> ## Content Index > Fetch the complete content index at: https://growthhackers.tw/llms.txt > Use this file to discover other available public pages before exploring further. # Anthropic 就業研究報告解讀：agent 工時是員工 6 倍，最缺的是人的注意力 - URL: https://growthhackers.tw/blog/anthropic-employment-report-human-attention/ - Published: 2026-10-27T13:00:00.000Z - Updated: 2026-10-27T13:00:00.000Z - Description: Anthropic 內部的 AI agent 工時已是員工的 6 倍，但有 8 成時間在等人回話。這份就業研究報告真正的訊號是：人的注意力變成最稀缺的資源。拆解後設工作、招募標準的轉變，以及台灣電商團隊該怎麼管 AI 產出。 - Author: Lewis wang - Tags: AI agent, Anthropic, AI 與工作, 組織管理, 電商經營 Anthropic 員工跟 AI agent 一來一往的工作階段裡，有大約 8 成的時間，agent 在發呆。 模型夠強，工具也接好了。它們在等人回話。 這是 Anthropic Institute 在 2026 年 10 月 16 日發布的研究報告 [How employment is changing at Anthropic](https://www.anthropic.com/research/employment-at-anthropic?ref=growthhackers.tw) 裡的數字。作者 Nathan Wilmers 等四人拿公司內部的人事、AI 使用紀錄、產出指標、問卷、行事曆、招募評分表，加上 17 位員工訪談，拆解一家 AI 用到最兇的公司，工作被改成什麼樣子。 **先講結論：這份 Anthropic 研究報告最值得看的，是「人的注意力」變成整家公司最稀缺的資源。** 員工自己開的 AI agent，工時已經是員工的 6 倍；照報告的換算，就連非技術部門，要把這些產出讀完都得花掉超過半個工作週。於是人的工作開始往上移一層，從「做事」變成「替 agent 設計怎麼做事、怎麼被看」。 ## 大家只看到「少請新鮮人」，但那是結果 這份報告一出來，標題最好下的寫法是：「Anthropic 承認 AI 讓它少請 junior」。 數字也確實嚇人。技術部門裡初階員工的占比，從 2025 年初的 21% 掉到 14%；初階技術新進人員的占比，更是從 27% 掉到 9%。 但如果你問我，停在這裡就太可惜了。這兩個數字是「占比」變化，公司整體還在擴張，一年長大了三倍。 初階職缺變少，是一連串變化的最後一格。前面那幾格才是你家公司會先撞上的：agent 越做越多，人的時間和眼睛不夠用，工作內容被迫改寫，最後招人的標準才跟著變。 **我的判斷是：「人讀不完 agent 產出」這件事，你的團隊會比「少請 junior」更早遇到。** ## 6 倍工時、8 成在等人：注意力怎麼變成瓶頸 先把報告裡的幾個關鍵數字攤開。 ★ **2026 年 3 月**，Anthropic 所有 agent（自主執行加上員工互動使用）的總工時，第一次超過人類工時。 ★ **到了 8 月**，光看員工自己發動的互動式 agent 工作階段（interactive session），agent 工時就是員工的 6 倍。這裡的算法是：agent 實際推論與使用工具的時間，對上「員工人數 × 每週 40 小時」。 ★ 在這些互動 session 裡，**大約 80% 的時間 agent 是閒著在等人類輸入。** ★ 報告把互動 session 的輸出 token 換算成字數（每 token 0.75 字、每分鐘讀 250 字），推算閱讀時間。結果是：**就算是非技術部門，要讀完自己 agent 的產出，也要超過半個工作週。** 這是推算值，不代表員工真的花了半週在讀，但它說明了產出量已經大過人看得完的量。 ![agent 工時是員工 6 倍、session 有 8 成在等人、讀完產出要超過半週](https://growthhackers.tw/content/images/2026/10/inline-attention-numbers-v1.png) agent 工時是員工 6 倍、session 有 8 成在等人、讀完產出要超過半週 有位工程師在訪談裡形容，這種感覺像在當保母：每個小孩都用同樣緊急的語氣找你，不管是果汁打不開，還是手指割傷在流血。 