Dane Anthropic o pracownikach-agentach AI ujawniają zanikający szczebel juniorski

Anthropic twierdzi, że udział juniorów wśród zatrudnianych specjalistów technicznych spadł z 27% do 9%, podczas gdy AI agenci kierowani przez pracowników rejestrowali sześć godzin pracy na każdą godzinę pracy człowieka. Zespół pracowników-agentów AI Anthropic wciąż się powiększa, ale jego techniczny szczebel wejściowy wyraźnie się kurczy.

To połączenie ma większe znaczenie niż każda z tych liczb rozpatrywana osobno. Anthropic nie informuje o typowej rundzie zwolnień ani zamrożeniu rekrutacji. Opisuje rosnącą firmę, która coraz bardziej preferuje doświadczone osoby zdolne kierować, oceniać i koordynować floty agentów Claude.

Główny konflikt nie dotyczy zatem w abstrakcyjnym ujęciu ludzi kontra maszyny. Chodzi o doświadczony osąd kontra juniorski zakres pracy, który tradycyjnie buduje takie doświadczenie. OpenAI również coraz głębiej wdraża agentów do wewnętrznej pracy opartej na wiedzy, jednak Anthropic pokazał, jak ta transformacja może zmienić rekrutację, zanim całkowite zatrudnienie zacznie spadać.

Rekrutacja juniorów w Anthropic spadła wraz z rozwojem pracy agentów

Dane Anthropic dotyczące zatrudnienia pokazują wyraźną zmianę w tym, kto jest rekrutowany, mimo że firma nadal zwiększa liczbę pracowników technicznych.

Anthropic opublikował swoje wewnętrzne badanie zatrudnienia 16 października 2026 r. Raport opiera się na danych kadrowych, telemetrii agentów, miarach wyników, ankietach pracowniczych, kalendarzach, komunikacji wewnętrznej i decyzjach rekrutacyjnych. Badacze przeprowadzili też 17 wywiadów z pracownikami.

Najważniejsze dane dotyczą ról technicznych. Udział młodszych pracowników w działach technicznych Anthropic spadł z 21% na początku 2025 r. do 14% w 2026 r. Udział juniorów wśród nowych zatrudnionych na stanowiskach technicznych spadł jeszcze bardziej — z 27% do 9%.

Wykres w badaniu wskazuje, że pod koniec mierzonego okresu stanowiska techniczne dla juniorów stanowiły 6% ofert. Spadek liczby otwartych stanowisk stał się szczególnie wyraźny po grudniu 2025 r. W styczniu 2026 r. pojawiły się wewnętrzne dyskusje o słabszym popycie na młodszych pracowników technicznych.

Do kwietnia zespoły inżynieryjne i badawcze Anthropic ograniczyły znaczenie stanowisk technicznych z niższych poziomów. Około jedna trzecia menedżerów uczenia maszynowego i jedna piąta menedżerów inżynierii oprogramowania zgłosiły, że z powodu AI zatrudniają mniej osób.

Zmiany te nie oznaczały, że Anthropic przestał zatrudniać inżynierów. Firma twierdzi, że liczba pracowników technicznych nadal rosła w ujęciu bezwzględnym. Sprzedaż, finanse i rekrutacja rosły jednak szybciej, zmniejszając udział działów technicznych w zatrudnieniu z 61% do 56%.

To rozróżnienie zapobiega mylącej interpretacji. Malejący udział w zatrudnieniu nie oznacza tego samego co kurcząca się liczba pracowników. Dane pokazują zmianę struktury zatrudnienia, przy czym najbardziej wyraźna redukcja koncentruje się na poziomie juniorskim.

Rekrutacja na stanowiska nietechniczne była pod względem seniority bardziej stabilna. Różnica ta wzmacnia związek wskazany w badaniu między agentami programistycznymi a rekrutacją techniczną, choć nie ustanawia jednej przyczyny.

