Anthropic调查揭示认知撕裂：过半员工料2030年AI替代八成工作公众仅5%认同

AI技术投降派

公众与前沿技术人员共享同一套失业推演逻辑，认知鸿沟本质源于采纳进度落后约一年半的所处位置差异。

AI-assisted summary of 越懂AI越怕失业？问了1万个美国人的调研 — original source. Check the original for full context.

Source published: 2026-10-18

Key ideas

Anthropic同时发布针对1,334名内部员工与10,980名全美公众的对账报告，超半数员工预计到2030年AI将承担自己80%以上的工作，而全美普通在职者仅有5%持有该预期。 (0:05)
Anthropic内部交互式Agent运行时长已达员工总工时的6倍，但约80%时间处于等待人类输入状态，人类注意力与把关已成为系统的新瓶颈。 (1:11)
公司内部工作形态转向编排与审查等Meta-work，技术团队新招初级岗位占比从27%断崖式降至9%，考核标准全面转向自主性与判断力。 (3:35)
公众与员工在失业率预测上遵循同一逻辑公式：工作自动化预期每上升10个百分点，对未来失业率的预测即同步提高0.4个百分点，认知撕裂本质源于接触技术深度的时空位置差。 (6:02)

Detailed notes

## Background 该视频由B站UP主“AI技术投降派”于2026年10月18日发布。简介指出，视频聚焦Anthropic在2026年10月16日同天发布的内部实操报告与万人公众调研，通过“内部账”与“公众账”的对账，剖析AI进入组织内部后的真实工时、岗位变形与技术认知鸿沟。

## TL;DR 视频深入解读了Anthropic的两份重磅报告：内部数据显示Agent运行时长已达员工工时的6倍，但80%时间在等待人类输入，初级技术岗招聘占比从27%骤降至9%，工作重心全面转向管理Agent产出的“meta-work”；外部调研则揭示过半员工预计2030年AI能替代自身超80%工作，而全美在职公众仅有5%持此观点。两组人看似割裂的预期实则共享着同一种失业率推导逻辑，认知差距本质上源于采纳节奏与产业位置的时空差。作者最后提醒读者对自研自评的数据保持四重理性折扣，并指出四个月前“淘汰新人”的用户预言已在雇主端得到残酷兑现。

## Atmosphere & style 全片充斥着一种冷静克制、抽丝剥茧的审慎对账感，主讲人既没有落入技术奇点的盲目狂欢，也没有陷入AI泡沫论的虚无讽刺。叙述风格逻辑严密、直切要害，一边用翔实数据还原技术旋涡中心的异化与焦虑，一边给光鲜指标打上清醒的折扣。整场讲解在理性拆解与人性关怀之间收放自如，最终在对技术浪潮中个体座位的冷峻叩问中收束，带来极具分量的智识震慑与反思感。

## Bulletin - [00:05](https://www.bilibili.com/video/BV1QXJe6eEVV?t=5s) Anthropic同时发布针对1,334名内部员工与10,980名全美公众的对账报告，超半数员工预计到2030年AI将承担自己80%以上的工作，而全美普通在职者仅有5%持有该预期。 - [01:11](https://www.bilibili.com/video/BV1QXJe6eEVV?t=71s) Anthropic内部交互式Agent运行时长已达员工总工时的6倍，但约80%时间处于等待人类输入状态，人类注意力与把关已成为系统的新瓶颈。 - [03:35](https://www.bilibili.com/video/BV1QXJe6eEVV?t=215s) 公司内部工作形态转向编排与审查等Meta-work，技术团队新招初级岗位占比从27%断崖式降至9%，考核标准全面转向自主性与判断力。 - [06:02](https://www.bilibili.com/video/BV1QXJe6eEVV?t=362s) 公众与员工在失业率预测上遵循同一逻辑公式：工作自动化预期每上升10个百分点，对未来失业率的预测即同步提高0.4个百分点，认知撕裂本质源于接触技术深度的时空位置差。

