初级岗招聘砍到9%:AI前沿公司,亲手拆掉了”新人台阶”

"AI原生组织"这四个字,今年被讲烂了。模型、工具、架构,技术基础那一层说得密不透风;可一旦落到"组织内部到底怎么运转、人到底在干什么、人和智能体怎么共处",讨论往往就停在门口。
初级岗招聘砍到9%:AI前沿公司,亲手拆掉了"新人台阶"

“AI原生组织”这四个字,今年被讲烂了。模型、工具、架构,技术基础那一层说得密不透风;可一旦落到”组织内部到底怎么运转、人到底在干什么、人和智能体怎么共处”,讨论往往就停在门口。

初级岗招聘砍到9%:AI前沿公司,亲手拆掉了"新人台阶"

2026年3月,在 Anthropic内部,自主加交互式AI Agent的总工时,第一次超过了人类员工的工时。

2026年8月,在员工定向的交互会话里,Agent运行的时间是人类的6倍——这还不算那些一次要等人类输入、平均闲置近八成的多轮对话。

2026年10月16日,Anthropic自己的研究机构 The Anthropic Institute 把这套内部数据摊开,发了一份题为《Employment at Anthropic》的报告。

一家以造AI为业的公司,最先被AI改写的,不是别人的车间,而是它自己的工位。

最锋利的数字

这份报告的价值,在于它不用外部推测,而是拿自己开刀。样本不是问卷估算,而是 Anthropic 自家的雇佣、AI 遥测、产出、调查、日历和招聘记录,再叠加 17 场员工访谈。

初级岗招聘砍到9%:AI前沿公司,亲手拆掉了"新人台阶"

最锋利的一个对比数字藏在第一张图里:技术部门初级岗位的招聘占比,从2025年的27%,掉到了2026年的9%;初级员工在团队里的占比,也从21%滑到14%。 

初级岗位发布数自2025年12月起急剧下降。2026年4月的内部调查中,约三分之一的机器学习经理、五分之一的软件工程经理 明确表示,因为AI,他们减少了招聘。

但先按住结论。这份报告最该被学的,恰恰是一种读法:把AI使用、人才结构和协作方式,放在同一框架下一起看,而不是拎出任意一个数字就下判断。

比如那个”6 倍”。报告自己把它拆得很清楚——代理一侧,统计的是员工指挥的交互式会话、并汇总子Agent,运行时间含模型推理与主动调工具,排除超 30 分钟的等待;人类一侧,只是”人数 × 每周40小时”的估算,没有逐人考勤,也没算加班。所以6倍不能直接换算成”6 倍数量的 AI 员工”,更不等于公司效率提高了6倍。 它衡量的只是”两类工作时间的比例”——但它已经说明一件事:在人类员工周围,并行跑着的AI工作量,开始远远超出人的直接工作时间。

热闹归热闹,先把口径拆开,这是读这份报告的第一个纪律。

新人台阶被抽走,但公司仍在扩张

传统公司招人的逻辑,是先用初级岗当”练兵场”,再让有经验的人带。Anthropic 把这道台阶抽走了一截。

下跌的不只是技术岗。可这里要加一个反差:这些事发生在公司快速扩张的过程里。报告称,Anthropic过去一年员工规模增至约3倍;技术招聘的绝对规模也仍在增长。技术部门占公司员工的比例,反而从61%降到56%——销售、财务、招聘这些职能涨得更快。所以”初级占比下降”不能只用一个原因解释:它既可能反映AI承接了部分执行,也包含公司成长阶段本身的结构位移。

初级岗招聘砍到9%:AI前沿公司,亲手拆掉了"新人台阶"

真正被改写的入口是另一头:非技术员工开始自己造工具了。 研究按”基期无代码提交”识别出一组非技术员工,他们每月面向编码的代理会话,从2025年8月约2次,涨到2026年5月约90次。一位销售用三四个小时,做出了适合自己的仪表盘和工作流;一位财务管理者搭起了采购申请审核Agent;一位高管助理把日程和邮件分类交给个人助手,自己转向需要判断和协调的事。技术部门里”30天无代码提交”的人,一年内减少近一半;经理自己的代码提交量翻了倍;工程师与产品经理的比例,升到了约17:1。

一条清晰的路径浮现出来:熟悉业务的人,把反复遇到的问题写进工具,再不断修正工具的工作方式。 新人没进来,老员工被推到了更靠判断和人际的那一端。

5倍速度,与”增长不等于因果”

初级岗招聘砍到9%:AI前沿公司,亲手拆掉了"新人台阶"

AI确实把产出顶上去了。工程师的代码提交速度,比六个月前快了约5倍;报告还做了一次”类实验”对比:跟踪192名用了编码Agent的工程师,对上74名没用的,控制业务背景相似,看同一个人、同一月、同一目录下的代码——结果在”后续被删除或回滚的行数”上,两者没有差异。也就是说,快,并没有以质量为代价。

