Anthropic社内の雇用の変化 — 技術職の新規採用に占める若手は27%から9%に
Anthropic Economicsが社内の雇用・利用ログ・採用記録と17人の聞き取りから、AI導入後の働き方を分析。若手技術職の採用比率は27%から9%に下がり、AIエージェントの稼働時間は社員の6倍になりました。
Anthropicの経済研究チームは2026年10月16日、レポート「How employment is changing at Anthropic」を公開しました。自社を「AI導入の最前線にいる一社」と見立て、社内の雇用データ、AIの利用ログ、成果指標、社員調査、Slackの通信パターン、カレンダー、採用判断の記録を突き合わせた研究です。数字の背景を補うために、社員17人への聞き取りも加えています。
要点
結論から言うと、Anthropic社内では若手の技術職の採用が細り、AIエージェントの稼働時間が人間を上回りました。同時に、出力が増えるほど人の注意が詰まりになる、という副作用も出ています。
- 技術部門の社員に占める若手の割合は、2025年初頭から21%が14%に下がった
- 技術職の新規採用に占める若手の割合は、27%から9%に下がった
- 社員が使う対話型エージェントの稼働時間は、8月時点で社員の勤務時間の6倍になった
- 同じ社員を追うと、エージェントを使い始めた後に成果が伸びた
- 採用担当者が重視する力は、専門知識や実装力から、自律性と判断力へ移っている
調査が示した主な数字
メタワークの割合
10% → 22%
対話型セッションに占める、2025年秋から2026年春への変化
中央値の社員の会議時間
+20%
1年前との比較
部署を移る確率
+50%
入社1年以上の社員、2026年は2025年より毎月
エンジニア1人あたりのコミット
5倍
6か月前との比較
若手技術職の雇用と採用はどう変わったか
Anthropicの社内で「若手技術職の需要が下がっている」という議論が出たのは2026年1月です。そこへ新しく能力の上がったモデルが重なり、この認識は強まりました。ある社員は、パフォーマンスエンジニアの変化をこう振り返っています。
目を見張ったのは、特にパフォーマンスエンジニアの伸びだった。探す人材像がほぼ一晩で変わった。
2026年に社内で起きたこと
- 1月若手技術職の需要低下が議論に
コアの技術部門で、コード作成とバグ発見をClaudeに任せられるという認識が広がった。
- 3月エージェントの稼働時間が社員を上回る
自律型と対話型を合わせたエージェントの稼働時間が、初めて人間の勤務時間を超えた。
- 4月下位バンドの採用を抑える動き
エンジニアリングと研究の各チームが、低い等級の技術職の採用を弱めた。同月の調査では、管理職の過半数が「AIのせいで求めるスキルが変わった」と回答した。
- 5月非技術職のコーディング利用が急増
コード提出の実績がなかった社員によるコーディング系セッションが、月2回(2025年8月)から90回になった。
- 8月対話型エージェントの稼働が社員の6倍に
自律型を除き、社員が直接使う対話型セッションだけで数えた値。
4月の調査では、機械学習の管理職の約3分の1、ソフトウェアエンジニアリングの管理職の約5分の1が「AIを理由に採用を減らしている」と答えています。人員構成にもはっきり出ました(若手の割合が21%から14%、新規採用では27%から9%に下がった点は冒頭のとおりです)。
- 若手向けの求人は、2025年12月以降に特に急減した
- 会社全体に占める技術部門の割合は、1年で61%から56%に下がった
最後の数字は注意して読む必要があります。会社はこの1年で約3倍の規模になり、技術職の採用も絶対数では増え続けています。それ以上に営業・財務・採用の部署が増えたため、比率だけが下がりました。事業部門が会社の成長に伴って膨らむのは自然な動きで、コーディングツールのおかげで非技術職の社員が自分でソフトを作れるようになった影響も含まれる可能性があります。
技術部門の内側でも構成が動いています。直近30日にコードを提出していない社員の割合は、2026年4月までの1年でほぼ半減しました。理由の一部は非エンジニアの割合が薄くなったことで、エンジニア対プロダクトマネージャーの比は約17対1と、2025年より上がっています。管理職のコミット数も2倍になりました。技術チームの監督・調整役が、コードを書いて出荷する仕事に近づいています。
職種ごとの若手の増減(2026年1月と7月の人数を比較)を見ると、Claudeの利用がより複雑な業務に及ぶ職種ほど、若手の雇用の伸びが鈍っていました。これは職種ごとの増減を並べた観察で、因果を示すものではありません。
事務職の採用は加速していない
意外なのは、会社の規模に比例して増えやすい事務系の部署です。エージェントによる補助、自動化されたレビュー、チケット対応の外部委託が重なり、急成長したのに事務職は軽いままです。購買申請のレビュー用エージェントを作った財務担当者は、同僚に「時間のかかる作業を見つけて、人が他の仕事に集中できるようにしている」と説明しています。
スケジュール調整とメールの仕分けをするエージェントを作ったエグゼクティブアシスタントは、入門レベルの事務の役割は「もうClaudeに置き換えられた段階にある」と話し、自身の仕事を参謀役のような高度な業務に移しています。
部署をまたぐ異動も増えた
