Anthropic 的内部研究显示，AI Agent 累计运行时长是员工工时的 6 倍，工程师代码提交量半年涨到 5 倍，可员工开会时间反而多了 20%。作者拆解「把工作交出去」之后，人的时间到底被什么填满。
一家把 AI 用得最彻底的公司，员工开会的时间，居然比去年增加了 20%（？）
更让人意外的是，这家公司的 AI 已经忙到什么程度了：
AI Agent 的累计运行时长达到人类员工工作时长的 6倍，工程师平均每人的代码提交量在半年里增长至原来的 5倍。
连销售人员都开始自己开发软件，法务、招聘、财务等部门也把大量日常工作交给了 AI。
按理说，员工应该越来越轻松，会议越来越少才对。
但事实恰好相反。
10月16日，Claude 背后的 AI 公司 Anthropic 发布了一份内部研究，分析了公司过去一年员工的工作方式，包括员工究竟把哪些事情交给了 AI、生产效率发生了什么变化，以及招聘和岗位需求如何调整。
一位工程师发现，自己每天的工作越来越像在照顾一群孩子。
他同时管理着多个 Claude Agent，每个 AI 遇到问题都会跑来找他。
有的只是需要确认一个无关紧要的小问题，有的可能真的发现了严重错误，但它们都会表现得同样着急，等着他处理。
另一名员工甚至专门给自己管理的 Claude 团队做了一次“绩效评估”，讨论这些 AI 的沟通方式哪里需要改进。
听起来有点荒诞，但这就是 Anthropic 内部已经发生的事情。
当 AI 真的开始接管大量工作，人类的工作反而出现了一种意想不到的变化：以前是自己干活，现在是管理一群干活的 AI。
01 公司里多了一群不需要领工资的“员工”Anthropic 本身就是一家很特殊的公司，它不仅开发 Claude，也在内部大量使用 Claude。
工程师让 AI 写代码、检查错误，销售用 AI 整理客户资料，法务让 AI 审核合同，连行政人员都开始用 AI 安排日程和处理邮件。
但这些早已不只是“让 AI 帮我写一份报告”。
很多员工已经同时运行多个 Agent，让它们分别完成不同任务，自己只负责分配工作、检查结果和处理例外。
到 2026年3月，Anthropic 内部所有 AI Agent 的累计工作时长，首次超过了人类员工。
到了8月，即使只计算员工直接操作的交互式 Agent，它们的累计运行时长也已经是人类员工工作时长的 6倍。
也就是说，在 Anthropic，AI 已经不只是辅助工具，而是承担了相当大规模的实际工作。
效果也很明显，工程师平均每人的代码提交量，在半年内增长至原来的 5倍。
销售人员完成更多交易，法务部门处理更多合同，财务部门处理发票的速度也在提升。
不过，工作交给 AI 后，一个新问题出现了。
AI 一天可以生成的代码、报告和分析，已经多到员工根本看不过来。
Anthropic 估算，即使是不负责技术开发的员工，如果认真阅读自己使用的 Claude 在交互过程中产生的全部内容，也可能需要花掉超过半个工作周。
于是，一些员工想出了新办法。
有人专门创建一个 AI 幕僚团/参谋长，让它先检查其他 Agent 提交的工作，只把真正重要的问题送到自己面前。
有人让一个 AI 检查另一个 AI 的结果。
还有人开始为 AI 编写固定工作规则，规定什么时候可以自主处理、什么情况必须找人确认。
Anthropic 发现，这类专门用于管理 AI、监督工作流程的任务，在员工与 Claude 的交互中所占比例，已经从 2025年秋天的 10%左右，提高到 2026年春天的 22%。
我现在基本也是这么干的，我在 codex 里的不同项目都设置了一个“团队”，以及一个检查团队工作的“组长” 。
过去，员工用工具来完成工作；现在，员工开始用工具管理其他工具。
这已经不只是效率提升，而是工作方式本身正在改变。
02 最有意思的是，销售人员开始自己做软件了比起工程师写代码更快，我觉得 Anthropic 非技术岗位的变化更值得关注。
报告里提到一位销售人员。
他想要一套更符合自己业务需求的客户管理看板，但现有工具并不能完全满足他的要求。
过去遇到这种事情，要么向 IT 部门提需求，等待开发排期；要么购买新的软件，再研究怎么和公司现有系统连接。
但这一次，他直接用 Claude 自己做了一个。
他让 AI 帮忙设计界面、连接不同工具、整理销售流程，一边测试一边修改，最后只花了大约三到四个小时，就完成了这套原本超出自己技术能力的软件工具。
也就是说，一个不懂软件开发的人，开始能够直接解决自己的业务问题。