Moment ten zbiega się z szybkim wzrostem pracy wykonywanej przez agentów. Anthropic twierdzi, że autonomiczni i interaktywni agenci po raz pierwszy przekroczyli szacowaną liczbę godzin pracy ludzi w marcu 2026 r. Do sierpnia agenci kierowani przez pracowników zgromadzili sześć aktywnych godzin na każdą szacowaną godzinę pracy człowieka.

Anthropic definiuje czas agentów jako inferencję i aktywne użycie narzędzi, z wyłączeniem oczekiwań dłuższych niż 30 minut. Czas pracy ludzi nie jest obserwowany bezpośrednio. Badacze szacują go, mnożąc liczbę pracowników przez 40-godzinny tydzień pracy.

Ta metodologia sprawia, że wskaźnik sześć do jednego jest mniej dosłowny, niż może się początkowo wydawać. Czas działania agentów może przebiegać równolegle, podczas gdy praca ludzi obejmuje planowanie, dyskusje, lekturę i decyzje, których telemetria nie jest w stanie uchwycić. Jedna godzina pracy agenta nie jest równoważna jednej godzinie pracy pracownika pod względem wartości ekonomicznej.

Mimo to trudno zignorować kierunek tych zmian. Agenci wykonują testy, utrzymują infrastrukturę, tłumaczą bazy kodu, znajdują błędy i generują oprogramowanie. Osobiści asystenci monitorują też kalendarze, segregują wiadomości i przygotowują materiały na spotkania.

Najbardziej istotnym ustaleniem badania zatrudnienia jest nakładanie się tych trendów. Zatrudnienie juniorów rosło wolniej na stanowiskach, na których pracownicy zlecali Claude najbardziej złożone zadania.

Ta zależność nie dowodzi, że Claude spowodował zniknięcie każdego juniorskiego stanowiska. Anthropic szybko się rozwijał, zmieniał strukturę działalności i zatrudniał pod potrzeby, które ewoluowały w czasie badania. Wzorzec ten daje jednak wiarygodny obraz tego, jak wdrażanie agentów może zmieniać rekrutację na marginesie.

Zespół pracowników-agentów AI Anthropic zmienił zatem więcej niż tylko tempo produkcji. Zmienił też to, za jakie ludzkie kompetencje menedżerowie chcą płacić na rynku pracy.

Sześć godzin pracy agentów nie oznacza sześciu zastąpionych ludzi

Wskaźnik Anthropic sześć do jednego mierzy aktywność maszyn, a nie sześć pełnych miejsc pracy zlikwidowanych na każdego pracownika.

Rozróżnienie zaczyna się od równoległości. Jeden inżynier może uruchomić kilku agentów pracujących jednocześnie. Agenci mogą przeszukiwać repozytoria, pisać testy, proponować poprawki lub analizować błędy, podczas gdy inżynier zajmuje się innym zadaniem.

Tworzy to więcej czasu działania maszyn, niż jedna osoba mogłaby wygenerować sekwencyjnie. Nie oznacza jednak, że każda godzina przynosi użyteczny wynik. Praca agentów nadal obejmuje nieudane podejścia, powielone analizy, nieistotny tekst i pracę oczekującą na przegląd.

Anthropic ustalił, że interaktywne sesje Claude spędzają około 80% czasu zegarowego, oczekując na wkład człowieka. Agenci mogą działać szybciej, niż pracownicy są w stanie sprawdzać wyniki, usuwać niejednoznaczności i zatwierdzać kolejne działania.

Ograniczeniem staje się ludzka uwaga. Pracownicy opisywali siebie jako menedżerów systemów Claude, a nie bezpośrednich twórców każdego rezultatu. W kwietniowej ankiecie 20% badanych stwierdziło, że ich rola przesunęła się z wykonywania pracy w stronę zarządzania Claude.

Wewnętrzne procesy firmy odpowiednio się zmieniły. Liczba pisemnych stałych instrukcji dla agentów wzrosła z kilkuset w lipcu 2025 r. do 8 500 rok później. Pracownicy budowali pulpity, systemy monitoringu, pętle przeglądu, a nawet nadzorców agentów.