但别急着把这当成”AI的独立效果”。报告自己踩了刹车:这5.1倍的产出指数,是经平滑处理后的、各职能不可等值比较的曲线;而那个192对74的对照里,采用Agent并非随机——一名工程师可能正要启动大项目,才开始猛用Agent,上图左下角就显示,采用完全自主Agent的人,在采用前产出就已在上行。代码删除率或回滚率,也只覆盖质量的一部分,维护成本、架构适配、最终业务价值,还需要别的证据。

读这份报告的第二个纪律:把”增长”和”因果”分开。 业务扩张本身就会拉高销售、合同、招聘类指标,不能把曲线全算给AI。

具体个案能帮人理解变化怎样发生——一位客户经理说,邮件草拟和CRM集成自动化,接手了他约20%的工作;另一位说,自动化让他能多接触30%的客户。但这些是受访者个人经验,不是全员平均。

注意力瓶颈,与”照看一群孩子”

瓶颈跟着显形:人类注意力。

初级岗招聘砍到9%:AI前沿公司,亲手拆掉了"新人台阶"

报告估算,交互式Claude会话约80%的时间,处于等待人工输入的状态。人能否读完Agent的输出,是另一个直观的问题——把输出Token换算成英文单词、再按平均阅读速度估算,多个非技术职能的”假设阅读负担”超过20小时/周,相当于40小时工作周的一半;工程与研究职能更是高达424小时。当然,这只是按输出量算的假设负担,不代表员工真花了这些时间,代码和日志也未必逐字读。

但张力是真实的。一位工程师的原话被报告原样记下:”一支 Claude 大军,每一个都在向我要注意力(an army of Claudes, with every one asking for my attention)。” 他把代理比作小孩——既要你”打开果汁盒”,又在你”割伤流血”时同样紧急地索求关注。

接下来要解决的,是分流:哪些信息只留日志?哪些交给别的代理复核?哪些异常必须立刻找人?人的判断力,需要用在最有价值的节点上。 否则,执行速度越快,等着审查的活儿堆得越厚。

工位上的新角色:Agent Wrangler、Meta-worker、战略人际者

当工作被重装,组织里长出了几种过去没有的角色。

初级岗招聘砍到9%:AI前沿公司,亲手拆掉了"新人台阶"

Agent Wrangler: 工程师不再只是写代码,而是照看一整支代理队伍,一个人同时管多个并行任务——正是上一节那位”照看一群孩子”的工程师。

Meta-worker:报告显示,员工交互会话里”元工作”的占比,从2025年秋的 10%,升到2026年春的22%——所谓元工作,是搭Claude技能、给别的代理做计划与审查、用仪表盘监控流水线、把工作方法记下来。书面代理指令,从2025年7月的上百条,一年后变成8,500条。中位员工的会议时间,也比一年前多了20%。

  口径提醒:这里的22% 是”会话占比”,不等于 22% 的实际工时;元工作占用多少真实时间,报告自己也没换算清楚。读的时候别偷换概念。

战略人际者: 一位受访者的判断很冷:”那20%战略性的事,变成了工作的90%。” 还有一位写手转型的说法被报告引用:”过去用语言驱动人行为的人,现在用语言驱动Claude的行为。”

由此,这份报告顺手递出一个被很多人忽略的命题:企业的岗位说明书,需要同时写清”业务交付”,以及”员工对Agent流程承担的责任”。 否则,这部分新增的”管理一支代理队伍”的劳动,很容易被算进常规工作里悄悄吃掉。

新人没进来,老员工被推到了更靠判断和人际的那一端。

会议没消失:决策要留下机器能读的记录

初级岗招聘砍到9%:AI前沿公司,亲手拆掉了"新人台阶"

AI承接了部分执行,可人类之间的协调一点没少。过去一年,Anthropic员工会议时长的中位数增加了20%;即便只看技术个人贡献者,也增加了16%。技术债、组织分工、系统性问题,依然要人坐到一起讨论、拍板。

Slack里的变化更有意思:代理逐渐进入接近一半的活跃公开频道,为沟通网络增加了一层”橙色节点”——但它们大多待在专门的人机互动频道,成为单个员工周围的工作小队,原有的人类沟通结构与密度变化不大。

代价也跟着来。报告提到一名员工早已换了职责,可Agent仍根据几个月前的文档,找他处理 T 恤、杯子等周边事务——模型掌握了信息,信息却已经过期。线下会议里定下的方案,如果没有纪要,Agent可能继续执行旧目标。

所以这条纪律很具体:企业推进Agent应用时,要同步规范决策记录、文档负责人和更新日期。文档失效后怎样撤下,职责变化后怎样同步,开始直接影响自动化的质量。

面试记分卡换权重,招聘标准正在悄悄移位

在面试记分卡里,提到”会用AI工具”这项履历的占比,技术岗从2024年的5%涨到 2026年翻了三倍,非技术岗从7%涨到翻了四倍。增幅最大的评价维度,是自主性与判断力;纯领域专业知识的权重在缩小。非技术候选人这边,”客户 / 使命导向”上升,”执行技能”的讨论下降。

