AI 摘要
- Anthropic 內部報告指出，2026 年 3 月起 AI 代理累計總運作時間首度超越全公司人類員工總勞動時數，研發端達十九倍。
- 相較 2025 年底，每位工程師提交的程式碼變更量成長 5.1 倍，資料分析與法務產出成長 3.1 倍，業務締約數成長 1.7 倍。
- 技術部門初階職位佔比從 2025 年初的 21% 降至 14%，新進員工中的初階人才比例由 27% 下滑至 9%。
Anthropic Claude 早已跳脫聊天機器人的框架，成為 Anthropic 內部橫跨程式編寫、錯誤修正與跨部門排程的核心工作夥伴。Anthropic 於 2026 年 10 月發布的內部調查報告揭露，社內 AI 代理的累計總運作時間已達全體人類員工的六倍，研發端更飆升至十九倍；生產力隨之暴衝的同時，工程師的日常工作卻被重塑為管理與審查代理的「AI 保母」，技術初階職缺的錄取佔比也出現雪崩式下滑。以下依報告揭露的數據，整理這場人機協作實驗的實際樣貌。
2026 年 3 月起，代理總工時首度超越人類
報告指出，自 2026 年 3 月起，具備自主執行能力的 AI 代理累計總運作時間，在歷史上首度正式超越全公司人類員工的總勞動時數，且差距持續擴大。這份調查綜合了 Anthropic 內部的使用記錄、問卷調查與深度訪談，是該公司首次系統性量化代理部署對組織的全面影響。
值得注意的是，效率提升並未局限於技術部門。資料分析團隊的數據查詢次數與法務團隊的合約審核件數同步成長，即便是業務端，個人平均締結的客戶合約數量也明顯增加。導入 AI 代理的員工在各項核心產出上，都展現出可量化的優勢。
產能最高 5.1 倍：各職能增幅一次看
相較於 2025 年底，Anthropic 內部的產出指標出現全面性躍升，其中研發端的程式碼變更量成長最為劇烈：
| 職能別 | 衡量指標 | 相對 2025 年底增幅 |
|---|---|---|
| 工程團隊 | 每位工程師平均提交的程式碼變更紀錄 | 5.1 倍 |
| 資料分析團隊 | 數據查詢次數 | 3.1 倍 |
| 法務團隊 | 合約審核件數 | 3.1 倍 |
| 業務團隊 | 個人平均締結的客戶合約數量 | 1.7 倍 |
換算下來，代理的並行處理能力讓產出量以人類數倍的速度膨脹，但也讓整條生產鏈的吞吐瓶頸迅速轉移到人類的審查與決策判斷上。
80% 運算時間在等人：瓶頸轉移到人類
調查數據揭露了一個諷刺的技術代價：在人類與 Claude 協同作業的工作階段（Session）中，竟有高達 80% 的運算時間是耗費在「等待人類輸入與反饋」。即便是非技術職人員，若要逐字審查 Claude 每週產生的龐大文字量，就得花費每週超過一半的法定工時，讓組織溝通隨時瀕臨飽和。機器產出的速度越快，人類把關的環節就越像一道窄門。
「後設工作」佔比翻倍，工程師成了全職保母
面對鋪天蓋地的 AI 產出，工程師的工作重心正經歷劇烈質變。在內部訪談中，有資深工程師直接把日常管理多個 Claude 代理的工作戲稱為「當全職保母」。
問題核心在於現階段代理對脈絡優先級的感知依然脆弱：代理往往會把語法小瑕疵與核心伺服器崩潰視為同等緊急的警報推送，人類工程師被迫隨時待命，以極高的認知負荷介入調解、過濾海量通知並重新排定優先順序，防止專案陷入停擺。這種撰寫提示詞、監控執行進度與分配多代理任務的工作，在 Anthropic 內部被統稱為「後設工作（Meta-work）」，其在員工與 Claude 對話中的佔比已明顯攀升。
在 2026 年 4 月進行的社內問卷中，已有 20% 的受訪員工坦承，自己的核心職務角色已從「親自落手寫程式碼」，徹底轉變成「全天候管理與指揮 Claude」。為了解決人手不足以應付海量代理的困局，工程師開始撰寫「管理 AI 的 AI」作為前置過濾層，人資團隊也自行搭建可視化儀表板追蹤進度——原本應該取代人力的自動化工具，反倒催生了一套複雜度極高的新型管理架構。
初階職缺雪崩：新進員工初階佔比掉到 9%
工作模式的結構性轉向，正以前所未有的速度重擊招聘市場。Anthropic 技術部門的初階職位佔比明顯壓縮，新進員工中的初階人才比例更出現斷崖式下滑。
| 觀察指標 | 前期數據 | 最新數據 |
|---|---|---|
| 技術部門初階職位佔比 | 21%（2025 年初） | 14% |
| 新進員工中的初階人才比例 | 27% | 9% |
| 對話中屬於後設工作的比例 | 10%（2025 年秋季） | 22%（2026 年春季） |
| 員工每週會議時間中位數 | 一年前基準 | 增加 20% |
這項轉變揭示了企業用人邏輯的根本洗牌。過去由初階工程師負責的基礎模組、日常修復或單元測試，如今已能由 AI 代理高效率消化；企業招聘時不再尋求僅具備單純編碼技能的實作者，而是極度渴求具備全局自主判斷、系統架構整合與調度 AI 能力的資深通才。
耐人尋味的是，AI 並沒有讓組織溝通變得冷漠或稀疏，員工每週會議時間的中位數反倒比一年前逆勢增加。跨部門的價值對齊、商業決策與倫理判定等複雜權衡，依舊必須依賴人類實體協商，而非演算法能擅自決定。
基層斷層的隱憂：未來專家從何而來
當基層實務被機器全面代勞，新手缺乏從除錯與試錯中累積底層直覺的機會，未來的資深專家該從何而來，成為報告拋出的尖銳提問。對所有正在評估大規模導入 AI 代理的企業而言，Anthropic 的內部數據同時展示了生產力紅利與組織成本：如何在龐大代理體系中重新定位人類智慧的不可替代性，並公平分配生產力紅利，已是無法迴避的核心考驗。
Reference Link : techbang.com
