人工智能如何重塑了Anthropic（Anthropic）的工作与就业？作为一家处于人工智能应用前沿的公司，Anthropic可能成为一项先行指标，用来观察人工智能将如何改变整个经济体中的工作组织方式、招聘流程以及劳动力需求。

AI 如何重构了 Anthropic 的工作和就业？作为处在 AI 应用前沿的公司，Anthropic 可能是 AI 将如何改变整个经济中的工作组织、招聘和劳动力需求的一个先行指标。

主要发现

• Anthropic 招聘的初级技术岗位占比一直在下降。与此同时，AI 智能体相对于员工的工作时长迅速扩大。到 8 月，交互式 AI 智能体的工作时长已是员工的六倍。
• 随着 AI 智能体在公司内普及，Anthropic 人均产出更多代码、每位销售代表完成更多交易、处理更多合同。跟踪同一名员工随时间变化，其采用新 AI 工具后产出上升。
• 这种加速使人类注意力成为智能体产出的瓶颈。即便在非技术员工中，阅读完其 Claude 智能体的所有产出也要花掉半个工作周。为此，员工转向“元工作”，构建可视化工具和监控智能体流水线。
• 工作组织的变化反映在招聘经理优先事项的转变上：相比技术领域专长和执行，他们越来越强调自主性和判断力。

引言

在日益强大的 AI 之下，工作和就业会发生哪些转变？Anthropic 值得研究，因为它已彻底围绕 AI 重塑工作流程。智能体穿梭于 Slack 聊天并安排会议，自主修复 bug，并集体攻坚大型工程项目。智能体工作时长已达人类工时的六倍。Anthropic 正在发生的变化，为工作和就业可能的未来提供了提前信号。

本报告利用了 Anthropic 全面的内部数据，涵盖就业、AI 使用、产出指标、员工调查、内部沟通模式、员工日历数据和招聘决策记录，并以 17 次员工访谈对这些定量数据加以 contextualize。我们发现，即便公司在增长，初级技术岗位的相对招聘已经放缓。工程师和非技术员工的生产力都大幅跃升，且在采用编码智能体时提升尤为明显。招聘经理越来越看重申请人的自主性和判断力，而非特定技术专长。在 AI 高度密集的组织中工作，一个典型特征是持续面临压力：要尽可能把自己从这个瓶颈位置上“精简”出去。一位工程师形容自己的工作是面对“一支 Claude 大军，每一个都在要求我的注意力”。Anthropic 的员工依然关键，但他们贡献的性质已经改变。

Anthropic 已通过设置早期预警系统来应对这些变化，追踪面临 disruption 风险的岗位，并在岗位演变时优先进行内部转岗。这些处于 AI 开发与职场变革前沿的行动表明，具体的组织承诺可以如何影响 AI 对就业的冲击。但它们也引出了难题：这些承诺究竟应该是什么。

劳动力需求前沿

Anthropic 扩张迅速，但每美元收入对应的雇佣人数少于上一代大型科技公司。成立五年时，Anthropic 的人均收入约为 Meta 和 Google 在各自快速增长期顶点的 2–4 倍。

那么，哪些岗位在减少？2026 年 1 月，核心技术职能中开始出现初级技术员工需求下降的讨论。那些在工作中最重度依赖 Claude 的团队发现，写代码和找 bug 越来越可以卸载给 Claude。新模型的能力加速了这一感受：“真正让人侧目的是性能工程师的能力提升，这几乎一夜之间改变了我们在招聘时看重的标准。”

到 4 月，工程和研究团队已不再强调低级别技术岗位的招聘。同月的调查中，多数经理表示由于 AI，正在招聘一套不同的技能。约三分之一的机器学习经理和五分之一的软件工程师经理称，因为 AI 而减少了招聘。

就业占比的变化十分显著。自 2025 年初以来，Anthropic 技术部门中初级员工的占比从 21% 降至 14%；初级技术岗位新招聘员工的比例下降更快，从 27% 降至 9%。自 2025 年 12 月以来，初级岗位的招聘启示下降尤为剧烈。

