大模型厂商一直向外界兜售一个技术许诺:AI能抹平经验鸿沟,把新手迅速拉升为熟手,同时消除繁冗沟通,让组织变得极度扁平高效。作为走在最前线的模型开发商,Anthropic在2026年10月16日发布了一份基于内部记录、日历数据和17名员工访谈的研究报告《How employment is changing at Anthropic》,拿出的组织实验样本却击碎了这个美好预设。

在这家全面以AI重塑工作流的头部公司内部,技术部门初级员工比例在一年多内从21%滑落至14%,初级技术岗位招聘占比更从27%骤降至9%。与此同时,全员中位数会议时间同比增加20%,技术独立贡献者的会议时长也增加了16%。最懂得使用AI的一批人,既没有迎来新人门槛的普惠,也没有摆脱日历被会议塞满的宿命。

Anthropic 组织重塑的关键指标异动 初级技术岗位招聘占比 27% → 9% 一年多内断崖式压缩 全员中位数会议时间 +20% 技术贡献者增加16% 人均代码提交量 5 倍 相比6个月前大幅膨胀

洪水般的文本,与沦为看护保姆的工程师

Anthropic技术团队占全员比例从61%下降到了56%。公司将这一变化解释为业务扩张带来的职能多元化,以及非技术人员开始借助代码生成工具自行编写内部工具。工程师的人均代码提交量,甚至达到了6个月前的5倍。

数字看着极度繁荣,工作体验却走向了另一种窒息。Anthropic内部存在一种必须全天候使用Claude并追求极限速度的无形压力。在2026年4月的内部调查里,27%的员工认为Claude确实提升了生产力,但有20%的员工直言自己的工作性质发生了根本异变:从实际动手做事,退化成了管理多个Claude进程。

一位工程师将这种状态形容为当看护保姆。保姆面对一群吵闹的孩子,每个孩子都在以同等的紧迫感要求注意力;人类面对并发运行的AI智能体,同样被索求密集的确认与决策。数据揭示了一个冰冷细节:在Anthropic人机交互会话中,约80%的时间处于等待人类输入状态。非技术员工收到的生成文本如果逐字阅读,要耗费超过半个工作周。

当生成的边际成本无限趋近于零,筛选、鉴别与校验的成本就会成倍转嫁给人类。机器吐出滔滔不绝的代码与方案,最终都堆积在人类有限的生物学带宽面前。注意力与判断力,反而成了整套自动化流水线里最容易过载的瓶颈。

大模型渗透下的工作流错配 AI 侧:近乎免费的并发生成 • 代码提交量激增至 5 倍 • 智能体持续涌出草案与长文档 • 约 80% 会话时长处于闲置待命 人类侧:极其有限的审查带宽 • 审阅文本需耗费半周时间 • 从亲力亲为退化为保姆式监督 • 倒逼面对面会议以确认责任归属

抽走登堂之梯,学徒制的代际断层

Anthropic初级招聘比例由27%暴跌到9%,并非孤立的技术极客现象,它精准对应了宏观就业市场的冷暖变化。

斯坦福数字经济实验室Brynjolfsson等人在2026年8月更新的追踪数据给出了印证。2022年11月至2026年6月期间,全美22至25岁年轻劳动力在最高AI暴露职业群中的绝对就业人数下降约11%,而低暴露职业群同期反而增长约10%。这批年轻人身处高AI暴露岗位的就业规模,相比低暴露岗位滞后了整整19%。

这种收缩不是通过直接开除初级员工实现的,而是企业悄无声息地关闭了入门通道。企业发现,原本需要两三个初级程序员完成的语法胶水、接口搬运和格式排版,交给模型几秒钟就能生成七八成。资深员工配合AI,可以直接接管过去分配给新人的模块。

登高必自卑,陟遐必自迩。

任何行业的技艺传承都依赖学徒期。初学者正是在大量枯燥、重复的边缘任务中熟悉系统边界、体会隐性知识,最终成长为能独当一面的专家。当AI把这一层垫脚石彻底碾碎,企业固然在当期省去了培养成本,却在无形中锯断了通往资深工程师的阶梯。缺少了打基础的过程,未来具有系统性大局观的资深人才将从何而来,报告没有给出答案。


速度的虚妄,与难以免除的信任税

人均代码量翻了数倍,为什么人类还要花更多时间泡在会议室里?Anthropic在报告中给出的解释是人类信任与问责的不可替代性,面对面协调成了不可或缺的润滑剂。

这句话翻译过来其实非常直白:当生产工具的产出变得又快又多又难以捉摸时,出事故的概率和连带责任也在水涨船高。谁也不敢为一段未经彻底人工对齐的代码或者一份几万字的战略建议草案负全责。为了规避系统性风险,大家只能把所有人叫进会议室,一条一条反复确认。激增的会议时间,本质上是组织向AI支付的信任税。

更讽刺的反差来自实际效率的实证检验。评估机构METR在2025年7月做过一项严格的随机对照试验:让16名资深开源开发者使用Cursor配合Claude 3.5和3.7,在真实仓库中解决246项具体任务。测试结果显示,使用AI辅助的开发者,实际客观耗时比纯手工开发慢了19%。

更可怕的是主观感知的背离。这群开发者在事后反馈中,极其笃定地坚信AI帮自己提速了20%。敲出成片代码的爽快感制造了极具迷惑性的效率幻觉,却掩盖了调试幽灵代码、排查细微逻辑错误和在长上下文间反复切换所消耗的大量精力。

  • 风险.企业以代码生成量为生产力指标时,往往会忽视下游测试、代码审查和架构维护的隐性膨胀,最终导致全要素生产率不升反降。

Anthropic以自身为样本,诚实地展示了激进拥抱AI的代价。技术虽然极速推进,但软件开发乃至整个人类知识协作的核心,从来都不是字符的生成速度,而是复杂意图的精准传达与后果担责。如果海量生成的产物只能将资深员工困在持续救火与无休止的对齐会议中,那么代码提交量激增5倍的表象,更像是一场数字堆砌的空欢喜。