Anthropic 公布内部用工数据：技术部门初级员工占比 21%→14%，员工指导的 Agent 会话工时是员工的 6 倍
Anthropic 10 月 16 日内部报告：初级技术岗占比 21%→14%，初级技术招聘 27%→9%，员工指导的 Agent 工时是员工 6 倍。
2026 年 10 月 16 日，Anthropic 发布技术报告《How employment is changing at Anthropic》，作者为 Nathan Wilmers、Regina Catipon、Maxim Massenkoff 和 Peter McCrory，署名机构是 The Anthropic Institute。报告调用了公司内部的用工记录、Agent 会话遥测、产出指标、员工调查、日历数据、Slack 通信网络和招聘评分卡，另做 17 名员工访谈。最容易被转发的两个数字是：技术部门里初级员工占比从 2025 年初的 21% 降到 14%，新招技术员工中初级占比从 27% 降到 9%。
要点
- 技术部门初级员工占比 21%→14%，初级技术招聘占比 27%→9%；报告称初级岗位的招聘启事自 2025 年 12 月起降得尤其陡。
- 按报告 Figure 2 的口径，2026 年 8 月员工指导的交互式 Agent 运行时是这些员工的 6 倍；自主 Agent 与交互式 Agent 合计工时首次超过人类是在 2026 年 3 月，两组数字不能互换。
- 中位数员工花在会议上的时间同比多 20%，技术序列个人贡献者多 16%；2026 年 4 月调查里，27% 的员工称自己因 Claude 提高了产出，20% 称工作重心从亲手做事转为管理 Claude。
报告怎么算的
6 比 1 这个数的适用面比标题窄得多。报告 Figure 2 的注释写明：只统计员工指导（employee-directed）的交互式会话，并把 subagent 合并计入主会话；Agent 一侧算运行时，包含推理和工具调用，扣掉任何超过 30 分钟的等待；人类一侧没有考勤数据，用的是「人数乘以假设的每周 40 小时」，原文为 “Human work hours are calculated as headcount and assumed 40 hours per week.” 分子是机器实际跑的时长，分母按人头估出来，这组比例能说明 Agent 在 Anthropic 内部铺得多深，不能直接读成「AI 干了六个员工的活」。
因果推断部分同样克制。研究者跟踪 192 名采用 coding agent 的工程师，对照 74 名同期没有采用的工程师，用人×月和日历月双向固定效应比较同一人在采用前后的代码产出。报告自己点出偏差来源：采用工具不是随机发生的，正准备启动大项目的人更可能先上工具（“tool adoption is not random”）。质量方面，他们比较同一员工、同一月份、同一目录下由 Agent 写和由人写的提交，未发现被删除或回滚的行数比例有差异，同时写下 “More code does not necessarily mean better code or business impact”。初级用工那部分，报告用的词是 “Descriptively”，只描述相关，不解释初级招聘下滑的原因。
关键数字
| 指标 | 数字 | 口径与时间 |
|---|---|---|
| 技术部门初级员工占比 | 21% → 14% | 2025 年初起 |
| 初级技术招聘占比 | 27% → 9% | 同期 |
| 技术部门占公司人数 | 61% → 56% | 过去一年 |
| 员工指导的交互式 Agent 工时与员工工时 | 6 倍 | 2026 年 8 月，仅计员工指导的会话 |
| 自主与交互式 Agent 合计工时超过人类 | 2026 年 3 月 | 首次 |
| 中位数员工会议时间 | +20% | 同比；技术个人贡献者 +16% |
| 入职满一年者的跨部门流动 | 每月高 50% | 2026 年对比 2025 年 |
| 工程师人均代码提交速度 | 5 倍 | 对比六个月前 |
| meta-work 占交互式会话的比例 | 10% → 22% | 2025 年秋至 2026 年春 |
表格之外还有两组数字支撑「注意力成为瓶颈」的判断。交互式 Claude 会话约 80% 的时间在等人类输入；即使是非技术岗位，读完 Agent 的全部输出也要花掉半个工作周以上。于是员工把时间挪去做 meta-work：给多 Agent 流程写规格、让一个 Agent 审另一个的输出、搭看板监控流水线。书面常驻指令从 2025 年 7 月的几百条涨到一年后的 8,500 条，Agent 出现在近一半的活跃公开 Slack 频道里。
