Anthropic 自曝内部数据：agent 工时已是人类 6 倍，初级技术岗招聘占比从 27% 跌到 9%

2026 年 10 月 16 日，Anthropic 在官方研究博客连发了两份内部报告：《How employment is changing at Anthropic》（AI 如何改变 Anthropic 内部的雇佣）和《Working at the frontier shapes expectations for the future》（在前沿工作如何塑造对未来的预期）。两份报告的数据全部来自自家内部：雇佣记录、AI 使用遥测、产出指标、员工日历与沟通数据、外加 17 场员工访谈和 1334 名员工的问卷。

这可能是 2026 年第一份"前沿 AI 实验室拿自己当小白鼠"的完整内部数据。它不是预测，不是问卷抽样，不是第三方估算，而是遥测加雇佣记录加因果对照。对于每天都在跟 coding agent 打交道的 vibe coding 读者来说，这份报告有三重直接冲击：初级岗正在萎缩而"会用 AI"正在变成硬通货；agent 代码质量第一次有了硬数据；以及最耐人寻味的一条——agent 规模化之后，瓶颈从模型能力变成了人类注意力。

6:1：agent 工时在 8 月达到人类的 6 倍

报告一最抓眼球的数字是 agent 工时曲线。2026 年 3 月，agent 总工时第一次超过了人类员工；到 8 月，员工主导的交互式 agent 工时达到了人类工时的 6 倍。报告原文写的是："By March 2026, agents worked more hours than employees. By August, there were six times more agents than employees at Anthropic, and productivity increased."

这个 6:1 的口径值得细看，报告没有藏着掖着：只统计员工主导的交互式 agent 会话，agent 工时只计推理与工具调用的实际运行时间，排除超过 30 分钟的等待；人类工时按人头乘以每周 40 小时估算。换句话说，这不是"agent 在后台空转也算工时"的注水数字，而是实打实的干活时间。顺带一提，3 月那个时间点还有另一层含义：自主 agent 舰队（autonomous fleets）在做工业规模的软件工程——补测试、修基础设施代码、整库翻译——而 6:1 统计的是更窄的口径，即员工个人部署的 agent。

初级岗收缩：新招占比从 27% 跌到 9%

工时曲线的另一面是招聘结构。报告显示，技术部门里初级员工的占比从 2025 年初的 21% 滑落到 14%；初级技术岗的新招占比跌得更快，从 27% 跌到 9%，2025 年 12 月之后急剧收缩。与此同时，技术部门在全公司人数中的占比从 61% 降到 56%——注意，报告明确说了技术招聘的绝对人数仍在增长，涨得慢的是相对份额，被销售、财务、招聘等职能的扩张超过了。这不是裁员故事，是结构故事。

经理们亲口承认了因果。约三分之一的 ML 经理、五分之一的 SWE 经理在调查中表示因为 AI 而少招了人。2026 年 1 月，核心技术职能内部就开始讨论初级技术岗需求下降；到 4 月，工程与研究团队正式弱化了低职级技术岗的招聘。一位经理的原话很能说明心态变化："the thing that raised eyebrows was the uplift for performance engineers in particular and it basically overnight changed what we were looking for."（让大家挑眉的是性能工程师岗位上模型能力提升带来的变化，它几乎一夜之间改变了我们要找的人。）

招聘标准也在变。Anthropic 用自动化编码器处理了 2024 年以来数千份面试官评价卡，发现"候选人是否创造性地使用 AI 工具"的提及率，技术岗从 2024 年的约 5% 翻了三倍，非技术岗从约 7% 翻了四倍。面试官对技术候选人评价增幅最大的维度是自主性（autonomy）和判断力，而领域专长的讨论份额在萎缩。一位经理说："I expect models to continue to be jagged, so for my team I want them to be fungible across domains."（模型的能力分布会继续是参差不齐的，所以我要团队成员在不同领域之间可替换。）