## Key takeaways - [00:05](https://www.bilibili.com/video/BV1QXJe6eEVV?t=5s) Anthropic通过两份报告同时审视内部数据与外部公众预期，揭示了处于AI前沿的人群与外部社会在技术冲击认知上的十倍差距。 - [01:11](https://www.bilibili.com/video/BV1QXJe6eEVV?t=71s) 交互式Agent运行时长在五个月内飙升至员工工时的6倍，但数据需剔除等待人类输入的挂起时间，且本质反映出人类审查注意力已成瓶颈。 - [02:29](https://www.bilibili.com/video/BV1QXJe6eEVV?t=149s) 员工角色从亲自动手执行转向管理Agent的Meta-work，常设指令一年暴增至8,500条，管理与交叉复核成为核心职责。 - [02:29](https://www.bilibili.com/video/BV1QXJe6eEVV?t=149s) 业务交付效率大幅攀升，工程师提交量达原先5倍、法务合同处理量翻3倍，且回退率与人工代码无异。 - [03:35](https://www.bilibili.com/video/BV1QXJe6eEVV?t=215s) 初级技术招聘岗位占比从27%骤降至9%，但因公司总规模翻倍，绝对招募量未缩水，面试标准全面向“自主性”与“判断力”倾斜。 - [04:41](https://www.bilibili.com/video/BV1QXJe6eEVV?t=281s) 公众与内部员工在未来产出上预期鸿沟巨大：员工推导出的2030年GDP增速中位数高达17.1%，而公众推导值仅为5.4%。 - [06:02](https://www.bilibili.com/video/BV1QXJe6eEVV?t=362s) 两组人群对当下AI能力的难度排序相关性高达0.81，失业预测遵循相同线性公式，主要分歧在于对技术迭代与扩散速度的预判。 - [07:29](https://www.bilibili.com/video/BV1QXJe6eEVV?t=449s) Anthropic员工展现出“坚信洪水到来但笃信自身在船上”的微妙心态，对宏观就业悲观的同时对个人及雇主前景抱有极高自信。 - [08:33](https://www.bilibili.com/video/BV1QXJe6eEVV?t=513s) 解读报告须理性打折，考虑Agent工时统计口径、代码提交量作为度量标准的局限性，以及Anthropic处在超高人均创收风口期的特殊性。 - [09:35](https://www.bilibili.com/video/BV1QXJe6eEVV?t=575s) 四个月前用户端“被裁的只会是职场新人”的心态预言，在十月份雇主端技术初级岗位比例骤降的数据中得到了闭环验证。 - [10:43](https://www.bilibili.com/video/BV1QXJe6eEVV?t=643s) 关于AI激进或泡沫的争论本质是现实分工位置的差异，与其站队争论，不如躬身反思自己在技术体系中的真实坐标与实际交付能力。

## Detailed walkthrough ### [00:00](https://www.bilibili.com/video/BV1QXJe6eEVV?t=0s) 两份报告，一次对账

2026年10月16日，Anthropic旗下的研究机构在一天之内同时发布了两份重磅报告。第一份报告向内看，标题直译为《Anthropic的就业正在怎么变》（Employment at Anthropic），里面记录的全是公司内部的一手实操数据；第二份报告向外看，名为《AI预期差》（AI Expectations Gap），调查了1,334名Anthropic自家员工以及10,980名美国普通公众。这两份报告拼合在一起，宛如一场针对AI冲击的“内部自查与外部对账”：一本账记录了前沿AI真正进入组织内部后究竟掀起了什么变化，另一本账则丈量着身处技术旋涡中心的人与外部大众在认知上的巨大鸿沟。

在两份报告的对账结果中，最刺眼的一个数字落在了对未来的替代预期上。调查显示，超过一半的Anthropic员工认为，到2030年AI能够替自己干完至少80%的现有工作；然而在全美在职受访者中，持有相同看法的人仅仅只有5%。面对完全相同的职业替代问题，身处公司内外的人给出了相差整整十倍的答案。

- 内部报告样本：Anthropic全美各部门1,334名员工。 - 外部报告样本：第三方民调机构Morning Consult执行的10,980名美国成年人。 - 核心差距：超半数员工预计2030年AI承担80%以上工作，公众对应比例仅为5%。

“对账的结果里，最扎眼的一个数字是，超过一半的Anthropic员工认为，到2030年AI能干完自己至少八成的现有工作，而美国在职受访者里这么想的人只有5%。”

---

[01:11](https://www.bilibili.com/video/BV1QXJe6eEVV?t=71s) 内部账：六比一的Agent工时与人类注意力瓶颈

翻开内部这本账，最吸引眼球也最容易被标题党误读的数字是“6比1”。截至2026年8月，由Anthropic员工指挥的交互式AI Agent运行时长，已经达到了公司估算员工总工时的6倍。这听起来像是一个极具冲击力的“一个AI顶替六个人”的替代神话，但报告在统计口径上写得相当克制老实：人类工时的分母是按照全体员工人数乘以每周40小时估算出来的，而Agent的分子则是纯粹的运行时间（涵盖了推理与执行过程），仅剔除了超过30分钟的人类干等时长。值得注意的是，就在同年的3月份，这个工时比才刚刚艰难爬到1比1。这意味着在短短五个月的时间里，Agent的运行时长就从与人类持平一路狂飙到了人类工时的6倍。

然而，这组数据背后隐藏着一个巨大的戏剧性反转：报告坦承，这些交互式Agent大约有80%的运行时长实际上是在“等待人类输入”。6倍运行时长的表象之下，人类注意力已经无可争议地成为了整套系统新的产能瓶颈。有内部员工在访谈中生动地形容，自己的日常工作就像是面对着一支由Claude组成的大军，“每一个都排着队，等你去看他一眼”。对于非技术部门的员工来说，如果真要把对话流里Claude产出的所有内容逐字读完，单单这一项就得耗费掉大半个工作周的时间。

“六倍的运行时长背后，是人类注意力成了新的瓶颈。”

---

[02:29](https://www.bilibili.com/video/BV1QXJe6eEVV?t=149s) 活儿的变形：从亲自执行到管理Agent产出