Ta aktywność koordynacyjna, którą Anthropic nazywa meta-pracą, wzrosła z 10% interaktywnych sesji przeciętnego pracownika jesienią 2025 r. do 22% wiosną 2026 r. Meta-praca obejmuje pisanie specyfikacji, przeglądanie planów agentów, monitorowanie potoków i dokumentowanie procesów do wykorzystania przez maszyny.

Systemy te mogą zwiększać mierzalną produkcję. Anthropic informuje, że liczba commitów kodu na inżyniera osiągnęła pięciokrotność poziomu sprzed sześciu miesięcy. Prawnicy przetwarzali więcej umów, przedstawiciele sprzedaży finalizowali więcej transakcji, a zespoły finansowe obsługiwały więcej faktur.

Badanie objęło także 192 inżynierów, którzy wdrożyli agentów programistycznych, i porównało ich z 74 inżynierami, którzy nie wdrożyli ich w badanym okresie. Produkcja kodu wzrosła po wdrożeniu, nawet gdy badacze śledzili tego samego pracownika w czasie.

Anthropic przeanalizował kilka zastępczych wskaźników jakości kodu, w tym późniejsze usunięcia, usunięcia w ramach napraw błędów, cofnięcia zmian, pominięte testy i tłumienie ostrzeżeń lintera. Zgłosił brak mierzalnej różnicy jakości między commitami pisanymi przez ludzi i przez agentów według tych wskaźników.

Kontrole te są użyteczne, ale niepełne. Linie kodu zachowane przez 90 dni nie odzwierciedlają jakości architektury, ekspozycji na zagrożenia bezpieczeństwa, łatwości utrzymania ani tego, czy funkcja przyniosła wartość biznesową. Anthropic wyraźnie ostrzega, że większa ilość kodu nie musi oznaczać lepszego kodu.

Selekcja również komplikuje wynik. Inżynierowie wdrażający autonomicznych agentów już wcześniej znajdowali się na rosnącej trajektorii produktywności. Pracownicy realizujący duże projekty mogli być bardziej skłonni do wdrożenia narzędzi, co utrudnia wyodrębnienie związku przyczynowego.

Ta sama kwestia dotyczy obszarów poza inżynierią. Jeden z dyrektorów ds. klientów powiedział, że automatyzacje zastąpiły około 20% wcześniejszych zadań. Inny zgłosił rozmowy z o 30% większą liczbą klientów po zautomatyzowaniu rutynowej komunikacji i aktualizacji rekordów.

Prawnik stworzył automatyzacje, które selekcjonowały pytania prawne, sprawdzały publiczne materiały i wskazywały ryzyka. Rekruter używał Claude do pozyskiwania kandydatów, śledzenia aplikacji oraz analizy, która wcześniej wymagałaby tygodni pracy.

Te przypadki pokazują, że substytucja i rozszerzanie zadań zachodzą równocześnie. AI usuwa część pracy wdrożeniowej, ale pracownicy wykorzystują uwolnioną przepustowość, by obsłużyć więcej klientów, projektów lub decyzji.

OpenAI zgłosił porównywalne przejście od interfejsów czatowych do agentów. Jego dane dotyczące pracy opartej na wiedzy wskazują, że osoby niebędące programistami coraz częściej używają Codex do badań, analizy danych, dokumentów i prostych narzędzi wewnętrznych.

Porównanie sugeruje, że Anthropic nie jest jedyną firmą przechodzącą od okazjonalnego wsparcia do stałej delegowanej pracy. Żadna z firm nie przedstawiła jednak ustandaryzowanej miary, która zrównywałaby czas działania agentów z ekonomicznie użyteczną pracą ludzi.

Wskaźnik sześć do jednego najlepiej odczytywać jako sygnał organizacyjny. Anthropic może obecnie generować znacznie więcej aktywności maszynowej, niż jego pracownicy mogliby osobiście wykonać. Wynikającym z tego wąskim gardłem są ocena, kontekst i odpowiedzialny osąd.