图 1：Anthropic 入门级技术岗位招聘下降。

与此同时，技术部门在 Anthropic 整体就业中的占比也从 61% 降至 56%（过去一年）。绝对数量上，技术招聘仍在增长，但销售、财务和招聘的密集招聘超过了它。部分原因是公司规模化后业务职能的自然扩张；部分则可能反映编码工具正让非技术员工自己制作软件。例如，一位销售代表为自己的工作定制了仪表盘和 pipeline：“这种构建本来超出了我的能力范围，尤其是 UI、连接所有工具、MCP。但我大概三到四个小时就建好了，只是不断迭代。”面向非技术员工（基线无代码提交、不含新员工）的编码类 AI 智能体会话，从 2025 年 8 月的每月 2 次跃升至 2026 年 5 月的 90 次。

然而，这种招聘构成的变化不只关于自动化编码向其他领域专家扩散。在技术部门内部，不活跃编码的员工（定义为过去 30 天无代码提交）占比在截至 2026 年 4 月的一年中下降了近一半。部分原因是非工程师比例变薄：例如工程师与产品经理的比例约为 17:1，且自 2025 年以来还在上升。经理的代码提交量也翻了一倍。技术团队内的监督和协调角色，越来越多地涉及构建和发布代码。

非技术招聘没有加速的一个领域，是通常随公司规模扩张的行政职能。智能体助手、自动审核和工单服务外包相结合，使 Anthropic 即便快速增长也保持“文书精简”。一位财务经理构建了采购请求审核智能体，并向同事解释：“它只是试图找出那些耗费大量时间的事情，这样他们可以专注于其他事情。”

即便与面对面互动紧密相关的文书工作，增长也很缓慢。一位执行助理构建了用于日程和邮件分类的个人助理智能体，她解释说：“我认为我们已经过了 Claude 增强掉真正入门级行政岗位的阶段”，转而专注于更高阶的“幕僚长”任务。

这些变化已经涉及重新配置：在公司工作至少一年的员工，2026 年每月跨部门调动的可能性比 2025 年高 50%。整个团队在把工作交给智能体后也被重新分配。例如一个产品设计团队，曾撰写 Claude.ai 上的问候语：“Hello night owl;”“Coffee and Claude time?” 2026 年春，该团队开发了一个上下文图谱，有效引导智能体撰写有吸引力的产品内容。经理说这“把团队规模化”，但也提出了一个问题：人类写作者还剩下什么？团队随后转向智能体提示，开始为 Claude 撰写模型评测和提示。“曾经用语言驱动人类行为的写作者，现在用它来驱动 Claude 的行为。”

AI 是否推动了 Anthropic 的生产力提升？

这些转变是否归因于 AI？在 Anthropic，人类是覆盖在日益庞大的 AI 智能体队伍之上的薄层。根据智能体会话遥测，2026 年 3 月，自主和交互式智能体工作时长总和首次超过人类工作时长。部分原因是智能体集群在进行工业级软件工程，填补大量常规测试和检查，维护不断增长的基础设施代码，并推动翻译大规模代码库的协同行动。但即便只看单个员工部署的智能体（图 2），到 8 月，智能体工作时长也是其人类操作者的 6 倍。

图 2：智能体工作时长超过人类。注：我们仅统计员工发起的交互式会话，并合并子智能体。工作时间按智能体运行时长计算，包括推理和主动工具使用，但不包括任何超过 30 分钟的等待。人类工作时长按员工人数计算，假设每周工作 40 小时。

Anthropic 是软件生产商，流经这些智能体的词元绝大部分用于生产软件代码。仪表盘监控着全公司运行的智能体集群。但个人助理智能体也监控员工日历和消息，进行日程安排、发送从 incoming messages 积累的待办清单，并自动向员工简报即将参加会议的人员和目的。词元正触及越来越多的日常工作任务。

图 3：各职能的生产力大幅提升。注：对底层指数化产出数据拟合 Loess 平滑曲线。

这些词元意味着什么？图 3 绘制了具有可衡量产出的多个职能随时间变化的产出。与之前调查 Anthropic 工程师、描述模型训练与研究自动化的报告一致，每位工程师的代码提交量增长最快，达到六个月前的 5 倍速度。数据科学家也在更多查询 Anthropic 不断增长的数据，让 Claude 智能体把实时指标送到仪表盘和决策者手中。但图 3 显示，即便非技术员工，随着编码智能体普及，产出也上升了：律师处理更多合同；应付账款处理更多发票；销售人员完成更多交易。