内部账本的第二页记录了人类工作性质的根本性位移。报告中将这种新兴的工作形态定义为“关于工作的工作”（meta-work）。这类旨在设定、编排与审查任务的会话交互，占员工整体使用AI的比重从2025年秋天的10%激增到了2026年春天的22%。增长的部分几乎全是在管理Agent：包括给多智能体（multi-agent）工作流撰写规格说明书、指派一个Agent去复核交叉验证另一个Agent的工作产出，以及时刻盯着自动化流水线的运转。员工固化写给Agent的常设指令（standing instructions），在一年时间内从最初的区区几百条暴增到了8,500条。在2026年4月的内部调查中，两成的员工直接将自己的岗位职责定义为从“亲自执行工作”彻底转变成了“管理Claude的产出”。

伴随着工作重心的转移，业务层面的交付数据也出现了爆发式增长。工程师的人均代码提交量（commits）达到了六个月前的5倍，法务团队人均处理的合同量也整整翻了3倍。为了反驳外界关于“代码垃圾堆积”的质疑，报告还专门对产出质量进行了回溯验证：由Agent深度参与编写的代码，在后续维护中被删除或执行回退（revert）的比例，与纯人类手工编写的代码相比完全没有差异。

```mermaid flowchart LR accTitle: 人类与Agent工作模式的演变 accDescr: 展示员工从亲自动手执行转变为编写规格书与监督多Agent流水线的过程

subgraph Before["传统执行模式"] direction TB H1["人类员工"] -->|"直接亲自执行"| T1["交付成果 (代码/合同)"] end

“2026年4月的内部调查里，两成员工直接把自己的角色描述成从亲自执行工作，转变成管理Claude产出。”

---

[03:35](https://www.bilibili.com/video/BV1QXJe6eEVV?t=215s) 招聘页：初级技术岗占比骤降与能力重塑

账本翻到招聘页面，出现了中文互联网上讨论最为激烈的一组数字：技术部门新招聘的员工中，初级岗位（junior roles）的占比从原先的27%断崖式跌落至9%；而初级员工在整个技术团队中的存量占比，也从21%下滑到了14%。然而，解读这组数据必须紧扣报告中给出的两个重要限定条件，否则极易得出片面的结论。

首先，技术部门招聘的绝对数量并没有缩减，反而在持续上涨。因为Anthropic本身处于极速扩张期，员工总数在一年之内直接翻了3倍，所以初级岗缩减的仅仅是比例而非绝对招募人数。其次，省下来的初级名额并没有凭空蒸发，而是全面转向了招募“另一种人”。招聘经理在面试评价标准中，越来越高频地强调候选人的“自主性”（autonomy）与“判断力”（judgment），相对被压缩退让的则是单纯的领域专长和底层执行技能。面试评分卡上明确提及候选人具备AI工具熟练使用经验的，在技术岗上涨了3倍，非技术岗更是暴增了4倍。

- 初级技术岗新增占比：由 27% 骤降至 9%。 - 初级技术人员存量占比：由 21% 下滑至 14%。 - 技能诉求转变：从单一领域执行技能转向自主判断力与产出把控力。 - 评分卡对AI工具经验的考察：技术岗频次提升 3 倍，非技术岗频次提升 4 倍。

“翻译成大白话，既然活可以让Agent去干，公司就更愿意招能对Agent的产出负责的人，而不是只会自己埋头干的人。”

---

[04:41](https://www.bilibili.com/video/BV1QXJe6eEVV?t=281s) 公众账：指数世界与常态世界的巨大预期差

翻开第二本账《AI预期差》，由Morning Consult实施的万人全美公众民调与Anthropic的1,334名员工形成了鲜明对照。除了对于“AI干完80%工作”的巨大落差外，认知分歧几乎渗透到了问卷的所有维度中： - 面对“到2030年AI能否做出诺贝尔级别的科学发现”，91%的Anthropic员工坚信能够实现，而公众赞同的比例只有39%。 - 面对“AI能否独立完成一个为期两个月的复杂项目”，员工支持率为66%，公众却仅有9%。 - 在开放式列举“AI能干的任务”时，员工平均每个人能顺畅列出49.5个具体任务，而公众的平均答案只有5个出头，两者差距近十倍。

这种微观体验的撕裂进一步折射到了宏观经济展望上。Anthropic员工预计到2030年，AI将替代自己75%的工作工时，而美国普通在职者的平均预期仅为28%。如果将两份问卷的调研结果分别套入经济学模型，员工端数据推导出的2030年美国GDP年化增速中位数高达惊人的17.1%——这相当于美国整体经济规模每四年半就能翻上一番；而公众答案折算出来的经济增速中位数仅为平缓的5.4%。两份账本一对比，一边勾勒着激进的“指数世界”，另一边则固守在按部就班的“常态世界”。

