Markdown आवृत्ती

AI-translated from English; not yet reviewed by a fluent editor.

# कर्मचारी अभ्यासात Anthropicच्या तांत्रिक भरतीतील कनिष्ठ पदांचा वाटा घटल्याचे दिसते

> संपूर्ण कंपनीतील भरती वाढत असताना तांत्रिक कर्मचारी आणि नव्या भरतीत कनिष्ठ पदांचा वाटा कमी झाल्याचे Anthropicने म्हटले आहे. एजंट आणि कामाच्या निष्पत्तीची मोजमापे कारणसंबंध स्पष्ट करत नाहीत.

By BIG CHANGE Editorial

Published: 2026-10-18T00:01:34.926Z
Updated: 2026-10-18T00:01:34.926Z
Canonical: https://bigchange.ai/blog/anthropic-junior-technical-hiring-workforce-study

![Conceptual charcoal illustration of blank employee badges and one orange visitor badge at a generic office entrance.](https://bigchange.ai/api/media/file/anthropic-workforce-entry-concept-v1.png)
AI-generated conceptual illustration by BIG CHANGE; no actual Anthropic office, employee, applicant or hiring decision is depicted.

Anthropicच्या तांत्रिक कर्मचाऱ्यांमध्ये कनिष्ठांचा वाटा 2025च्या सुरुवातीपेक्षा कमी झाला आहे. स्वतःच्या कर्मचाऱ्यांवरील [16 ऑक्टोबरच्या अहवालात](https://www.anthropic.com/research/employment-at-anthropic) कंपनी म्हणते की तांत्रिक विभागांतील कर्मचाऱ्यांमध्ये कनिष्ठांचा वाटा 21%वरून 14% झाला, तर तांत्रिक भरतीतील कनिष्ठ पदांचा वाटा 27%वरून 9% झाला. हे टक्के वेगाने वाढणाऱ्या एका कंपनीतील कर्मचारी आणि नव्या भरतीची रचना दर्शवतात. Anthropicने प्रत्यक्षात किती कनिष्ठ व्यक्तींना नियुक्त केले हे त्यातून समजत नाही; तसेच इतरत्र झालेली रोजगारहानी त्यातून मोजली जात नाही.

अहवालात अंतर्गत भरतीच्या नोंदी, एजंट टेलिमेट्री, कामाच्या निष्पत्तीची मोजमापे, दिनदर्शिका, सर्वेक्षणे आणि 17 कर्मचाऱ्यांच्या मुलाखती एकत्र केल्या आहेत. तो एका AI कंपनीतील कामाचा असामान्यपणे तपशीलवार आढावा देतो. पण एक स्पष्ट मर्यादा आहे: व्यवसाय वेगाने वाढत असताना आणि स्वतःची उत्पादने मोठ्या प्रमाणात वापरत असताना Anthropicने स्वतःचाच अभ्यास केला. व्यवस्थापक ही मोजमापे आणि पद्धती तपासू शकतात; मात्र हे कार्यस्थळ त्यांच्या स्वतःच्या कार्यस्थळाचे भविष्य दर्शवते असे मानण्याची गरज नाही.

## मोठा बदल

- **काय बदलले:** Anthropicच्या म्हणण्यानुसार तांत्रिक कर्मचारी आणि नव्या तांत्रिक भरतीत कनिष्ठांचा वाटा मोठ्या प्रमाणात घटला आहे. कर्मचाऱ्यांच्या निर्देशानुसार चालणाऱ्या एजंटच्या क्रियांमध्ये वाढ आणि मोजलेल्या कामाच्या अनेक निष्पत्तींतील बदलही अहवालात नोंदवले आहेत.
- **हे महत्त्वाचे का:** भरतीचे आकडे तांत्रिक कामात प्रवेश करण्याच्या मार्गांबद्दल एक ठोस प्रश्न उपस्थित करतात. एजंटचा वापर आणि कामाची निष्पत्ती एकाच वेळी वाढली; मात्र भरतीतील बदलाचे कारण म्हणून AIला स्वतंत्रपणे निश्चित करणे किंवा विविध नियोक्त्यांमध्ये तसाच परिणाम असल्याचे सिद्ध करणे अहवालाला शक्य नाही.
- **कशाकडे लक्ष द्यावे:** भरतीच्या प्रत्यक्ष संख्येतील तुलना करण्याजोगे आकडे आणि नवे कर्मचारी कौशल्ये कशी विकसित करतात याचे पुरावे कनिष्ठांच्या कामाच्या प्रश्नाचे मूल्यमापन करण्यास मदत करतील. Anthropicचे नियोजित अंतर्गत निरीक्षण आणि कर्मचाऱ्यांचे पुनर्नियोजन सध्याच्या कर्मचाऱ्यांसाठी आहेत; कधीच नियुक्त न झालेल्या लोकांना या उपायांनी थेट मदत होत नाही, असे अहवालात म्हटले आहे.

