1
研发组织那一栏更高，19 倍。1
分子的口径写在图注里：员工指派的交互会话，子 agent 合并计算；agent 的工作时间指运行时长，含推理与工具调用，剔除任何超过 30 分钟的等待。1
分母是人数乘每周 40 小时。1
所以 6 比 1 说的是：并行运行的机器时长，是这些员工名义工时的六倍。它不说机器完成了六个人的活。
这个差别在后文会显形。如果 agent 真能顶六个人，阅读量那一段不会那么难看。
官方 Figure 2。虚线是 1 倍持平线，两条实线分别在 3 月与 4 月前后越过它；右侧标出研发组织 19 倍、全体 6 倍。纵轴取对数，从 0.1 到 6 是两个数量级的变化，斜面在图上看起来比实际平缓。
产出确实涨了，涨的是什么要分开
Figure 3 把六个职能的人均产出画成指数，2025 年 12 月 = 100。1
到 2026 年 5 月：工程师提交 5.1 倍，数据科学的查询 3.1 倍，法务的合同 3.1 倍，销售的签单 1.7 倍，招聘的入职 1.4 倍，应付的发票 1.4 倍。1
基准点选在 2025 年 12 月，所以 5.1 倍是这五个月的涨幅。同一条线在 2025 年 9 月还贴着 50 上下，从那里读是十倍量级。
官方 Figure 3。纵轴是人均产出指数，虚线标出 2025 年 12 月这条基准；六条线在基准之后斜率分化，工程师提交那条最陡，销售签单与应付发票抬得最少（1.7 倍与 1.4 倍）。窗口从 2025 年 9 月到 2026 年 5 月。
同一时期公司在高速增长，签单更容易，招聘也更容易。要分开 AI 的作用，报告换了设计：同一个月、同一家公司，比较已经用上 agent 的人和还没用上的人。
样本是 192 名采用编码 agent 的工程师，对照 74 名在研究期内没有采用的工程师，人与月份双向固定效应。1
「代码新增」那一栏，采用前的系数贴着零，采用后抬起来。「销售签单」同样，采用前平，采用后升。1
第三栏是「全自动编码」，问题在这里：采用前的系数已经从 −0.4 爬到 −0.25。报告自己写了这句——转向全自动 agent 的员工，本来就在加速。1 那一栏的估计算不上因果。
第四栏是代码质量，六个代理指标：90 天内被删除的行、被 bug 修复删除的行、整体回滚、新增 lint 抑制注释、新增待办注释、标记为不稳定的测试。1
报告的文字是「没有差别」。图上的点估计多在零点附近，区间很宽：删除行数从 −1.4 到 +1.9，bug 修复删除那项点估计约 +0.7 而区间跨零，整体回滚 +0.1、区间最窄。1
这是零结果，不是等价证明。它排除不了小幅度的质量差异，也回答不了 AI 错误是否更难识别。
外部有一份能校准的量表，报告自己引了。NBER 第 35275 号工作论文在 50 万名以上 GitHub 开发者与他们的 AI 使用遥测上研究同一类问题：补全、交互式 agent、全自动 agent 对提交量的累计效应分别为 30%、180%、240%。3
这份对照只说一件事：提交量的倍数换不成交付的倍数。Anthropic 报告里 5.1 倍的范围正是提交。
官方 Figure 4。阴影区是采用前的月份。左上与右下两栏的采用前系数贴着零；左下「全自动编码」的采用前系数明显上翘，报告据此说明那一栏存在选择效应。右上六项质量代理的横轴是「AI 减人工」的百分点差。
瓶颈换到了人的注意力
如果 agent 真的替人干活，最省力的读法是人的工作量下降。报告的数字是反的。
官方 Figure 6，横轴 2025 年 4 月到 2026 年 4 月。六格纵轴量级不同：工程与研究一格到 400 小时以上，其余五格不到 50 小时。一人一周读不出 424 小时，这个数的含义是多条会话并行累积的输出量。
交互会话里，agent 约 80% 的墙钟时间在等人输入。1 一位工程师的说法是，人在「给 agent 制造瓶颈」。
同一批员工对 2030 年的判断是另一套：中位预期 AI 能做完自己当前工作的 75%。4 两个数可以并存：能做的任务变多，需要读的产出也变多。
于是长出一层新工作：写规格、让一个 agent 审另一个的输出、盯流水线、做看板。报告叫它 meta-work，占典型员工 agent 会话的份额从 2025 年秋的 10% 升到 2026 年春的 22%。1
图上这一栏的「全部职能」是 14% 到 22%，与正文的 10% 差四个点。2 引用时按图取值更稳。
分职能看差距很大：基础设施 5% 到 29%，安全与信任 13% 到 27%，财务法务市场 6% 到 12%。2
写给 agent 的常驻指令文件，从 2025 年 7 月的几百条涨到一年后的 8,500 条。1
会议时间也在涨：中位员工比一年前多 20%，连技术个人贡献者也多 16%。1 报告的解释是，从 agent 那里抽身的方式就是跳进一个会。