| 对比维度 | Anthropic 员工 (1,334人) | 全美公众受访者 (10,980人) | 差异特征 | |:--- |:--- |:--- |:--- | | **到2030年做出诺奖级发现** | **91%** 认同 | **39%** 认同 | 超过 2.3 倍落差 | | **独立交付2个月周期项目** | **66%** 认同 | **9%** 认同 | 超 7 倍差距 | | **平均可列举AI任务数量** | **49.5 个** | **5 个出头** | 认知丰富度差近 10 倍 | | **2030年AI替代自身工时比例** | **75%** | **28%** | 2.7 倍差距 | | **模型推导2030年GDP增速中位数** | **17.1%** (4.5年翻倍) | **5.4%** | 指数爆发 vs 常规增长 |

“一本账写着指数世界，另一本写着常态世界。”

---

[06:02](https://www.bilibili.com/video/BV1QXJe6eEVV?t=362s) 机制分析：同一个公式，不同的输入

面对内外如此夸张的预期鸿沟，一个很自然的质疑是：这难道不就是AI公司员工在自身利益与狂热叙事下戴上的行业滤镜吗？Anthropic的研究团队在报告中也剖析了这种认知差异的根源，得出的结论却出人意料：内部员工与外部公众并非生活在两套截然撕裂的价值观中。在评估“当前的AI能做到什么”时，两组人群的判断呈现出了极高的一致性，他们对于各项任务难度排序的统计相关性高达0.81。真正拉开认知的，是对“未来技术进步的幅度”以及“技术向现实世界扩散的速度”的预判。

更为有力的证据来自两组人群对于失业率的推演。无论是处于前沿的技术员工还是普通大众，只要某人预期AI能够替自己干掉越多的工作，他对未来宏观失业率的预测就会同步水涨船高，两者的递增斜率几乎分毫不差： - 那些预期AI未来能替代80%以上工作的人群，预测2030年美国失业率平均将攀升至12.2%（这一数字甚至超越了2009年次贷危机爆发后的历史峰值）； - 那些预期AI只能替代不到一半工作的人，给出的失业率预测则温和地落在7%至8%之间。 - 数据呈现出精准的数学关联：无论哪组受访者，自身工作的自动化预期每提高10个百分点，其对宏观失业率的预期便精准上调0.4个百分点。

这意味着内外两组人底层共享着同一套逻辑模型，只是被赋予了不同的输入参数。在高度极化的两端之间，还存在着一个渐进的过渡带——公众样本中那些频繁使用AI的高频用户，其各项指标恰好落在了员工与普通公众的正中间。Anthropic首席经济学家迈克尔·麦克罗里（Michael McCrory）对此解释道，在AI采纳的深度和广度上，Anthropic作为前沿研发组织比宏观经济体整体领先了大约一年半的时间。今天员工与大众的差距，实际上正是大众在一年半以后的预期形态。

“报告作者Anthropic首席经济学家的说法是，在AI采用上Anthropic比整个经济体领先大约一年半，今天员工和公众的差距可能就是明天公众和今天的差距。”

---

[07:29](https://www.bilibili.com/video/BV1QXJe6eEVV?t=449s) 三层人味儿：相信洪水会来，也相信自己在船上

在整份充满冰冷模型和技术推演的内部调查中，有一组关于员工个人前途的数字展现出了最细腻、复杂的人性切面。这群每天站在最前沿与大模型朝夕相处、普遍预测四年后AI能干完自己八成活儿的技术从业者，是如何看待自己的职业归宿的？他们的真实心态可以清晰地拆解为三个层次：

第一层是毫无掩饰的焦虑感。越是深刻认同自动化浪潮不可阻挡的人，越对外部整体就业形势感到悲观，这种自动化程度与宏观失业预期的正相关阶梯在公司内部完全成立。第二层则是异乎寻常的从业自信。调查显示，高达95%的员工预计Anthropic在未来一年将保持强劲扩张，预估的公司扩张增幅中位数达到了66%。第三层则是最激进的技术迭代感知：员工评估AI在当下已经接管了构建下一代前沿大模型50%的工作量；到了2027年底，这一数字将蹿升到80%；而到2030年底，构建前沿AI模型所需的工作将有95%全权由AI接管。

将这三组数据叠加在一起，呈现出了一种近乎魔幻的心理景观：他们无比坚信滔天的技术洪水终将席卷陆地，但与此同时，他们又无比笃信自己已经稳稳地拿到了诺亚方舟的船票。这种微妙的心理机制与普通大众毫无二致，大家在潜意识里都抱着“哪怕浪潮冲垮一切，被裁员的也绝不会是我”的心态。

“他们相信洪水会来，同时相信自己已经在船上。”

---

[08:33](https://www.bilibili.com/video/BV1QXJe6eEVV?t=513s) 折扣区：对内部自评报告的四重冷思考

对于这份出自AI公司自研自评的数据账本，读者绝对不能脱离其立场盲目全盘照单全收。英文科技界已经出现了一种切中要害的评价：“这同时也是一家在给自己批改作业的公司”。因此，在审视所有光鲜的数据结论时，必须主动打上四层理性的折扣：

