设想周二上午九点的一名工程师，这个人物是为本文虚构的。她打开了 11 个智能体（agent）会话。四个已经完成，等着她阅读写出的内容。两个停在只有她能回答的问题上。一个从周五起就闲置着，因为它礼貌地询问是否可以删除目录。每个会话都表现出同样的紧迫性。她从早餐后就没写过一行代码，却是房间里最慢的组件。

场景是虚构的，但运作机制来自 Anthropic 经济学家10月16日发布的报告。Nathan Wilmers、Regina Catipon、Maxim Massenkoff 和 Peter McCrory 使用公司自身的就业、AI 使用、产出、日历和招聘决策记录，加上 17 次员工访谈，探问 AI 如何改变了开发它的公司内部工作。他们的答案有两个令人不安地并存的部分：人均产出大幅上升，公司招入的初级技术人员占比下降得更快。

初级人员在招聘中的占比从 27% 降至 9%

报告称，自2025年初以来，Anthropic 技术部门的初级员工占比从 21% 降至 14%，技术招聘中的初级人员占比从 27% 降至 9%。2026年1月，最依赖 Claude 的团队开始讨论对初级技术人员需求减弱的问题，他们发现写代码和查找漏洞越来越可以交给模型。一名受访者说，模型给性能工程师带来的提升“基本上一夜之间改变了我们寻找的人才”。到4月，工程和研究团队降低了低职级技术岗位的招聘优先度。当月调查中，约三分之一的机器学习经理和五分之一的软件工程经理表示，因 AI 而减少招聘。

公司并未收缩。它一年内规模增至三倍。作者称，其成立五年时的人均营收，是 Meta 和谷歌（Google）在同样公司年龄时的两至四倍，比较依据是 Anthropic 内部记录和两家竞争对手的年度申报。技术员工占总员工的比例从 61% 降至 56%，因为销售、财务和招聘部门招人更快。作者没有声称所有变化均由 AI 导致。他们写道，部分变化只是成长中的企业增加业务职能。

智能体每工作六小时，对应一小时人类工时

生产率主张背后的遥测数据，与招聘数字一样鲜明。2026年3月，自主和交互式智能体的合计工时首次超过人类工时。只计算由员工个人指挥的智能体，到8月，比例已达到六小时智能体工时对应一小时人类工时。这里的人类工时基于一个假设：员工数量乘以每周 40 小时。

产出随之增加。工程师人均代码提交速度是六个月前的五倍。律师处理更多合同，应付账款员工处理更多发票，销售人员达成更多交易。作者知道，一家出售强大模型的公司会更容易签单，因此比较了同月的人员：192 名采用编程智能体的工程师，对比 74 名没有采用的工程师。采用后，人均新增代码明显上升。他们还比较同一人员与其自身智能体在同月、同目录写出的代码，发现代码行后来被删除或回退的频率没有差别。作者补充两点限制：采用并非随机，因为即将开始大项目的人可能更愿意配备工具，而转向完全自主智能体的人此前就已提高产出；此外，这些只是质量的代理指标，并非对质量的最终判定。

人的注意力成为瓶颈

最鲜活的发现涉及速度如何影响人。在交互会话中，智能体约有 80% 的时间在等人。作者把智能体输出换算为文字，再按平均阅读速度估计：即使非技术员工，也需要超过半个工作周才能读完 Claude 会话产生的所有内容。一位工程师描述为“一支 Claude 大军，每个都在要我的注意力”。另一位则比作照看孩子，每个孩子都以相同音量表达自己的问题。

人们通过造工具回应。面向智能体的常设书面指令，从2025年7月的数百份增至一年后的 8,500 份。员工交互会话中，用于作者所谓“元工作”的占比，从2025年秋的 10% 升至2026年春的 22%，包括编写多智能体运行规范、安排一个智能体审查另一个，以及监测流水线。招聘也随之改变。与2024年相比，面试评分表中，技术岗位对创造性使用 AI 工具的提及增至三倍，非技术岗位增至四倍；技术候选人增长最多的评价涉及自主性和判断力，而领域专长讨论减少。

人与人的接触并没有消失。中位数员工的开会时间比一年前增加 20%，技术个人贡献者增加 16%，不过公司增长解释了其中一部分。

公司在做什么，又留下什么问题

作者列出 Anthropic 做法中他们认为重要的三点：广泛员工持股、追踪风险岗位的早期预警系统，以及优先安排员工转岗。入职至少一年的员工，在2026年任意一个月换部门的概率，比2025年高 50%。作者也指出一种成本：承诺重新安置现有员工，可能让雇主不愿冒险招新人。

随后，他们自己说出了不舒服的部分。他们写道，这些行动没有一项直接解决初级招聘放缓，对现有员工的保护“不会让一开始就没被雇用的人受益”。报告也是一家公司的自身叙述，由自家经济学家撰写。它没有外部比较组，研究对象的估值正在上升，而且能异常早地接触自己的工具。

外部证据以更粗的粒度指向同一方向。斯坦福数字经济实验室（Stanford Digital Economy Lab）8月12日修订的论文，使用截至2026年6月覆盖数百万美国劳动者的 ADP 薪资数据，没有发现广泛就业替代的证据。但它发现，AI 暴露职业中 22 至 25 岁劳动者的就业，比跟上较低暴露度同龄人趋势时本应达到的水平低 19%，差距主要来自招聘减少，而非离职。Anthropic 自己在2025年12月对工程师的研究，已从另一面提示担忧：一些人害怕，当产出变得容易，学习会变得更难。

桌边的座位

回到虚构的工程师和她的 11 个会话。她并不多余。报告表明，她才是稀缺因素，公司正努力让她的时间发挥更大作用。报告无法告诉她的是，如果过去培养出具有她这种判断力的工程师的入门台阶，恰好成为招聘最少的位置，下一个像她的人将从哪里来。经济学家最后呼吁，除雇主行动外，政府还应提供再培训和收入支持。故事中，她的桌面仍会以快于清理的速度堆满。是否有人被培养出来坐到她身旁，数据没有回答。

参考文献

  • Brynjolfsson, E., Chandar, B., & Chen, R. (2026, revised 12 August). Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence. Stanford Digital Economy Lab. digitaleconomy.stanford.edu
  • Huang, S., Seethor, B., Durmus, E., Handa, K., McCain, M., Stern, M., & Ganguli, D. (2025). How AI is transforming work at Anthropic. Anthropic. anthropic.com
  • Wilmers, N., Catipon, R., Massenkoff, M., & McCrory, P. (2026). How employment is changing at Anthropic. The Anthropic Institute. anthropic.com