10 月 16 日，Anthropic 发布了一份内部 AI 使用报告：到 2026 年 8 月，员工部署的交互式 AI 智能体工作时长已达人类员工的 6 倍，早在 3 月，全公司智能体总工时首次超过人工工时。 这份报告被当作职场警示传播，是因为它披露了一个反直觉的事实：最先被智能体接管的，恰恰是“卷代码”卷得最凶的执行层。新浪科技
执行层的效率是量级式的：采用编码智能体后工程师人均代码提交量达到 6 个月前的 5 倍，而被追踪的 192 名工程师代码产出上升的同时，被删除或回滚的比例未见恶化。新浪科技
先被压缩的，正是“卷代码”的入门岗
组织结构的变化比效率数字更扎心：技术部门初级员工占比从 2025 年初的 21% 降至 14%，初级技术岗位招聘占比从 27% 骤降到 9%，约三分之一的机器学习经理和五分之一的软件工程经理因 AI 减少了招聘。 知乎上围绕报告的讨论点破了矛盾之处：初级开发不接活，又怎么成长为资深？新浪科技知乎
但把它读成“缩编”并不准确。公司整体仍在扩张，销售、财务和招聘等岗位增长更快，成立约 5 年后人均雇员创收达到 Meta 和谷歌各自高速增长期的 2 至 4 倍。 外部机构 Epoch AI 估算其人均年化营收约 900 万美元，也提醒员工数与营收并非同期披露、比较存在口径误差。被压缩的不是人头，是“纯执行”的入门位。新浪科技
新的瓶颈：从“写”变成“读”和“管”
AI 把产出抬上去之后，人这边的负担换了形状：报告称即使非技术员工，读完自己 Claude 智能体的全部输出也可能占去半个工作周，员工正从执行者转向智能体管理者，负责写指令、搭建监控面板、审查 AI 产出。 这类“元工作”已占员工交互式 Claude 会话的 22%，一年前这个数字还是 10%——干活的时间在让渡，管 AI 的时间在膨胀。这种体感已经传导到普通从业者：有开发者在社区分享，用了 AI 写代码之后，并没有变闲，反而更忙了。新浪科技小红书
招聘标准随之转向：管理者更看重候选人的自主性、判断力及创造性使用 AI 的能力，而非狭窄的领域专长和具体执行能力。 换句话说，Anthropic 愿意付钱的画像已经改了——不再是“写得快的人”，而是“能判断、能兜底的人”。新浪科技
写代码越来越便宜，签字越来越贵
几乎同期，Anthropic 工程博客披露：Claude Code 团队约 90% 的代码由 Claude 编写，合入量半年翻倍，revert 率反而下降了 40%。知乎
但真正值钱的是它承认的问题：当写代码的是智能体，审查就独立地成了工程问题——一个 PR 被刷 50 多轮 review，59% 的意见落在旧代码上。他们的解法是六层防线：提交前自证、AI 互审加投票、安全一票否决、按风险分级由人签字、合并队列加灰度、随时回滚，其中 agent 的 approve 永远顶不了人的名额。 代码在贬值，“验证”和“负责”在升值。知乎
避坑指南：别跟 AI 比手速，去占它让出来的位置
第一，补验证能力，别当复读机。Anthropic 工程经理 Felix Rieseberg 的建议很直接：不要让模型自己评估自己的产出，一定要引入外部客观验证——最好是能随时调用、立刻给出打脸反馈的测试脚本或验证工具。知乎
第二，交目标，别交步骤。他把用 AI 的野心分成四个段位：速度、高度、深度和广度，认为“搬砖更快”最不需要想象力，拉开差距的是把最终结果而不是拆解好的细碎步骤交给模型，再为它打通权限和环境。 这与报告里的信号一致：稀缺的是定义问题的人，不是执行方案的人。知乎
第三，站到离业务结果近的位置。报告里效率红利的落点恰恰不在代码里：律师处理更多合同，财务处理更多发票，销售人员成交更多订单。 AI 放大的是能交付结果的人，缩小的是只会执行指令的人。新浪科技
最后要讲清边界：这是 Anthropic 一家公司的内部样本，初级岗位的变化不能直接外推为全行业定局。但它至少提前演示了趋势的方向——当智能体把执行成本打到地板，职场为“会写”付的价钱只会越来越低，为“会判断、会管 AI、能对结果签字”付的价钱会越来越高。卷代码之前，先卷这些。