To wąskie gardło wyjaśnia, dlaczego wartość doświadczonych pracowników rośnie. Potrafią oni decydować, co agenci powinni robić, rozpoznawać subtelne błędy i rozstrzygać konflikty obejmujące wiele systemów. Młodsi pracownicy historycznie zdobywali te umiejętności dzięki pracy wdrożeniowej, która obecnie jest automatyzowana.

Rekrutacja agentów AI w Anthropic premiuje osąd ponad wykonawstwo

Zespół pracowników-agentów AI Anthropic faworyzuje osoby, które potrafią formułować problemy i oceniać wyniki, jednocześnie zmniejszając zapotrzebowanie na wąsko rozumiane zdolności wykonawcze.

Anthropic przeanalizował tysiące kart ocen rekrutacyjnych utworzonych od 2024 r. Wzmianki o doświadczeniu kandydatów z narzędziami AI potroiły się w przypadku ról technicznych i wzrosły czterokrotnie w przypadku ról nietechnicznych do 2026 r.

Rozmowy techniczne również kładły większy nacisk na autonomię i osąd. Udział komentarzy oceniających dotyczących wiedzy specyficznej dla danej dziedziny zmalał. Menedżerowie coraz częściej poszukiwali kandydatów, którzy potrafią działać między obszarami i skutecznie pracować z niedoskonałymi modelami.

Zmiana ta odzwierciedla nieregularny charakter działania agentów. Model może rozwiązać trudny problem programistyczny, a następnie przeoczyć oczywiste ograniczenie. Menedżerowie Anthropic cenią więc osoby, które potrafią rozpoznać, kiedy wynik zasługuje na zaufanie.

Wyłaniająca się rola przypomina stanowisko menedżerskie, nawet bez bezpośrednich podwładnych. Indywidualni współpracownicy rozdzielają zadania między agentów, utrzymują kontekst, sprawdzają pracę i interweniują, gdy systemy dochodzą do decyzji dotyczących bezpieczeństwa lub polityki organizacyjnej.

Dane Anthropic z kalendarzy wspierają tę interpretację. Mediana pracownika spędzała na spotkaniach o 20% więcej czasu niż rok wcześniej. Czas spotkań technicznych indywidualnych współpracowników wzrósł o 16%.

Dane te podważają prostą ideę, że automatyzacja eliminuje koordynację. Agenci przyspieszają wdrażanie, lecz szybsze wyniki tworzą więcej decyzji i zależności. Pracownicy muszą synchronizować zespoły, rozwiązywać problemy systemowe i określać, które prace powinny zostać wdrożone.

Firma ustaliła również, że agenci pojawiali się w niemal połowie aktywnych publicznych kanałów Slack. Zazwyczaj działali w wydzielonych wątkach człowiek-agent, zamiast zastępować rozmowy między ludźmi.

Ludzka dyskusja zachowała zasadniczo podobną strukturę, podczas gdy komunikacja agentów narastała wokół niej. Wzorzec ten przypomina dodatkową zdolność organizacyjną, ale tworzy też więcej informacji, które pracownicy muszą przetworzyć.

W tym środowisku kontekst staje się infrastrukturą. Decyzje podejmowane prywatnie mogą sprawić, że agenci będą działać na podstawie nieaktualnych założeń. Pracownicy Anthropic coraz częściej dokumentują pracę, aby zautomatyzowane systemy mogły odnaleźć aktualne cele, zakresy odpowiedzialności i ograniczenia.

To sprzyja pracownikom, którzy rozumieją organizację, a nie tylko bieżące zadanie. Doświadczeni pracownicy dysponują ukrytą wiedzą o wcześniejszych decyzjach, sposobach awarii, oczekiwaniach klientów i niewidocznych zależnościach.