还有一个数字容易被忽略：Anthropic 扩张得很快，但"每美元营收对应的招聘"比上一代大科技公司少得多。公司 5 岁时的人均营收是 Meta 和 Google 当年高速增长期的 2 到 4 倍。换句话说，agent 不只是在改变"招什么人"，还在改变"增长需要多少人"。这也是报告敢把 Anthropic 称为"领先指标"的底气——它预演的不是某个岗位的消失，而是一种新的增长函数：营收可以不再线性绑定人头。

这里必须跟本站 10 月 13 日发过的 Indeed 那篇划清界：那篇是外部招聘市场数据——全美开发者岗位发布量同比涨 15%；这篇是头部 AI 实验室的内部遥测。两份数据看似矛盾，其实讲的是不同切面：市场总量在扩张，但前沿组织内部正在发生结构性替换——初级执行岗被 agent 吃掉，留下来的是要"指挥 agent"的人。

生产力与质量：192 对 74 的对照，提交量涨 5 倍

报告最硬核的部分是一组因果对照。为了排除"公司业务爆发顺带拉高产出"的干扰，研究者跟踪了 192 名采用 coding agent 的工程师，对照 74 名同期未采用的工程师——同公司、同月份、同样的业务环境，差别只在工具。结果：采用之后，工程师的代码提交量在 6 个月里涨到 5 倍。

但"提交得多"不等于"写得好"，报告专门做了一项"AI 代码浆糊"检验：取同一员工、同一月份、同一代码目录下，agent 写的代码和人亲手写的代码，对比之后被删除或回滚的代码行比例。结论是：无差异。质量面板还看了整提交被显式 revert 的比例、加 lint 压制注释的比例、标记测试跳过的比例——同样没有系统性差异。报告也诚实地承认了局限：工具采用不是随机的（正要干大项目的员工更可能先武装自己），这会让估计偏高；而且"代码行被删除"只是质量的代理指标，AI 的错误可能更难被发现。

生产力提升不只发生在工程师身上。非技术员工的 coding agent 会话从 2025 年 8 月的每月 2 次，涨到 2026 年 5 月的每月 90 次。一位销售代表自己用 MCP 搭了个定制 dashboard："a build like this was out of my wheelhouse, especially with the UI, connecting all the tools, the MCPs. But I built this probably in three to four hours, just iterating on it."（这种构建本来超出我的能力范围，尤其是 UI、接各种工具、MCP。但我大概花了三四个小时，迭代着就做出来了。）销售、法务、财务、招聘都在涨产出：销售人均成交更多，法务处理合同更快。技术团队里工程师和产品经理的比例已经到了 17:1，经理们的代码提交量翻倍——"监督和协调"的角色本身也在写代码。

注意力瓶颈：约束从模型能力变成了人类注意力

这是整份报告最有观点价值的部分。当 agent 的产出铺天盖地涌向屏幕，瓶颈不再是模型能干多少，而是人类能消化多少。一位工程师的原话后来被广泛引用："an army of Claudes, with every one asking for my attention."（一整支 Claude 大军，每一个都在要我的注意力。）

遥测数据把这句话量化了：在交互式多轮会话里，agent 会话时间的大多数根本没在干活，而是在空等——Claude 会话大约 80% 的时间在等人类输入。用工程师的话说，是人在"bottlenecking the agents"（给 agent 制造瓶颈）。报告还算了一笔账：把每个交互式会话的 agent 输出 token 换算成词数，按人类阅读速度估算——非技术组光是读完自己 agent 的输出，就要占掉超过一半的工作周。

于是出现了一种新工种："meta-work"——写监控、可视化工具、agent 管线。员工花在"管 AI"上的交互式 Claude 会话占比，从 2025 年秋天的 10% 涨到 2026 年春天的 22%。给 agent 写的书面常设指令（standing instructions）从 2025 年 7 月的几百条涨到一年后的 8500 条。有人给自己配了个"agent 参谋长"来分流 agent 的请求，有人给自己的 Claude 团队写"绩效面谈"："Hey, let's talk about what is and is not working about our communication style." 还有律师把注意力从审法律问题转向"给法律建议做 SEO"——写能被客户的 agent 发现的框架。