1. **工时折算模型的口径折扣**：所谓的“6比1”只是特定统计口径下跑出来的比例，分子是包含了大量等待推理与挂起状态的Agent运行时长，分母则是按全员40小时周工时粗略估算的均值，它绝不等于“一个Agent能直接替代六个真实人类员工的产出”。 2. **生产力衡量工具的局限**：代码提交量（commits）在软件工程界是出了名存在偏差、极其不严密的生产力指标，连报告原文作者都在正文中直白承认了这一指标的局限性。 3. **样本公司的极端特殊性**：Anthropic是一家处在绝对技术风口、一年内人员翻三倍的超级扩张期公司，其同期的人均营收甚至是Meta和谷歌的2到4倍。在这种极其特殊的超级资本与技术组织里跑通的经验，很难平移到广大讲求成本控制的传统行业。 4. **内部认知的长尾分布**：不可忽视的是内部员工并非铁板一块，在正态分布的另一端，依然有大约20%的员工保持着与典型的美国普通民众几乎一模一样的审慎与保守预期。

“它是一份难得的一手账本，但读的时候，记账人的立场要一直摆在桌上。”

---

[09:35](https://www.bilibili.com/video/BV1QXJe6eEVV?t=575s) 回望与印证：四个月前的预言在雇主侧兑现

将这份最新发布的报告与四个月前的一项研究对照，能发现一条惊人吻合的发展脉络。2026年6月，Anthropic的经济指数项目曾发布过一期名为《节律》（Cadences）的研究报告，专门追踪普通Claude用户的行为轨迹与职业心态。当时那份报告中有一组极其扎心的数据：只有10%的在职用户认为自己在未来一年内有被裁员的风险；但当被问及职场新人时，超过三分之一的人断言初级员工被淘汰的概率超过60%。彼时用户的普遍自保心态被精炼地概括为一句话：“被裁的不会是我，是新人。”

令人感慨的是，仅仅过了四个多月，普通职场人6月份的心态预言，就在10月份雇主端真实的组织数据中得到了闭环验证——技术部门初级招聘岗位占比从27%直接被砍到了9%。

此外，两份报告在研究方法论上形成了一次漂亮的呼应。6月份的《Cadences》曾因受访群体样本偏科严重而广受学术界批评（当时近三成的样本都是计算机从业者，严重缺乏泛化代表性）；而到了10月份，Anthropic干脆找来第三方机构直接补上了涵盖10,980名全美普通公众的大规模对照组。从6月份的技术用户预测，到10月份雇主侧的数据兑现，再到方法论上的全面补课，这一套环环相扣的研究演进才是这组报告背后最沉重的份量所在。

“用户们六月的心态，十月变成了雇主一侧的数据。”

---

[10:43](https://www.bilibili.com/video/BV1QXJe6eEVV?t=643s) 收束：分歧本质是位置，你坐在哪个座位上

归根结底，这两份报告给当下狂躁的AI大讨论带来的最核心洞见在于：关于AI发展前景的所有剧烈撕裂与争论，在极大程度上并不是认知智识的分歧，而是每个人所处现实“位置的分歧”。无论是6比1的Agent工时比，还是对未来失业率推导出的12.2%这种惊人数字，都只是这个核心结论的宏大注脚。

每天在Anthropic内部熟练指挥Agent大军运转的核心工程师，与一年到头可能都碰不到几次AI工具的普通美国大众，他们眺望的虽然是同一个技术奇点，但因为各自坐在截然不同的社会与产业坐标上，眼中所见的图景自然天差地别。两组人群在失业率预测上对自动化程度共享的数学直觉证明了：大众与前沿专家的世界观在逻辑底层是一致的，只是技术落地的感知和信息传递存在着时空上的延迟。

因此，在当下急不可耐地挑选阵营、站队技术狂欢式的“奇点革命论”或是冷嘲热讽式的“AI泡沫论”之前，每个人真正应当躬身自省的其实是两个无比具体的现实问题：你现在究竟坐在哪一个社会与技术分工的座位上？以及，你上一次亲手借助AI为自己完整交付并干成一件事，到底是在什么时候？

“天天指挥Agent的人，和一年碰不了几次AI的人，看的是同一个技术，但坐在完全不同的座位上，跟谁聪明、谁愚蠢关系不大。”

## Notable quotes > [10:43](https://www.bilibili.com/video/BV1QXJe6eEVV?t=643s) 天天指挥Agent的人，和一年碰不了几次AI的人，看的是同一个技术，但坐在完全不同的座位上，跟谁聪明、谁愚蠢关系不大。

> [03:35](https://www.bilibili.com/video/BV1QXJe6eEVV?t=215s) 既然活可以让Agent去干，公司就更愿意招能对Agent的产出负责的人，而不是只会自己埋头干的人。

> [06:02](https://www.bilibili.com/video/BV1QXJe6eEVV?t=362s) 在AI采用上Anthropic比整个经济体领先大约一年半，今天员工和公众的差距可能就是明天公众和今天的差距。 — Michael McCrory