Praca techniczna na stanowiskach juniorskich tradycyjnie zapewnia dostęp do tej wiedzy. Nowi inżynierowie uczą się, naprawiając drobne błędy, pisząc testy, utrzymując systemy i obserwując przeglądy. To właśnie zadania, które coraz częściej wykonują agenci programistyczni.

Firma może więc poprawić wyniki w krótkim terminie, jednocześnie osłabiając przyszły system szkolenia kadr. Natychmiast korzysta z pracy doświadczonych specjalistów, lecz tworzy mniej możliwości, by początkujący stali się doświadczonymi specjalistami.

To zasadnicze odwrócenie leżące u podstaw zatrudniania juniorów przez Anthropic. Agenci AI są cenni, ponieważ przejmują rutynową pracę, jednak ta rutynowa praca kiedyś służyła jako praktyczne szkolenie w zakresie oceny na wyższym poziomie.

Usunięcie tej pracy nie eliminuje automatycznie potrzeby posiadania wiedzy eksperckiej. Może zwiększyć premię za ekspertyzę, jednocześnie ograniczając mechanizmy jej tworzenia.

Anthropic częściowo odpowiedział na to poprzez mobilność wewnętrzną. Pracownicy z co najmniej rocznym stażem w firmie byli w 2026 roku o 50% bardziej skłonni co miesiąc zmieniać działy niż w 2025 roku.

Jeden z zespołów projektowania produktów ilustruje to podejście. Po zbudowaniu systemu kontekstu, który umożliwił agentom pisanie tekstów produktowych, zespół przeszedł do ewaluacji modeli i tworzenia promptów.

Takie przesunięcie chroniło obecnych pracowników, tworząc jednocześnie nową pracę wokół Claude. Nie rozwiązało jednak problemu dostępu dla kandydatów, którzy nigdy nie zostali zatrudnieni.

Anthropic przyznaje, że to ograniczenie istnieje. W raporcie stwierdzono, że ochrona obecnych pracowników nie może przynieść korzyści osobom wykluczonym z firmy już na samym początku.

Firma tworzy również system wczesnego ostrzegania do monitorowania ról narażonych na zmiany napędzane przez AI. Planuje porównywać popyt i wyniki na poziomie stanowisk z możliwościami agentów, a następnie wskazywać możliwe wewnętrzne transfery.

Dla firm wdrażających podobne systemy dokumentacja staje się ważniejsza. Baza wiedzy inżynierskiej może zachować kontekst techniczny między projektami, ale utrwalona wiedza nie zastąpi praktyki pod nadzorem.

Problem rynku pracy nie polega po prostu na nauczeniu absolwentów lepszego pisania promptów. Przyszłe role juniorskie muszą pozwalać pracownikom budować osąd, podczas gdy agenci przejmują więcej wykonania. Wymaga to świadomego projektowania stanowisk, mentoringu, dostępu do przeglądów i odpowiedzialności, która z czasem się rozszerza.

Bez takich struktur pracodawcy mogą rywalizować o ograniczoną pulę doświadczonych specjalistów. Każda firma może indywidualnie ograniczać koszty szkolenia, jednocześnie polegając na innych organizacjach w tworzeniu starszych talentów, które później rekrutuje.

Czego liczby Anthropic wciąż nie mogą udowodnić

Raport łączy wdrażanie agentów z mniejszym zatrudnianiem juniorów, lecz nie potrafi oddzielić wpływu AI od nietypowego wzrostu, struktury zatrudnienia i bodźców Anthropic.

Anthropic to skrajny przypadek. Firma rozwija modele frontierowe, zatrudnia osoby wybrane ze względu na umiejętności techniczne i daje im wczesny dostęp do systemów Claude niedostępnych gdzie indziej.

Pracownicy mają również bezpośrednią motywację, by korzystać z własnych produktów firmy. Wewnętrzne oczekiwania, narzędzia i praktyki zarządcze sprzyjają szybkiej automatyzacji. Wiele tradycyjnych firm nie działa w takich warunkach.

