Anthropic 內部報告：AI 代理重塑工作組織與招聘偏好

Nathan Wilmers, Regina Catipon, Maxim Massenkoff, Peter McCrory

AI 如何在 Anthropic 重塑工作與就業？作為 AI 採用前沿的公司，Anthropic 可能成為 AI 如何改變工作組織、招聘與勞動需求的先行指標。

主要發現

• Anthropic 在招聘初級技術職位的比例下降。這發生在 AI 代理相對於員工的工時迅速擴張之際。到八月，互動式 AI 代理的工時以 6:1 的比例超過員工。
• 隨著 AI 代理在公司內部擴散，Anthropic 開始每人產出更多程式碼、每位銷售人員完成更多成交，並處理更多合約。跟蹤同一位員工隨時間的表現，隨著他們採用新 AI 工具，產出上升。
• 這種加速使人類注意力成為代理輸出的瓶頸。即使在非技術員工中，閱讀其 Claude 代理的所有輸出也需佔用半個工作週。為此，員工轉向「元工作」，即構建可見性工具並監控代理流程。
• 工作組織的變化體現在招聘經理的優先順序調整上，他們越來越強調自主性與判斷力，而非技術領域專業知識與實施能力。

引言

隨著 AI 越來越強大，我們可以預期工作與就業將會發生哪些變革？Anthropic 值得研究，因為它已將工作流程徹底塑造成 AI 驅動。代理在 Slack 對話中穿梭並安排會議；它們能自主修復錯誤並集體完成龐大工程專案。代理工時以 6:1 的比例超過人類工時。Anthropic 目前的變化為未來工作與就業提供了先行訊號。

本報告基於全面的 Anthropic 內部資料，包括就業、AI 使用、輸出指標、員工調查、內部通訊模式、員工日曆資料與招聘決策記錄。並以 17 位員工訪談為背景，將這些量化資料進行語境化。

我們發現，儘管公司不斷成長，初級技術職位的相對招聘已放緩。工程師與非技術員工的生產力大幅提升，並在採用編碼代理後顯著上升。招聘經理越來越強調申請者的自主性與判斷力，而非具體技術專長。在 AI 密集型組織工作的一個定義特徵是持續壓力，盡可能將自己從瓶頸位置剔除。 一位工程師將工作描述為「面對一支由 Claude 組成的軍隊，所有人都在向我索要注意力」。Anthropic 的員工仍保持批判性，但其貢獻的性質已經改變。

Anthropic 透過建立早期預警系統追蹤可能受幹擾的職位，並在職位演變時優先進行內部調動，對這些變化作出回應。這些措施在 AI 發展與工作場所變革的前沿採取，展示了具體組織承諾如何塑造 AI 對就業的影響。但它們也提出了關於這些承諾究竟應為何的難題。

前沿的勞動需求

Anthropic 擴張迅速。但其每美元營收的招聘量低於早期大型科技公司的水平。作為一個五歲的公司，Anthropic 的每位員工營收介於 Meta 與 Google 在其快速成長頂峰時的 2–4 倍之間。¹

缺少哪些工作？在 Anthropic，2026 年 1 月核心技術職能中出現了對初級技術員工需求下降的討論。最依賴 Claude 的團隊發現，編寫程式碼和排查錯誤的工作越來越多地可以交給 Claude。新推出的高效能模型進一步強化了這一觀感：『讓人驚訝的是對效能工程師的提升，這幾乎一夜之間改變了我們的需求。』

到四月，工程與研究團隊已將低階技術職位的招聘放鬆。當月調查顯示，多數經理表示因 AI 而招聘不同技能。約三分之一的機器學習經理與五分之一的軟體工程師經理報告說 AI 使他們招聘減少。

就業份額的變化十分顯著。圖 1 顯示，Anthropic 技術部門初級員工比例自 2025 年初以來從 21% 下降至 14%。初級技術招聘的比例更快下降，從 27% 滑至 9%。自 2025 年 12 月以來，初級職缺的發布量尤為急劇下降。