## Mentioned Anthropic, Claude, Morning Consult, Michael McCrory, Meta, Google, Cadences, Employment at Anthropic, AI Expectations Gap

## Video description 2026年10月16日，Anthropic一天之内放出了两份报告：一份向内看，用公司内部数据记录AI进了公司之后到底发生了什么；一份向外看，问了1,334名自家员工和10,980名美国普通人，你们觉得正在发生什么。对账结果里最扎眼的数字是，过半员工认为到2030年AI能干完自己至少八成的工作，美国在职者里这么想的只有5%。

00:05 两份报告，一次对账 01:11 内部账：六比一的Agent工时 02:29 活儿的变形：管Agent的新工种 03:35 招聘页：初级岗从27%掉到9% 04:41 公众账：预期差全对账 06:02 机制：同一个公式，不同的输入 07:29 三层人味儿：相信洪水，也相信自己在船上 08:33 折扣区：给自己批改作业的公司 09:35 回望：四个月前的预言兑现了 10:43 收束：你现在坐在哪个座位上

内部这本账：到2026年8月，员工指挥的交互式Agent运行时长达到估算员工工时的6倍（同年3月才刚打平），但这些Agent约八成时间在等人类输入，人类注意力成了新瓶颈；管Agent的"关于工作的工作"占比从10%涨到22%，常设指令一年从几百条涨到8,500条；初级技术岗招聘占比从27%掉到9%，但绝对招聘量仍在涨，面试官更看重自主性和判断力。公众这本账：91%对39%认为AI能做出诺贝尔级发现，隐含2030年GDP增速17.1%对5.4%；而两组人的失业预期遵循同一个公式，预期自动化每多10个百分点，失业率预测就涨0.4个百分点。两组人的差距，说到底是位置的差距。

视频结尾也给这类"自家发自家数据"的报告打了四个折扣，并回访了四个月前Cadences报告里"被裁的不会是我，是新人"的心态，这次它变成了雇主一侧的数据。

两份报告原文： anthropic.com/research/employment-at-anthropic anthropic.com/research/ai-expectations-gap

[Source](https://www.bilibili.com/video/BV1QXJe6eEVV)

中文简报

Anthropic调查揭示认知撕裂：过半员工料2030年AI替代八成工作公众仅5%认同公众与前沿技术人员共享同一套失业推演逻辑，认知鸿沟本质源于采纳进度落后约一年半的所处位置差异。视频深入解读了Anthropic的两份重磅报告：内部数据显示Agent运行时长已达员工工时的6倍，但80%时间在等待人类输入，初级技术岗招聘占比从27%骤降至9%，工作重心全面转向管理Agent产出的“meta-work”；外部调研则揭示过半员工预计2030年AI能替代自身超80%工作，而全美在职公众仅有5%持此观点。两组人看似割裂的预期实则共享着同一种失业率推导逻辑，认知差距本质上源于采纳节奏与产业位置的时空差。作者最后提醒读者对自研自评的数据保持四重理性折扣，并指出四个月前“淘汰新人”的用户预言已在雇主端得到残酷兑现。 Anthropic同时发布针对1,334名内部员工与10,980名全美公众的对账报告，超半数员工预计到2030年AI将承担自己80%以上的工作，而全美普通在职者仅有5%持有该预期。 (0:05) Anthropic内部交互式Agent运行时长已达员工总工时的6倍，但约80%时间处于等待人类输入状态，人类注意力与把关已成为系统的新瓶颈。 (1:11) 公司内部工作形态转向编排与审查等Meta-work，技术团队新招初级岗位占比从27%断崖式降至9%，考核标准全面转向自主性与判断力。 (3:35) 公众与员工在失业率预测上遵循同一逻辑公式：工作自动化预期每上升10个百分点，对未来失业率的预测即同步提高0.4个百分点，认知撕裂本质源于接触技术深度的时空位置差。 (6:02)

Reading summary

Anthropic在2026年10月发布的两份报告揭示出前沿AI团队与普通公众之间巨大的认知鸿沟：内部超过半数员工预计到2030年AI将替代自身80%以上的工作，而全美公众中仅有5%持有相同预期。这种分歧并非源于智识高低，而是由不同群体在AI采纳深度与产业分工中的现实位置所决定的。内外部预期差与宏观推演 (4:41) Anthropic调查了1,334名内部员工及由Morning Consult执行的10,980名美国在职受访者，结果在多个维度呈现出十倍级的认知反差。除了对自身80%工作被替代的预期差距（50%对5%）外，员工预计2030年AI替代自身工时比例达75%，公众仅为28%；91%的员工认为2030年AI能做出诺贝尔级科学发现，公众赞同度仅39%；员工平均能列举49.5个AI任务，而公众仅能列出5个出头。经经济模型测算，员工端预期推导出的2030年美国GDP年化增速中位数高达17.1%（约四年半翻倍），而公众端数据折算出的GDP增速仅为常规的5.4%。人机协作重塑工作形态与人力瓶颈 (1:11) 在Anthropic内部，交互式Agent运行时长已达全员估算总工时的6倍（较数月前的1比1激增）。但这并不等同于一人替代六人，因为Agent约80%的运行时长实际上处于挂起并“等待人类输入”的状态，人类的注意力已成为流水线新的产能瓶颈。员工的工作性质随之发生根本位移，演变为编写规格书与监督多Agent的“关于工作的工作”（meta-work），此类交互占员工AI使用比重升至22%，固化常设指令超8,500条。