Anthropic 經濟學團隊做了一件少見的事：拿自己公司當實驗室。 他們翻開自家的僱傭紀錄、AI 使用數據和員工問卷。 再訪談 17 位員工。 問題只有一個：當 AI 真的進了辦公室，工作會變成甚麼樣？
AI 最擅長的，恰好是新人頭幾年做的事。
故事從招聘廣告開始。
2025 年 12 月起，Anthropic 的初級職位廣告大幅減少。
不是凍結招聘。公司還在擴張。是初級崗位在收縮。
橫軸以 30% 為滿格，方便比較。數字來自報告的內部僱傭數據；報告只給百分比，沒有給絕對人數。
主管的說法更直接。
約三分之一的機器學習主管說：因為 AI，他們聘少了人。
軟件工程主管中，也有五分之一這樣說。
邏輯不難懂。初級工作多是定義清晰的任務。而定義清晰，正是今天 AI 最拿手的。
不是 AI 幫人做事。是 AI 自己在做事，人退到一邊指揮。
報告量度了一個新指標：員工主導的智能體（agent）工時。
意思是：員工派出 AI 智能體去跑任務。智能體自己工作的小時數。
2026 年 3 月，這個數字首次超越人類自己的工時。
到 8 月，已經是人類工時的 6 倍。
曲線為示意走勢。報告確認的數據點只有兩個：3 月到達 1 倍，8 月到達 6 倍。
工時轉移了，產出跟著跳。
律師處理的合約變多了。
銷售成交的單也變多了。
增幅不只出現在工程部門。
寫代碼的人變少。指揮 AI 寫代碼的人變多。
20% 的員工說，自己的工作已經變成「管理 Claudes」。
他們不再逐行寫。而是派工、檢查、糾正。
像一個帶著一隊不知疲倦下屬的主管。
招聘標準也跟著翻轉：公司更看重自主性和判斷力，而不是技術專精。
道理很簡單。執行可以外判給智能體。但「決定做甚麼」和「判斷做得對不對」，目前還要靠人。
報告最有份量的一段，是一個內部對照。研究員比較了兩組工程師：
採用了 coding agent 寫代碼。
未有採用 coding agent。
面對這些變化，公司做了一件事：設立「就業預警系統」。崗位受 AI 衝擊時，優先安排員工內部轉崗，而不是直接裁走。
一、採用者本來就在加速。最早用 agent 的人，可能本來就是產出上升得最快的一群。快，未必全是 agent 的功勞。
二、公司正爆發式增長。業務擴張本身就會推高產出數字。生產力增幅有多少來自 AI，有多少來自增長，分不乾淨。
換句話說：這份報告能告訴你「發生了甚麼」。
它不能嚴格證明「為甚麼發生」。
「公司給自己打分——這是描述，不是因果。」 科技媒體 TechCrunch 與 The Inference 的共同口徑
Hacker News 上的討論帖反應冷淡：14 分、3 則留言。留言者的態度是冷靜懷疑。有人拿營收增長放緩作對比。有人追問：人均利潤又如何？
「代碼質量無差別」只量了回退率。
沒有被回退，不代表沒有問題。有些錯誤是幾個月後才爆出來的。回退率量不到「難以發現的錯誤」——而報告自己也承認這一點。
能推廣到全行業嗎？
Anthropic 是一個極端樣本。它本來就極之資深：工程師經驗中位數達 12.2 年。在一間「全是老手」的公司行得通的做法，未必適合一般企業。
只有百分比，沒有絕對人數。
27% 跌至 9% 聽起來劇烈。但基數是多少人，報告沒有說。加上這是單一公司的自畫像、採用 agent 不是隨機分配——批評者認為證據等級有限。
三個來源、三種方法，指向同一件事：AI 對就業的第一擊，落在最年輕的一群人身上。
Anthropic 的自畫像可能有偏差。
但它畫的方向，外面的世界也在發生。