同時，Anthropic 技術部門的整體就業比例已下降，去年從 61% 降至 56%。隨著公司擴張，技術招聘在絕對數量上仍在增長，但銷售、財務和招聘部門的高強度招聘已超越其增速。這一變化的一部分是公司規模擴張時業務功能的自然擴張。另一部分可能反映編碼工具越來越多地讓非技術員工自行開發軟體。例如，一名銷售代表設計了一個量身定製的儀錶板和流程管道：「這種建置對我來說不在專長範圍，尤其是 UI、連結所有工具、MCPs。但我大概在三到四小時內完成，僅僅是迭代。」針對非技術員工（以基線無程式碼提交者為標準，排除新聘員工）的編碼導向 AI 代理會話，從 2025 年 8 月每月 2 次跳升至 2026 年 5 月 90 次。

然而，招聘構成的這一變化不僅僅是自動化編碼使其擴散到其他領域專家的故事。在技術部門內，未積極編碼的員工比例（定義為過去 30 天內沒有程式碼提交者）在 2026 年 4 月前的一年內下降了近一半。這部分原因是非工程師比例的下降：例如，工程師與產品經理的比例約為 17:1，且自 2025 年以來已增加。管理者的提交次數也翻倍。技術團隊內的監督與協調角色越來越多地涉及編寫與交付程式碼。

非技術招聘未加速的一個領域是隨公司規模擴大而通常也會擴張的行政職能。代理助手、自動稽核與票務服務外包的組合，使 Anthropic 在快速增長的同時仍保持輕量化的文書工作。財務經理構建了一個採購請求審核代理，並向同事解釋說：「它只是試圖找出耗費大量時間的事務，讓大家能專注於其他工作。」

即使是與面對面互動緊密相關的文書工作增長也很緩慢。一位執行助理，他為排程和電子郵件篩選建立了個人助理代理，解釋說：“我認為我們已經超越了 Claude 取代真正初級行政角色的那一點，”而是將工作重心轉向更高階的“幕僚長”任務。

這些變化已經涉及調配：在公司工作至少一年的人在 2026 年每月跨部門轉換的機率比 2025 年高 50%。整個團隊也因將工作交給代理而被重新調配。以一個產品設計團隊為例，該團隊撰寫了類似 Claude.ai 上問候語的內容：‘Hello night owl;’ ‘Coffee and Claude time?’ 在 2026 年春，該團隊開發了一個上下文圖，能有效引導代理撰寫引人入勝的產品內容。其經理說，這“擴大了團隊”，但也提出了人類作家還剩下什麼問題。團隊隨後轉向代理提示，開始為 Claude 撰寫模型評估和提示。“曾經用語言驅動人類行為的作家現在用它來驅動 Claude 行為。”

AI 是否在推動 Anthropic 的生產力提升？

這些變化是否可歸因於 AI？在 Anthropic，人類只是一層薄薄的層覆蓋在不斷增長的 AI 代理群上。根據代理會話遙測，2026 年 3 月，自主與互動代理的工作時數首次超過人類工作時數。這其中包括代理艦隊進行大規模軟體工程、填補無數例行測試與檢查、維護日益龐大的基礎設施程式碼，以及推動協同翻譯大型程式碼庫的活動。但即使聚焦於單個員工部署的代理，正如圖 2 所示，到 8 月代理的工作時數已是其人類處理者的 6 倍。

Anthropic 是一家軟體製造商，流經這些代理的龐大代幣量主要用於產生軟體程式碼。儀錶板監控跨公司執行的代理艦隊。但個人助理代理也會監控員工行事曆和訊息、排程、傳送從傳入訊息累積的待辦清單，以及自動簡報員工即將開會的物件與目的。代幣觸及日常工作任務的範圍越來越廣。

這些代幣總計為多少？圖 3 顯示了不同職能在可量化產出方面隨時間的變化。與先前報告一致，調查 Anthropic 工程師並描述模型訓練與研究自動化，每位工程師的程式碼提交增速最快，達到六個月前的 5 倍。資料科學家也更頻繁地查詢日益龐大的 Anthropic 資料，請 Claude 代理即時取得指標送至儀錶板與決策者。但圖 3 顯示，即使是非技術員工，隨著編碼代理的普及，其產出也有所提升：律師處理更多合約；應付帳款處理更多發票；銷售人員成交更多交易。