别人怎么说
TechCrunch 的 Anthony Ha 在 10 月 17 日的报道里复述了 21%→14%、27%→9%、技术部门占比 61%→56% 和会议时间 +20%，并引用了「更多代码不等于更好的代码或业务影响」这句限定。他没有提 6 比 1，报道的重心放在初级用工与会议时间上。
TrendingTopics 的 Jakob Steinschaden 同一天发文，页面标注 co-produced by AI，补了两样东西：作者之一 Peter McCrory 在 X 上说 Anthropic 在 AI 采用上大约领先整体经济一年半；以及外部研究的分歧。
外部研究的原始论文给出的是另一套数字。斯坦福数字经济实验室的《Canaries in the Coal Mine?》2026 年 8 月 12 日修订版由 Erik Brynjolfsson、Bharat Chandar 和 Ruyu Chen 署名，用 ADP 薪酬数据发现，22-25 岁在 AI 高暴露职业的就业比「跟上同类人群」的反事实低 19%，差距主要通过减少招聘而非增加离职形成，作者把结论定性为早期描述性指标，不当作因果估计。丹麦一侧，TrendingTopics 写的是「使用 AI 与不使用 AI 的公司在入门级岗位上没有差异」，但没有给出论文出处。能查到的最接近的丹麦证据是 Humlum 与 Vestergaard 的 NBER 工作论文 w33777，它把结论落在工资与记录工时上：ChatGPT 发布两年后效应精确为零，可以排除大于 2% 的变化，新任务集中在内容生成、AI 监督与集成，摘要里没有入门级岗位的分项结果。两句话不能互相代替。
口径混乱还出现在标题里。IBTimes 新加坡版的标题写「Agent 的工作时长是员工的六倍」，正文虽然说到了「员工指导」（directed by individual employees），但没有交代 Agent 一侧是运行时、人类一侧按人头乘 40 小时估算，读者仍会把 6 倍理解成「AI 顶了六个全职员工」。IT之家 10 月 16 日的标题也写成「AI 工时已是人类 6 倍，初级程序员岗位骤减」。报告比的是员工指导的交互式会话运行时与按人头估算的工时，两件事不能画等号。
编辑判断
对带团队的人，这份报告有用的地方在用工结构，不在 6 比 1。技术部门占公司人数从 61% 降到 56%，工程师与产品经理的比例约 17 比 1，管理者提交的代码量翻倍；招聘评分卡里「自主性与判断力」的提及上升、领域专长的占比下降，提到候选人 AI 工具经验的评分卡从 2024 年的约 5%（技术岗）和 7%（非技术岗），到 2026 年分别涨到三倍和四倍。要招人，这些是可以直接改面试题的东西。
对求职者，入口在变窄，入口的定义也在变。报告说入职满一年的员工在 2026 年每月跨部门流动的概率比 2025 年高 50%，公司设了岗位风险早期预警系统，把内部转岗放在优先位置；同一份报告也承认，这类安排保护的是已经在职的人，原文是 “Employment protections for incumbents will not benefit those not hired to begin with.”
限制有三个。样本只有一家公司，而且是把 Agent 用到极限的一家公司，Anthropic 自己说很多做法 “cannot be replicated across the economy”；采用工具不随机，产出提升里混着选择效应；报告不解释初级招聘为什么下滑，只给描述性关联。外部证据也不一致：Indeed 的职位发布数据显示新增需求偏向资深岗，斯坦福的指数显示 22-25 岁软件开发者就业较 2024 年降约 20%，这两组我们在 Claude Code 发布后的美国程序员招聘 里拆过；丹麦的工资与工时数据却接近零效应。三者放在一起，能成立的判断是：用工结构可能先于总人数变化，而结构变化在 AI 采用最深的组织里最明显。
接下来
报告提到两件会继续产出数据的事：岗位风险早期预警系统会按角色跟踪需求与产出指标，内部转岗会成为常态；另一个可观察的指标是初级占比会不会在 14% 附近稳住。如果更多实验室按同样口径公布内部账本，6 比 1 这类数字才有横向比较的意义。眼下的状态是，Anthropic 公开了一份方法可查的自述，其他公司还没有跟进。写代码变便宜之后，评审与判断成了新的瓶颈，这个方向在 Claude Code 团队的七层评审流程 里已经能看到。