读到这里，本站本轮的另外两篇就有了互文：n1 的 BAND for Developers 赌的是多 agent 需要共享的"房间"（协调层），n2 里 GitHub 把"环境智能"定为下一个开发者界面、物理按键的本质是"注意力路由"。三篇讲的是同一件事——agent 规模化之后，约束从模型能力变成了人类注意力。Anthropic 的数据是这句话第一次有了内部遥测的背书。

Agent 还在改写公司的沟通网络。报告分析了一个大部门的所有公开 Slack 频道：agent 最终出现在近一半的活跃公开频道里。有意思的是，agent 并没有取代人类互动——人类 thread 里的人类回复数维持不变，只是上面又叠了一层 agent 的回复。Agent 更像是"每个员工自带的团队"，而不是连接很多人的枢纽。但这也带来一个新要求：人类的工作必须对 agent 可见。在会上做的决定如果没有纪要，agent 就缺了更新目标和假设的关键上下文。一位研究员说，大多数组织不是这样运转的，领导必须"在公开场合为反馈辩护"——这是深度集成 AI 的组织不得不付的代价。

与此同时，开会的时间变多了：员工开会时间的中位数比一年前多了 20%，连技术岗的个人贡献者都多了 16%。报告的解释很实在：追 bug 追到最后，挖出来的往往是组织性、系统性的技术债，"需要人类召集起来做决策和治理"。管理 agent 的间隙，人们跳进会议室——面对面的协调被证明不可替代。

被加速的不只是代码：销售、法务和招聘

报告特意强调，生产力故事不只属于工程师。销售代表从 2025 年 9 月开始稳步采用 AI agent，采用之后成交的客户变多。一位客户经理说，Claude 自动化接管了邮件起草和客户管理软件的集成，替代了原来约 20% 的工作任务；另一位说，自动化把他解放出来做面对面沟通，能聊的客户多了 30%："anytime you do anything a second time, you're kind of like, okay, how can I use Claude to make it so that I don't have to do it a third time?"（任何事只要做第二遍，你就会想：怎么用 Claude 让它不用再有第三遍？）

一位法务用 Claude 自动化扫描风险和机会、分流法律问题、对公开文案做第一轮法律审查；一位招聘官用 Claude 做候选人搜寻和申请跟踪，外加一份"本来要花几周"的分析，然后把省下来的时间拿去重写过时的面试题、多见候选人。连行政岗都在变：一位行政助理给自己搭了个日程和邮件分流的个人助理 agent，然后把精力转向更高阶的"幕僚长"式工作——她的原话是，公司"已经过了 Claude 只是消灭入门级行政岗的阶段"。

模型发布本身也在加速这个循环。报告用自动化的 Claude 评分器给去标识的会话打分，发现每当新模型发布，难度超过旧模型 90 分位线的任务份额会陡增约 30%（从 10% 涨到 13%），并且在发布后几周维持高位——员工拿到更强的模型，第一件事就是去啃更硬的骨头。内部调查也显示，认为"公司的工作流程让自己尽可能高效"的员工比例，从 2024 年底的 44% 涨到 2025 年 11 月的 58%。2026 年 4 月的开放式问题里，27% 的人描述了 Claude 工具带来的生产力提升，20% 的人说自己的角色已经从"干活"变成了"管 Claudes"。

预期鸿沟：91% 对 39%，但经济模型出奇一致

第二份报告对比了 1334 名 Anthropic 员工和 Morning Consult 调查的近 1.1 万名美国成年人。鸿沟巨大：91% 的员工对 39% 的公众认为 AI 到 2030 年能做出诺奖级发现；超过一半的员工认为 AI 到 2030 年能胜任自己 80% 以上的工作，只有 5% 的美国人这么想；员工预期 AI 到 2030 年能做自己 75% 的工作，普通美国人的预期只有 28%。