W okresie objętym raportem Anthropic potroił swoją wielkość. Szybka ekspansja może zmieniać udziały poszczególnych działów nawet wtedy, gdy żadna technologia nie wypiera pracownika. Sprzedaż i finanse często rosną po tym, jak startup rozwija większą działalność komercyjną.

Struktura zatrudnienia zależy także od retencji i awansów. Jeśli juniorzy pozostają w firmie i przechodzą na wyższe poziomy, ich udział może spaść bez zwolnień. Opublikowane dane nie oddzielają w pełni awansów, odejść i ograniczonej rekrutacji.

Dowody z badania są najsilniejsze, gdy opisują samo Anthropic. Jego szersze konsekwencje gospodarcze pozostają sugestywne. Badacze nie mogą losowo przydzielać całych działów do wdrażania agentów lub zachowania dotychczasowych procesów pracy.

Nawet miary produktywności wymagają uważnej interpretacji. Commity kodu, zapytania, umowy, faktury i transakcje mierzą aktywność, ale różnią się jakością i wartością ekonomiczną. Rozwój firmy może także zwiększać produkcję niezależnie od AI.

Anthropic próbował rozwiązać ten problem, porównując użytkowników i nieużytkowników w tych samych miesiącach. Pracownicy jednak sami wybierają, czy i kiedy wdrażać rozwiązania. Osoby przygotowujące ambitne projekty mogą jednocześnie korzystać z agentów i zwiększać wyniki z niezwiązanych powodów.

Agenci AI firmy działają również w systemach zbudowanych specjalnie dla nich. Pracownicy Anthropic tworzą ustrukturyzowany kontekst, narzędzia monitorujące, udokumentowane decyzje i procesy przeglądu. Większość organizacji dysponuje rozproszonymi danymi i mniej obserwowalną pracą.

Dane krajowe są bardziej powściągliwe. Badanie z 2026 roku, wykorzystujące dane Census Bureau, wykazało, że wdrażanie AI koncentruje się w dużych firmach i przedsiębiorstwach opartych na wiedzy. Wśród wdrażających 57% używało AI w trzech lub mniejszej liczbie funkcji, według badania dotyczącego wdrażania w firmach.

Ta różnica ma znaczenie. Anthropic opisuje organizację przeprojektowaną wokół agentów, podczas gdy wiele firm nadal używa AI do pisania, analizy dokumentów i wyszukiwania. Nie należy zakładać, że skutki dla zatrudnienia będą identyczne.

Mimo to dowody zewnętrzne wskazują na ten sam ogólny kierunek w przypadku młodszych pracowników. Badacze ze Stanfordu, korzystający z danych płacowych, nie stwierdzili szerokiego załamania zatrudnienia związanego z AI, ale zidentyfikowali rosnącą lukę na początku kariery.

Do czerwca 2026 roku pracownicy w wieku od 22 do 25 lat w zawodach silnie narażonych na wpływ AI byli na poziomie zatrudnienia o około 19% niższym niż oczekiwany na podstawie zawodów mniej narażonych. Dostosowanie następowało głównie poprzez mniejsze zatrudnianie, a nie większą liczbę rozstań.

Wyniki dotyczące początku kariery nie dowodzą, że generatywna AI spowodowała całą tę lukę. Warunki gospodarcze, cykle rekrutacyjne w branżach i różnice między zawodami nadal mogą mieć znaczenie.

Badania nad startupami opartymi na AI stanowią kolejne porównanie. Analiza Harvard Business School wykazała, że takie firmy zatrudniały mniej osób i utrzymywały bardziej płaskie struktury niż podobne firmy niekorzystające z AI.

Startupy oparte na AI były w badanej próbce Y Combinator o około 25% mniejsze, a w szerszej próbce firm finansowanych przez venture capital o 12% mniejsze. Zatrudniały również mniej pracowników na stanowiskach entry-level.

