Anthropic：AI最先清除的是新人成长台阶

10月16日，美国人工智能公司Anthropic连续发布两份关于AI与就业的研究报告。一份比较美国公众与Anthropic员工对AI未来的预期，另一份则把镜头对准公司内部，检查工作流程、招聘结构和生产率的变化。

两份报告放在一起，透出一个耐人寻味的信号：离前沿AI最近的人，不仅预计AI进步更快，而且已经在自家公司里看到工作方式被重塑。这不等于AI几年内必然引发大规模失业。但如果想知道AI会先从哪里改变工作，这家公司恰好提供了一扇观察窗口。 91%对39%：分歧在于进步有多快第一份报告名为《AI预期差距》，对比了两组人群。一组是2026年8月接受调查的10980名美国成年人，结果经过加权以代表全美成年人口；另一组是1334名Anthropic员工。最醒目的差距出现在一个问题上：AI能否在2030年前作出诺贝尔奖级别的科学发现？ 91%的Anthropic员工认为可以，普通美国成年人中持此看法的只有39%。有意思的是，两组人对AI眼下能做什么的判断相差不大。真正的分歧在于，AI未来几年会进步多快、用得多广，以及能在多大程度上独立完成任务。使用经验是差异来源之一。在工作中常用AI的美国受访者，预期明显高于从未用过AI的人，但整体仍远不及Anthropic员工。这并不难理解。普通用户接触的是包装好的成品工具，前沿实验室员工却能更早接触新模型，亲眼看着能力随版本迭代往上蹿。更直接触及饭碗的，是对自身工作的判断。Anthropic员工平均预计，到2030年AI将有能力完成自己当前75%的工作，有工作的美国受访者平均估计只有28%。超过一半的Anthropic员工认为，届时AI能完成自己至少80%的工作；在美国在职受访者中，这一比例仅约5%。需要留意的是，报告问的是AI“能够完成”多少工作，而不是会裁掉多少人。技术上能做的任务比例，不等于岗位被取消的比例。招聘表里的变化：新人的入口在收窄第二份报告的分量在于，它不只是问员工怎么想，还分析了公司内部的就业数据、AI使用记录和招聘档案，并访谈了17名员工。数据显示，从2025年初到2026年，Anthropic技术部门中初级员工的占比从21%降到14%，初级技术岗位在新招聘中的占比更是从27%骤降至9%。与此同时，公司整体仍在扩张，技术岗位的绝对人数也在增加。这组数字不能证明AI是唯一原因，快速成长的公司本就会调整招聘结构。但内部证据确实指向AI：2026年4月的经理问卷中，约三分之一的机器学习经理和五分之一的软件工程经理表示，因为AI而减少了招聘。首先被挤压的，可能正是过去用来培养新人的那一层任务。初级程序员过去从写小功能、修简单错误、编测试起步，一点点摸清大型系统的脉络。如今这些活儿AI几分钟就能干完，企业自然更少需要新手。这就引出一个短期生产率数据捕捉不到的问题：如果不再雇新人做入门任务，未来的资深人才从哪里来？法律助理、初级分析师、研究助理、文案和行政岗位，同样面临这个困境。这些重复性任务对企业是成本，对新人却是学习专业判断的台阶。智能体忙个不停，人类成了瓶颈报告中另一个惊人的数据是，到2026年8月，员工指挥的交互式AI智能体累计运行时长，已达到相应人类员工工作时长的约6倍。不过这统计的是运行时间，包括推理和调用工具，并不意味着AI完成了六倍于人类的有效工作。在可量化的工作中，产出确实在增长。公司内部的代码提交速度达到六个月前的约五倍，销售成交更多，律师处理的合同也更多。研究者比较了192名采用编程智能体的工程师与74名未采用者，发现采用后代码产出明显上升。他们也坦承，更早采用工具的往往本身就更能干、更积极，因此增长不能全部归功于AI。更值得玩味的是，产出暴增并没有让人闲下来，而是改变了人要做的事。在多轮交互会话中，智能体约有80%的时间处于等待人类输入的状态。瓶颈从“谁能把活干出来”，变成了“谁有足够的注意力审核海量产出”。 Anthropic把拆分任务、给出规格、监控智能体这类活动称为“元工作”。它在员工交互式会话中的占比，从2025年秋季约10%升至2026年春季约22%。招聘标准也在随之改变。技术岗位面试评语中提到候选人AI工具使用经历的比例，从2024年的约5%增至2026年的约三倍，对自主判断能力的强调也在上升。这不是说专业知识不再重要。恰恰相反，不懂行的人更难判断AI的输出对不对。当然，对这两份报告也要保持距离。预期调查反映的是看法而非预测，而Anthropic作为一家开发并密集使用AI的公司，其内部变化只能视为早期信号，不能直接外推到所有行业。生产率提高、岗位减少和失业率上升，也是三个不同的问题。一家公司初级招聘比例下降，不等于全社会的初级岗位都按同样幅度减少。最懂AI的人之所以更担心工作，不是因为他们已经看清了未来，而是比别人更早看到：AI首先改变的，可能不是有没有工作，而是一个人怎样从新人成长为专家。如果只把AI当作提效工具，却不重新设计职业入口和学徒制度，生产率再高，社会也未必能把技术进步转化为更广泛的机会。