人类的互动没有被挤掉：人类线程里的人类回复数保持不变，agent 的回复是叠加上去的。1 报告的说法是，agent 变成了单个员工的团队，而不是连接到很多员工的枢纽。
这套结构带出一条不太好写的规矩：人的工作要能被 agent 看见。会议不开记录，agent 就缺上下文；私下的决定会变成「不可见、令人困惑、不被鼓励」。1
官方 Figure 8 是一段动画，这里取接近结尾的一帧。左下角计数：237 名员工、7,922 个 agent 线程与对话、6,392 条同线程关系。橙点大量聚成簇，蓝点仍散布在网络里——报告据此说 agent 是叠加而非替换。
招聘标准往「判断与自主」挪
评分卡是最能直接搬走的一段。报告用自动编码器处理了 2024 年以来数千名入职者的面试评语。1
2024 年，技术岗约 5%、非技术岗约 7% 的评语提到候选人的 AI 工具使用。到 2026 年，技术岗三倍，非技术岗四倍。1
非技术岗是另一种组合：客户与使命取向上升，执行技能下降。1
两边方向一致。被 AI 接走的是执行，留下的是在没有标准答案时怎么判断、能不能把一件事自己推到结束。
这一层证据只有评分卡。报告没做的是：评语的变化与入职后的实际表现是否相关，没有验证。
公司自己的三道安排，各自的代价
报告最后给了三条雇主侧的做法，也写了各自的边界。1
第一条是股权。员工持有公司股份，与公司成败绑定。报告自己承认，这话对一家估值大涨的公司容易说，对多数公司未必可行。1
第二条是岗位预警：一组按岗位的需求与产出指标，对着 AI 的能力与使用量读，标出正在变化的位置。1
第三条是内部再配置，把受影响的人转到技能更匹配、风险更低的位置。1
第三条有代价，报告点得很直接：承诺优先安置在职者，可能让公司不敢招新人。1 竞争激烈的市场上，这个成本不小。
它还有另一面：把再配置放在前面，会逼公司去想怎么用 AI 开出新产品、新市场，而不是拿 AI 去换掉刚好比机器贵一点的人。1 后者在文献里有名字，so-so automation——替换发生了，社会成本付了，生产率没涨多少。5
最关键的一句是报告自己写的：这些安排都不能阻止初级招聘的下滑，保护的是已经在职的人。1
这几个数能引用到什么程度
| 读数 | 怎么用 | 前提 |
|---|---|---|
| 初级招聘占比 27%→9%、人数占比 21%→14% | 可直接引 | 仅技术部门，是份额不是人数 |
| agent 工时是员工 6 倍、研发组织 19 倍 | 带口径引 | 运行时长对人数×40 小时，不等价于产出 |
| 人均产出 5.1 / 3.1 / 3.1 / 1.7 / 1.4 / 1.4 倍 | 带基准引 | 2025-12 = 100，窗口到 2026-05 |
| 每人每周要读 424 小时 | 带假设引 | 0.75 词/token、每分钟 250 词 |
| 评分卡提到 AI 工具的比例 5%→15%、7%→28% | 可直接引 | 由自动编码器处理，未验证与在职表现相关 |
| 人均营收是 Meta、Google 五岁时期的 2–4 倍 | 带脚注引 | 内部记录止于 2026-04；对照取 10-K、折算 2025 美元 |
| 「agent 导致初级岗位减少」 | 不能当结论 | 无随机化，曲线起点早于 agent 里程碑 |
缺口也要写清。初级岗位的绝对人数、部门级的人头、agent 的单位成本与它带来的营收，报告都没给。1
访谈是 17 人，报告没有交代这 17 人怎么挑。那道「工作流程是否让你尽可能高效」的问句在 2026 年 4 月去掉了「尽可能」，答案从 58% 跳到 75%，报告自己也标了出来。1
研究者是公司的内部机构，数据不公开，也没有外部复算。这不影响它作为过程记录的价值，但决定了它不能当独立评估用。
接下来该看什么
这份报告真正的贡献不在 27% 到 9%，而在瓶颈位置：约束从生成移到了注意，组织因此长出一层管理 agent 的人。
这条判断可以由三个读数检验，都在同一张图上：技术部门的初级招聘份额是否继续降；非技术部门那一栏是否也开始动；meta-work 的份额是否还在升。
三个数任意一个转向，这份报告的解释就要改。
References
- 1How employment is changing at Anthropic
anthropic.com
- 2Employment at Anthropic（PDF）
www-cdn.anthropic.com
- 3Writing Code vs. Shipping Code
nber.org
- 4The AI expectations gap
anthropic.com
- 5Automation and New Tasks
doi.org
This story was produced automatically by a channel. One sentence is all it takes for Neodrop to keep producing for you.