别画地为牢了！Anthropic 教你做企业 AI Native 转型！

关于 AI 会不会取代人，网上流传着许多不同的观点，比如：

AI 会产生新的工作、AI 会替代人、AI 取代的是初级岗位，高级岗位反而因此吃香、以后新手要付费上班、AI 只会取代一部分工作、大厂又在裁员了、AI 只是大厂裁员的借口...

但是观点之外，我们很少看到公司内部真实发生的变化。一方面呢是能把组织效率做到数字化、可测量的公司不多；与此同时，真正深度使用 AI 的原生组织更少。

在 2026 年 6 月的 Force 大会上，字节跳动分享了一组来自 TRAE 团队的内部数据：过去半年，TRAE 团队内部 AI 的代码贡献率达到 94%，人均需求吞吐率提升了 60%。

但它是一个团队级别的数据，回答了“AI 让工程师快了多少”，但没有回答组织层面一个更关键的问题：

当 AI 渗透进一整家公司，组织、岗位和雇佣会变成什么样？

2026 年 10 月，Anthropic 发布了基于公司内部数据的报告《How employment is changing at Anthropic》：

报告指出，到 2026 年 8 月，Anthropic 内部由员工主导的交互式 AI 智能体，其总工时已经达到人类员工的 6 倍，而初级技术岗位的招聘占比从 27% 跌到了 9%。

关于 AI 时代的工作和就业，这份报告给出了难得的一手参考，以下为精校解读。

组织效率大幅度提升

如果把智能体的运行时长按人类同等工作量折算成“工时”，Anthropic 内部正在发生一个巨大的变化：

2026 年 3 月，自主型与交互型智能体的工时之和首次超过人类；到 8 月，单看员工主导的交互式智能体，工时已是对应人类的 6 倍。

这些工时换来的是可量化的产出：工程师人均代码提交达到六个月前的 5 倍，律师处理了更多合同，销售人员促成了更多交易。

如果从人均产出的角度看，AI 给 Anthropic 带来了巨大的效率跃升：

Anthropic 成立五年时，员工人均收入是 Meta 和 Google 各自高速增长顶点时期的 2 到 4 倍。

但可能会有人质疑这里的归因逻辑：同一时期，Anthropic 业务爆发式增长，手里有最强模型可卖的时候，成交本来就更低。

为了把这个变量摘出去，报告做了一组对照：追踪 192 名用上了 Coding Agent 的工程师，和同期 74 名没用的工程师做对照。

结果显示，采用 Agent 之后的几个月里，这些工程师的新增代码量急剧上升。

与此同时，Agent 产出的质量依旧和人类水平对齐：控制同一名员工、同一月份、同一代码目录后，Agent 写的代码和人写的代码，被删除或回滚的比例没有差别。

Agent 的提升效应也不限于代码领域：销售代表用上 Agent 后，能接触到的客户比以往多了 30%；一位客户主管估计，自己约 20% 的原有任务已经被自动化接走。