伴随两成员工明确转向“管理Agent产出”，人均代码提交量增至5倍，法务人均合同处理量翻了3倍，且AI深度参与的代码在回退率上与纯人工编写并无差异。与此同时，初级技术岗位在新招员工中的占比从27%降至9%，存量占比跌至14%。尽管总招募人数随公司规模扩张而增长，但人才筛选标准已全面倒向自主性、判断力以及AI工具驾驭能力，而非基础执行技能。同一推演模型下的时间差与心理防御 (6:02) 内外部的认知鸿沟并非源于完全撕裂的价值观。双方在评估当前AI任务难度排序时呈现0.81的高相关性；更关键的是，双方底层共享着一致的失业率推导逻辑——自身工作自动化预期每提高10个百分点，对宏观失业率的预测就精确上调0.4个百分点。预期AI替代超80%工作的群体，均预测2030年美国失业率将高达12.2%。Anthropic首席经济学家迈克尔·麦克罗里指出，Anthropic在AI采纳上比宏观经济体领先约一年半，公众高频用户的预期正处于两者之间的过渡带。内部员工在此背景下展现出矛盾的心态：他们一方面预测自动化浪潮会推高失业，并评估到2030年底前沿模型构建工作的95%将由AI接管；另一方面，高达95%的员工确信公司未来一年将持续扩张，潜意识中坚信“技术洪水会来，但自己已身在船上”。这与四个月前普通用户“裁员只会落在初级员工头上”的自保心态高度吻合，且该预测已在雇主端初级岗位占比的压缩中得到兑现。评估自研报告的四重理性折扣 (8:33) 审视Anthropic的报告结论时，必须结合记账者自身立场考量四重局限：其一，“6比1”工时比包含大量挂起等待时间，绝非实际产出替代率；其二，代码提交量在工程界是公认存在偏差的生产力指标；其三，Anthropic属于人员年增三倍、人均营收数倍于传统科技巨头的极端样本，其经验难以直接平移至讲究成本控制的普通行业；其四，内部仍有约20%的长尾员工保持着与普通公众一致的审慎态度。两份报告的对照表明，围绕AI未来的争论本质上是观察者所处社会与技术坐标的差异。与其急于在狂欢论与泡沫论之间站队，更应审视自身在分工体系中所处的位置，以及能否在工作中真正借助AI完成端到端的业务交付。

Source quotes

[10:43] 天天指挥Agent的人，和一年碰不了几次AI的人，看的是同一个技术，但坐在完全不同的座位上，跟谁聪明、谁愚蠢关系不大。 [3:35] 既然活可以让Agent去干，公司就更愿意招能对Agent的产出负责的人，而不是只会自己埋头干的人。 [6:02] Michael McCrory: 在AI采用上Anthropic比整个经济体领先大约一年半，今天员工和公众的差距可能就是明天公众和今天的差距。

Original transcript

[0:00] 2026年10月16日Anthropic旗下的研究机构一天之内放出了两份报告。第一份向内看标题直译过来叫Anthropic的就业正在怎么变用的全是公司内部数据。第二份向外看,叫AI预期差,调查了1334名自家员工,加上10980名美国普通人。这两份报告合起来,像一次自查家对账。一本账记录AI进了公司之后,里面到底发生了什么?另一本帐问的是里面的人和外面的人各自觉得正在发生什么对账的结果里,最扎眼的一个数字是,超过一半的Anthropic员工认为,到2030年。AI能干完自己至少八成的现有工作而美国在职受访者里这么想的人只有5%同一个问题,十倍的差距。这期视频,我们把两本账都翻开看看。先翻内部这本账,里面最容易被标题挡的数字是6比1。到2026年8月,员工指挥的交互式AI Agent,运行时长达到了估算员工工时的6倍。听着像一句一个AI顶六个人,但报告把口径写得很老实。人类那边的分母是拿员工人数乘以每周四十小时估出来的,agent那边的分子。是运行时间,推理和干活都算,只有超过30分钟的干等才被剔除,而且就在同年三月,这个笔值才刚刚爬到1比1。换句话说,五个月里,Agent的工时从跟人打平,一路冲到了人的六倍。不过这个数字还有个反转报告自己也承认这些交互式agent大约八成的时间其实花在等待人类输入上六倍的运行时长背后使人类注意力成了新的瓶颈有员工在访谈里形容,这就像一只Cloud组成的大军,每一个都排着队,等你去看他一眼。非技术部门的员工要是把自己会画里Cloud的输出全部读完得花掉半个工作周还多账本第二页记得是人的活儿变成了什么?有一类是报告管它叫关于工作的工作英文是metowork这类绘画占员工交互式使用的比重从2025年秋天的10%涨到了2026年春天的22%涨的部分主要就是管agent给多智能体任务写规格书安排一个agent去复查另一个agent的产出,盯着流水线跑,员工写给agent的常设指令,一年前只有几百条。一年后变成了8500条,2026年4月的内部调查里,两成员工直接把自己的角色描述成从亲自执行工作,转变成管理Claude产出的账也在涨。工程师人均代码提交量达到六个月前的五倍,法务人均处理的合同量翻了三倍。报告还专门验证了质量,agent参与的代码,后续被删除或者回退的比例,跟人写的没有差别。账本翻到招聘页就是中文互联网传的最凶的那组数字技术部门新招员工里,初级岗位的占比从27%掉到了9%。