最先进的AI公司,给未来的人才结构打了个样

导语

一家公司最不愿意公开的数据是什么？

不是亏损，不是离职率，是"我们不再招新人了"。

因为这句话一说出口，外面的人会问：那你们以后的人从哪来？里面的人会想：下一个是不是我？

10月16日，Anthropic把这份数据主动发了。20页，作者里坐着劳动经济学家，用的是自己公司两年半的用工、招聘、产出、问卷和访谈记录。

它不是被曝光的，是自己交出来的。

正文

一、先看两个必须并排的数字

报告里有一张图，叫"入门级技术招聘的下降"。

图上有两条线。

第一条：Anthropic技术部门里，初级员工占总人数的比例，从2025年初的21%降到了14%。

第二条：新招的技术人员里，初级岗位的占比，从2025年初的27%降到了9%。

第二条比第一条陡得多。

27%到9%，说的是招聘结构，不是裁员。它不代表Anthropic开掉了三分之二的年轻人。它说的是：同样招一百个人，2025年初有27个岗位是留给新手的，到2026年只剩9个。

报告同时给了两个反向数字，也必须并排摆着看：

• • 技术岗的绝对人数仍在增长
• • 技术部门占全公司人数的比例，从61%降到了56%——因为销售、财务、招聘这些岗位涨得更快

所以这不是"技术在萎缩"，是"技术在长，但长出来的部分不再给新手"。

时间线也很清楚。2026年1月，公司核心技术团队开始讨论"初级技术人员需求下降"这件事。报告引用了一位工程师的说法：真正让人吃惊的是性能工程师岗位的提升幅度，它几乎在一夜之间改变了我们在找什么样的人。

到4月，工程和研究团队已经降低了对低职级技术岗位的招聘优先级。2025年12月之后，初级岗位的招聘启事下降得尤其急。

同月的问卷里，多数管理者说自己因为AI在招"另一套技能"的人。约三分之一的机器学习管理者、五分之一的软件工程管理者，直接承认自己因为AI招得更少。

二、6比1，这个数字不是"快六倍"

报告里最抓人的数字是6比1。

很多人第一眼会读成：AI比人快6倍。

不是。

它说的是：到2026年8月，员工个人指挥的那些交互式智能体，干活的小时数，是这些员工本人工作时长的6倍。

这是工时之比，不是效率之比。

报告里还有一句更狠的时间锚点：2026年3月，全公司的自主智能体加上交互式智能体的总工时，第一次超过了人类员工的总工时。

一家公司里，机器上班的时间比人长了。

于是瓶颈换了位置。

过去一百年，知识工作的瓶颈一直是"能不能做出来"——会不会写这段代码，能不能谈下这个客户，这份合同审不审得完。现在，这个瓶颈在Anthropic内部已经让位给了另一个：

人能不能看得过来。

报告写得很直白：就算是非技术岗位的员工，把自己那些Claude智能体的输出全部读一遍，也要花掉半个工作周。

一位工程师的原话被直接引进了报告：

“一支Claude大军，每一个都在向我要注意力。”

这句话是整份报告里最真实的一句。人没有被机器取代，人被机器围住了。

角色的性质变了：从生产者，变成审阅者。

三、于是诞生了一种新工作：给AI装仪表盘

人看不过来怎么办？

Anthropic的员工发明了一个新活儿。报告给它起了个名字，叫**“元工作”（meta-work）**——搭建可见性工具、监控智能体的流水线。

说白了就是：为了让AI干的活能被检查，人得再干一份"检查AI"的活。

这份活不产出代码，它产出"看懂代码的东西"。它不交付合同，它交付"能看出合同哪里不对的看板"。

你可以把它理解成一种新的基础设施：机器在楼上干活，人在地下室给机器装监控、拉电线、修仪表盘。

这份工作听起来很高级。但它对人有要求，而且这个要求非常具体：

你得知道什么是对的，才能看出机器哪里错了。

也就是说，元工作的门槛，是判断力。

这就把事情引到了最要命的地方。

四、招聘标准悄悄换了一个词

报告里有一句话，藏在"关键发现"的第四条，很容易被跳过：

招聘经理越来越看重应聘者的自主性和判断力，相对地，越来越不看重具体的技术专长和执行能力。

这句话读第一遍，像是一次升级：公司要更成熟的人，要能自己扛事的人。

读第二遍，你会发现它其实是一道门。

因为"技术专长和执行能力"，是可以在岗位上练出来的。而"自主性和判断力"，练不出来——它只能从做过的事情里长出来。

从哪长出来？

从一个新手改过的一百个烂bug里。从他第一次独立接客户电话、被骂到手足无措里。从他写的方案被退回来三次、第四次终于过了里。从他把一件事从头到尾搞砸过一次、然后知道下次该怎么绕开里。

判断力不是天赋，判断力是伤疤。

现在的问题是：这些能留下伤疤的活，正好是最容易被智能体接走的那一批。

于是形成一个闭环：

因为新手没有判断力，所以不招新手。 因为不招新手，所以永远不会有具备判断力的新手。

这个闭环不需要任何人恶意推动。它由每一个理性的招聘决定组成，每一个决定单独看都是对的，合起来就变成了一个抽梯子的装置。

写到这里，得提一句上个月我们写过的那份斯坦福研究——追踪数百万美国工人的工资单，结论是22到25岁在AI高暴露行业的就业比同龄人落后19%，而调整方式主要是"减少招聘"，不是"增加离职"。