這就像夜市攤的老闆，一個人顧五口鍋。 以前他的瓶頸是爐火不夠旺。現在換成十口自動翻炒的鍋，火力早就不是問題，問題是老闆只有一雙眼睛，每口鍋都在叫他過去看。 而且人的注意力在 agent 出現之前就已經是赤字了。Microsoft 2025 年 6 月的 [Work Trend Index〈Breaking down the infinite workday〉](https://www.microsoft.com/en-us/worklab/work-trend-index/breaking-down-infinite-workday?ref=growthhackers.tw) 統計，被打擾最頻繁的那 20% 使用者，在核心工時裡每 2 分鐘就被一個會議、一封信或一則訊息打斷一次。 現在再疊上一整排 agent 來跟你要回覆。 這裡要先跟我之前寫的另一篇分清楚。[〈你導入 AI 之後沒有變快，因為你只是把塞車點往後推了一格〉](https://growthhackers.tw/blog/ai-automation-bottleneck-shift/)講的是**流程**：產出那一站加速，貨堆到審核、上架、客服這幾站。這篇講的是**人**：就算每一站都有 agent 在跑，最後所有 agent 都在排隊等同一批人看一眼、回一句。 一個是線上哪一站塞住，一個是整條線只有一雙眼睛。 ## 員工的新工作：後設工作（meta-work） 注意力不夠，Anthropic 員工怎麼辦？ 他們的解法是做一種報告稱為後設工作（meta-work）的事：先放下手上那份工作，去打造「讓 agent 把工作做好、讓人不用一直看」的那層工具。 報告用自動編碼分析了 2,000 則 session 摘要，後設工作占員工互動 session 的比例，從 **2025 年秋天的 10%，跳到 2026 年春天的 22%**。具體長這樣： ► **寫常駐指令（standing instructions）**：員工寫給 agent 的長期規則，從 2025 年 7 月的幾百份，一年後變成 8,500 份。 ► **讓 agent 審 agent**：寫多 agent 任務的規格，讓一個 agent 檢查另一個的產出。 ► **做監控面板**：替 agent 流水線做儀表板，有人甚至設了一個「agent 幕僚長」，專門幫他把一堆 agent 的請求先分類再送上來。 ► **把人的決策寫給 agent 看**：會議裡做的決定如果沒留下紀錄，agent 就拿不到最新脈絡。報告裡有個員工，因為名字還掛在一份幾個月前的周邊商品文件上，agent 一直跑來問他 T 恤和馬克杯的事，即使他早就不負責了。 ![後設工作從 10% 成長到 22%，四種形式：常駐指令、agent 審 agent、監控面板、寫給 agent 看的紀錄](https://growthhackers.tw/content/images/2026/10/inline-meta-work-v1.png) 後設工作從 10% 成長到 22%，四種形式：常駐指令、agent 審 agent、監控面板、寫給 agent 看的紀錄 還有一個數字很有意思：中位數員工的開會時間比一年前多了 20%，連技術職的個人貢獻者（IC）也多了 16%。 agent 把執行的部分吃掉之後，剩下的是要人碰面、要人拍板的事。2026 年 4 月的問卷裡，有 20% 的員工直接說，自己的角色從「做事」變成「管理 Claude」。 **重點是什麼？** **導入 AI 之後，產出多了幾倍是次要的。你最該管的 KPI，是團隊每天有幾個小時的注意力，花在哪裡。** ## 想像一下，你是台灣電商的行銷主管 把場景搬回台灣。 想像一下，你是一家中型品牌電商的行銷主管。這一季你們把 AI 導進來了：每天自動產出 50 則商品文案、20 組廣告素材變體、蝦皮和 momo 各一版商品描述，LINE 官方帳號的客服回覆草稿也由 agent 先寫好。 產能確實上去了。然後早上九點你打開電腦，看到的是這樣的畫面： - 文案 agent 說：「這 50 則請確認。」 - 素材 agent 說：「這 20 組請挑。」 - 客服 agent 說：「有 12 則回覆我沒把握，請看一下。」 - 報表 agent 說：「昨天官網轉換率掉了 0.4%，要不要處理？」 每一則都用一樣的口氣，每一則都「請你看一下」。 以前你的問題是內容產不出來。現在你的問題是，所有東西都卡在你這裡等你點頭。 注意，這裡沒有哪一站流程塞住。