ARTICLE · 1204424
奥特曼说 AI 创造岗位:Anthropic 报告里初级程序员招聘跌到 9%
昨天我说工具会越来越便宜。今天这份报告说的是同一件事的另一半：Anthropic 那份《AI 怎么改变了 Anthropic 的雇佣》里，初级技术岗的招聘占比从 27% 掉到 9%。
初级程序员没有被 AI 淘汰。被淘汰的是他们用打工换学习的那条路。
你现在手上的活，如果执行占七成以上，你就站在被拆掉的那一半上。
这份报告是 Anthropic 拿自己的员工记录、agent 遥测和内部访谈三样东西交叉做出来的，不是调查问卷。所以它里面的数字，比市面上任何一份就业预测都硬。
把这份报告和奥特曼的话摆一起看，味道就出来了。2026 年 7 月他在 X 上说，他很确定 AI 是净创造岗位的。同年 5 月在澳洲一场会上他改口说，入门级白领岗位会被消灭这件事，没有发生。
两句话都没说错。错的是我们把「岗位」当成一个整块，砍掉一角就以为整块没了。
一、被裁掉的不是岗位，是学费
先把数字摊开。
到 2026 年 8 月，Anthropic 内部那些交互式 AI agent 的工时，已经是全体员工工时的 6 倍。agent 工时第一次超过员工工时是 2026 年 3 月，五个月前的事。
技术部门里初级员工的占比，从 21% 掉到 14%。技术部门占全公司人数，从 61% 掉到 56%。三分之一的机器学习经理、五分之一的软件工程经理承认，因为 AI，他们招人招得更少了。
数字摆到这儿，故事看起来就是「AI 抢了初级程序员的饭碗」。
那你说，初级程序员到底是为什么存在的？
不是因为他便宜。便宜是结果，不是原因。他存在的真正原因是，他替 senior 把执行那部分廉价地干了，换回来的是学习。写增删改查、改 bug、补测试、搬数据，senior 三个小时能干完，但干完他自己什么也没学到，所以这活归新人。
新人拿的工资，一半是劳动报酬，一半是学费。公司付两份钱，买回一个三年后能独立扛事的人。
这个结构还有个没写进合同的好处：新人犯错的空间，是公司替他买的。改错一个字段，损失两小时；写歪一个接口，损失两天。这笔损失被算进了学费里。
agent 一小时能改完两百个字段，不犯错，也不用学。你没法给它交学费，它也用不着。于是那笔原本用来买犯错空间的钱，从账上消失了。
agent 把执行的价格打到接近于零，学费那一份就没人付了。
所以你看到的不是岗位消失，是岗位被劈开。这两半的对照我摆在这儿，你可以直接截图存下来：
旧岗位半（执行）
agent 工时：员工工时 = 6:1 初级技术招聘占比：27% → 9% 技术部门占全员：61% → 56% 1/3 机器学习经理、1/5 软件工程经理减少招聘
新岗位半（意图）
非技术员工每月 coding 会话：2 次 → 90 次 元工作占交互会话：10% → 22% 书面常驻指令：几百条 → 8500 条 技术部门初级员工占比：21% → 14%
一半是执行，被 agent 免费吃掉。另一半是把模糊的意图写成可复用的常驻指令，这一半正在变贵。
二、6 倍工时，没换来 6 倍产出
那你说，agent 干了六倍的活，产出是不是也翻六倍？
不是。这里有一笔很容易漏掉的账。
同样是这份报告，交互式 Claude 会话里有一类被单独统计出来，叫元工作，意思是关于工作的工作：布置任务、检查 agent 干了什么、纠错、把一次性的要求写成能复用的规则。
它的占比从 10% 涨到 22%。
这笔账很具体。你原来一天 8 小时，7 小时执行，1 小时管理。现在执行那 7 小时被 agent 接走，你以为你会多出 7 小时产出。
实际情况是产出涨了一点，管理时间从 1 小时涨到 2 小时出头。你省下的执行时间，大半被盯着 agent 干活这件事吃掉了。
这事有个老名字，叫杰文斯悖论。瓦特把蒸汽机效率提上去之后，煤的消耗不是下降，是暴涨，因为便宜了就烧得更多。AI 把执行的价格打下去，结果不是活变少，是活换了形态，你从干活的人变成派活和验收的人。
验收比干活累。干活的时候你知道自己在往前走，验收的时候你得先假设它是错的，再一条一条证明它不是。报告里那个 22%，买的正是这份心力。