一句话:公司要的不再是”把事做完的人”,而是”知道该让AI做什么、并在关键时刻拍板的人”。

人才的另一半是现有员工往哪去。报告发现,在岗满一年的员工,2026年每月跨部门流动的概率比2025年高了 50%。一个原本做产品文案的团队,在 2026年春季搭起上下文图谱让Agent生成内容,随后整个团队转向提示词与模型评估——他们对语言的理解仍然有用,服务对象和交付方式变了。Anthropic也在建岗位变化的预警系统,把岗位需求、产出、AI能力放在一起观察,优先找内部重新配置的机会。

报告里也有一句温和的警告,来自管理者的观察:”一支焦虑地担忧着的队伍,不是一支在工作上做到最好的队伍(a workforce that is anxiously worried is not a workforce doing its best work)。” 

技术替代了动作,但没替代人的安定感。而转岗、培训和收益分享,都还无法单独解决”初级人才入口收窄”的问题——常规在职保护,护不住那些从一开始就没被招进来的年轻人。

这是最佳样本,不是全部答案

读到这儿,得把几句话摁住。

Anthropic站在AI开发与使用的最前沿,既有模型能力、也有工具条件和高速增长,员工对AI也高度熟悉——这使它成为值得研究的样本,却也意味着其他企业的工作条件和采用速度,可能和它差得很远。

报告提到,成立约五年时,Anthropic人均收入达到 Google、Meta 相近公司年龄时的约2到 4 倍(按 2025 年美元折算、采用截至 2026 年 4 月)。同样,这项研究主要用公司内部观察数据,它展示了AI使用与工作变化怎样同时发生,也通过员工层面跟踪加强了证据;但全面的因果识别,仍然受限。

读这份报告,最有价值的收获,是真实看到、并开始具体讨论:一家公司怎样组织”人和Agent共同工作”。 人需要决定做什么、怎样验收、如何协调;企业要给这些责任配上工具、时间和回报,也要继续给新人留学习的入口。

先改写岗位写法,再谈岗位存废

Anthropic去年的规模翻了三倍,却没把高管决策交给模型;Slack上的辩论和面对面的会议,仍然是战略的主场。

这份报告最该被读懂的,不是”AI 抢了多少岗”,而是一家前沿公司如何提前活成了样本——当它的Agent工时是人类的6倍,它其实给所有企业发了一份”提前预览”。

AI没有先抢走岗位,它先改写了岗位的写法;真正被重装的不是某个人,而是组织与人协作的方式本身。

未来还有没有岗位,取决于今天有没有把人,重装成能同AI共事的人。

💬 评论
🔗 本文链接

以专业为基,引领科技向善向新

Rooted in professionalism, we lead technology toward social good and innovation.

数智化转型网 · 了解更多产业资讯与选型数据 →

📰 你可能也喜欢

a10_01.png 专题栏目

从1000多人到120人,这家公司重新设计了组织与人才策略

2025年2月10日,阿姆斯特丹。通讯基础设施公司Bird宣布裁掉120个岗位,约占当时公司人数的三分之一。据TechCrunch报道,这已是这家公司在一年内的…
📅 11-20 · 👁 2026年11月20日
a08_01.png 人工智能专题

「徒手编码」成了考场里最大的谎言:技术招聘正在重写公式

这不是段子。2026年10月20日,Business Insider拿到了一份谷歌内部文件——这家公司正在分阶段重写软件工程师的招聘流程:允许候选人在「代码理解…
📅 11-20 · 👁 2026年11月20日
a07_01.png 人工智能专题

80%的公司用AI裁了员,却没赚到钱:AI落地的分水岭,不在工具,在工作

一派把AI当砍刀。Coinbase、PayPal等公司把AI纳入效率提升和组织调整逻辑,AI承担了流程性、重复性、可标准化的工作,组织顺势重审人员规模和成本基线…
📅 11-20 · 👁 2026年11月20日
a06_01.png 人工智能专题

员工用AI提效15%,组织绩效为什么没涨?——ISPI AI4PI框架给高管的四点提醒

这是2025年发表于《The Quarterly Journal of Economics》、由斯坦福大学经济学家Erik Brynjolfsson与Danie…
📅 11-20 · 👁 2026年11月20日
a05_01.png 专题栏目

一封内部信,定义了”AI原生人才”与管理者的硬标准

2026年10月27日,亚马逊官网发布了一份由副总裁、杰出工程师 Terk Terkowitz 署名的工程领导力备忘录——《An update from Ama…
📅 11-20 · 👁 2026年11月20日
a04_01.jpg 人工智能专题

当地图”取代”讲故事”:智能体市场的一个新信号

智能体赛道从不缺新故事,缺的是全景图。最近,CXOU®AI研究院对外预告了一张"智能体建设地图":18个行业、223个子行业、1263个智能体条目、15个职能域…
📅 11-20 · 👁 2026年11月20日