Anthropic 说智能体工时是人的 6 倍：比的是运行时长和名义工时，人的活正变成验收

在智能体密集的公司里，人的主要工作开始从做事转向验收和分派智能体的产出。

先说结论：Anthropic 10 月 16 日发布的用工报告里，传得最广的是「智能体工时是人的 6 倍」。按报告自己的图注，这个倍数比的是两种不同的东西：一边是员工发起的智能体会话的运行时长，子智能体的时长合并计入；另一边是员工人数乘以每周 40 小时。它说明智能体运行的规模在扩大，不能读成智能体干了人 6 倍的活。这份报告真正值得其他组织带走的，是另一组数：人的时间正在被读产出、写规则、开会做决定占满。

6 倍是怎么算出来的

据 Anthropic 发布的报告《How employment is changing at Anthropic》（作者 Nathan Wilmers 等四人，数据来自公司内部的人事、AI 使用、产出、问卷、日历与招聘记录，外加 17 次员工访谈），今年 3 月，自主运行与交互式智能体的工时合计第一次超过员工工时；只看员工个人发起的智能体，到 8 月是员工工时的 6 倍。

图注写明了口径：只计员工发起的交互会话，子智能体合并计入；工时概念是智能体运行时长，包括推理和主动调用工具，但不含超过 30 分钟的等待；员工工时按人头计算，假定每周 40 小时。

分析推断：这个口径决定了倍数的含义。如果合并的方式是把并行子智能体的时长相加，一个员工同时开五个子智能体各跑一小时，就会记五小时；图注没有写明是相加还是按重叠时段去重。员工那一侧则是固定的名义工时，不随实际加班或开会变化。依据是上面的图注。所以 6 倍更接近智能体运行的规模，不是「替代了多少人的工作量」。

工位上真正变了什么

报告里更能说明组织变化的，是人的时间去了哪里：

• 等人：交互会话里约 80% 的时间，智能体在空等人的输入。一位工程师的说法是，人在「卡住智能体」。
• 读产出：按每个 token 0.75 个词、每分钟读 250 词折算，即使是非技术部门，交互会话的产出也要占去一半以上的工作周才读得完。
• 写规则：写给智能体的长期指令，从 2025 年 7 月的几百条增长到一年后的 8,500 条。
• 管智能体：报告把写多智能体任务说明、让一个智能体复查另一个、监控流水线这类工作称为元工作，它在员工交互会话中的占比从 2025 年秋的 10% 升到 2026 年春的 22%。
• 开会：员工开会时间的中位数比一年前多 20%；技术岗个人贡献者也多了 16%。报告解释，复杂问题要人当面商量决定，而且决定要写下来，智能体才拿得到上下文。

这些变化指向同一件事：谁来验收、谁来拍板，成了组织里最稀缺的位置。

招谁、怎么调人

招聘一侧的变化有具体数字。报告写，技术部门里初级员工的占比从 2025 年初以来由 21% 降到 14%，技术岗新招聘中初级岗的比例由 27% 降到 9%；技术部门在全公司员工中的占比一年内从 61% 降到 56%，销售、财务、招聘扩张得更快。据 India Today 的报道（媒体报道），27% 到 9% 的区间是 2025 年 5 月到 2026 年 5 月。

面试评价也在变。报告用自动编码处理了 2024 年以来数千名入职者的面试评分卡：2024 年，技术岗约 5%、非技术岗约 7% 的评价提到候选人用 AI 工具的记录，到 2026 年分别涨到约三倍和四倍；技术岗评价里增长最多的是对自主性和判断力的评论，对领域专长的讨论占比下降。

调人一侧，在公司干满一年的员工，2026 年每月跨部门流动的可能性比 2025 年高 50%。报告举了一个产品设计团队：他们原来写 Claude.ai 上的问候语，后来做出一套让智能体写产品文案的方法，团队随即转去写模型评测和提示词。公司还在建一套「预警系统」，按岗位读需求与产出指标，对照 AI 能力，提前把受影响的人调到不那么容易被替代的岗位。

报告也写明了这套做法的边界：对在职者的保护，帮不到那些一开始就没被招进来的人。

产出数字怎么读

报告说，每名工程师的代码提交速度是六个月前的 5 倍；对比 192 名采用编码智能体的工程师与 74 名未采用者，采用后新增代码明显增加；比较同一人、同一月份、同一目录下由智能体写和由人直接写的代码，被删除或回滚的比例没有差别。报告自己提醒了两点：采用工具不是随机的；改用全自主智能体的工程师，采用前产出就已经在快速上升。

最强反方

最有力的反驳是：Anthropic 是最不具代表性的样本。它卖的就是智能体，一年里规模扩大到三倍，员工普遍持股，收入暴涨；报告用的是公司自己的内部数据，没有外部审计。在这种环境里看到的「人转向验收」，可能只是一个过渡期的现象，等智能体能自己检查自己，验收这一层也会被压薄，所谓可迁移的变化未必成立。

我们部分让步：代表性确实有限，报告自己也说很多做法无法在整个经济中复制；数字全部是企业宣称。但我们仍坚持论点的核心：6 倍的口径问题来自报告自己的图注，不依赖代表性；而读产出要占半个工作周、80% 会话时间在等人、长期指令涨到 8,500 条，说明至少在当下的工具水平上，验收和分派是实打实的人力需求。如果后续数据显示智能体等人的时间比例明显下降、元工作占比回落，我们会改口，承认这只是过渡期。

我们不知道什么

• 图注说不含超过 30 分钟的等待，但没有说明 30 分钟以内的等待是否计入运行时长；考虑到会话约 80% 时间在等人，这一点对倍数影响很大。
• 子智能体如何合并、是否去重，图注没有细节。
• 初级岗占比的起止时间：报告正文只写 2025 年初以来，India Today 写的是 2025 年 5 月至 2026 年 5 月，我们没有看到图表原始数据核对。
• 报告没有给出员工绝对人数、初级岗的绝对招聘数，也没有说预警系统已经调动了多少人。
• 代码质量只用了删除、回滚等代理指标，报告自己承认 AI 的错误可能更难被发现。

接下来看什么

一是 Anthropic 是否公开预警系统的指标与调岗结果，让「内部调岗」能被核对。二是其他大量使用智能体的企业，是否开始披露元工作、审阅时间这类指标，而不只是报智能体用量。三是同一天发布的另一份 Anthropic 报告讲的是员工与公众的预期差，我们此前已有解读（NewToken 站内文章）；两份放在一起看，一份讲人们怎么想，一份讲组织实际怎么做。