Anthropic初级技术岗招聘占比从27%降至9%：面试转向考察判断力

Anthropic 发布了一份关于自身员工结构变化的报告，其中一组数字值得所有工程师关注：技术岗位的初级员工占比从 2025 年初的 21% 降至 14%，而初级技术招聘的占比下降更快，从 27% 跌到 9%。

这家公司在大模型和 AI 编程工具上处于前沿位置，它在报告中自己也承认：作为 AI 应用的先锋，Anthropic 可能是观察 AI 如何改变工作组织、招聘和劳动力需求的一个领先指标。日本媒体 Business+IT 在报道中同步引用了这组招聘数据，同时保留了报告里关于"未必能推广到整体经济"的警示。

招聘比例的变化是标题新闻，但对工程师个体更有价值的信息藏在两个地方：报告描述的高效工作方式，以及 Anthropic 面试官现在究竟在评分卡上写什么。

数据全貌：不只是初级岗位在收缩

报告披露的几组数字彼此关联：

• 技术员工中初级占比：21% → 14%（2025 年初至今）
• 技术招聘中初级占比：27% → 9%
• 技术岗位占总员工比例：61% → 56%（销售、财务、招聘岗位增长更快）
• 每位工程师的代码提交量：达到 6 个月前的 5 倍
• 工程师与产品经理的比例：约 17:1，且自 2025 年起持续上升
• "元工作"（构建 agent 工具、监控流水线等）占员工交互式 Claude 会话的比例：2025 年秋季的 10% 升至 2026 年春季的 22%

这组数字里，"5 倍提交量"最容易引发质疑：代码质量是否下降了？报告作者做了对照——比较同一月份、同一目录下人工直接编写的代码与 agent 编写的代码，结论是"后续被删除或回滚的代码行比例没有差异"。不过作者也明确提醒，更多的代码不等于更好的代码，并且 AI 引入的错误可能比人类错误更难被发现。

Agent 的工作时长是人类的 6 倍，但 80% 时间在等人

报告依据会话遥测数据统计 agent 的工作时长。2026 年 3 月，自主 agent 加交互式 agent 的总工作小时数首次超过人类工作小时数。如果只看员工个人运行的 agent，到 8 月时它们的工时已经是人类操作者的 6 倍。

这个统计口径需要说明：agent 工时是运行时长，包含推理和工具调用，超过 30 分钟的等待被排除；人类工时按每周 40 小时计算。

更值得玩味的数字指向反方向：Claude 会话中约 80% 的时间处于"空转等待人类输入"的状态。报告还发现，员工花在会议上的时间中位数比一年前多了 20%；在 2026 年 4 月的一项调查中，20% 的受访者表示自己正从"做工作"转向"管理 Claude"。

把这几条放在一起，报告描绘出的工作形态是：打字更少，决定 agent 该做什么的时候更多。

自主 agent 与交互式 agent 的区别：报告将 agent 分为两类。自主 agent（autonomous agent）在接到任务后无需人类逐步确认即可连续执行多步操作，包括规划、调用工具、修改代码等；交互式 agent（interactive agent）则在关键节点暂停，等待人类批准或补充信息。两类 agent 的工时统计口径相同（均为运行时长，排除超过 30 分钟的等待），但自主 agent 的连续运行时间通常远长于交互式 agent。这一区分之所以重要，是因为 80% 的“空转等待”主要发生在交互式 agent 上——自主 agent 虽然运行更久，但人类介入点更少。报告将两者合并统计总工时，再单独指出员工个人运行的 agent 工时是人类的 6 倍，实际上模糊了两类 agent 在等待行为上的差异。理解这一分类，才能准确解读“6 倍工时”与“80% 等待”为何能同时成立。

面试评分卡的风向变了

报告分析了面试评分卡。2024 年，技术岗位评分中提及候选人 AI 工具使用经历的比例约为 5%；到 2026 年，这个比例翻了三倍。

报告用三句话概括了这种转变：

• "最明显的变化是更强调候选人是否展示了创造性地使用 AI 工具。"
• "增幅最大的单项，是关于候选人自主性和判断力的评语。"
• "领域专业知识的讨论在整体评估中的占比萎缩了。"