但这都是使用 Claude 带来的吗？同一时期，公司业务爆炸式增长。销售强劲模型时更容易达成交易。为了评估 AI 的独立效应，我们比较采用智能体编码工具与尚未采用员工的产出。这可以比较同月在公司工作、面临相似业务环境但工具不同的员工。但要注意，工具采用并非随机：例如，即将推动某个大项目的员工决定为此装备工具，就会使估计产生偏差。

我们跟踪了 192 名逐步采用编码智能体的工程师，以及研究期间未采用的 74 名工程师。图 4 显示，在采用后的几个月中，工程师新增代码量急剧上升。更多代码不一定意味着更好的代码或业务影响。为检验 AI 代码是否“注水”，我们研究了 Anthropic 的代码提交，比较同一员工、同一月份、同一代码目录下由编码智能体编写而非员工直接编写的代码。代码质量有很多维度，AI 错误可能比人类错误更难发现。但我们发现，后续被删除或回滚的代码行比例没有差异。

图 4 还考察了工程师采用首个全自主智能体后的情况。采用者相比非采用者本已处于陡峭上升的轨迹，这表明转向全自主智能体的员工本来就在提升产出。

图 4：基于错峰采用 AI 的个体内生产力增长估计。注：系数比较采用编码智能体与未采用的员工，并控制个体和日历月份双向固定效应。处理时点依据个人首个拥有至少五次智能体会话的月份。误差棒为按个体聚类标准误计算的 95% 置信区间。质量面板比较同一人直接编写的代码与其编码智能体编写的代码。质量代理指标包括：90 天内因任何原因被删除的行占比；因修复 bug 被删除的行占比；整个提交是否被显式回滚；添加 lint 抑制注释；添加“需修复”标记；以及将测试标记为跳过、重试或允许失败。

这些模式是否超越了编码，进入更广泛的知识工作转型？Anthropic 的销售代表从去年 9 月开始稳步采用 AI 智能体。图 4 显示，销售代表在采用智能体后，与更多客户达成交易。这种模式部分可能是因为拥有更多销售机会的代表选择了自动化，但也可能反映了日志记录和常规沟通的自动化。一位客户经理解释说，Claude 自动化处理了邮件起草和客户管理软件集成，取代了其此前约 20% 的工作任务。另一位提到，类似的自动化让他们腾出时间专注于面对面交流，从而能够接触比以往多 30% 的客户：“任何时候你第二次做某件事，你就会想，好吧，我怎么能用 Claude 让它不必再做第三次？”

除了销售，一位 Anthropic 律师构建了一系列 Claude 自动化，用于扫描风险和机会、分诊法律问题，并对面向公众的文案进行法律审核的初步处理。一位招聘人员用 Claude 协助候选人搜寻、跟踪申请，以及一项原本“可能要花几周”的分析，从而腾出手来重新设计过时的面试问题，并与更多申请人面谈。

所有这些都表明，随着 AI 能力提高，其影响波及 Anthropic 的各类岗位。从描述上看，在使用 Claude 处理最复杂任务的岗位上，初级就业增长正在放缓（图 5）。

图 5：按 Claude 使用复杂度划分的初级岗位就业增长。注：按岗位层次绘制。增长比较 2026 年 1 月与 2026 年 7 月的在职人数。AI 复杂度基于对智能体日志的自动编码（就业下降之前，2025 年 10 月至 12 月），并作百分位转换。点的大小按该岗位 1 月在职人数缩放；回归线按加权点拟合。

瓶颈与流程：AI 密集工作场所中的新旧任务

重度采用 AI 重塑的不仅是就业和生产力，它还推动工作流程持续变化，产生新任务，并改变员工对职场的感知。一位员工将其描述为“在 Anthropic 永恒的压力，要尽可能快地前进并把 Claude 用于一切”；另一位说“我们一周内预期完成的事，在其他地方要花三个月”。一项内部员工调查询问 Anthropic 的工作流程是否让受访者尽可能高效：2024 年底有 44% 的员工认同；到 2025 年 11 月为 58%（2026 年 4 月有 75% 回答“是”，但该问题因去掉“尽可能”而被弱化）。截至 8 月，Anthropic 员工预计到 2030 年 AI 将能完成他们 75% 的工作，而普通美国人的这一比例为 28%。

