---
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"
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"
source_type: "generated"
status: "published"
generated_at: "2026-10-17 08:16:53"
frame_type: ["机制"]
legal_anchor_count: 0
transcript_citation_count: 0
---

# 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

最懂 AI 的那家公司，现在自己招工已经不太要新手了。

Anthropic 刚刚晒出自家的内部真实数据。

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。

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%。

这事有意思在哪？

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。

他们天天把自己的模型当同事用。

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。

到了 8 月，智能体干活的时长直接飙到了人类的 6 倍。

结果也很夸张。

每个工程师提交代码的数量，在半年里翻了 5 倍。

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。

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。

为什么初级员工反而没人要了？

因为整个团队的生产卡点，彻底换了地方。

以前软件工程的学徒制是这么转的：

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。

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。

但现在，这套梯子最底下的几级，全被 AI 抽空了。

AI 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。

写代码的速度变成了光速，新的瓶颈马上就撞上来了。

什么瓶颈？

人类的注意力。

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。

Anthropic 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。

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。

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？

资深工程师根本没有精力去带他。

AI 智能体几十秒交一次活，随叫随到；

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。

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。

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。

那他们现在招什么样的人？

面试打分表也全改了。

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。

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。

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。

但问题也跟着来了。

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。

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，

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？

Anthropic 在同一天发的另一份报告里测过一个预期差：

他们自己的员工预期，到 2030 年，AI 会接管自己 75% 的工作；

而普通的美国上班族，普遍觉得这个比例只有 28%。

造工具的人，已经在过几年后的日子了。

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。

_Rendered by mubei-terminal._