一个合理的推断（报告本身没有这么说）：当 agent 完成大部分实现工作时，面试自然转向它替你做不了的部分——决定做什么、把工作拆成 agent 能完成的片段、以及识别那种测试通过但逻辑仍然错误的改动。如果你正在面试，讲一个你拒绝掉的 agent 改动及其原因，可能比再解一道题更能证明你的价值。

评分卡（scorecard）在结构化面试中的作用：评分卡是结构化面试的核心工具，面试官在每轮面试后按预设维度（如编码能力、系统设计、沟通、判断力等）逐项打分并附评语，招聘委员会依据汇总后的评分卡做录用决策。它的价值在于将主观印象转化为可比较的维度分数，减少单一面试官的偏见。报告分析评分卡文本，实际上是在观察 Anthropic 面试官“自发写下的评语”中哪些维度被频繁提及、哪些在萎缩——这比正式的能力模型更能反映一线面试官的真实关注点。当评分卡中“领域专业知识”讨论占比萎缩、“自主性和判断力”评语增幅最大时，意味着面试官在评分卡这个制度性工具里，已经用脚投票地调整了评估重心。

引用结论之前，先看报告的自我限定

报告作者相当克制，转发这组数据时也应该保持同样的克制：

• 关于初级的证据是描述性的。报告的原话是"从描述性角度看，我们确实看到初级岗位在那些用 Claude 处理最复杂任务的工作中放缓"，但并未证明这是 AI 造成的。
• 工具采用不是随机的。生产率估算对比了 192 名采用编程 agent 的工程师和 74 名未采用者，作者指出"工具采用并非随机"，转向完全自主 agent 的人，其产出轨迹本来就已经明显向上。
• Anthropic 是一家特殊公司（包括广泛的股权结构在内），作者提醒不要把它的做法直接外推到整个经济体。
• 在承诺方面，Anthropic 表示正在建立持续性的"早期预警系统"来监测受 AI 转型影响的岗位，并"优先考虑内部转岗"。但报告紧接着补了一句值得记住的话：这些措施"没有一个直接针对本报告记录的初级招聘放缓"。

“描述性”证据与因果推断的区别：报告反复使用“描述性角度”（descriptive）这一限定词，在统计与因果推断语境中有明确含义。描述性证据只说明“观察到了什么模式”，例如初级岗位占比下降与 Claude 使用增加同时发生；它不回答“为什么”，也不控制混杂变量。要得出因果结论，需要随机对照实验或准实验设计（如工具采用的随机 rollout、双重差分等）。报告作者承认工具采用并非随机——主动转向自主 agent 的工程师本身产出轨迹就已在上升——这正是典型的自选择偏差（self-selection bias）：产出高的人更可能采用新工具，而非新工具让人产出高。因此，把“5 倍提交量”或“初级招聘下降”直接归因于 AI，在方法上是不成立的。理解描述性与因果性的鸿沟，是判断这类企业报告可信边界的关键。

当 80% 的会话都在等你

如果 80% 的时间花在等待人类输入上，那么真正的瓶颈不是 agent 不够快，而是你无法及时知道哪个 agent 在等你。这是多 agent 工作流最现实的痛点：开五个标签页，轮流刷新，猜测谁卡住了。

解决思路不在于让工具替你回答问题，而在于把"谁在等我"这件事变得一目了然。按会话状态（工作中、待批准、向你提问、完成、出错、空闲）聚合，把阻塞在人类的 agent 排成队列，按等待时长排序跳转，配合系统通知提醒被阻塞或已完成的任务——这类设计的核心是减少轮询成本，而不是减少必须由人做出的判断。

多 agent 并行时，另一个必要条件是隔离：每个任务跑在自己的分支和独立 worktree 里，避免互相覆盖。工具可以缩短你发现阻塞的时间，但权限确认和关键决策仍然应该由人来做。

这份数据应该怎么读

这是一家公司关于自己员工的单点数据，适合当作一个团队的近景观察，而不是劳动力市场趋势的定论。但它提出的问题对所有工程团队都成立：如果初级工程师的传统成长路径——从写简单代码开始、逐步积累判断力——正在被压缩，那么判断力该从哪里来？

对招聘方来说，问题很直接：你的评分卡今年变了吗？它是否开始考察候选人在 agent 参与循环时的判断力？对职业生涯早期的工程师来说，另一个问题同样直接：你能拿出的、证明判断力的最强证据是什么？