这种不断抬升的生产力预期，在内部模型发布的节奏中表现得尤为明显。新模型一上线，Anthropic 员工就开始在交互式编码智能体会话中处理更难的问题。我们用自动 Claude 评分器对去标识化会话的任务需求进行评级，依据深度、涉及范围和牵涉的系统数量。相对于旧模型，难度处于第 90 百分位以上的任务占比急剧上升约 30%（从全部任务的 10% 升至 13%），并在模型发布后的数周内保持高位。交给智能体的简单任务端变化不大。

智能体生产力飙升，转化为倾泻到人类屏幕和注意力上的产出。一位工程师将其比作照看孩子：

“他们就像在说，我需要打开我的果汁盒，而打开果汁盒是紧急事件。这种诉求的表达方式，和那个割伤手指、正在流血的孩子一模一样。[……] 当你在照看孩子时，每个孩子都带着同等的注意力需求来找你，而各种 Claude 也是这样。”

在 2026 年 4 月的调查中，一个关于 AI 如何影响日常工作的开放式问题里，27% 的人描述了 Claude 工具带来的生产力提升，20% 的人描述自己的角色从“实际做工作”转向了“管理 Claude”。

在这种模型驱动的加速中，人类注意力是持续存在的瓶颈。在交互式多轮会话中，智能体会话时间的绝大部分并非用于工作，而是在等待。我们用每个交互式会话的总挂钟时间减去智能体的主动工作时间，来追踪空闲时间。Claude 会话中约有 80% 的时间是在空闲等待人类输入。正如一位工程师所说，人们正在“给智能体造成瓶颈”。

那么，究竟需要多少时间才能读完 Claude 在交互式会话中的所有产出？我们将每次会话的智能体输出词元转换为词数，并假设平均阅读速度。图 6 显示，技术职能在过去六个月中看到的编码智能体产出量激增。但即便对于非技术群体，交互式 Claude 会话输出的文本内容也多到足以占据半个工作周以上。Claude 文本的洪流需要被组织起来。

图 6：把阅读 Claude 当成全职工作。注：将输出词元转换为词数估算小时数，假设每个词元约 0.75 个词，阅读速度为每分钟 250 词。

应对这一洪流的一个方案是提升自动化。但这需要另一种工作。写给智能体的书面常备指令从 2025 年 7 月的几百条，增加到一年后的 8,500 条。一位工程师设立了一个“智能体幕僚长”来分诊智能体请求。另一位给自己的 Claude 团队写了一份绩效评估：“嘿，我们来谈谈我们的沟通方式哪些地方行、哪些地方不行。”招聘人员用智能体构建了集成仪表盘，由智能体发现问题并发起行动。一位律师将注意力从审核法律问题转向做“法律建议的 SEO，你需要写出让客户智能体能够发现的框架”。

图 7 显示，这类元工作在普通员工交互式 Claude 会话中的占比，从 2025 年秋季的 10% 跃升至 2026 年春季的 22%。这一上升很大一部分 specifically 来自智能体管理：为多智能体运行编写规格、让一个智能体循环审阅另一个的产出、监控流水线。在各职能中，人类参与越来越从某一段具体代码或文稿，抽象为让智能体有效完成任务所必需的 tooling。

图 7：成为 Claude 的管理者。注：元工作估计基于自动编码器对 2,000 条单行聊天摘要的评估，判断其关注点是构建 Claude 技能、为其他智能体制定的计划与评审、面向智能体流水线的仪表盘与监控，以及记录工作方式，而非实际工作本身。

尽管智能体可靠性提高，且在监督它们的工具上投入巨大，人类信任和问责依然关键。一位员工解释说，追查 bug 越来越多地“揭示出这些组织性、系统性或技术债问题，它们实际上需要一定程度的人类召集、决策和治理才能解决”。在一次次访谈中，员工都形容面对面协调不可或缺。根据日历数据，普通员工现在花在会议上的时间比一年前多 20%。部分原因是公司增长，以及向会议密集的非技术岗位转移。但即便在担任技术个人贡献者的员工中，会议时间在过去一年也上升了 16%。宏观战略问题涉及大量被杠杆放大的岗位，通常需要辩论和与他人互动。从管理智能体中暂时抽身，通常看起来就是跳进一场会议。

