{"id":"mb-20261017-3ad52d","kind":"deep","title":"智能体工时已达员工6倍：Anthropic内部报告揭示AI如何抽空技术新人的爬升梯子","summary":"Anthropic最新内部研究显示，其AI智能体工作时长已达人类员工的6倍，技术新招中初级岗位占比从27%骤降至9%。本文拆解工程师产出暴增背后的注意力瓶颈、招聘标准转向，以及技术学徒制梯子被机器抽空后的深层困境。","body":"最懂 AI 的那家公司，现在自己招工已经不太要新手了。\n\nAnthropic 刚刚晒出自家的内部真实数据。\n\n在这家造出 Claude 的公司里，AI 智能体跑任务的总时长，已经是全公司人类员工总工时的 6 倍。\n\n而在技术岗位新招进来的员工里，初级新人的比例，在短短一年内从 27% 暴跌到了 9%。\n\n这事有意思在哪？\n\n如果说普通企业不用 AI 是因为保守，那 Anthropic 可是全世界最懂怎么用 AI 的一群人。\n\n他们天天把自己的模型当同事用。\n\n今年 3 月，他们公司内部 AI 智能体的工作时长，第一次超过了人类员工。\n\n到了 8 月，智能体干活的时长直接飙到了人类的 6 倍。\n\n结果也很夸张。\n\n每个工程师提交代码的数量，在半年里翻了 5 倍。\n\n而且这些靠 AI 疯狂写出来的代码，事后被回滚、被重写的比例，一点都没上升。\n\n按传统的商业逻辑，公司业务扩张、产出暴涨，应该多招点初级员工来打杂、帮老手分担琐事才对。\n\n为什么初级员工反而没人要了？\n\n因为整个团队的生产卡点，彻底换了地方。\n\n以前软件工程的学徒制是这么转的：\n\n资深工程师做架构设计，把写测试、补文档、改基础报错这些琐碎活丢给新手。\n\n新手一边分担脏活累活，一边看老手怎么写代码，慢慢攒经验熬成老手。\n\n但现在，这套梯子最底下的几级，全被 AI 抽空了。\n\nAI 智能体拿到指令，几十秒就能把上百行测试和基础代码吐出来，不喊累也不用休息。\n\n写代码的速度变成了光速，新的瓶颈马上就撞上来了。\n\n什么瓶颈？\n\n人类的注意力。\n\n代码写得再快，最终还是得有人去看、去审、去决定能不能上线。\n\nAnthropic 统计过，员工在 Claude 上的交互，有 22% 已经变成了管理智能体的元工作。\n\n老手不再整天亲自敲键盘，转头忙着给 AI 写指令、搭建监控流水线、审查 AI 跑出来的海量代码。\n\n这个时候，团队如果招进一个什么都要教的新手，会发生什么？\n\n资深工程师根本没有精力去带他。\n\nAI 智能体几十秒交一次活，随叫随到；\n\n带一个人类新手，老手得花好几个小时去改他的基础错误，教他看文档。\n\n当老手自己的注意力已经被 AI 代码塞满的时候，带新人的时间成本，变成了整个团队最承受不起的开销。\n\n在问卷调查里，三分之一的机器学习团队主管和五分之一的软件工程主管，直接把减少招聘的原因归给了 AI。\n\n那他们现在招什么样的人？\n\n面试打分表也全改了。\n\n过去大厂最看重的单一领域专业技能、刷题熟练度，权重全被大幅砍掉。\n\n排在最前面的，变成了两样东西：自主判断力，以及跨领域调度能力。\n\n他们要找的是能直接指挥一队 AI 的人，能独立拿主意，不用别人分步派任务。\n\n但问题也跟着来了。\n\n那些一眼就能看出 AI 代码哪里有坑、能把控全局的资深工程师，当年全是在繁琐的基础杂活里泡出来的。\n\n如果底层的梯子直接被机器填平，新手连打杂的机会都没有，\n\n那五年后、十年后，能镇得住 AI 的资深工程师，又要从哪里长出来？\n\nAnthropic 在同一天发的另一份报告里测过一个预期差：\n\n他们自己的员工预期，到 2030 年，AI 会接管自己 75% 的工作；\n\n而普通的美国上班族，普遍觉得这个比例只有 28%。\n\n造工具的人，已经在过几年后的日子了。\n\n当旧梯子的第一级台阶被彻底撤掉，怎么爬上去，成了所有人都要面对的新难题。","topic":"智能体工时已达员工6倍：Anthropic内部报告揭示AI如何抽空技术新人的爬升梯子","frame_type":["机制"],"citations":[],"channel_note":"","identity_notice":"","source_type":"generated","status":"published","generated_at":"2026-10-17 08:16:53","legal_anchor_count":0,"transcript_citation_count":0}