四條流水線各自都跑得好好的，它們搶的是同一個人、同一個早上的兩個小時。 **團隊多了十個 AI 員工，主管卻少了半週。** 最危險的是，當人讀不完的時候，很容易變成「快速掃過，按核准」。看起來流程還在跑，其實把關已經形同虛設。等到哪天錯價、錯標、廣告被平台下架，你回頭翻紀錄，那一則你確實「看過」。 ## 招人標準也變了：給兩篇舊文的一手數據 報告後半段有一組數字，剛好可以當我之前兩篇文章的一手佐證。 除了初階占比 21%→14%、初階新進 27%→9%，2026 年 4 月的主管調查裡，約三分之一的機器學習（ML）主管、五分之一的軟體工程主管說自己因為 AI 少招了人。 更值得看的是招募評分表。Anthropic 用自動編碼分析了 2024 年以來數千份面試評語： - 評語裡提到「候選人怎麼用 AI 工具」的比例，2024 年技術職約 5%、非技術職約 7%；到 2026 年，技術職變成三倍、非技術職變成四倍 - 技術職評語裡增幅最大的，是**自主性與判斷力（autonomy and judgment）**；談領域專業的比重反而下降 我的解讀是：執行交給 agent 之後，主管要找的是知道「哪件事值得做、哪個產出值得看」的人。 這跟注意力瓶頸是同一件事的兩面。當 agent 負責執行，人的價值就剩下判斷，而判斷要花注意力。 至於 junior 還要不要養、養成階梯斷掉怎麼補，我之前在[倒置師徒制那篇](https://growthhackers.tw/blog/ai-deskilling-inverted-apprenticeship/)和[小編變主管的階梯那篇](https://growthhackers.tw/blog/ai-tool-skills-marketing-career-ladder/)都談過，這裡不重複。只補一個外部數據：Stanford Digital Economy Lab 的研究 [〈Canaries in the Coal Mine?〉](https://digitaleconomy.stanford.edu/publication/canaries-in-the-coal-mine/?ref=growthhackers.tw) 在 2026 年 8 月的修訂版指出，美國 22 到 25 歲、在 AI 高曝險職業的年輕人，就業水準比照低曝險同齡人的成長軌跡，低了 19%，資深員工則沒有同樣的落差。Anthropic 內部看到的方向，在外部資料也看得到。 Anthropic 自己的應對是兩件事：正在建立一套**職務風險預警系統（early warning system）**，用各職務的需求與產出指標對照 AI 能力，提早標出哪些工作正在變；然後優先把受影響的人**內部轉調**到技能相近、風險較低的位置。年資一年以上的員工，2026 年每個月跨部門移動的機率比 2025 年高了 50%。 報告也很老實地說：這些做法都沒有直接解決少請新人的問題，因為保障現職員工，幫不到那些一開始就沒被錄取的人。 ## 先別急著算省了幾個人 你可能很想拿 Anthropic 的數字回去說服老闆。先等一下。 一來是，Anthropic 本身就是 AI 公司，員工普遍持股，又站在 AI 採用的最前線，報告自己就說很多做法無法複製。 二來是，產出變多跟效率變好是兩件事。每位工程師的 code commit 頻率是半年前的 5 倍，但作者自己提醒，程式碼變多不等於商業價值變多，而且誰先採用並非隨機，衝勁本來就強的人才會先上工具。 另一邊有反方證據。研究機構 METR 在 2025 年 7 月做過一個隨機對照試驗：16 位資深開源開發者用 2025 年初的 AI 工具處理自己熟悉的專案，[完成任務反而多花了 19% 的時間](https://metr.org/blog/2025-07-10-early-2025-ai-experienced-os-dev-study/?ref=growthhackers.tw)，但他們事後還以為自己快了 20%。METR 也註明這個結果已經過時，工具進步很快。 引這個研究，是要提醒一件事：**「感覺變快」最會騙人**，而它騙人的地方，往往就是那些沒人有空細看的產出。 ## 這週可以動手的四件事 **► 第一，算一次你的「注意力帳」。** 拿一張表，列出團隊現在有哪些 AI 流水線（文案、素材、客服草稿、報表），每條每天丟出幾則要人看的東西、誰在看、平均花幾分鐘。很多主管算完才發現，自己每天有兩三個小時在「確認」。 **► 第二，替注意力排優先序：必看、抽查、不用看。** 價格、促銷條件、法規標示、退換貨承諾，必看。一般商品文案、社群貼文草稿，依出錯的代價決定抽查比例，代價越高抽越多。內部摘要、資料整理，不用看，有錯再回頭修。