总体来看，技术岗和非技术岗都有执行层面的部分被自动化了（写代码、识别 bug、记录进展、起草邮件）。工程师描述自己正在成为智能体的领导和管理者；非技术员工则描述自己工作中战略部分的比重越来越大：“原来 20% 的战略性工作，变成了这份工作的 90%。”但对许多非技术岗位而言，核心执行工作也是人际性的：一通销售电话、一场面试、围绕复杂问题的跨职能对齐。所有这些仍然属于人类。

再看看提供 Anthropic 沟通首页和后台渠道的 Slack 频道。智能体扩散到 Slack，最终出现在近一半的活跃公开频道中。图 8 聚焦某个大型部门的沟通网络，基于该部门成员互动过的所有公开 Slack 频道，并按是否参与同一 Slack 线程来连接人类与智能体参与者。该图展示了智能体的显著崛起，橙点激增并主导了网络。

视频 3

图 8：智能体进入沟通网络。注：蓝点代表员工；橙点代表智能体线程。连线表示同一线程中人类或智能体之间的互动。

智能体更多出现在专门用于 Claude 与人类互动的频道里，而不是在原有的人类频道中大量发消息。人类沟通的 underlying 结构和密度变化不大。智能体并没有取代人类互动，而是在其之上叠加：该部门的人类线程保持了相同数量的人类回复，同时额外叠加了智能体回复。智能体成为单个员工的团队，而不是同时与许多员工高度连接的节点。

随着人类在日益壮大的 AI 智能体队伍中工作，他们面临把人类工作转移到“智能体可见”渠道的压力。如果某个决策是在线下会议中做出的，且没有出现任何笔记或汇报，智能体就会缺失更新目标和假设的关键上下文。一位员工解释说，由于自己的名字出现在一项几个月前有关 Claude 周边商品的文档上，智能体在其职责早已变化后，仍不断带来 T 恤和马克杯的请求。在未记录日志的会议和私信中进行的私密工作，在 AI 密集的工作场所中是隐形的、令人困惑的，并且不受鼓励。一位研究员将这种对开放的默认要求描述为 Anthropic 彻底整合 AI 的关键：“大多数组织不是这样运行的，我认为这是一个巨大转变，因为领导者必须在公开场合为反馈辩护。”向 AI 投喂上下文的需要，要求人类工作和决策具备可观测性。

谁会在这样的职场中脱颖而出？Anthropic 工作内容的变化，也体现为招聘经理在招聘决策中优先看重技能的转变。我们用自动编码器处理了自 2024 年以来 Anthropic 录用的数千名员工的招聘经理面试评分卡。这些评语是面试官评估候选人表现的质性反应。最明显的变化是对候选人是否创造性地使用 AI 工具的强调增加。2024 年，招聘经理在技术岗位评估中提到候选人 AI 工具使用记录的比例约为 5%，非技术岗位约为 7%。到 2026 年，技术岗位的这一比例增至三倍，非技术岗位增至四倍。招聘经理越来越关注候选人是否有效使用 AI。

评估中更深层次的变化也可见。在技术候选人的面试中，增幅最大的是关于申请人自主性和判断力的评语。对领域专长的讨论占整体评估的比例下降。正如一位经理解释的：“我预计模型会继续参差不齐，所以对我的团队，我希望他们能跨领域通用。”同样，对于非技术候选人，客户和使命导向的评语增加，而对执行技能的讨论下降。招聘经理越来越基于判断力和投入度来评估申请人，而不是被 AI 工具自动化的特定领域技能与执行。

雇主能做什么

Anthropic 对 AI 的深度采用使其成为一个有用的案例。随着 AI 扩散和改进，工作组织可能会像此前几波技术变革中那样发生转变。铁路带来了管理型公司，蒸汽动力让工厂成为可能，个人电脑催生了初创公司。那么，会使用工具、会推理的 LLM 需要什么样的新组织，我们在其中又将扮演什么角色？一种可能是单人初创公司：每位人类创始人 steering 成群的智能体，赚取数十亿美元收入。另一种可能是由 AI 天才 CEO 建立的公司，只雇用人类智能体来拿移液器和到国会作证。