但报告最妙的发现是分歧之下的共识：把"AI 能替代自己多少工作"和"失业率会涨多少"两个判断放在一起看，两组人的经济模型几乎一样——预期 AI 替代越多的人，给出的失业率预测越高，而且两条曲线的斜率一致。员工组给出的 2030 年美国失业率预测是 12.2%。报告的总结很漂亮：两组人不是对"AI 如何影响就业"有不同的理论，而是对"AI 现在能干什么"有不同的亲身体验。差异只在亲眼所见的 AI 能力不同。

给 vibe coding 读者的三重含义

第一，"会用 AI"正在变成招聘市场的硬通货。Anthropic 面试官对候选人 AI 工具使用的考察提及率两年翻了三到四倍，评价维度从"领域专长"转向"自主性和判断力"。对想入行的人来说，门槛变了：从"会写代码"变成"会指挥 agent 写代码、能判断 agent 的输出对不对"。初级岗萎缩不是"没工作了"，是"纯执行的工作"被 agent 吃掉了。

第二，关于"AI 代码能不能用"的争论，第一次有了来自一线的对照实验数据：同人、同月、同目录，agent 代码的删除/回滚率与人写代码无差异。这不是说 AI 代码没有问题——报告承认 AI 的错误可能更难被发现——但"浆糊论"至少在这家公司的遥测里没有得到支持。

第三，也是最重要的：vibe coding 的下一站可能不是更强的模型，而是更好的"管 agent"工具链。当你的 agent 工时是你的 6 倍、当 80% 的 agent 时间在等你回话、当你 22% 的会话花在写监控而不是写代码上，稀缺品就从"写代码的速度"变成了"人的注意力"。怎么分配注意力、怎么让 agent 的请求排队、怎么给 agent 写常设指令——这些正在变成一门手艺。

诚实标注：这份报告的边界

Anthropic 自己在报告里把丑话说在了前面：AI 实验室不是典型企业，"many parts of Anthropic's employment practices that cannot be replicated across the economy"（Anthropic 雇佣实践的很多部分无法在全经济中复制）。它的员工是全世界最会用 AI 的一群人，样本天然偏斜。生产力口径里，代码提交量是"出了名的不完美的指标"。工具采用的非随机性会让因果估计偏高。

但正因如此，这份报告的价值恰恰在于它的"不典型"：它不是在描述现在，而是在预演未来。Anthropic 把自己当成了 leading indicator（领先指标）——一个把工作流彻底围绕 AI 重塑的组织，提前一年到两年走完了别人还没开始走的路。报告作者是 Nathan Wilmers、Regina Catipon、Maxim Massenkoff 和 Peter McCrory。Anthropic 的应对也值得记录：公司正在建立"早期预警系统"，持续监控面临 AI 转型的岗位，并优先做内部转岗——"widespread stock ownership"（广泛的员工持股）被他们视为"亲工人 AI 采用"的前提条件之一。

一句话总结：2026 年 3 月，agent 工时第一次超过人类；8 月，变成 6 倍；与此同时，初级技术岗的新招占比从 27% 跌到 9%。数字是冷的，但指向的问题是热的——当 agent 替你干了 6 倍的活，你的时间应该花在哪？Anthropic 员工的答案是：花在管 agent 上。而这，可能就是未来几年所有知识工作者的答案。

最后回到 vibe coding 的读者视角。这份报告最值得带走的不是某一个数字，而是一种新的工作姿势：把 agent 当下属而不是当工具——给它写常设指令、给它搭监控、定期跟它"谈话"复盘沟通方式、把决策过程写成它能读到的文字。Anthropic 的员工已经在这么做了，而且是被 6:1 的工时比逼出来的。当你指挥的 agent 越来越多，"会不会管"会比"会不会写"更早决定你的位置。这句话放在 2024 年像鸡汤，放在这份报告的数据后面，像纪要。