非技术员工的数据更说明问题。2025 年 8 月，Anthropic 里非技术岗员工每月用 coding agent 的会话是 2 次。到 2026 年 5 月，这个数是 90 次。
一个财务、一个法务、一个做市场的，一年之内从每月 2 次变成每月 90 次。他们没变成程序员，他们只是开始派活了。
那 90 次里真正出活的恐怕只有三成，剩下七成是在试、在改、在把同一句话换个说法重讲一遍。这七成也是学费，只不过这次付学费的人变成了你自己。
三、8500 条常驻指令，新的稀缺品
那你说，那我把 prompt 练好是不是就行了？
不够。这是我要翻的第二层。
报告里我最在意的一个数字是常驻指令。2025 年 7 月，全公司书面写下来的常驻指令是几百条。一年之后，是 8500 条。
常驻指令不是 prompt。prompt 是你这次想让它干什么，说完就作废。常驻指令是写在那儿、每次都生效、全团队共用的规矩：我们这儿数据库字段是这么命名的，改支付相关代码必须先跑这三条测试，对外文档不许用那种句式。
一条 prompt 值一顿饭。一条常驻指令值一个岗位。
你可以自己验一次。翻出上个月你给 agent 下的指令，数一数有多少条是同一个意思说了第五遍。说过五遍还没写下来的，就是你欠着的常驻指令。
我在这事上是有过教训的。去年我一口气写了八十多条规矩塞进去，结果一半没人遵守，agent 也当没看见。后来删到二十条，才真正跑起来。规矩的价值不在条数，在执行率。
它之所以值钱，是因为写它需要两样东西。一是你真的懂这个岗位，知道哪儿容易出事。二是你能把「我脑子里觉得不对」翻译成「机器能判断的对错」。
第二样是新的。过去二十年，程序员的核心手艺是把需求翻译成代码。现在代码那一段被 agent 接走了，翻译工作往前挪了一格：把模糊的意图翻译成可验收的标准。
往前挪一格，听着只挪了一格，实际是换了一门手艺。会写代码的人很多，能把「这个页面得有点分寸感」写成三条可验收规则的人很少。
我自己的笨办法是把岗位要求压成三行，直接粘进 agent 的配置文件，你今天就能抄：
`
角色：你是 [岗位]，只允许改 [范围] 内的文件，越界就停。
验收：每次交付必须给出 [产物]，并跑通 [检查项]，缺一项算没干完。
边界：遇到 [不确定项] 一律停下问我，不许自己猜，不许自行发挥。
`
那你说，这一套什么时候练？
我的答案是今天，而且是拿你最熟的那块业务练。别去学新东西，先把你脑子里那些「我知道这儿容易出事」写成三条常驻指令。写得出来的部分，是你真正懂的部分。写不出来的部分，就是你这几年的盲区。
写在最后
说实话，我第一次读完这份报告，在椅子上坐了挺久。
我想的是自己的事。我写公众号这些年带过两个实习生，干的活是排版、找图、核数据。我当时觉得我给了他们工作，现在回头看，我给的是学费。他们用执行换我的经验，我用他们的执行换自己的时间。
这套交易现在不成立了。排版不要钱了，找图不要钱了，核数据也不要钱了。
那我拿什么换他们的成长，我还没想清楚。我能确定的是，答案不在多招两个实习生，在我把多少判断写成了可复用的东西。
这份报告最诚实的那行数字是 27% 掉到 9%。它没说初级程序员没了，它说的是那条用打工换学习的路，正在一段一段塌掉。塌掉的部分，得有人用别的方式补上。
顺带说一句反向的风险。常驻指令写多了也会僵，一家公司有 8500 条规矩，转身就慢了。规矩是给重复发生的事准备的，一次性的判断别写成规矩，那是拿昨天的答案堵明天的路。
划重点
定义：初级岗拿的工资里，一半是劳动报酬，一半是学徒制的学费。 机制：AI 把执行的价格打到接近于零，学费那一份断供，岗位被劈成执行与意图两半。 我怎么做：今天挑一块你最熟的业务，写三条常驻指令，写不出来的地方就是盲区。
自测 4 问（答得上三个，你的位置就还稳）
你上个月的产出里，定标准的份额比做执行高吗？A 高 B 不高 你团队有没有一份所有人共同遵守的书面指令？A 有 B 没有 你写过的某条规则，被复用过第二次吗？A 复用过 B 一次都没有 明天 agent 接走你七成的执行，剩下三成你答得出来吗？A 答得出 B 答不出