Dowody dotyczące startupów wspierają kierunek wskazywany przez Anthropic, lecz opisują wyselekcjonowaną grupę młodych firm. Nie dowodzą, że ugruntowani pracodawcy zreorganizują się w ten sam sposób.

Istnieją również wiarygodne dowody, że AI może pomagać pracownikom na początku kariery rozwijać możliwości. W randomizowanym eksperymencie terenowym zapewniono dostęp do AI 673 uczniom ostatniego roku praktyk w dziedzinie technologii informacyjnych w 12 niemieckich szkołach zawodowych.

AI poprawiła wyniki w zadaniach wykraczających poza formalne szkolenie praktykantów o 26–31 punktów procentowych. Eksperyment nie wykazał natychmiastowego pogorszenia rozumienia zadań, choć pracownicy o wyższych kompetencjach AI odnosili większe korzyści.

Ten eksperyment z praktykantami komplikuje każdą tezę, że AI koniecznie czyni juniorów mniej wartościowymi. W odpowiednich warunkach może rozszerzać zakres tego, co są w stanie osiągnąć.

Nierozstrzygniętą kwestią pozostaje wybór organizacyjny. Pracodawcy mogą wykorzystywać agentów do likwidowania stanowisk juniorskich albo do zwiększania zakresu ról juniorskich. Technologia umożliwia obie ścieżki.

Obecne dane Anthropic odzwierciedlają jedno laboratorium frontierowe działające pod silną presją szybkiego rozwoju. Należy traktować je jako wczesne studium przypadku, a nie uniwersalne prawo zatrudnienia.

Badanie pochodzi także od firmy, której produkt znajduje się w centrum analizy. Anthropic ujawnił ograniczenia i szczegółowo opisał kilka metod, lecz niezależna replikacja nadal jest konieczna.

Bardziej miarodajne byłoby ustandaryzowane porównanie Anthropic, OpenAI, Google, Meta i tradycyjnych firm programistycznych. Badacze potrzebowaliby spójnych miar aktywności agentów, jakości wyników, zatrudniania, awansów i retencji pracowników.

Do tego czasu twierdzenia, że agenci zastąpili sześciu pracowników na każdego człowieka, wykraczają poza dowody. Anthropic zmierzył sześć godzin aktywnego działania agentów na każdą szacowaną godzinę pracy pracownika, a nie sześć równoważnych etatów.

Trzy sygnały pokażą, czy szczebel juniorski nadal się kurczy

Kolejnym testem będzie to, czy zmiana w zatrudnianiu w Anthropic utrzyma się, rozprzestrzeni na konkurencję i zapewni wystarczającą liczbę doświadczonych pracowników dla gospodarki opartej na agentach.

Pierwszym sygnałem będzie własna struktura technicznych ofert i zatrudnień Anthropic. Najbardziej wymowne będą dane dotyczące udziału juniorów w ogłoszeniach, nowych zatrudnieniach, awansach i transferach wewnętrznych.

Jeśli liczba juniorskich ofert technicznych pozostanie blisko 6%, podczas gdy aktywność agentów będzie rosła, przeprojektowanie siły roboczej będzie wyglądało na strukturalne. Ożywienie liczby ofert dla juniorów sugerowałoby, że obecny spadek odzwierciedlał tymczasowe dostosowanie lub wyjątkowo selektywny cykl rekrutacyjny.

Awansy zasługują na równie dużą uwagę. Anthropic może przez pewien czas utrzymywać organizację zdominowaną przez ekspertów, zatrudniając doświadczonych kandydatów. Nie może jednak wykazać trwałego modelu rozwoju talentów, jeśli mniej doświadczeni pracownicy nie będą nadal awansować wewnątrz firmy.

Drugim sygnałem będą porównywalne ujawnienia danych przez inne laboratoria frontierowe. OpenAI, Google i Meta wszystkie wykorzystują AI wewnętrznie, lecz ich publiczne miary nie są jeszcze ustandaryzowane.