类似的变化在 Anthropic 越来越普遍。
2025年8月，那些此前没有代码提交记录的非技术员工，平均每个月只有 2次以编程为主的 AI Agent 会话。
到了2026年5月，这个数字已经增长到了 90次。
不知道程序员们看到这个数字，是什么感受。
换句话说，不只是程序员在使用编程 Agent，大量原本不会写代码的员工，也开始用 AI 创造自己的工作工具。
另外一位销售人员，则把邮件草拟和客户管理系统之间的数据同步交给 Claude处理。
这些自动化流程替代了他原先大约 20%的工作任务，让他把更多时间放在真正需要与客户交流的地方。
还有销售人员表示，自动化之后，自己能够接触的客户数量增加了 30%。
这类实践有一个特别值得借鉴的习惯。
一位员工说，当自己发现一件事情已经做了第二次，就会开始思考：能不能让 Claude 接手，这样我就不用再做第三次？
我觉得这点还挺启发我的。
几个月前，我和很多人使用 AI 一样，是今天有一份报告，让 AI 帮忙写；明天有一张表格，再让AI帮忙整理。
但 Anthropic 员工已经开始考虑另一个问题：能不能把整套工作流程交给 AI，而不是每次都重新提一次需求？
例如，一名销售人员每周都要整理客户拜访情况，更新商机进展，再把重要信息汇总给上级。
最简单的 AI 用法，是让它帮忙写周报。
更进一步的用法，则是把客户信息从哪里获取、哪些商机需要关注、报告应该按照什么格式输出，全部设计成一套可重复执行的流程。
以后每周更新数据，系统就能自动生成报告初稿，员工只需要检查关键判断。
这与单纯让 AI 帮忙写字，已经是两种完全不同的效率提升方式。
03 一个原本负责写文案的团队，后来改行教 AI 写文案Anthropic 还有一个挺有意思的内部案例。
公司原本有一支产品设计团队，负责 Claude 界面上的各种文字内容。
比如用户打开 Claude 时，屏幕上出现一句问候语，或者产品在不同场景下需要展示一些简短、有趣的文案。
这些内容过去都是由团队成员创作的。
但到了 2026年春天，他们开发出了一套能够指导 AI 生成产品文案的机制，让 AI 按照既定风格和规则自动完成大量内容工作。
那么，原来那群负责写文案的人怎么办？
Anthropic 没有简单地让他们继续和 AI 比拼谁写得更多。
这支团队开始转向另一种工作：设计提示词、建立内容质量评估标准、检查AI的输出，帮助 Claude 更好地理解不同场景下应该如何表达。
以前，他们研究的是怎样用语言打动用户。
现在，他们研究的是怎样用语言指导 AI，让 AI 写出能够打动用户的内容。
这个变化我觉得很值得内容行业、市场营销和运营人员参考。
假设一个品牌每天都要发布几十条商品介绍，过去可能需要一批编辑负责撰写。
现在，AI 可以承担大量初稿生产。
但品牌仍然需要有人决定表达风格、检查事实准确性、判断用户是否喜欢，以及针对不同平台调整内容。
原来负责写每一篇文案的人，有机会转变为设计整套内容生产机制的人。
当然，这不代表所有文案岗位都会因此保留下来。更大的效率也可能意味着企业不再需要同样数量的执行人员。
但它说明，AI 改变的不只是完成任务的速度，也开始改变员工在整个生产流程中承担的角色。
类似的情况还发生在 Anthropic 的招聘部门。
一位招聘人员使用 Claude 寻找候选人、追踪应聘情况，以及完成原本可能需要几周的数据分析。
腾出来的时间，他用来重新设计面试问题，并与更多候选人沟通。
法务部门也是如此，AI 帮助整理法律问题、初步检查风险和审核材料，律师则把更多时间用于需要专业判断的工作。
这些例子背后有一个共同点。
员工不是简单地把原来的工作做得更快，而是在逐渐把重复执行的部分交出去，重新决定自己应该做什么。
04 既然 AI 把活干了，为什么开会反而更多了？现在再回头看那 20%的会议增长，就更容易理解了。
AI 确实替员工完成了越来越多具体任务，但它没有替人解决所有问题。
比如 AI 可以很快开发出好几个产品原型，但究竟应该选择哪一个，仍然需要产品、技术和业务团队共同判断。
AI 可以找出合同中的潜在风险，但公司是否接受这项风险，仍然需要负责人决定。
AI 也可以自动生成客户分析，但该不该调整销售策略、给哪个客户更高的优先级，依然涉及商业判断。
以前，一项工作可能需要两周才有结果。在这两周里，很多问题根本还没进入决策阶段。
现在 AI 可能几个小时就交出多个方案，于是需要讨论和拍板的事情反而更快地堆到了人面前。