但這一切都是因為 Claude 的使用嗎？在同一時期內，公司經歷了爆炸性的業務成長。銷售強大模型更易成交。為評估 AI 的獨立影響，我們將採用代理編碼工具的員工與尚未採用工具的員工的產出進行比較。這使我們能比較同一個月在公司工作的員工，因而暴露於相似的業務環境，但使用不同的工具。請注意，工具採用並非隨機：例如，如果正準備推動某個大型新專案的員工決定為此配備工具，這將偏差我們的估計。

我們追蹤 192 位工程師隨時間採用編碼代理的過程，並將其與 74 位在研究期間未採用代理的工程師進行對照。圖 4 顯示，在採用後的幾個月內，工程師新增的程式碼量急劇上升。更多程式碼並不一定代表更好或商業影響。為測試 AI 程式碼劣化，我們研究 Anthropic 的程式碼提交。我們比較同一位員工、同一個月、同一個編碼目錄下，程式碼由編碼代理撰寫而非直接由人員撰寫的提交。程式碼品質有多個維度，AI 錯誤可能比人類錯誤更難識別。但我們發現，後續被刪除或回滾的程式碼行數比例並無差異。

圖 4 還觀察了工程師採用第一個完全自主代理後的情況。採用者在採用前已呈現陡峭上升趨勢，與未採用者相比。這表明轉向完全自主代理的員工已經在提升產出。

這些模式是否超越程式碼，進入更廣泛的知識工作轉型？Anthropic 的銷售代表自去年九月起穩定採用 AI 代理。圖 4 顯示，銷售代表採用代理後，能與更多客戶完成交易。這一模式的一部分可能是因為擁有更多銷售機會的代表選擇自動化。但也可能反映了登入和日常溝通的自動化。一位客戶執行長解釋說，Claude 自動化負責電子郵件草擬和客戶管理軟體整合，取代了約 20% 的先前工作任務。另一位則指出，類似的自動化讓他們能專注於面對面時間，讓他們與客戶的對話比以往多了 30%：「每當你做第二次任何事，你會想，好，我怎麼用 Claude 讓自己不必做第三次？」

銷售以外，Anthropic 的一名律師建立了一系列 Claude 自動化，用於掃描風險與機會、篩選法律問題，並對公開面向的文字進行初步審查。招聘人員使用 Claude 協助候選人搜尋、追蹤申請並完成本來需要「大概幾週」的分析，從而釋放時間重新設計過時的面試問題並與更多申請者會面。

所有這些表明，隨著 AI 能力提升，對 Anthropic 的各種工作產生影響。描述性地說，我們觀察到在使用 Claude 進行最複雜任務的職位中，初級就業增長放緩（圖 5）。

瓶頸與流程：AI 密集工作場所中的新舊任務

大規模採用 AI 不僅改變就業與生產力，也持續推動工作流程變更，產生新任務並改變員工對工作場所的看法。一名員工將其描述為「Anthropic 內永遠的壓力，要求盡快前進並將 Claude 用於一切」，另一名則說「我們在一週內預期的事，在其他地方可能需要三個月」。內部員工調查詢問 Anthropic 的工作流程是否讓受訪者能盡可能高效：2024 年底 44% 員工同意；到 2025 年 11 月 58%；2026 年 4 月 75% 回答同意，但問題因刪除「盡可能」而變得較弱。到 8 月，Anthropic 的員工預期 AI 到 2030 年能完成 75% 的工作，相較於其他美國人僅 28%。

這種逐步提升的生產力期望被內部模型發布的節奏所放大。新模型一旦可用，Anthropic 員工便開始在互動式編碼代理會話中處理更難的問題。我們以自動化的 Claude 評分器評估匿名會話的任務需求，根據深度、範圍和涉及的系統數量進行評分。舊模型中難度超過第 90 百分位的任務比例急劇上升約 30%（從 10% 上升至 13%），並在模型發布後的幾週內保持高位。代理所處理的簡易任務比例變化不大。