## भरतीच्या टक्केवारींचे आधारसमूह वेगवेगळे आहेत

21%वरून 14% झालेला बदल हा **तांत्रिक विभागांमधील कनिष्ठ कर्मचाऱ्यांच्या वाट्याबद्दल** आहे. 27%वरून 9% झालेला बदल हा **तांत्रिक भरतीतील कनिष्ठ पदांच्या वाट्याबद्दल** आहे. Anthropic असेही म्हणते की मागील वर्षात संपूर्ण कंपनीच्या कर्मचाऱ्यांमध्ये तांत्रिक विभागांचा वाटा 61%वरून 56% झाला. कंपनी विस्तारत असताना तांत्रिक भरती प्रत्यक्ष संख्येने वाढत राहिली; मात्र विक्री, वित्त आणि कर्मचारी भरतीच्या विभागांतील नियुक्त्या अधिक वेगाने वाढल्या. अहवालाच्या मजकुरात कनिष्ठ तांत्रिक कर्मचाऱ्यांच्या नव्या भरतीची तुलना करण्याजोगी प्रत्यक्ष संख्या दिलेली नाही. त्यामुळे केवळ वाटा घटल्यावरून ती संख्या वाढली की कमी झाली हे वाचकांना समजू शकत नाही.

एप्रिलमधील व्यवस्थापकांच्या सर्वेक्षणात साधारण एक-तृतीयांश मशीन लर्निंग व्यवस्थापक आणि एक-पंचमांश सॉफ्टवेअर अभियांत्रिकी व्यवस्थापकांनी AIमुळे भरती कमी करत असल्याचे सांगितले. ही व्यवस्थापकांच्या निर्णयांची आणि स्पष्टीकरणांची नोंद आहे; AIने किती नोकऱ्यांची जागा घेतली हे ठरवणारा प्रयोग नाही. कंपनीची वाढ आणि व्यावसायिक कार्यांचा विस्तार यांमुळेही भरतीची रचना बदलली. डिसेंबर 2025नंतर कनिष्ठ तांत्रिक पदांच्या जाहिराती विशेष तीव्रतेने घटल्याचे अभ्यासात नमूद आहे; मात्र त्या कलावरून संपूर्ण अर्थव्यवस्थेबद्दल दावा केलेला नाही.

हे BIG CHANGEच्या पूर्वीच्या [अमेरिकेतील पदवीधरांच्या बेरोजगारीवरील वृत्तांकनापेक्षा](https://bigchange.ai/blog/recent-college-graduate-unemployment-ai-study) वेगळे आहे. त्या वृत्तांकनात एका नियोक्त्याच्या भरतीच्या नोंदीऐवजी घरगुती सर्वेक्षणाचा अभ्यास केला होता. वेगवेगळी मोजमापे एकाच वेळी खरी असू शकतात: एका कंपनीच्या भरतीच्या रचनेतील बदल पदवीधरांच्या राष्ट्रीय बेरोजगारी दरात सांख्यिकीदृष्ट्या स्पष्ट बदल म्हणून दिसेलच असे नाही.

