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

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 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。

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〉 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〉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。

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和小編變主管的階梯那篇都談過，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?〉 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，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。

► 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。

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。