Anthropic内部研究显示，到2026年8月AI交互式代理运行时间约为员工工时的6倍，初级技术岗位占比和招聘明显下降。研究同时指出代理并非等同于人类劳动，产出增长部分与AI相关但不能完全归因于其，并强调人类注意力与判断成为新的瓶颈。
Anthropic一项基于公司内部数据的研究显示，随着AI代理越来越多地参与日常工作，该公司的招聘结构、员工产出和工作组织方式正在发生变化。截至2026年8月，由员工发起的交互式AI代理工时约为人类员工工时的6倍；与此同时，技术部门初级员工的占比和初级技术岗位招聘占比均明显下降。
Anthropic于10月16日发布的研究报告《How employment is changing at Anthropic》称，代理工时在2026年3月首次超过人类员工工时。到8月，在员工直接使用的交互式代理中，代理运行时间达到员工工作时间的6倍。报告的研究基础包括就业记录、AI使用数据、产出指标、员工调查、内部沟通记录、日历数据和招聘决策记录，并结合了17名员工访谈。
但Anthropic也强调，代理运行时间不是人类劳动时间，更不能直接等同于经济产出。它反映的是代理运行和工具调用的时间，而不是员工实际工作的时长或企业创造的价值。
初级技术岗位减少，招聘标准转向判断力
研究显示，自2025年初以来，Anthropic技术部门中初级员工的占比从21%降至14%；初级技术岗位招聘占比则从27%降至9%。报告称，面向初级员工的职位发布数量在2025年12月之后尤其明显地减少。
这一变化并不意味着技术岗位总数已经停止增长。Anthropic仍在扩张，技术部门的绝对员工数量继续增加，只是销售、财务和招聘等业务职能的增长速度更快，导致技术部门在公司员工中的占比从61%降至56%。
招聘经理对候选人的评价重点也在改变。报告对数千份招聘面试评分记录的分析显示，2026年技术岗位面试中提及候选人AI工具使用能力的比例约为2024年的三倍，非技术岗位则约为四倍。对于技术候选人，自主性和判断力受到更多关注，而具体领域经验在评价中的相对权重下降。
Anthropic表示，经理们越来越希望员工能够跨领域工作，并在模型能力存在局限时作出判断。对非技术岗位而言，客户意识和使命导向的重要性上升，而单纯的执行能力被提及得更少。
产出上升，但研究没有把增长全部归因于AI
Anthropic称，采用编码代理后，工程师每人提交的代码量明显增加；销售人员完成的交易数量上升，法律团队处理的合同更多，其他业务部门的工作产出也有所提高。研究还追踪了同一批员工在使用AI工具前后的变化，发现员工采用代理后产出上升。
其中一项分析追踪了192名采用编码代理的工程师，并与74名在研究期间没有采用代理的工程师进行比较。报告称，采用代理后，工程师新增代码量迅速提高。研究人员还比较了同一员工、同一个月、同一个代码目录中的代码，暂未发现由代理编写的代码在后续被删除或回滚的比例更高。
不过，代码量并不等同于代码质量或商业影响。研究也承认，工具采用并非随机选择：即将承担大型项目的员工，可能更有动力主动采用代理，因此观察到的增长未必全部来自AI本身。Anthropic同期的业务增长也可能让销售更容易完成交易。换言之，这些结果说明AI使用与产出增长同时出现，但不能单独证明所有增长都由AI造成。
人类注意力成为新的瓶颈
研究指出，代理数量增加后，限制系统效率的因素不再只是模型能否完成任务，而是人类能否及时理解、筛选和管理代理输出。
在交互式、多轮代理会话中，大约80%的会话时间处于等待状态，代理等待人类输入。即使是非技术员工，若要阅读其Claude代理生成的全部内容，所需时间也可能超过工作周的一半。员工因此开始投入更多时间建设可见性工具、监控代理管线、编写运行规范，并让一个代理检查另一个代理的输出。
Anthropic把这类工作称为“元工作”（meta-work）。报告称，元工作在普通员工交互式Claude会话中的占比，从2025年秋季的10%上升至2026年春季的22%。书面形式的代理工作指令，也从2025年7月的几百份增加到一年后的约8,500份。
这意味着AI并没有简单地把人从工作流程中移除，而是把人的工作推向另一层：设计任务、分配权限、监督运行、处理异常，并决定哪些结果值得继续验证。Anthropic的研究还显示，员工开会时间比一年前增加了20%，技术岗位个人贡献者的会议时间也增加了16%。涉及战略、协调和责任归属的问题，仍然需要人与人之间进行讨论。
AIFlux此前报道的Anthropic推出Claude Dashboards与Claude Motion也呈现了类似方向：企业AI的价值越来越取决于数据连接、查询可追溯性和工作结果的可视化，而不仅是生成一段答案。
代理工时增加不等于人类角色消失
Anthropic表示，公司已经建立了一个早期预警系统，用来识别哪些工作正在受到AI影响，并优先考虑在公司内部重新配置员工。过去一年，在公司工作至少一年的员工跨部门调动概率提高了约50%。一些团队在把原有工作交给代理后，被重新安排到代理提示、模型评估和流程设计等任务上。
这一模式与更大规模的长期运行代理实验形成了对照。AIFlux此前关于OpenAI让约1万名代理连续运行36至48小时的报道也指出，代理规模扩大后，人类仍需设定目标、评估结果并处理安全边界。数量、运行时间和代码量可以统计，但它们并不自动代表研究质量或真实的生产率提升。
Anthropic在另一篇配套分析《Working at the frontier shapes expectations for the future》中说，公司的AI使用经验可能预示未来工作组织的某些变化，但Anthropic毕竟是一家处于AI技术前沿的公司，其工作方式不能直接代表整个劳动力市场。
这也是这项研究最重要的限制。它提供的是一个高度AI化组织的内部样本，而不是整个经济体的就业调查。研究显示，初级岗位可能在部分高强度使用AI的职能中承压，也显示AI能够提高一些员工的可测量产出；但这些现象能否复制到传统企业、服务业和劳动密集型行业，仍有待更多独立研究验证。
对企业而言，真正的问题可能不只是要不要采用AI，而是如何分享由此产生的收益、如何帮助员工转向新的岗位，以及如何避免把“代理运行得更久”误当成“组织工作得更好”。在人类注意力、判断力和责任承担仍是瓶颈的情况下，AI代理带来的首要变化，或许不是人类退出工作，而是人类被要求管理更多由机器产生的工作。