OpenAI opisało szybko rosnące wykorzystanie Codex w funkcjach inżynieryjnych i pracy opartej na wiedzy. Anthropic osobno podał, że Claude prowadził część badań i rozwoju pod nadzorem człowieka.

Niezależna relacja wskazała, że Anthropic obsługiwał w sierpniu około 30 000 agentów badawczych i inżynieryjnych. Ta skala sprawia, że raportowanie międzyfirmowe staje się coraz ważniejsze.

Jeśli konkurenci ujawnią podobne spadki w zatrudnianiu juniorów technicznych, Anthropic będzie wyglądać na wskaźnik wyprzedzający. Jeśli ich rekrutacja juniorów pozostanie stabilna, strategia firmy wyjaśni więcej niż sama zdolność agentów.

Trzecim sygnałem będzie to, czy szerszy rynek pracy rozdzieli zawody oparte na intensywnej automatyzacji od tych, w których AI głównie wspiera pracowników. Analiza płac ze Stanfordu już sugeruje słabsze wyniki tam, gdzie AI zastępuje zadania.

Przyszłe dane powinny śledzić, czy ta luka rozszerza się poza pracowników w wieku 22–25 lat. Rosnąca luka w starszych grupach wspierałaby szerszą tezę o wypieraniu pracowników. Stabilne zatrudnienie doświadczonych osób przy słabym zatrudnianiu juniorów wskazywałoby na kryzys systemu szkolenia kadr.

Pracodawcy powinni również ujawniać, co zastępuje tradycyjną pracę na stanowiskach entry-level. Praktyki, wewnętrzne rotacje, symulowane środowiska produkcyjne i nadzorowane zarządzanie agentami mogą zapewnić alternatywne ścieżki do ekspertyzy.

Bez takich ścieżek firmy stają przed opóźnionym ograniczeniem. Mogą zautomatyzować drobne zadania szkolące początkujących, a następnie odkryć, że doświadczony osąd stał się rzadki i kosztowny.

Pracownicy powinni reagować na te same sygnały, nie zakładając przy tym, że podstawy techniczne przestały mieć znaczenie. Agenci potrafią tworzyć kod, lecz ludzie nadal odpowiadają za architekturę, bezpieczeństwo, decyzje produktowe i awarie przekraczające granice organizacyjne.

Istotną umiejętnością nie jest wyłącznie obsługa interfejsu AI. Jest nią łączenie wiedzy dziedzinowej z weryfikacją, zarządzaniem kontekstem i jasnym podejmowaniem decyzji. Te zdolności stają się cenniejsze, gdy wyników pracy maszyn jest pod dostatkiem.

Zespoły mogą wesprzeć tę transformację, dbając o to, by decyzje i materiały źródłowe były łatwe do wyszukania. Dobrze utrzymywany osobisty system zarządzania wiedzą pomaga pracownikom weryfikować wyniki agentów względem wcześniejszego toku rozumowania, zamiast bezkrytycznie akceptować płynne odpowiedzi pozbawione kontekstu.

Pracownicy AI agentów Anthropic oferują wyjątkowo szczegółowy obraz tego środowiska. Pokazują wyższą wydajność, szerszy zakres ról oraz agentów pracujących równolegle w całej firmie. Ujawniają też mniej ofert pracy na etapie, na którym tradycyjnie zaczynają się kariery techniczne.

W ciągu najbliższych kilku miesięcy warto jednocześnie obserwować strukturę zatrudnienia, ujawnienia informacji przez konkurencję oraz dane dotyczące zatrudnienia na początku kariery. Żaden pojedynczy wskaźnik nie rozstrzygnie, czy agenci AI tworzą lepsze miejsca pracy, czy eliminują punkty wejścia do kariery.

Praktyczne pytanie jest już jasne: czy firmy wystarczająco szybko przeprojektują pracę na stanowiskach juniorskich, aby zachować drogę od początkującego do eksperta? Pracodawcy wdrażający agentów powinni publikować odpowiedź na to pytanie w danych dotyczących rekrutacji, szkoleń i awansów.