Anthropic 的日历数据发现，员工会议时间的中位数同比增加了 20%。即使只看技术岗位中不承担管理职责的员工，会议时间也增长了 16%。
这里当然有一个不能忽略的原因：Anthropic 本身正在高速扩张，销售、招聘等需要大量沟通的部门规模也在增长。所以也不能简单地说，所有新增会议都是 AI 造成的。
但员工访谈确实揭示了另一层变化。
越来越多的代码、分析和执行工作可以交给 AI，跨部门沟通、重大决策以及人与人之间建立信任，仍然需要大家坐下来讨论。
而且 AI 工作得越快，这些决策就可能来得越频繁。
一名员工还遇到过一个颇有喜感的问题。
因为他几个月前曾经在一份公司纪念品的文档里留下名字，AI 便一直把他当成相关负责人，不断向他提出有关 T 恤和马克杯的请求。
这件小事说明，AI 不仅需要知道如何执行任务，还需要随时掌握公司最新的分工和决策。如果信息没有及时更新，自动化反而可能制造新的混乱。
所以员工开始投入更多精力，建立让 AI 获取最新信息的机制，同时处理那些AI无法自行判断的事情。
AI 可以减少大量执行工作，却未必能减少组织需要做的决策。
这也许就是 Anthropic 员工开会时间反而增加的原因之一。
05 但是（确实），公司开始减少招聘初级员工当然，AI 带来的变化，并不全是令人兴奋的效率提升。
Anthropic 还公布了一组值得关注的招聘数据。
从 2025年初到 2026年，技术部门中初级员工的占比从 21%下降到 14%。
而初级技术岗位占新增技术招聘的比例，则从 27%下降到了 9%。
这不意味着 Anthropic 裁掉了 18%的初级技术员工。实际上，公司同期仍然在大规模扩张，技术岗位总人数也在增长。
但它确实开始减少对初级技术岗位的相对需求。
原因并不难理解。
过去，刚入职的工程师可能需要从基础代码、简单测试、错误排查开始做起。这些工作既能帮助团队完成任务，也是新人积累经验的过程。
现在，Claude 已经能够处理其中相当一部分工作。
于是企业开始更看重员工能否独立解决问题、是否具备判断力，以及能不能创造性地使用 AI 工具。
报告分析了 Anthropic 大量面试记录，发现招聘经理越来越关注候选人使用 AI 的实际能力，以及面对复杂问题时的自主判断。
这里其实有一个尚未解决的矛盾。
如果简单的工作都被 AI 完成了，新人应该怎样积累经验，逐渐成长为能够独立判断复杂问题的专家？
Anthropic 目前采取的办法之一，是让现有员工向新的岗位转移。
报告显示，2026年，在公司工作满一年的员工跨部门流动概率，比 2025年提高了约 50%。
原来的工作被自动化后，一部分员工开始学习新的业务，承担新的职责。
但对于还没有进入职场的年轻人，问题可能更加复杂。
我觉得 Anthropic 这份报告最值得分享的，并不是它的员工使用了多少先进的 AI 技术。
毕竟，这是一家开发顶级大模型的公司，拥有远超普通企业的技术条件，很难直接照搬。
但它的员工有一种工作习惯，普通人完全可以参考。
当一件事情不断重复出现时，不要只想着怎样让 AI 帮你更快完成，而是试着把它拆成几个固定环节，找到可以长期自动执行的部分。
比如做一份市场竞争分析，过去每次都需要自己搜索资料、整理竞品、更新数据、写报告。
现在可以让 AI 定期收集信息、按照统一规则整理变化、生成初步分析，再由人核查来源、判断哪些变化值得关注。
它不一定需要复杂的多 Agent 系统，有时一个清晰的工作流程、固定的输出标准，加上必要的人工检查，就已经能够产生价值。
而且越是高频、重复、规则清楚的工作，这种改变越值得尝试。
但这里还有一个前提：AI 能够执行，并不代表它能够对结果负责。
涉及客户信息、财务数据、合同及其他重要决策时，人仍然需要检查事实、控制权限，并对最后的结果负责。
过去，许多员工的价值来自自己能够完成多少具体任务。
现在，Anthropic 的一些员工开始把更多时间用于设计流程、管理 AI、与其他人协作，以及判断下一步应该怎么做。
这种变化未必让员工更轻松，甚至可能让工作节奏变得更快。
但对于正在学习如何使用 AI 的普通职场人来说，它提供了一个很实际的方向：
与其每天研究 AI 又能帮自己多做一件什么事，不如先看看，自己有哪些事情已经重复做了很多遍，却还没有想过让 AI 接手。
以上，祝你今天开心。
作者：张艾拉 公众号：Fun AI Everyday
本文由 @张艾拉 原创发布于人人都是产品经理。未经作者许可，禁止转载
题图来自Unsplash，基于CC0协议
科元网提示：文章来自网络，不代表本站观点。
