Anthropic 初级技术新招占比降到 9%，别把判断力当安慰
Hello，我是飞飞。
Anthropic 的初级技术新招占比，从 27% 降到了 9%。你要是刚入行，看到这组数，心里大概还有个问号。“以后学会判断就行了”，这句话能安慰到你吗？判断也要练，总得先有事情让你做。
同一份研究还比较了 Agent 运行时长和人的估算工时。到八月，前者已是后者的六倍。把两件事连起来，我更想追问一句：执行交给 AI，人负责验收。那新人从哪儿学会验收？
我没有招聘数据能回答这个问题。能拿来对照的，是自己这条写作流水线。它确实把生成交给了 AI。那些验收标准，却得从错判和返工里慢慢改。省掉重复劳动，与保留练判断的机会，得一起谈。
9%是怎么数的
这份Anthropic 内部研究发表于 10 月 16 日。报告回看了自 2025 年初以来的变化。两组占比要分开读：
| 报告观察的对象 | 原占比 | 后占比 |
|---|---|---|
| 技术部门中的初级员工 | 21% | 14% |
| 技术新招中的初级人员 | 27% | 9% |
后一行，说的是新招结构。它不能直接换算成裁了多少人，更不能推出全行业只剩这些机会。报告还写着，技术招聘整体的绝对量仍在增长。
可也别用“只是比例”把这件事轻轻带过。你要是正在投简历，自然会关心：公司扩张时，把机会更多给了谁？没有裁员人数，不等于这条招聘变化无关紧要。
作者研究的是自家公司，工具采纳也并非随机。原文承认，业务增长等因素会影响结果。这些限制要保留，但不必用它们否认观察到的变化。
六倍工时数的是什么
报告 PDF的图注把算法写得很具体。Agent 一侧，统计员工驱动的交互式会话。多路子代理的运行时长会加在一起。算的是推理和使用工具的时间，超过三十分钟的等待会排除。人这一侧，用员工人数乘每周四十小时估算。
所以，六倍是这套口径下的时长比。多路子代理同时跑，时长可以加起来。人却未必省下同样多的时间，更不能当成六倍生产力。
报告接着观察到，员工的工作转向了组织、监控和检查这些产出。AI 可以同时跑很多路，人还得知道哪一路值得继续，哪些结果不能交。
报告还分析了招聘评价的变化。技术岗位的面试评语，更重视自主性和判断力，对具体领域知识的讨论减少。非技术岗位的评价中，执行技能的分量也下降了。
如果只盯着“机器干得更多”，很容易把后面这一段漏掉。生成多了，接收的人未必轻松。给他再堆几份答案，也未必解决问题。
我也写错过验收规则
七月那篇生成与验收，我写过一次很具体的误伤。
我给文章做对仗检测，本来想拦住 AI 爱写的工整句子。规则写宽了，连“它是不是天天重复”这样的正常疑问句，也被揪成违规。我得回头一条条人工放行。
几个字匹配上了，意思却判错了。这句话是在问事情有没有重复。它没有拿两个判断摆出那种工整对仗。
机器能很快扫完全文，错规则也能很快扫出一长串问题。它越勤快，我后面要处理的误报就越多。加几次检测，仍然改不好规则本身。
同一篇旧文还记着另一个反复：破折号明明写进禁用规则，初稿仍会往补充说明里塞。破折号适合交给固定扫描，出现了就能定位。误伤正常问句那件事，却得回头读句子。
都是文字检查，判断办法并不一样。禁用符号可以直接找，句子是否违规得对照检测意图。规则也要维护，误报时改边界，漏掉真问题时补检查。只留一句“已修复”，接手的人看不见差别。
最近的 DeepSeek 搜索稿，又多了整篇取舍的问题。流水线记录里，字数、格式都过了。独立评阅仍指出：后半塞进参数、限速等旁支，偏成接口说明清单。
后来删掉限速等旁支，才收回“哪些调用收费”这个问题。检查与修改由流水线执行，我在这里引用记录。逐句过关后，还得判断整篇有没有走偏。会数中文字，和知道该删哪段，中间仍有距离。
把误报留给接手的人
如果把七月那次误报留作练习，我会先给接手的人两样东西：原句“它是不是天天重复”，以及被拦的结果。
请他写下放行还是退回，并说明理由。暂时不给“正常疑问句”这个答案，才看得出他怎么判断。
再把检测意图摆出来：这条规则要拦的是工整对仗。让他拿自己的理由来核：如果只因句子里有“是不是”就拦，拦到的究竟是句式，还是几个字？
再给他一句本文新拟的示例：“不是把字数凑够，而是把问题答清。”这句把两个判断排成工整对仗，正是规则想压掉的表达。让他把这句和那个正常问句并排读，解释为何一个要改，一个能留。
接着，请他从待查稿中找一处同类表达。找到了，指出哪两个分句形成对仗；找不到，就记下没有找到。别为了交差，硬把一句正常话改判成违规。
交回来的东西应该有原句、拦截结果、判定理由。三样放在一起，我才知道他理解了边界，还是只记住“这句要放行”。理由说不清，就继续对着句子讨论。不能只在表上记一个“通过”。
这里写的是下一步的练习安排，不能当成已经验证的培训效果。真要做，也得给他看任务的上下文：为什么设这条规则，要保护哪种阅读体验，以及误报会让谁多做什么。只交一张错误清单，他很难知道标准从哪里来。
破折号那类检查，又可以换一种问法：明明有固定禁用符号，为什么还需要人逐句找？能让机器定位的，就别让新人靠眼力耗时间。省下的时间，留给有争议的句子和修改理由。
我赞成把机械的活交给 AI。重复抄格式、搬材料，花了很多时间，也未必就长本事。保留练习机会，不等于要求人把所有重复劳动再做一遍。
代码验收更复杂，这个文章例子讲不了软件测试。它能交代清楚的，是一次很小的练习：给具体输入，允许出错，要求解释，再由熟悉标准的人反馈。这比只把最终确认按钮交过去，多了一次辨认错误的过程。
没拿到任务的人呢
如果你已经在负责交付，可以试着留下这样一组记录。让接手的人看见你为什么改，比让他只看一篇改好的稿子，多一些练判断的机会。
可还没进公司的人怎么办？一句“去管理 AI”，没有替他争取到具体任务，更没有替他找到愿意给反馈的人。
研究本身也承认，有些岗位在自动化中，正离开当初让人建立技能的具体工作。报告没有替新人找好下一处练习场。我也不能拿一条文章检测规则，假装这个缺口已经补上。
报告结尾还有一句意思很重：保护在岗员工，并不能帮助那些一开始就没有被录用的人。转岗安排也没有直接解决初级招聘放缓。
所以我把这件事问回有权安排任务的人：哪些小任务还能交给新人，让他试着判断，再给一次说得清理由的反馈？如果只把生成交给 AI，把确认留给老手，新人连错在哪里都未必看得到。
我自己的判断也会错。这套做法保证不了工作安全；在我能安排的小流程里，至少可以把原句和纠错理由留下来。标准如果只藏在老手脑子里，AI 跑得再快，接手的人也没法核。
“判断力越来越值钱”这句安慰，我说不出口。已经在场的人要学着定标准，尚未进来的人也得有机会接触任务。你若已经在带人，愿意把哪一次真实错误交给他试着判断？