当普通职场人还在为绩效考核发愁时，Anthropic 的工程师已经开始给 AI Agent 团队写绩效了。有人评估 AI 团队的沟通问题，有人安排 AI 助手筛选其他 AI 的请求。
这些细节出自 Anthropic 于 10 月 16 日发布的内部就业报告。报告显示，在 2025 至 2026 年间，尽管公司技术人员总数增加，但初级员工在新招技术人员中的占比从 27% 降至 9%。
▲ Anthropic 招聘页面使用的团队影像。
内部调查显示，Anthropic 员工认为四年后 AI 能完成其 75% 的工作，而这一比例在美国普通职场人中仅为 28%。巨大的认知鸿沟正在形成。
随着基础编码和常规任务逐渐由 AI 接管，新人积累经验的传统路径受阻，招聘标准也随之发生深刻变化。
AI 工时已达人类六倍，工作模式转向“管理型”
截至今年 8 月，Anthropic 员工调用的交互式 AI Agent 累计工作时长已是员工工时的 6 倍。需要注意的是，这里的“6 倍”指的是累计工作时间（多个 AI 并行工作的时间总和），并非产出效率的直接倍数。
▲ 粉线代表全体员工，蓝线代表研究部门。纵轴是 AI agent 工时与估算员工工时的比值。
AI 工具的普及降低了技术门槛。一名销售人员利用 AI 在数小时内构建了以往无法独立完成的数据看板。在面向普通用户的 Cowork 演示中，Claude 能够自动从邮件、日历和文件中收集信息，整理会前简报并起草邮件。
然而，这种高效也带来了新的协作挑战。使用者如同同时管理多名下属，需处理多任务并发：确认方案、审核代码权限、处理异常等。统计显示，交互式多轮会话中约 80% 的时间处于等待人类输入状态。
这迫使员工转变角色，从执行者变为协调者。工程师开始细化对 AI 的指令，明确其自主决策范围及需人工介入的场景。若组织内部职责变动未及时同步至 AI 上下文，仍会出现 AI 向已转岗员工发送无关请求的情况。
以 Claude 产品文案团队为例，成员分工已调整为整理背景资料、编写提示词及评估模型表现，部分文案生成工作交由 Agent 完成。
▲ Anthropic 一个部门的沟通网络。蓝点是员工，橙点是 agent 会话线程；连线表示同一线程中的互动。官方可视化显示，AI 增加了新的互动，人和人之间的沟通仍然存在。
招聘重心转移：判断力优于特定技术经验
工作内容的演变直接影响了招聘标准。分析 2024 年以来的录用数据显示，技术岗位面试中，“自主性”和“判断力”被提及的频率显著上升，而特定技术领域经验的权重相对下降。
核心考察点包括：能否识别需求中的模糊之处？在多套 AI 生成方案中能否做出合理选择？结果交付前是否知道如何进行有效性检查?
▲ 左侧为技术部门，右侧为非技术部门。蓝线看新招人员中的初级员工占比，粉线看现有员工，橙线看开放招聘职位。不同线条的分母不同。来源：Anthropic。
这种经验不仅限于编程。一项针对 40 万次 Claude Code交互的分析显示，一位不懂 Python 但精通对账规则的会计，若能清晰描述逻辑并发现脚本遗漏的特殊情况，其任务成功率甚至高于仅懂代码的新手。熟悉业务逻辑的用户更能准确向 AI 传达需求并纠正错误。
▲ Claude 的 Microsoft 365 功能演示。
对于资深员工，过往踩坑经验可转化为指导 AI 的能力；但对于应届毕业生，传统通过执行小任务积累经验的路径被压缩。由于检查 AI 工作本身需要深厚的业务理解和代码阅读能力，新人面临“无经验难以胜任，无任务难以积累经验”的双重困境。
斯坦福数字经济实验室的研究指出，在易受 AI 影响的职业中，22—25 岁劳动者的就业增长滞后。这主要表现为初级岗位招聘减少，而非大规模裁员。
新人破局：从“展示结果”到“展示过程”
针对新人如何积累经验的问题，Anthropic 的一项小规模实验提供了启示。在学习新工具 Trio 的测试中，完全依赖 AI 的小组平均得分约为 50%，而手动编码组约为 67%。差距主要体现在错误排查上。那些在借助 AI 时追问原理、只让 AI 解释概念而非直接生成代码的用户，表现更佳。
▲ 根据研究公开数据制作。比较的是学习陌生工具后的即时测验，不是长期工作能力；两组相差约 17 个百分点。
建议求职者在作品集中保留开发过程的记录：发现了哪些问题、如何引导 AI 修改、进行了哪些检查。例如，一个 AI 生成的活动报名网页，若能详细说明如何处理重复提交、名额已满或信息错误等边界情况，将更具说服力。
此外，Anthropic 推出了“Claude Corps”计划，旨在通过培训 1,000 名职业起步阶段的人才，并将其派遣至非营利组织全职工作一年，以此弥补初级岗位缺失带来的经验断层。学员将在导师指导下，利用 AI 解决食物银行物资分配、海洋保护数据处理等实际问题。
▲ Claude Corps 官方宣传图。画面中的 REEF 是列入计划的接收机构之一，从事海洋保护与水下调查。
Anthropic 的实践揭示了一种新兴工作范式：AI 承担执行，人类负责判断与协调。对于新人而言，积极利用 AI 解决具体问题，并在过程中深入理解原理，已成为积累经验的关键途径。
Anthropic 就业报告🔗