代理機器人生產力呈現指數增長，產出被投射到人類的螢幕與注意力上。一位工程師將此比作看護：

他們會說：我需要開啟我的果汁盒，這是緊急狀況，果汁盒必須被開啟。這種表達的關注程度與割傷手指流血的人相同。 [...] 在看護時，每個孩子都會帶來同等需求的關注，許多 [Claude] 也如此。

在 2026 年四月的調查中，對於人工智慧如何影響日常工作的一個開放式問題，27% 的受訪者描述了使用 Claude 工具帶來的生產力提升，20% 的受訪者則表示他們的角色從實際執行工作轉為管理 Claude。

在這種以模型為驅動的加速中，人類的注意力始終是瓶頸。於互動式、多輪會話中，代理機器人大部分會話時間並未投入工作，而是等待。我們透過將每位代理機器人的實際工作時間從互動會話的總時鐘時間中扣除來追蹤閒置時間。Claude 會話約有 80% 的時間在閒置等待人類輸入。正如一位工程師所說，大家正在「擠壓代理機器人」。

準確需要多少時間才能閱讀所有來自互動會話的 Claude 產出？對於每個互動會話，我們將該會話的代理機器人輸出 token 轉換為字數，假設平均人類閱讀速度。圖 6 顯示技術部門的編碼機器人輸出量在過去六個月內飆升。但即使對於非技術團隊，互動式 Claude 會話也產出足以佔據工作週超過一半的內容。Claude 文本的洪流需要整理。

對這股洪流的一個解決方案是提升自動化。但這需要不同型別的工作。對代理機器人的書面固定指令從 2025 年七月的幾百條增長到一年後的 8,500 條。一位工程師設立了代理機器人幕僚長來篩選代理請求。另一位則為其 Claude 團隊撰寫績效評估：「嘿，我們來談談我們的溝通方式哪些有效、哪些無效。」招聘人員建立了整合式儀錶板，讓代理機器人能顯示問題並啟動行動。一位律師將注意力從審核法律問題轉向「為法律建議做 SEO，你需要撰寫框架，讓客戶的代理機器人發現」。

圖 7 顯示，這類元工作從 2025 年秋季平均員工互動式 Claude 會話的 10% 飆升至 2026 年春季的 22%。這一增長主要由於代理機器人管理：編寫多代理執行規格、迴圈一個代理以審查另一個代理的輸出，以及監控管道。在各部門中，人類參與度越來越抽象，從特定程式碼或文字轉向使代理機器人有效執行任務所需的工具。

儘管代理的可靠性提升以及在監督其工具方面的重大投資，人工信任與問責仍然至關重要。 一位員工說，越來越多地追查錯誤「揭露了這些組織或系統性或技術債務問題，實際上需要一定程度的人力協調、決策與治理來解決。」在一次又一次的訪談中，員工們形容面對面協調是不可或缺的。 根據日曆資料，中位數員工的會議時間比一年前多了 20%。 這部分反映了公司成長，以及向會議密集型非技術職位的轉變。 但即使是在技術個人貢獻者角色中，會議時間也比去年上升了 16%。 大局的戰略問題觸及廣泛的槓桿職位，通常需要與他人辯論和參與。 休息管理代理的時間通常看起來像跳進一場會議。

總體而言，技術與非技術角色都見證了工作中實施部分被自動化（寫程式、發現錯誤、記錄進度、草擬電子郵件）。 工程師描述自己成為代理的領導者和管理者；非技術員工描述自己越來越多地處理工作中的戰略部分：「那 20% 的戰略工作變成了 90% 的工作。」 但對於許多非技術角色而言，核心實施工作仍然是人際互動：銷售電話、面試、跨部門協調複雜問題。 所有這些仍然是人為的。