值得注意的是，报告里还有一组数字：Anthropic 员工预期到 2030 年 AI 能完成自己 75% 的工作，而其他美国人对同一问题的预期是 28%。

前沿公司对于 AI 内部的使用体感，大约是外面的 3 倍。

招聘的变化：初级员工招聘需求骤减

看到这，你可能会觉得 Anthropic 会大幅度裁员，来应对人均提效的变化。但反直觉的是：

过去一年 Anthropic 并没有收缩，公司规模反而扩大到了原来的三倍。

真正发生巨大变化的是 Anthropic 的招聘结构：技术部门初级员工占比从 2025 年初的 21% 滑落到 14%，初级技术招聘占比从 27% 降到 9%。

面向初级人员的岗位发布，自 2025 年 12 月起急剧减少。到 2026 年 4 月，工程和研究团队已实质性下调了低职级技术岗位的招聘权重。

行政部门的变化很能说明这个问题：行政部门靠 Agent 加自动化审核，公司在扩张三倍的同时，这个部门几乎没有扩编。

一位行政助理解释说，入门级行政岗位正在被 Claude 增强到不再需要人来做；她自己的工作重心则转向统筹类事务——帮管理层做协调和决策支持。

报告还观察到一个规律：越是要用 Claude 介入处理的任务越复杂，这个岗位的初级岗招聘放缓得越明显。

换句话说，AI 在一个领域里做得越深，留给新人的机会就越少。

对已经在职场里的人来说，AI 能力的提升，是个生产力提效的故事；但对于还没拿到入场券的人，它可能是个被取代的故事。

工作正变成「元工作」，新的瓶颈是人的注意力

看到这，你可能会问一个问题：如果 Agent 真的这么能干，人在工作里还有什么用？

报告给出的答案有些出乎意料：人的工作变成了审核 AI 的产出。

报告给这类工作起了个名字：「元工作」（meta-work）。

人类不再直接做事，而是管理做事的 Agent，具体的工作包括：给智能体写常驻指令、为多智能体协作撰写标准、让一个智能体审查另一个的输出、监控整条流水线。

员工的角色彻底从做事的人，变成了管理一群 Claude 的人。

报告显示，这样的书面指令，从 2025 年 7 月的几百条增至 2026 年中的 8,500 条。与此同时，元工作占员工交互会话的比例，从 2025 年秋天的 10% 升至 2026 年春天的 22%。

而由于人类注意力有限，人类正在成为工作的瓶颈本身。数据显示，Claude 交互式会话约 80% 的时间在闲置等待人类输入。也就是说，Agent 工作的时候大部分时间在等待人类审核。

而即便是非技术员工，要读完自己智能体的全部产出，也得花掉半个工作周：一位工程师形容自己面对「一支 Claude 大军，每一个都在要求我注意它」。

此外，报告里还有一个反直觉的发现：自动化没有减少人与人之间的沟通，反而让沟通变得更频繁。

Anthropic 的日历数据显示，员工会议时间的中位数比一年前多了 20%，即便是技术个人贡献者也多了 16%。

原因在于，AI 修的 bug 越多，暴露的组织和系统问题就越多。以前，这些问题只能靠人来开会、对齐、拍板。但当 Agent 接走了执行，剩下的全是需要人来做的判断。

此外，报告也研究了这个现象对于招聘的影响，Anthropic 用自动化编码的方式，分析了 2024 年以来数千名入职员工的面试评分卡发现：

招聘里最表层的变化是对 AI 工具能力的关注：评分卡中提及候选人 AI 工具使用能力的比例，技术岗从 2024 年的约 5% 升至约 20%，非技术岗从约 7% 升至约 35%。

与此同时，更深层的变化在技术岗评估的重心转移：增幅最大的是对候选人自主性与判断力的评论，而关于领域专长的讨论占比在缩小。

一位经理的解释说：“模型在很长一段时间内都会时灵时不灵，所以我要的人，得能在不同领域之间自由切换。”

在非技术岗上，也呈现同样的方向：客户导向与使命导向的讨论上升，执行技能的讨论下降。

读完这份报告，我的感受是：AI 对组织的改造，比想象中更深，也比想象中更慢。

AI 真正改变的其实不是那些熟练的专家，而是没有工作经验的人「找到第一份工作」的门槛。对他们而言，最大的难题可能是未来没有工作机会：

公司不再有耐心等你从打杂开始长，你得先证明自己能对结果负责。所以最紧迫的问题已经不是“如何找到一份好工作”，而是“我该拿什么换取第一份工作的入场券”：是更早的参加实习，还是更快的学会 AI，还是成为一名公务员，还是尽快成为一名 OPC，做一个人就能跑通的小生意？

从另一个方向看，也许真正要转型但还没有转型的，可能是当下的大学：随着 AI 时代，企业招聘发生巨大变化，大学的形态是否也需要跟着改变？

一种可能是变成「实习公司」，入学即入队，课程围着真实项目排，毕业时交付的不是绩点，而是一份跑通过、有人用的产品；

另一种可能是变成「OPC 创业场」，一个人加一组智能体就能跑通一门小生意，学校提供算力、导师和第一批用户。我们看到一些学校已经在发生这种变化：学军中学办了场黑客松，12-26 岁顶尖头脑齐聚！

如果给还没有找到工作的同学一句最实在的建议，我想这个判断，正在变得越来越准确：如果你的大学连 token 都不提供，也许真的该考虑退学了。

- 完 -