沒有排序，每一則都會用最高優先級來敲你。 **► 第三，把重複的判斷寫成常駐指令。** 你每次退件都在說「不要寫最便宜」「蝦皮標題不要放全形符號」，那就把它寫進規則檔，讓 agent 先自己擋一輪。Anthropic 員工的常駐指令一年內從幾百份長到 8,500 份，就是在幫自己的眼睛省時間。做法可以參考 [Warp 那套要簽名才能改的人類核准關卡](https://growthhackers.tw/blog/warp-self-improving-agent-review-gate/)。 **► 第四，讓 agent 先看過，再送到你面前，但要追蹤漏審率。** 在你和產出之間加一層「審稿 agent」，只把有疑慮、被標紅的送上來，而且要附上理由。你的工作從「每則都看」變成「看 agent 說有問題的那幾則」。同時每月記一次：有多少錯誤是在你「核准」之後才被客人或平台抓到的。這個數字往上走，代表你的把關正在被稀釋。 ![先讓審稿 agent 篩一輪，再把產出分成必看、抽查、不用看三條線，只讓必看的那條直達主管](https://growthhackers.tw/content/images/2026/10/inline-attention-triage-v1.png) 先讓審稿 agent 篩一輪，再把產出分成必看、抽查、不用看三條線，只讓必看的那條直達主管 ## 最後 這份 Anthropic 研究報告裡，我覺得最有遠見的一句觀察是：在重度使用 AI 的組織，**人的工作必須攤開在 agent 看得到的地方**。私下的決定、沒記錄的會議，agent 都看不到，就會一直拿舊脈絡來煩你。 現在大家導入 AI，比的多半是開了幾個 agent、一天能產出多少篇。 但當產能不再稀缺，真正稀缺的是那個有權說「這個可以」「這個不行」的人，以及他每天那幾個小時。 先把這幾個小時管好，你的 AI 才算真的導進來了。 --- ## 幾個你可能會問的問題 **Q1：Anthropic 這份就業報告的重點是什麼？** 這份 2026 年 10 月 16 日由 Anthropic Institute 發布的研究報告，用公司內部資料分析 AI 怎麼改變工作。四個重點：初階技術職的占比與新進占比下降；採用 agent 後，工程、業務、法務的產出都增加；人的注意力成為 agent 產出的瓶頸，員工轉向後設工作；用人主管更重視自主性與判斷力。 **Q2：「agent 工時是員工 6 倍」是怎麼算的？** 報告只計算員工自己發動的互動式 agent session（含 subagent），agent 工時取實際推論與使用工具的時間，排除超過 30 分鐘的等待；人類工時則用員工人數乘以每週 40 小時估算。到 2026 年 8 月，兩者比例是 6 比 1。 **Q3：什麼是後設工作（meta-work）？** 指放下原本的工作內容，轉去替 AI agent 打造工作環境：寫常駐指令與技能、設計讓 agent 審 agent 的流程、做監控面板、記錄工作方法讓 agent 讀得到。報告抽樣分類後發現，平均每位員工的互動 session 裡，屬於後設工作的比例從 2025 年秋天的 10% 增加到 2026 年春天的 22%。 **Q4：AI 真的會讓初階職缺變少嗎？** 目前的資料顯示兩者同時發生，但光看占比還不能證明全是 AI 造成。Anthropic 內部數據顯示，技術部門初階員工占比從 21% 降到 14%，初階技術新進占比從 27% 降到 9%。Stanford Digital Economy Lab 的研究也發現，美國 AI 高曝險職業中 22 到 25 歲年輕人的就業，比照低曝險同齡人的成長軌跡低了 19%。但 Stanford 的研究也寫明沒有看到整體經濟大規模取代的證據，影響集中在特定職務與年齡層。 **Q5：團隊導入 AI agent 之後，主管要怎麼管？** 先盤點每條 AI 流水線每天需要人看多少產出，再把產出分成不用看、抽查、必看三級，把重複的退件理由寫成 agent 的常駐指令，並在主管前面加一層審稿 agent，只把有疑慮的項目送上來。審稿 agent 也會漏判，所以仍要定期抽查、追蹤核准後才被發現的錯誤。 --- **協作聲明與免責** 這篇文章由王董與 AI 一起整理製作完成。文中引用的第三方資料、研究或工具都會標註來源名稱；若原始出處有公開連結，會以 `[來源名稱](URL)` 形式附上，方便你進一步查找。若文中內容與原始出處有任何出入，請以原文為準。 內容僅供參考與學習交流，不構成任何專業、商業或投資建議，請依自身情況判斷並自行承擔行動風險。文中提及的工具功能、數據與平台政策可能隨時間異動，請以各官方最新公告為準。