也要考慮提供 Anthropic 溝通前臺與後臺的 Slack 頻道。 代理透過 Slack 擴散，最終出現在近一半的活躍公共頻道中。 圖 8 聚焦於單一大型部門的通訊網路，引用該部門成員互動過的所有公共 Slack 頻道。 它根據是否參與 Slack 主題將人類與代理參與者連結。 圖中顯示代理顯著上升，橙色點綻放並主導網路。

代理在專門為 Claude-人類互動設定的頻道中出現比例過高，而不是在現有的人類頻道中大量訊息。 人類溝通的基本結構與密度變化不大。 代理並未取代人類互動，而是加以補充：本部門的人類主題維持相同數量的人類回應，同時層疊代理回應。 代理成為單一員工的團隊，而非一次性與多位員工高度連結的節點。

隨著 AI 代理數量不斷增加，人類在工作中面臨將人力工作轉移到代理可見的管道中的壓力。若決策在面對面會議中做出，且沒有筆記或報告輸出，代理就會缺少更新目標與假設所需的關鍵背景。有人員說，將自己的名字列在數個月前關於 Claude 產品宣傳品的檔案上，導致代理長期不斷提出購買 T‑shirt 與杯子等需求，儘管其職責已經改變。私下工作、未被記錄的會議和直接訊息在 AI 為主的工作環境中是隱形、令人困惑且被抑制的。研究員指出，這種對開放的預設設定是 Anthropic 全面整合 AI 的關鍵：“大多陣列織並非如此運作，我認為這是大變動，因為領導者必須在公開場合捍衛回饋。”為 AI 提供背景資訊的需求，要求對人類工作與決策具備可觀測性。

誰會在這樣的工作環境中茁壯成長？Anthropic 工作內容的變化也體現在招聘經理在招聘決策中優先考慮的技能上。我們使用自動編碼器處理自 2024 年起在 Anthropic 僱用的數千名員工的招聘經理面試評分卡。這些評論是面試官對候選人表現的質性回饋。最明顯的變化是對候選人是否展示創意使用 AI 工具的重視度提升。2024 年，招聘經理在技術職位的評估中約 5% 的評分卡提到候選人在 AI 工具方面的經驗，非技術職位則為 7%。到 2026 年，技術職位的比例已翻三倍，非技術職位已翻四倍。招聘經理越來越關注候選人是否能有效使用 AI。

更深層的評估變化也可見。對技術候選人的面試中，最顯著的增長出現在對申請人自主性與判斷力的評論。對領域專業知識的討論在整體評估中的比例下降。正如一位經理所說：“我預期模型將繼續存在波動，因此對我的團隊，我希望他們能在不同領域間互換使用。”同樣地，對非技術候選人，客戶與使命導向的評價上升，而執行能力的討論下降。招聘經理越來越依據候選人的判斷力與承諾來評估，而非依賴領域特定技能與 AI 工具自動化的執行力。

僱主可以採取的措施

Anthropic 深度採用 AI，使其成為一個有價值的案例。隨著 AI 的普及與進步，工作組織可能會像過去技術浪潮一樣發生變化。鐵路帶來了管理型企業，蒸汽機啟動了工廠，而個人電腦催生了創業。未來需要使用工具、推理型大語言模型的新組織會是什麼樣子，我們在其中的角色又會是什麼？一種可能是單人創業，每位創辦人指揮代理群體，為公司帶來數十億營收。另一種則是由 AI 天才 CEO 建立的公司，僅僅僱用人類代理來操作移液管並在國會作證。

Anthropic 並不像這兩者之一。它在過去一年已成長三倍。已不再是小型創業公司。它也沒有將執行控制權交給其模型。書面 Slack 討論和麵對面會議從公司策略到團隊決策，皆由此掌控，人工智慧代理的參與很少。保持人工作為公司可見，確保自主代理能從最新情境推理。個別貢獻者協調代理團隊，從所需知識與工作中的相互依賴來看，更像是經理。於 AI 密集型組織中公開工作與決策至關重要。

