资料名称： Anthropic《How employment is changing at Anthropic》，The Anthropic Institute 技术报告，2026 年 10 月 16 日发布

帖内资料： 20 页 PDF 全文，一份正文长文（含 8 张图的读法与建议引用格式、Works cited 文献表），以及同一团队同日发布的配套篇《Working at the frontier shapes expectations for the future》

时间覆盖： 数据主体覆盖 2024 年底至 2026 年 8 月；岗位级人数对比取 2026 年 1 月与 7 月，招聘结构对比取 2025 年初起的一年

许可与引用： Anthropic PBC 版权；页面已给出建议引用格式，作者为 Nathan Wilmers、Regina Catipon、Maxim Massenkoff、Peter McCrory，机构标注 The Anthropic Institute，类型 Technical Report，年份 2026、月份 10 月

适用任务： 写 AI 与劳动力市场的文献综述、做"AI 如何改变岗位构成"的课堂或内部分享、给企业 HR 与技术管理者找一份可对标的内部数据案例

这份报告最有用的地方，是它把"AI 用得多之后，公司里的人事结构会怎么动"拆成了能看的具体数字，而不是给一句判断。作者拿到的是 Anthropic 自己的内部记录：招聘决策记录、各部门产出指标、员工调查、内部日历与公开频道沟通记录，另外做了 17 个员工访谈。所以要读清它的身份——是一家公司的内部观察，不是全社会的抽样调查。

报告自己在结尾也写明，公司内部样本不能直接推成整个劳动力市场的变化。

招聘这一块的变化最直接。技术部门的初级岗位占比从 2025 年初的 21% 降到 14%，初级技术岗在当期招聘里的比例掉得更快，从 27% 降到 9%；技术部门整体的人数占比同期从 61% 降到 56%。2026 年 4 月的经理调查里，约三分之一的机器学习经理、五分之一的软件工程经理表示因为 AI 少招了人。技术岗内部也在变薄：工程师与产品经理的比例约为 17 比 1，且比 2025 年更高；近 30 天没有代码提交的人在技术部门里的占比，一年里少了将近一半。

产出侧的证据是从同一个人的前后对比里得出的，不是拿两个部门横向比。2026 年 3 月，自主运行的 agent 与交互式 agent 的累计工作小时首次超过人类；到 8 月，员工名下 agent 的工作小时是本人的 6 倍。作者跟踪了 192 位采用 coding agent 的工程师，与 74 位同期未采用的工程师对照，采用后新增代码量明显上抬，工程师人均代码提交速度到了半年前的 5 倍。

报告还专门查了"AI 写的代码是不是注水"：同一个人、同一个月、同一个代码目录里，agent 代写与本人手写的代码，在 90 天内被删除的比例、被整体回退的比例上没有差异。

非技术部门的变化比想象中大。没有代码提交记录的非技术员工，用 coding agent 开会话的次数从 2025 年 8 月的每月 2 次涨到 2026 年 5 月的 90 次；销售代表设计出自己的看板与流程，一位客户经理说自动化替掉了原先约两成的工作任务，另一位说能见的客户比过去多三成；律师处理的合同、应付团队过的发票都变多。

报告里最值得留意的是"人成了瓶颈"这层。交互式会话中约 80% 的时间 agent 在等人输入；按 0.75 词每 token、每分钟 250 词的读速折算，即便非技术组，把 agent 产出的内容读完也要占掉半个工作周。于是出现报告称之为 meta-work 的一类工作：给 agent 写标准指令（从 2025 年 7 月的几百条涨到一年后的 8,500 条）、做监控看板、让一个 agent 复核另一个。

这类工作占员工交互会话的比例，从 2025 年秋天的 10% 升到 2026 年春天的 22%。

用人标准也跟着挪。招聘经理的面试评分卡里，提到候选人 AI 工具使用经历的比重，2024 年技术岗约 5%、非技术岗约 7%，到 2026 年分别变成三倍与四倍；技术岗评分里升得最多的是自主性与判断，领域专精的占比反而缩小。

几个调查数字可以留作引用：认为公司流程让自己尽量高产的员工比例，2024 年底是 44%，2025 年 11 月是 58%，2026 年 4 月是 75%（这一版题干去掉了"尽量"二字，作者自己注明了口径变化）；2026 年 8 月，Anthropic 员工预计到 2030 年 AI 能完成自己工作的 75%，而美国其他受访者的同一预期是 28%。

报告与 PDF 的地址、数据口径和引用写法都放在下面，回复一下就能看到。