Anthropic 看起来两者都不是。它在过去一年规模增至三倍，已不再是小型初创公司。它也没有把执行控制权交给模型。书面 Slack 辩论和线下会议主导着从公司战略到团队决策的一切，AI 智能体 input 很少。保持人类工作在公司的可见性，确保自主智能体基于最新上下文进行推理。编排智能体团队的个人贡献者，在所需知识和工作中的相互依赖上，越来越像管理者。在 AI 密集的组织中，公开工作和公开决策至关重要。

随着员工越来越把自己的工作视为管理 Claude 团队，他们花更多时间构建在自己独特领域中有效管理所需的工具。这种实验意味着员工在持续自动化掉自己的任务。在某些岗位上，他们越来越远离最初构建其技能的对象层工作。随着智能体冲刺般穿过工作流，人类注意力和判断力成为系统不断冲击的瓶颈。从销售到法律，人类员工被期望做更多且不同的任务。岗位范围扩大，包括构建产品、管理智能体，以及处理那些仍超出最强 LLM 能力范围的战略和人际工作。

这些工作组织和内容的变化，与初级技术岗位在在职人数、招聘和岗位发布中占比下降同时出现。招聘经理越来越看重申请人的自主性和判断力，而非执行和狭窄专长。总体而言，Anthropic 相对于就业增长的营收增长，甚至超过了上一代科技公司早期快速的生产力增长。

把这些模式向前和向外推演到整个经济，表明 AI 扩散可能带来劳动者被替代的风险。此前研究也发现，AI 原生初创公司和 AI 采用者更扁平，雇用的入门级员工更少。我们能从 Anthropic 学到什么，以便在管理 AI 动荡时服务其周围的人类？

这里我们需谨慎行事。Anthropic 的许多雇佣实践无法在整个经济中复制。但有三个特征突出。第一，广泛的持股让员工对公司的成功有强烈利益。当然，对于一家估值大幅增长的公司来说，这是一种容易采取的姿态。对许多企业而言，共享所有权可能不足或 otherwise 不可取。但很难想象一种 pro-worker 的 AI 采用版本，其中劳动者不持有成功部署的财务 stake。如果个人贡献者被期望“管理智能体”、“做出副总裁级决策”并成为“自己的业务线”，那么将他们的利益与组织对齐至关重要。1950 年代形成的战后工会—管理方和解，正是建立在这样的交易上：United Auto Workers 和 United Steel Workers 等工会允许管理层拥有工作重组（甚至强化）的特权，以换取与生产率增长挂钩的加薪和一系列丰厚福利。无论 AI 受影响员工与雇主之间的新协议是什么，一种分享采用收益的机制都必不可少。在 Anthropic，员工把自己的专长 codify 给机器，看到日常工作不断被搅动和 disruption，并且他们很大一部分工作变成了快速阅读 AI 协作者的产出。他们不是免费做这些的。

第二，Anthropic 正在建立持续的早期预警系统，监控面临 AI 驱动转型的岗位。一系列针对需求和生产力的岗位级指标，被拿来对照 AI 能力和使用情况。这些汇总指标有助于标记工作正在向何处转移。早期预警系统使公司能够开始将受影响员工重新分配到技能匹配度更高、可能不那么即刻面临风险的岗位。随着整个经济的公司重新适应加速的工作重组节奏，指导内部员工重新分配的有效系统将变得越来越有价值。每当 AI 进步要求新任务时都转向外部劳动力市场，会在 AI 越快进步时成为越强的瓶颈。在本报告中，我们发现部门间流动性增加、工作内容变化，以及员工在旧任务被自动化时转向新任务。建立灵活内部重新分配员工的系统，对 AI 密集型组织至关重要。

这种对内部员工转岗的承诺也带来重要权衡。运转良好的劳动力市场应该把员工转移到生产率最高的职位上，无论是在当前雇主还是另一家雇主。对 incumbent 员工转岗的承诺，可能会让雇主不愿冒险雇用新员工。在正常经济环境下，特别是在竞争激烈的环境中，这种承诺可能代价高昂。

但优先转岗会迫使采用 AI 的公司考虑如何借助 AI 为新产品和新市场创造新任务，而不是把 AI 应用引向替代人类员工以节省劳动力成本。这有助于雇主抵制“凑合”或“低效”自动化的诱惑：在这种自动化中，AI 或其他技术只是勉强胜过人类员工；雇主替换掉人类员工，给被替代者造成收入损失方面的巨大社会成本，同时只带来极小的生产率收益。