隨著員工越來越把自己的工作視為管理一群 Claude， 他們花更多時間建立在各自獨特領域中有效執行所需的工具。這種實驗意味著員工持續將自己的工作自動化。在某些職位中，他們越來越遠離最初塑造其技能的具體工作。隨著代理人快速完成工作流程，人類的注意力與判斷成為系統所面對的瓶頸。從銷售到法律，人類員工被期望執行更多且不同的任務。職責擴大至包括產品建置、代理人管理以及處理最佳 LLM 之外的策略性與人際工作。

這些組織與工作內容的變化伴隨著初級技術職位在員工人數、招聘與職缺佔比的下降。招聘經理越來越注重申請者的自主性與判斷力，而非執行力與狹窄專長。總體而言，Anthropic 的營收增長相對於就業增長已超越前一代科技公司早期迅速的生產力增長。

閱讀這些模式並推廣至整個經濟，暗示 AI 擴散可能危及工作者的就業。先前研究亦發現 AI 原生創業公司 與 AI 採用者 結構更扁平，並僱用 較少的入門級 員工。從 Anthropic 我們能學到什麼，才能以服務於周圍人類的方式管理 AI 震盪？

在此，我們想謹慎進行。Anthropic 的許多僱用實務無法在整個經濟中複製。

但三項特徵尤為突出。首先，廣泛的股票持有權使員工對公司的成功抱有強烈興趣。當然，對於那些估值已大幅上升的公司來說，這是一種簡單的姿態。對許多企業而言，共享所有權可能不足或不受歡迎。但難以想像一種支援工人、採用 AI 的模式，其中工人不持有成功推廣的財務利益。若個別貢獻者被期望「管理代理人」、「做副總裁級別的決策」並「成為自己的業務線」，如受訪者所說，則將他們的利益與組織對齊至關重要。二戰後於 1950 年代締結的工會與管理層協議正是基於此類交易：像 United Auto Workers 與 United Steel Workers 之類的工會，允許管理層對工作重組（甚至加劇）擁有特權，換取與生產力提升掛鉤的薪資增加和豐富的福利。無論 AI 受影響的員工與僱主之間的新協議如何，分享採用收益的機制都是必不可少的。在 Anthropic，員工為機器編碼其專業知識，見證其工作流程不斷被擾動與破壞，並看到大量工作變成閱讀 AI 合作者輸出的速度閱讀。他們不是免費做的。

其次，Anthropic 正在建立一套持續的早期警示系統，以監測面臨 AI 驅動轉型的工作。針對需求與生產力的角色層級指標會與 AI 能力與使用情況做對照。這些總體指標有助於標示工作轉移的趨勢。早期警示系統允許公司開始將受影響的員工重新配置到技能匹配度較高、可能不立即處於風險的職位。隨著整個經濟體系調整至加速的工作重組節奏，指導內部員工重新配置的有效系統將變得越來越有價值。為了滿足 AI 進步所帶來的每一項新任務而轉向外部勞動市場，隨著 AI 進展加快，將成為更強的瓶頸。在本報告中，我們發現部門間流動性提升、工作內容變化，以及員工在舊工作被自動化後轉向新任務。構建靈活內部重新配置系統對 AI 密集型組織至關重要。

這項對內部員工重新配置的承諾帶來重要的權衡。良好運作的勞動市場應將員工調至最具生產力的位置，無論是在現有僱主還是其他公司。對現任員工的重新配置承諾可能使僱主對招聘新員工持保留態度。在正常經濟條件下，尤其是競爭激烈的環境中，這類承諾可能會產生成本。

然而，優先考慮重新配置迫使採用 AI 的公司思考 AI 如何為新產品與新市場創造新任務，而非將 AI 應用於取代人力以節省勞務成本。這有助於僱主抵抗『一般般』或『低效』自動化的誘惑，即 AI 或其他技術僅略優於人力：僱主取代人力，對被替代者造成巨大的社會成本與收入損失，同時帶來的生產力提升卻極為有限。

從我們在 Anthropic 的觀察來看，創新與持續的人類任務仍然存在於密集的 AI 使用之中。對於未來這些任務的未確定性，應建議保留靈活的勞動力。正如一位 Anthropic 執行長所說，‘一個焦慮擔憂的勞動力並不是在盡力工作的勞動力。’