## एजंटचे तास आणि कामाची निष्पत्ती स्वतंत्रपणे समजून घ्यावी लागते

Anthropicच्या अंदाजानुसार ऑगस्ट 2026पर्यंत कर्मचाऱ्यांच्या निर्देशानुसार चालणारे परस्परसंवादी एजंट कर्मचाऱ्यांच्या कामाच्या तासांच्या सहापट वेळ चालत होते. एजंटचे मोजमाप सत्र चालू असण्याचा वेळ मोजते. त्यात इन्फरन्स आणि साधनांचा सक्रिय वापर येतो; मात्र 30 मिनिटांपेक्षा अधिक प्रतीक्षा वगळली जाते. मानवी कामाशी तुलना करताना प्रत्येक कर्मचारी आठवड्याला 40 तास काम करतो असे गृहीत धरले आहे. ही टेलिमेट्री आणि गृहीत धरलेल्या आधारसंख्येवर तयार केलेली तुलना आहे; प्रत्येक व्यक्तीची जागा सहा एजंट-कामगार घेतात अशी मोजणी नाही. वेगळ्या मोजमापानुसार परस्परसंवादी सत्रांचा एकूण प्रत्यक्ष गेलेल्या वेळेपैकी सुमारे 80% वेळ मानवी प्रतिसादाची वाट पाहण्यात गेला. ही दोन मोजमापे वेळेची व्याख्या वेगवेगळी करतात.

Anthropicच्या म्हणण्यानुसार प्रत्येक अभियंत्यामागील कोड कमिटची संख्या सहा महिन्यांपूर्वीच्या पाचपट झाली. वकिलांनी अधिक करार हाताळले, देय खात्यांच्या कर्मचाऱ्यांनी अधिक बिले हाताळली आणि विक्री कर्मचाऱ्यांनी अधिक व्यवहार पूर्ण केले. व्यवसाय स्वतः वेगाने वाढत असलेल्या काळातील विशिष्ट कामाच्या निष्पत्तीची ही प्रत्येक मोजणी आहे. उदाहरणार्थ, अधिक कोड कमिट म्हणजे अधिक उपयुक्त सॉफ्टवेअर असेलच असे नाही.

प्रश्नाची व्याप्ती कमी करण्यासाठी संशोधकांनी कोडिंग एजंट वापरण्यास सुरुवात करणाऱ्या 192 अभियंत्यांचा मागोवा घेतला आणि अभ्यासकाळात ते न वापरणाऱ्या 74 जणांशी तुलना केली. वापर सुरू झाल्यानंतर नव्याने जोडलेला कोड वाढला. अभ्यासात एकाच महिन्यात आणि एकाच निर्देशिकेत एखाद्या व्यक्तीने लिहिलेला कोड आणि तिच्या एजंटने लिहिलेला कोड यांचीही तुलना केली. कोड काढून टाकण्याच्या व बदल मागे घेण्याच्या निवडक मापदंडांवर फरक आढळला नाही. या तपासण्या प्रत्येक प्रकारचा दोष किंवा व्यावसायिक मूल्य तपासत नाहीत. वापर सुरू करण्याची निवड यादृच्छिक नव्हती: मोठ्या प्रकल्पाची तयारी करणाऱ्या कर्मचाऱ्यांनी त्यांची निष्पत्ती आधीच वाढत असताना एजंट वापरण्याची निवड केली असू शकते. पूर्णपणे स्वायत्त एजंटच्या वापरकर्त्यांमध्ये वापर सुरू होण्यापूर्वीच वाढता कल होता, असे अहवालात नमूद आहे.

## स्वयंचलनाबरोबर मानवी कामही बदलले

Anthropicच्या दिनदर्शिकेतील माहितीनुसार मध्यकस्थानी असलेल्या कर्मचाऱ्याने वर्षभरापूर्वीपेक्षा बैठकांमध्ये 20% अधिक वेळ घालवला. व्यवस्थापकीय जबाबदारी नसलेल्या तांत्रिक कर्मचाऱ्यांमध्येही बैठकांचा वेळ 16% वाढला. मात्र एकूण वाढीचा काही भाग कंपनीची वाढ आणि बैठका जास्त असणाऱ्या भूमिकांकडे झालेला बदल यांमुळे स्पष्ट होतो, असे अहवालात म्हटले आहे. या आकड्यांवरून एजंटमुळे बैठका वाढल्या असे सिद्ध होत नाही.

