Anthropic最新就业报告公开:AI时代,新人何去何从?

AI 工作 新人 代码 Anthropic
发布于 2026-11-05
2

我们非常重视原创文章,为尊重知识产权并避免潜在的版权问题,我们在此提供文章的摘要供您初步了解。如果您想要查阅更为详尽的内容,访问作者的公众号页面获取完整文章。

扫码阅读
手机扫码阅读
# 文章结构化摘要

文章主旨:

AI 接管大量基础工作后,技术团队的初级岗位明显收缩,新人“边做边学”的传统成长路径正在消失;作者建议新人主动追问原理、亲手验证结果、在真实项目中积累判断力,同时指出个人努力无法替代企业培养机制。

关键要点:

  1. 扩招与初级岗收缩并存:2025 年初至 2026 年年中,Anthropic 技术部门新招员工中初级岗位占比从 27% 降至 9%,存量员工中初级人员占比从 21% 降至 14%;同期非技术部门初级员工占比稳定在 25% 左右。
  2. AI 已大规模承接基础工作:到 2026 年 8 月,全公司人均调用 AI 智能体的累计运行时长达到员工自身工时的 6 倍,核心研究部门达 19 倍;工程师人均代码提交量达半年前的 5 倍。在代码被删除占比、显式撤回比例、跳过测试标记等指标上,手写代码与 AI 生成代码无统计显著差异。
  3. 人的工作转向“元工作”:约 80% 的对话时间 AI 在等人回应;研发岗逐字读完 AI 全部输出平均每人每周需 424 小时。与写规范、搭监控、调流程等“元工作”有关的交互占比从一年前的 10% 升至 22%,基础设施团队接近 30%。
  4. 招聘标准转向自主性与判断力:面试评价中提及候选人如何使用 AI 的比例较过去高出数倍;技术岗更强调自主性和跨领域综合判断,对细分技术专长的关注下降;非技术岗更看重整体业务理解与用户需求把握。
  5. 新人需主动补足实践环节:小样本实验显示,使用 AI 的学习组测试平均得分 50%,手写组为 67%,差距最大的是查找和诊断代码错误;作者提出多追问、在求职作品中展示判断过程、参与有真实用户和业务约束的项目三条路径。

内容结构:

引言

Anthropic 公布内部就业情况报告,结合员工 AI 使用记录、招聘和人事数据,分析公司内部变化;文章聚焦其中关于新人机会与职业成长的讨论。

一、扩招之下,初级岗却在收缩

公司快速扩张、技术团队招聘人数增加,但技术部门初级岗位占比显著下降,非技术部门则保持稳定。原因在于写代码、修漏洞等基础工作越来越多交给 AI,公司有了招聘新人之外的选择。报告数据显示 AI 承担工作量巨大,代码产出大幅提升,且质量指标未见明显劣势;AI 处理的任务越复杂,相关岗位初级员工增长越慢,留给新人练手的位置随之减少。

二、AI 接手工作,人开始管理 AI

AI 提速后,员工需花更多时间审阅结果、做判断、下指令;多任务并行时注意力成为瓶颈。逐条审读已不现实,员工转向“元工作”:编写提示词规范、让 AI 互相审查、搭建监控看板,相关交互占比明显上升,围绕 AI 的沟通线程数量激增。同时,AI 依赖文档资料行事,决策与人员分工变化若未及时记录更新,AI 会按旧信息执行。

三、Anthropic 招聘更看重自主性和判断力

面试评分记录显示,面试官越来越关注候选人如何使用 AI,非技术岗增幅更大;技术岗更强调自主性与综合判断力,对细分专长关注下降,因模型能力持续变化,团队更需要能跨领域推进工作的人;非技术岗则减少对具体执行能力的考察,转向业务理解与用户需求把握。判断力体现为知道任务该怎么做、能判断结果是否正确,经验在遇到异常时尤为关键。公司建立岗位预警与转岗机制,但该机制只覆盖已入职员工,无法解决新人获得第一份工作的问题。

四、入门工作少了,判断力还怎么提升

企业希望新人入职即能独立判断,但判断力需要在做事中积累。过去新人从边界清楚的小任务起步,在试错和请教中成长;如今这类任务多由 AI 完成,招聘门槛却提高。小样本实验提示“代码跑通”不等于“理解原理”,主动追问原理者仍能取得较好学习效果;若只让 AI 写码、报错再让 AI 改,新人会错过自查与纠错过程。斯坦福数字经济实验室 2026 年 8 月更新的美国就业研究也显示,受 AI 影响较大的职业中 22 至 25 岁劳动者就业增长落后,主要表现为企业减少招聘年轻人;研究尚不能单独确定 AI 的因果作用。

五、多问一步,亲手验证,在真实项目里积累经验

作者给出三条路径:一是拿到答案后继续追问原理,并查文档、做测试、亲手验证;二是让求职作品展示判断过程,说明需求边界、发现问题与验证方法,而非堆砌聊天截图;三是寻找有真实用户和业务约束的项目练手,如实习、开源协作、公益项目,参考 Claude Corps 让年轻人进入非营利组织带薪实践的模式。

写在最后

报告用翔实数据呈现了一场前沿技术重组。作者回顾二战后劳资安排后指出,如何分享效率收益、帮助员工转岗仍需企业回答,但内部安排无法直接解决初级招聘放缓问题。对新人而言,主动追问、验证结果、参与真实项目是眼下可做之事,虽不能替代企业培养机会,却能帮助自己提升识别与处理问题的能力。

文章总结:

入门岗位收缩是 AI 带来的结构性挑战,新人应以主动核验和真实项目为自己筑起成长台阶,但个人努力不能替代企业应承担的培养责任。

Datawhale