初级员工在技术部门的存量占比也从21%开始降到了14%。但是有两个限定词必须跟着一起念第一,技术招聘的绝对数量还在涨公司本身在扩张一年里员工总数翻了三倍掉的是比例,不是绝对人数第二,省下来的初级名额没有消失而是换了一种人招聘经理在面试评审里越来越多地强调自主性和判断力。相对被压缩的是领域专长和执行技能评分卡上提到候选人AI工具使用经验的技术港涨了三倍,非技术港涨了四倍。翻译成大白话,既然活可以让agent去干,公司就更愿意招能对agent的产出负责的人,而不是只会自己埋头干的人。现在,翻开第二本账,与其差,公众那边的调查由第三方民调机构Morning Consult执行。样本是10980名美国成年人对照的1334名Anthoropic员工覆盖公司美国 [5:00] 有部门除了开头那个八成工作的对比差距几乎贯穿了所有问题到2030年,AI能不能做出诺贝尔级别的发现?91%的员工说能,公众那边只有39%。AI能不能独立完成一个两个月的项目?66%对9%。报告还让两边开放市地列出AI能干的任务,员工平均能列出49个半。公众平均五个出头差不多十倍宏观预期同样在分裂员工估计到2030年,AI能干完自己75%的工时,美国在职者的平均数是28%。把这些答案折算成经济模型,员工隐含的2030年GDP增速中位数是17.1%,相当于美国经济每四年半翻一翻。公众的中位数是5.4%一本账写着指数世界另一本写着常态世界看到这你可能会想这不就是AI公司的人自带滤镜吗报告自己也问了这个问题,差距到底差在哪儿?结论有点意外两组人并不是两套世界观对今天AI能干什么?两边的判断高度一致,任务难度排序的相关性有0.81真正拉开差距的是对未来进步幅度和扩散速度的估计更硬的证据在失业预期上不管是员工还是公众谁预期AI能干完自己更多的活谁就预期更高的失业率而且两组的梯度几乎一模一样预期AI能做八成以上的人,给出的2030年失业率平均是12.2%,比2009年金融危机后的峰值还要高。预期AI做一半都不到的人预测是7%到8%自己工作的自动化预期每多10个百分点失业率预测就跟着涨0.4个百分点同一个公式不同的输入中间还有一个过渡带公众里经常用AI的人各项预期正好落在两组人中间报告作者Anthropic首席经济学家麦克克罗里的说法是在AI采用上Anthropic比整个经济体领先大约一年半今天员工和公众的差距可能就是明天公众和今天的差距。这本帐里还有一组数字,我觉得最有人味儿。这群天天跟前沿模型打交道预期AI四年后干完自己八成工作的员工怎么看自己的饭碗答案分三层第一层焦虑是真的越预期自动化的人越预期高失业这个提度在员工内部同样成立第二层,自信也是真的,95%的员工预计,公司未来一年还会继续扩张。中位数的涨幅估计是66%第三层是最远的那一格,员工估计AI今天已经承担了建造前沿模型一半的工作量,到2027年底是八成,到2030年底95%。把这些数字叠在一起,画面有点魔幻。他们相信洪水会来同时相信自己已经在船上这跟今年六月那份报告里普通用户的心态是同一种人类被裁的不会是我当然这本账不能照单全收得先看记账人是谁英文科技圈已经有句评价在流传这同时也是一家给自己批改作业的公司所以有几个折扣要打第一,6比1是建模算出来的笔值,分子是agent运行时长,分母是按每周40小时估的公式,它不等于一个agent顶6个人。第二,代码提交量是个出了名不完美的生产力度量报告原文自己都这么写第三,样本是一家高速扩张的AI公司员工一年翻三倍人均营收是同期Meta和谷歌的二到四倍这种组织里的经验很难直接搬到传统行业第四,别忘了分布的另一半,大约两成员工的预期,跟典型的美国人没什么两样。它是一份难得的一手账本,但读的时候,记账人的立场要一直摆在桌上,说到这儿,我想带你回头看今年六月我们聊过的另一份报告。当时Anthropic的经济指数项目出过一期研究,叫Cadences,节律。讲的是普通Cloud用户的作息和心态,那期有一组数据特别扎心。只有10%的人觉得自己未来一年可能被裁但超过三分之一的人认为初级 [10:00] 是被裁的概率超过六成被裁的不会是我是新人四个多月后再看这次的内部账本初级技术港的招聘占比从27%掉到了9%用户们六月的心态,十月变成了雇主一侧的数据。还有一个呼应,当时我们说过,那份报告的样本片科,将近三成是计算机相关从业者。代表不了普通人这次Anthropic干脆专门做了万人规模的公众对照组,等于官方把那块方法论短板补上了,预测、兑现、补课。这个三部曲,才是这两份报告连起来真正的分量。最后说说我的看法。这两份报告最值钱的地方,是他们证明了关于AI的分歧在很大程度上是位置的分歧。6比1和12.2%都只是这条结论的注脚。天天只会agent的人,和一年碰不了几次AI的人,看的是同一个技术,但坐在完全不同的座位上,跟谁聪明,谁愚蠢。关系不大而两组人共享同一套关于失业的直觉,说明世界观是一致的,信息只是还没走到,所以与其急着战队革命或者泡沫,不如先问自己两个问题,你现在坐在哪个座位上?你上一次亲手让AI替你干成一件事,是什么时候?两份报告的原文链接我放在简介里了,这期就到这儿。我们下期见!

Anthropic调查揭示认知撕裂：过半员工料2030年AI替代八成工作 公众仅5%认同