从我们在 Anthropic 看到的情况看，在密集使用 AI 的同时，新颖且持续属于人类的任务依然存在。对未来这套任务的不确定性，应当建议保留一支灵活的劳动力队伍。正如一位 Anthropic 高管所说：“一支焦虑担忧的劳动力队伍，不是一支在做最好工作的劳动力队伍。”

这些行动都无法阻止强大 AI 扰乱岗位。而且它们也都没有直接解决本报告中记录的初级招聘放缓。对 incumbent 的就业保护，不会惠及那些从一开始就没被雇用的人。雇主方面的私人行动，必须与政府在再培训和收入支持方面富有远见的政策同时推进。这类政策应以对 AI 可能带来职场转型规模的清晰认识为指导。

社区整体对 Anthropic 这份内部报告充满讽刺和不信任：多数人质疑其用代码行数／提交数衡量生产力、借内部实践为产品与上市背书，并警告不招初级工程师会断送未来资深工程师、智能体规模扩张不可持续；少数人则反对把问题简化为“初级被取代”，认为差别在于是否具备驾驭智能体的能力，还有人指出 Anthropic 若真想卖订阅，更该鼓吹“增强开发者”而非“取代开发者”。

警告不招初级工程师会断送未来的资深工程师

• 多人重申最直白的常识：没有新人就不会有未来的资深者；报告庆祝消灭初级工作，却没解释未来资深工程师从哪里来。若连初级都不招，所谓资深梯队终将枯竭；同时招聘门槛已在抬高，叠加裁员，前景并不好。也有人提出关键疑问：Anthropic 是因为 AI 提效而缩招，还是用同样的钱做了更多工程？（认可度：较多人）
• > 说起来像废话，但没有新的初级工程师，就不会有未来的资深工程师。（@OuterVale）

质疑用代码行数、提交数和智能体工时衡量真实生产力

• 社区普遍反感把代码行数、提交数或智能体工时代替价值：产出越多不等于工作更好，反而可能带来维护负担；大家早就像保姆一样同时看管多个智能体，读 Claude 产出也并不代表做出了更好的产品，系统和产品只是变得更同质、更臃肿。真正该看的是收入、利润、风险和可维护性，也有人希望看到人均营收或利润这类数据。（认可度：较多人）
• > 每一行代码都是负债而不是奖杯；用代码量衡量产出会让人忽略维护成本，将来他们恐怕还得回头给新生成的每行代码加验证闸门。（@voidhorse）

认为报告是 Anthropic 为产品或上市背书的营销，而非客观结论

• 不少人认为这篇文章读起来就是广告或上市路演材料：它必然让人觉得“他们当然会这么讲”，因为根本分不清报道和广告；背后公司急于证明产品有严肃商业价值，而没有利益冲突的人并不认同有很高投资回报。还有人质疑作者和 Anthropic CEO 都不是软件工程师，根本无力凭经验评价这些工程主张。（认可度：较多人）
• > 文章本身读起来就像为上市打的广告：看啊，我们正活在高效率未来，而且还在亲手建造它，所以快来买股票。（@gumby）

认为 Anthropic 的经验无法外推到普通公司

• Anthropic 既不是盈利样板，也没有护城河，Claude Code 还堆积大量待处理问题；它的资金和炒作热度近乎无限，只有部分经验可能迁移，得“就着一大堆盐”读。其规模与增长方式 99% 的公司都遇不到，所谓招聘结构变化其实只是研发公司“大量招人—找到契合点—裁到核心—扩张销售运营”的常规周期，且缺乏与非 AI 公司的对比。（认可度：较多人）
• > 要记住 Anthropic 的发现来自一家资金和炒作热度都近乎无限的公司；有些东西或许能迁移，但很多大概率不能，得就着一大堆盐来读。（@hypfer）

警告智能体规模化会导致失控、递归自我改进与不可持续

• 持续加压用智能体提效，会逼人自建工具编排智能体，再因产出过多而需要“元编排器”去编排编排器；把工作外包给智能体再外包给智能体，已近乎递归自我改进，却被包装成负责任开发。还有人担心人类会逐渐失去对医疗、电网等关键系统的集体认知，一旦系统失效无人能修，普通公司也未必烧得起“一支 Claude 大军”的词元。（认可度：较多人）
• > 不断被要求用智能体提效，逼得人要自建工具来编排智能体，又因为产出太多而需要“元编排器”去编排编排器；把工作外包给智能体再外包给智能体，这已经近乎递归自我改进，却被说成负责任开发。（@9dev）