這些措施都無法阻止強大 AI 破壞工作。事實上，這些措施也沒有直接針對本報告所記錄的初級僱用減速。對現任員工的就業保護對於本來就未被僱用的人不會帶來好處。僱主的私人行動必須與遠見的政府政策——關於再訓練和收入支援——相輔相成。此類政策應以 AI 能帶來的工作場所轉型規模的清晰圖景為指引。

建議引用

@techreport{wilmers2026employment,

author = {Nathan Wilmers and Regina Catipon and Maxim Massenkoff and Peter McCrory},

title = {How employment is changing at Anthropic},

institution = {The Anthropic Institute},

type = {Technical Report},

year = {2026},

month = oct,

url = {https://www.anthropic.com/research/employment-at-anthropic}

}

致謝

我們感謝 Anthropic 的員工，他們抽時間接受關於其工作變化的訪談。對於非常有幫助的意見和協助，我們感謝 Kate Astbury、Shehzad Bashir、Zoe Blumenfeld、Scott Booth、Henry Brill、Yena Cho、Henry de Valence、Adam Farina、Johannes Hermle、Zoe Hitzig、Hasnain Lakhani、Eva Lyubich、Kerry Persen、Kristina Pham、Sarah Pollack、Hannah Pritchett、Georg Rilinger、Santi Ruiz、Szymon Sacher、Florian Scholz、Meg Tong、Monika Tuchowska、Helen Wang、Kim Withee、Charles Yang 和 Jack Clark。

參考文獻

Acemoglu, Daron, and Pascual Restrepo. 2019. “Automation and New Tasks: How Technology Displaces and Reinstates Labor.” 經濟觀點雜誌 33 (2): 3–30. https://doi.org/10.1257/jep.33.2.3

Beraja, Martin, and Nathan Zorzi. 2025. “Inefficient Automation.” 經濟研究評論 92 (1): 69–96. https://academic.oup.com/restud/article-abstract/92/1/69/7612958

Demirer, Mert, Leon Musolff, and Liyuan Yang. 2026. “Writing Code vs. Shipping Code: Productivity Effects Across Generations of AI Coding Tools.” NBER 工作論文 35275. https://doi.org/10.3386/w35275

Ewens, Michael, and Xavier Giroud. 2025. “Corporate Hierarchy.” NBER 工作論文 34162. https://doi.org/10.3386/w34162

Favaro, Marina, and Jack Clark. 2026. “When AI Builds Itself.” The Anthropic Institute. https://www.anthropic.com/institute/recursive-self-improvement

Hitzig, Zoe, Maxim Massenkoff, Eva Lyubich, Shaoyi Zhang, Ryan Heller, and Peter McCrory. 2026. “Agentic Coding and Persistent Returns to Expertise.” Anthropic, June 16. https://www.anthropic.com/research/claude-code-expertise

Hosseini Maasoum, Seyed Mahdi, and Guy Lichtinger. 2025. “Generative AI as Seniority-Biased Technological Change: Evidence from U.S. Résumé and Job Posting Data.” SSRN 工作論文 5425555. https://papers.ssrn.com/sol3/papers.cfm?abstract_id=5425555

Huang, Saffron, Bryan Seethor, Esin Durmus, Kunal Handa, Miles McCain, Michael Stern, and Deep Ganguli. 2025. “How AI Is Transforming Work at Anthropic.” Anthropic, December 2. https://www.anthropic.com/research/how-ai-is-transforming-work-at-anthropic

Kim, Hyunjin, and Rembrand Koning. 2026. “AI-Native Firms.” Harvard Business School 工作論文 26-090. https://www.hbs.edu/ris/Publication%20Files/26-090_96f92aa0-37d9-4789-beaa-5c0cb87a4032.pdf

Roodman, David, and Maxim Massenkoff. 2026. “補貼職業訓練的證據回顧。” The Anthropic Institute Working Paper 2026-01. https://www.anthropic.com/research/reviewing-the-evidence-on-worker-retraining-programs