AI 如何改变工作｜Anthropic 两份研究

两份研究 · 十屏读懂

AI 如何

改变工作

从 Anthropic 内部变化

到公众对未来的判断

亲身使用 AI 的经验，

与我们对未来的预期密切相关。

01 · 工时

智能体工时

已超过员工工时

2026 年 8 月 · 交互式智能体

每 1 小时员工工时，对应员工基准1全员智能体6研究组织19

6 倍是工时比，不是人数比。

并行运行不等于等量岗位替代。

02 · 产出

人均产出增长

覆盖多个职能

相对 2025 年 12 月＝1

代码提交数据查询合同处理销售成交招聘完成发票处理5.1×3.1×3.1×1.7×1.4×1.4×

图示期末指标；代码量不等于价值，

全部增长不能直接归因于 AI。

03 · 招聘

初级技术岗位

占比下降

初级人员／职位占比 · 图示期末

技术部门非技术部门招聘在职开放职位9%26%14%25%6%13%030%

三个指标的分母不同；

占比下降不等于绝对人数减少。

04 · 工作方式

执行更快之后

更需要人的判断

01定义问题确定目标与优先级

02监督智能体看清进展，识别异常

03判断结果审核质量，决定下一步

招聘更重视自主性与判断力。

人类注意力逐渐成为约束。

05 · 能力预期

到 2030 年

员工预期更高

认为 AI 能胜任该任务的比例

公司员工美国成年人日常邮件软件产品发表研究诺奖级发现100%75%99%58%98%57%91%39%0100%

选取四项任务；百分比是受访者判断，

不是 AI 完成任务的成功率。

06 · 进步速度

两组都预期进步

员工预期更快

认为 AI 能作出诺奖级发现的比例

员工美国成年人

当下4%12%

202758%22%

203091%39%

对当下的评估与未来的预期不同；

两个人群内部也存在差异。

07 · 自身工作

AI 能完成

自己多少工作？

预期到 2030 年，AI 能完成

自身至少 80% 工时的人群占比

公司员工美国在职者55%5%0100%

公众口径为美国在职受访者；

任务能力不等于岗位一定消失。

08 · 经济预期

相近的工作预期

对应相近失业判断

预计 AI 能完成

相近比例的自身工作

↓

两组对失业率的预期

也较为接近

差异与使用体验密切相关，

这仍不是因果证明。

这里比较的是受访者的预测，

不是未来失业率的实际结果。

记住这一点

智能体加速执行，

人的判断与注意力

成为关键。

这是前沿 AI 公司的观察，

外推到整个经济仍需更多证据。

原文一：内部就业变化↗原文二：AI 预期差距↗

报告发布：2026 年 10 月 16 日

中文整理 · 图表按原报告数据重绘