संशोधकांनी परस्परसंवादी Claude सत्रांच्या 2,000 एक-ओळी सारांशांवर स्वयंचलित कोडिंग साधन वापरले. त्यांच्या अंदाजानुसार सरासरी कर्मचाऱ्याच्या सत्रांमध्ये एजंटसाठी सूचना, आढावे आणि निरीक्षण साधने तयार करण्याबद्दलच्या सत्रांचा वाटा 2025च्या शरद ऋतूतील 10%वरून 2026च्या वसंत ऋतूत 22% झाला. हा सत्रांचा वर्गीकृत नमुना आहे; संपूर्ण कामाच्या दिवसातील वेळेच्या वापराचे सर्वेक्षण नाही. प्रत्येक टोकनमागे 0.75 शब्द आणि दर मिनिटाला 250 शब्द वाचण्याचा वेग गृहीत धरल्यास, तांत्रिकेतर कर्मचाऱ्यांच्या परस्परसंवादी सत्रांमधील सर्व आउटपुट वाचायला अर्ध्या कामकाजाच्या आठवड्यापेक्षा अधिक वेळ लागेल, असाही अहवालाचा अंदाज आहे. हे संभाव्य वाचनवेळेचे मोजमाप आहे; कर्मचाऱ्यांनी प्रत्यक्ष वाचण्यात घालवलेल्या वेळेचे नाही.

व्यवस्थापकांसाठी भरतीची रचना, कामाचे प्रमाण आणि कामाची गुणवत्ता यांमधील फरक सर्वाधिक उपयुक्त आहे. Anthropicने स्वतःच्या कंपनीत पहिल्या दोन गोष्टी अधिक स्पष्ट केल्या आहेत. या बदलांना AI किती कारणीभूत होते, कामात सुधारणा झाली का आणि दुसऱ्या नियोक्त्याकडेही हाच नमुना दिसेल का, हे प्रश्न अहवालात उघडेच राहतात. विद्यमान कर्मचाऱ्यांचे संरक्षण कधीच कंपनीत न येणाऱ्या अर्जदारांपर्यंत पोहोचत नसल्याने नियोजित अंतर्गत पुनर्नियोजन कनिष्ठांची भरती मंदावण्याचा प्रश्न सोडवत नाही, असे लेखक म्हणतात.

## स्रोत आणि पुढील वाचन

- [Anthropic, *Anthropicमधील रोजगार कसा बदलत आहे* (16 ऑक्टोबर 2026)](https://www.anthropic.com/research/employment-at-anthropic). कंपनीने लिहिलेला हा अहवाल भरतीचे वाटे, कामाच्या निष्पत्तीच्या तुलना, सर्वेक्षणे व दिनदर्शिकेतील मोजमापे आणि कारणसंबंधाबद्दलची स्वतःची सावधगिरी देतो. जोडलेला [20-पानी PDF](https://www-cdn.anthropic.com/72628f1863c53432195db83279252dfd2cb53158/Employment%20at%20Anthropic.pdf) आकृत्यांवरील टिपा आणि मोजमापांच्या व्याख्या देतो. BIG CHANGEने हे प्रकाशित साहित्य तपासले; अंतर्गत नोंदी पाहिल्या नाहीत किंवा साधने तपासून वापरली नाहीत.
- [BIG CHANGE, *2026च्या उन्हाळ्यात अमेरिकेतील पदवीधरांची बेरोजगारी अलीकडच्या पट्ट्यातच राहिली, अभ्यासाचा निष्कर्ष*](https://bigchange.ai/blog/recent-college-graduate-unemployment-ai-study). हे पूर्वीचे वृत्तांकन अलीकडे पदवी मिळवलेल्यांबद्दलच्या राष्ट्रीय सर्वेक्षणातील पुरावे मांडते. त्यातील लोकसमूह आणि परिणाम हे Anthropicच्या अंतर्गत भरतीच्या रचनेपेक्षा वेगळे आहेत.

## Sources

- [Anthropicमधील रोजगार कसा बदलत आहे](https://www.anthropic.com/research/employment-at-anthropic) — पद्धती आणि मर्यादांसह कंपनीने तयार केलेला अंतर्गत कर्मचारी अभ्यास. लेखात त्याच्या संपूर्ण PDFची लिंक आहे.
- [2026च्या उन्हाळ्यात अमेरिकेतील पदवीधरांची बेरोजगारी अलीकडच्या पट्ट्यातच राहिली, अभ्यासाचा निष्कर्ष](https://bigchange.ai/blog/recent-college-graduate-unemployment-ai-study) — संदर्भातील फरक स्पष्ट करण्यासाठी BIG CHANGEचे पूर्वीचे राष्ट्रीय सर्वेक्षणावरील वृत्तांकन; Anthropicच्या अंतर्गत आकड्यांचा स्रोत नाही.