Anthropic 在 2026 年 10 月 16 日发布了两份基于自家运营数据的研究报告：一份追踪 AI 如何改变这家公司内部的用工结构，另一份把员工对 AI 经济影响的预期与近 1.1 万名美国成年人（Morning Consult 于 8 月的加权调研样本）对照。
智能体的工时，先一步超过了员工人数
报告里变化最早出现的不是裁员名单，而是工作量构成。到 2026 年 3 月，AI 智能体在 Anthropic 内部累计工作的时长已经超过员工；到 8 月，交互式智能体的使用时长达到员工的 6 倍。产出端的信号同步出现：人均提交的代码量上升，每位销售代表谈成的销售额变多，法务团队处理的合同也变多；研究人员追踪同一名员工前后的变化，发现其产出随 AI 工具使用程度加深而上升。
Anthropic 的说法是，瓶颈随之从“谁来执行”换成了人的注意力：员工花在搭建监控、复核智能体工作上的时间越来越多。智能体真把活接过去之后，人的岗位内容先被改写，随后才是岗位数量的讨论。站内此前记录的电商场景也是同一条线——智能体代购被电商拦在门外：403 翻倍，42% 消费者不肯交出付款权里，智能体已经进入真实交易流程，只是先被风控和信任卡住。
招聘名单的变化，比裁员来得更早
用工结构里最先动的是入口。过去一年，Anthropic 招聘中初级岗位的占比下降，员工里技术岗位的占比也在变小；招聘决策越来越看重自主性和判断力，而不是单一技术专长和落地执行能力。
这个顺序对其他公司更有参考价值：一家公司不需要先宣布“AI 替代计划”，初级岗位的收缩就会先出现在招聘计划里。对刚入行的人来说，被压缩的恰恰是过去用来积累经验的那一级台阶；而对管理者来说，新问题变成如何考核“会指挥和复核智能体”的人。
预期差来自经验，不来自立场
第二份报告的结果容易被误读成“圈内人更乐观”。数据实际显示，Anthropic 员工与公众对“AI 如何影响就业”的理解模型相当接近：在两组人里，预期 AI 会承担自己更多工作的人，同样预期失业效应会更明显。真正的分歧在对能力速度的判断：91% 的员工预期 AI 能在 2030 年前做出诺贝尔奖级别的发现，公众这一比例是 39%；过半员工认为到 2030 年 AI 能完成自己目前至少 80% 的工作，公众里只有 5% 这么想。
Anthropic 首席经济学家 Peter McCrory 同日还公布了一个比较 AI 进展情景的分析框架，并给出的解释是：这家公司在 AI 采用上大约领先整体经济一年半，内部发生的变化可能是其他行业的先行样本。这句话需要打个折扣看待——数据全部来自一家前沿 AI 公司、自报口径，人均代码量这类指标报告自己也承认并不完美。但作为少有的、把智能体真实工时和招聘结构一起摊开的样本，它的价值不在结论，而在提供了一个可对照的刻度：当一家公司内部智能体工时达到员工 6 倍时，先变的会是招聘入口和复核工作，而不是一张裁员名单。