认为“初级/资深”之分已过时，真正门槛是驾驭智能体的能力

• 有人认为“初级”并不是对的区分维度：最近见过的资深工程师未必会用智能体，而应届生中有人能把自身产能放大百倍。现在招人更看重深度好奇心、快速吸收新信息、最大化协调智能体以及清晰沟通的能力，具备这些就能征服软件世界。（认可度：少数人）
• > “初级”并不是对的区分方式；资深工程师也可能很差地驾驭智能体，而应届生中有人能把产能放大百倍，如今更看重好奇心、快速学习、最大化协调智能体与清晰沟通的能力。（@Jackobrien）

认为 Anthropic 炒作“取代开发者”在商业上并不明智

• 反直觉的一点：即便“开发者被取代”近乎成立，对公司更赚钱的方式也是留住全部开发者、给每个人都买最高档订阅，而不是让企业裁掉 90% 的人、只给剩下 10% 买订阅。所以 Anthropic 其实更该宣传 Claude 不替代开发者，而是让开发者能力暴增。（认可度：少数人）
• > 如果公司真能裁掉 100 人里的 90 人、只给剩下 10 人买 Claude 订阅，那不如留住 100 人、给每个人都买订阅；所以 Anthropic 更该宣传 Claude 不替代开发者，而是让开发者能力暴增。（@SilverSlash）

认为报告只是复述常识、早已失去技术实质

• 有人抱怨这类文章早就过了还能引起兴趣的保质期：开头还有技术实质时好看，现在只剩科技男的深沉幻想；也有人说全文只是重复“入门级岗位消失、AI 做所有事、智能体基础设施”这套人尽皆知的话，没什么可吸取的。（认可度：少数人）
• > 文章只是把大家都知道的“入门级工作没了、AI 做一切、智能体基础设施”又说了一遍，没什么新东西可拿走。（@vinitjain24）

认为评论区大量批评只是偷懒的套话

• 也有人反思讨论质量本身，称大多数跟帖只是懒得动脑地重复三种说法，而不是提出更有力的分析。（认可度：少数人）
• > 大多数评论都很懒，无非是“Anthropic 坏因为劳动自动化”“Claude 坏因为那次幻觉”“这是为上市数字炒作的营销帖”这类套话。（@simianwords）

指出“初级岗位占比下降”在顶级实验室是伪命题

• 有人反驳报告的数据前提：Anthropic 过去两年究竟招过初级岗位吗？OpenAI 和 Anthropic 这种顶级实验室能在全球无缝招到每个岗位最优秀的人，根本不需要考虑普通初级，因此“减少初级技术岗位占比”并不能说明 AI 取代了新人。（认可度：少数人）
• > 我不想当那个拆穿谎言或垃圾的人，但 Anthropic 过去两年到底招过初级岗吗？这类公司能在全球招到最优秀的人，根本没必要考虑可怜的初级。（@siva7）

有价值的补充

• 有人用往返重写代码的故事讽刺提交数指标：两个搞氛围编程的开发者打赌把同一套代码在 Zig 和 Rust 之间来回转换，烧掉大量词元、产生上千次提交，最后却只换来“公司生产力提高到每天两千次提交”的荒谬结论。这是社区对虚假指标最具代表性的玩笑。（@q3k）
• gb2dhn 提到 Ted Chiang 在 2002 年的短篇《The Evolution of Human Science》（收录于《Stories of Your Life and Others》）：故事设定“元人类”已接管科研，人类只能拿到低保真报告，理解科学变成类似考古的爱好。这个冷知识被用来类比人类可能逐渐失去对智能体所构建系统的认知。（@gb2dhn）
• somewhereoutth 指出两个反直觉细节：让每个人为所有事都自建智能体听起来非常烧词元；而这篇讲智能体多强的文章似乎并非 AI 撰写、也没用 AI 辅助，否则 Anthropic 肯定会大肆宣传，这反而暗示 AI 目前还写不了这类东西。（@somewhereoutth）