世界从未停止变化。RSS
BIG CHANGE.

Markdown 版本

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

# Anthropic员工研究：技术招聘中初级岗位的占比下降

> Anthropic表示，在全公司招聘增长之际，初级岗位占技术人员和新聘人员的比例下降。其智能体和产出指标仍无法确定因果关系。

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.

与2025年初相比，Anthropic技术人员中初级员工的占比已经下降。该公司在[10月16日发布的关于自身员工的报告](https://www.anthropic.com/research/employment-at-anthropic)中表示，初级员工占技术部门员工的比例从21%降至14%，初级岗位占技术新聘人员的比例则从27%降至9%。这些百分比描述的是一家快速增长公司内部的人员与新聘人员构成，并未说明Anthropic实际聘用了多少初级人员，也未衡量其他地方的岗位流失。

报告汇集了内部招聘记录、智能体遥测数据、产出指标、日历、调查和17位员工的访谈。它对一家AI公司的工作情况提供了少见的详细描述，但也有明显限制：Anthropic研究的是业务快速增长、且大量使用自家产品时的自身情况。管理者可以审视这些指标和方法，但不应把这个工作场所视为对自己公司的未来预测。

## 重大变化

- **发生了什么变化：** Anthropic表示，初级员工占技术人员和技术新聘人员的比例大幅下降。报告还记录了更多由员工指挥的智能体活动，以及数项受衡量产出的变化。
- **为什么重要：** 招聘数字提出了一个具体问题：人们通过什么路径进入技术工作？智能体使用与产出同期增加，但报告无法单独确定AI是招聘结构变化的原因，也无法确立不同雇主是否都受到影响。
- **后续观察：** 可比的招聘绝对人数，以及新进入职场的人如何培养技能的证据，有助于评估初级工作岗位的问题。Anthropic计划的内部监测与人员调配针对现有员工；报告表示，这些措施无法直接覆盖从未被聘用的人。

## 招聘占比使用了不同的分母

从21%降至14%的变化，指的是**技术部门内部的初级员工占比**。从27%降至9%的变化，指的是**技术新聘人员中的初级岗位占比**。Anthropic还表示，过去一年，技术部门占全公司员工的比例从61%降至56%。随着公司扩张，技术招聘的绝对人数持续增加，但销售、财务和招聘部门的聘用增长更快。报告正文没有提供可比较的初级技术新聘人员绝对人数，因此仅凭占比下降，无法判断人数究竟增加还是减少。

在4月的一项管理者调查中，约三分之一的机器学习管理者和五分之一的软件工程管理者表示，因为AI而减少招聘。这反映的是管理者的决策与解释，并不是用来确定AI取代了多少岗位的实验。公司增长与业务职能扩张也改变了招聘构成。论文指出，初级技术职位招聘广告在2025年12月后下降得尤其明显，但没有将这项趋势扩大为整体经济的结论。

这与BIG CHANGE此前的[美国毕业生失业报道](https://bigchange.ai/blog/recent-college-graduate-unemployment-ai-study)不同；后者审视的是家庭调查，而不是单个雇主的招聘记录。不同指标可以同时成立：一家公司的招聘构成发生变化，未必会在全国毕业生失业率上呈现统计上明确的变化。

## 智能体工时与产出需要分别解读

Anthropic估计，截至2026年8月，由员工指挥的交互式智能体，其运行时数是员工工作时数的六倍。智能体指标衡量的是会话运行时间，包括推理和实际工具使用，但排除超过30分钟的等待。人类工时的比较基准则假设每位员工每周工作40小时。这是根据遥测数据和假定分母作出的比较，并不是每位员工被六个智能体工作者取代的计数。另一项指标指出，交互式会话约有80%的总实际经过时间在等待人类输入；这两项指标对时间的定义不同。

Anthropic表示，每位工程师的代码提交数达到六个月前的五倍。律师处理更多合同，应付账款人员处理更多发票，销售人员达成更多交易。每项数字都是特定产出的计数，而同一时期公司的业务本身也在快速增长。例如，更多代码提交并不一定代表更多有用的软件。

为缩小研究问题，研究人员追踪了192位采用编程智能体的工程师，并与研究期间未采用的74位工程师进行比较。采用后，新增代码增加。研究还比较了同一个月、同一目录下，一位工程师本人和其智能体编写的代码，发现在所选的删除和回退变更指标上没有差异。这些检查并未覆盖所有缺陷类型或商业价值。采用并非随机：准备大型项目的员工，可能在产出已开始增加时选择使用智能体。报告指出，完全自主智能体的用户在采用前已出现上升趋势。

## 自动化推进的同时，人类工作也在变化

Anthropic的日历数据显示，处于中位数的员工，开会时间比一年前增加20%。即使是不担任管理职务的技术人员，开会时间也增加16%；但报告表示，公司增长和人员转向会议较多的岗位，解释了整体增幅的一部分。这些数字无法确定是智能体导致了更多会议。

研究人员使用自动编码工具，分析了2,000则交互式Claude会话的单行摘要。他们估计，对于一般员工，关于建立智能体指令、审查和监测工具的会话占比，从2025年秋季的10%升至2026年春季的22%。这是经过分类的会话样本，而不是覆盖整个工作日的时间使用调查。报告还估计，假设每个token相当于0.75个单词、每分钟阅读250个单词，读完非技术员工交互式会话的全部输出将花费超过半个工作周。这衡量的是可能需要的阅读时间，而不是员工实际花在阅读上的时间。

对管理者而言，最有用的是区分招聘构成、工作量和工作质量。Anthropic让公司内部的前两项变得更清楚。报告仍未回答：这些变化有多少由AI造成、工作是否改善，以及其他雇主是否会出现相同模式。作者表示，计划中的内部人员调配无法解决初级招聘放缓的问题，因为针对现有员工的保障无法覆盖从未加入公司的求职者。

## 资料来源与延伸阅读

- [Anthropic，*Anthropic的就业如何变化*（2026年10月16日）](https://www.anthropic.com/research/employment-at-anthropic)。这份由公司撰写的报告提供招聘占比、产出比较、调查和日历指标，以及自身对因果关系的提醒。链接中的[20页PDF](https://www-cdn.anthropic.com/72628f1863c53432195db83279252dfd2cb53158/Employment%20at%20Anthropic.pdf)包含图表注释和衡量方式的定义。BIG CHANGE审阅了这些已发布材料，没有查阅内部记录或测试相关工具。
- [BIG CHANGE，*研究发现：2026年夏季美国毕业生失业率仍在近期区间内*](https://bigchange.ai/blog/recent-college-graduate-unemployment-ai-study)。这篇较早的报道讨论近期毕业生的全国调查证据，其研究人群与结果，和Anthropic内部招聘构成不同。

## Sources

- [Anthropic的就业如何变化](https://www.anthropic.com/research/employment-at-anthropic) — 由公司撰写的内部员工研究，包含方法和限制说明。文章附有完整PDF的链接。
- [研究发现：2026年夏季美国毕业生失业率仍在近期区间内](https://bigchange.ai/blog/recent-college-graduate-unemployment-ai-study) — BIG CHANGE此前的全国调查报道，用来区分背景，并不是Anthropic内部数据的来源。