那是从外面看：门在关。

这份报告是从里面看：楼梯在被拆。

五、三个具体的人

报告做了17个员工访谈。挑三个出来，因为它们几乎是同一个故事的三个版本。

第一个，产品文案团队。

他们的活是写Claude.ai上那些不起眼的小句子，比如"Hello night owl"，比如"Coffee and Claude time?"。

2026年春天，这个团队做了一个上下文图谱，用来指导智能体写出符合调性的产品文案。团队经理的原话是，这把团队"scale out"了——意思是同样的产出，不再需要那么多人。

然后问题来了：那还留给人写什么？

这个团队后来的做法是转岗，开始给Claude写提示词、写模型评测。经理的总结被原样记进了报告：

“用语言驱动人类行为的写作者，现在用语言驱动Claude的行为。”

同一门手艺，换了个对象。

第二个，一位行政助理。

她给自己做了一个私人助理智能体，管日程、筛邮件、把散落在各条消息里的待办自动攒成清单、在会议开始前把人名和来意整理好递给她。

然后她说了一句话，语气很平：

“我想我们已经过了Claude把真正的入门级行政岗位增强掉的那个点。”

不是"增强掉了"，是"过了那个点"。

她自己的工作重心，转向了更像"幕僚长"的那一类事务。

第三个，一位财务经理。

他做了一个采购申请审核智能体，跟同事解释这个工具的用途时说的是：

“它只是想把那些特别耗时间的活找出来，好让人去做别的事。”

三个人，三个岗位，做的是同一件事：自己动手，给自己造了一个接班人。

他们都没有被裁。他们是把自己的岗位拆开，把能交出去的部分交出去，然后爬到剩下那部分上站着。

问题是，他们能爬，因为他们已经在里面了，因为他们已经有判断力了。

六、效率数字得读第二遍

报告里有一批很漂亮的数字。

• • 工程师人均代码提交量，是6个月前的5倍
• • 律师处理的合同更多了，应付账款过的发票更多了，销售代表成的单更多了
• • 非技术员工的编程智能体会话，从2025年8月的每月2次，涨到2026年5月的每月90次
• • 工程师和产品经理的比例大约17比1，还在扩大；连管理者的代码提交量都翻了一倍
• • 这家成立五年的公司，人均创收是Meta和Google当年高速增长顶点时的2到4倍（通胀调整后）

这些数字读第一遍，是"AI真强"。

读第二遍，是"同样的人，配了更多的机器"。

第三遍，才是真正的问题：当机器配得足够多，还需要这么多人吗？

报告没有回答这个问题。它只把账本摊开放在那儿。

它还做了一件很老实的事：怕别人说AI写的代码是垃圾，专门做了质量对照——同一个员工、同一个月、同一个代码目录下，比较"人自己写的"和"他的智能体写的"，看90天内被删除的比例、因为修bug被删除的比例、整段被回滚的比例、加lint屏蔽注释的比例。

结论是：没有差别。

这一条比任何效率数字都重要。

因为它意味着，"留几个人检查AI的活"这个理由，正在变薄。如果AI写的代码和人写的一样不容易被推翻，那么检查这件事的必要性就会下降，而检查恰恰是新手唯一还能插上手的位置。

七、克制一句：一家公司不等于一个国家

必须说清楚这份报告的边界。

Anthropic自己写得很谨慎：它可能是"领先指标"（leading indicator）。

但领先指标的意思是——这里先发生，别处后发生。不是"到处都会这样"。

它的特殊性太明显了：研究型公司，技术岗占比极高，增长极快，卖的产品就是模型本身。它的用工结构，不能往全国推，更不能往所有行业推。

但有一件事是可以推的：入口岗的结构。

任何行业都有入口岗——律所的一年级助理，医院里的规培生，工厂里的学徒，媒体里的实习生，公司里的初级程序员。入口岗的价值从来不只是那点产出，而是它是唯一一个允许你犯错还能领工资的地方。

如果入口岗在每一个行业都以"效率"的名义被压缩，那么被压缩掉的不只是一批岗位，是整个社会再生产"有判断力的人"的装置。

这个装置一旦停转，恢复起来不是一两年的事。

八、最该被抄走的一段

这份报告里，最容易被跳过、也最值得抄的，是最后那一小段。

Anthropic 说自己做了两件事：

一是建立一个岗位风险早期预警系统，跟踪哪些工作处在被冲击的风险中。

二是优先内部转岗。数据是：2026年，在职一年以上的员工每个月跨部门流动的概率，比2025年高50%。

它解决不了根本问题。它也承认报告最后会引出"这些承诺到底应该是什么"的难题。

但它至少做了一件很多公司不会做的事：在数据还好看的时候，把不好看的部分公布出来。

九、所以，台阶是怎么没的

回到开头。

台阶不是被谁一锤子砸掉的。它是一级一级磨掉的，磨的时候几乎没有声音。

过去，一个新人拿什么换经验？拿"我愿意干最琐碎的活"。这是他手里唯一的筹码。

现在，最琐碎的活交给机器了，而且干得不差——报告自己的质量对照说了，回滚率没有差别。

那么新人手里还剩什么？

没有筹码，就没有交换。没有交换，就没有经验。没有经验，就没有判断力。

而招聘标准上写着的，正是"判断力"。

最后一句话，留成问题：

一家公司可以只招有判断力的人，这个决定单看完全理性。

可如果每一家公司都这么想——

十年后的判断力，从哪来？