人員の再配置も進みました。入社1年以上の社員が部署を移る確率は、2026年は2025年より毎月高くなっています。チーム単位の再配置もありました。Claude.aiの挨拶文(「夜更かしさん、こんにちは」のような文言)を書いていたプロダクトデザインのチームは、2026年春に、エージェントに魅力的な文章を書かせるためのコンテキストグラフを作りました。チームの仕事は「スケールアウト」しましたが、人間のライターに何が残るのかという問いも生まれました。結局このチームはエージェントへの指示出しに移り、Claudeのための評価とプロンプトを書くようになっています。
生産性は本当にAIのおかげか
研究が最初に確認したのは、エージェントの稼働量です。数え方は次のとおりです。自律型と対話型の合計には、定型テストの補充、インフラコードの保守、大規模コードベースの翻訳といった、大群での作業が含まれます。対話型は社員が個別に動かすセッションだけで、サブエージェントは合算します。時間はエージェントの実行時間(推論とツール利用)です。対話型を扱う図(8月の6倍)では、30分を超える待機を除いています。人間側は、人数に週40時間を掛けた値です。
出力の伸びは職種をまたいで出ている
職能ごとの出力指標を見ると、エンジニアのコミット数が最も伸びました。データサイエンティストは、Claudeのエージェントにリアルタイムの指標を引かせる使い方が増えています。非技術職でも、法務は契約の処理件数、経理は請求書の処理件数、営業は成約数がそれぞれ増えました。
ただし、この期間は事業そのものが急成長していて、強いモデルを売っていれば商談は決まりやすくなります。そこで研究は、エージェント型のコーディングツールを使い始めた社員と、まだ使っていない社員を同じ月で比べました。192人のエンジニアの導入前後を追い、期間中に導入しなかった74人と比較しています。結果は、導入後の数か月でエンジニアが追加するコード量が大きく増えたというものです。
落とし穴
この推計には偏りが残る
ツールの導入はランダムではありません。大きなプロジェクトを始める直前の社員が自分から導入するなら、推計は上振れします。完全自律型のエージェントを入れた社員は、導入前から出力が急上昇していました。研究は、因果の主張に留保をつけています。
営業でも同じ傾向があります。昨年9月から営業担当者がエージェントを使い始め、導入後は成約数が増えました。ただし、商談の機会が多い担当者が自動化を選んで取り入れた結果、という可能性も残ります。ある営業担当者は、メール下書きと顧客管理ツールとの連携をClaudeの自動化に任せたことで、従来の作業の約20%が置き換わったと話しています。別の担当者は、対面の時間に集中できるようになり、以前より30%多くの顧客と話せるようになりました。
コードの質は落ちていない
「量が増えても質が落ちていれば意味がない」という疑問に対しては、同じ社員が同じ月に同じディレクトリで書いた、人間のコードとコーディングエージェントのコードを比べています。後から削除された行や取り消された行の割合に、差は見つかりませんでした。質には多くの側面があり、AIの誤りは人間のものより見つけにくい可能性もあります。
人の注意が詰まりになる
エージェントの生産性が上がるほど、人間の画面と注意に出力が押し寄せます。社内調査では、「業務プロセスが自分の生産性を最大限に高めている」への同意が、2024年末の44%から2025年11月に58%へ上がりました。2026年4月は75%ですが、設問から「最大限に」が外れているため、単純には比べられません。
社員のAI観も変わっています。社員は2030年までに自分の仕事の75%をAIが担えると見込んでいました(8月時点)。他の米国人の見込みは28%です。この調査の詳細はAI expectations gapの記事にまとめています。
新モデルが出ると、社員はより難しい課題をエージェントに任せ始めます。旧モデルでの難易度が上位10%を超える課題の割合は、約30%増(全課題の10%から13%)になり、リリース後の数週間は高いまま続きました。易しい課題の側はほとんど変わっていません。
Claudeの出力を読むだけで週の半分が消える
対話型セッションを見ると、セッション時間の約80%は人間の入力待ちです。エンジニアの言葉で言えば、人間が「エージェントの詰まり」になっています。
出力を全部読むには、どれだけ時間がかかるのか。研究は、各セッションの出力トークンを語数に換算し、平均的な読む速さで計算しました。換算の前提は、1トークン0.75語、1分に250語を読む速さです。技術部門のコーディングエージェントの出力は、過去6か月で急増しています。非技術部門の社員でも、対話型セッションの出力を読み切るには勤務週の半分を超える時間がかかる量でした。
この洪水への対応が、研究のいう「メタワーク」です。
- エージェントへの常設指示の文書:2025年7月の数百件から、1年後に8,500件へ
- エージェントの依頼を仕分けるエージェント(参謀役)を作る
- Claudeのチームに対する「コミュニケーションの取り方」の振り返りを書く
- 採用担当者が、問題を拾って動くダッシュボードを作る
社員の対話型Claudeセッションに占めるメタワークの割合は、2025年秋の10%から2026年春の22%に上がりました。増加分の多くは、複数エージェント実行の仕様書、別のエージェントによるレビュー、パイプラインの監視といった、エージェントの管理です。集計の方法は、2,000件の1行要約を自動判定でコード化したものです。
人間同士のやりとりは減っていない
人の関与が薄れたわけではありません。カレンダーのデータでは、中央値の社員の会議時間が1年前より20%増えました。会社の成長や、会議の多い非技術職の増加も影響していますが、技術職の個人貢献者でも16%増えています。エンジニアはエージェントを率いる立場に、非技術職は戦略的な部分に仕事が寄っています。「戦略的な20%が、仕事の90%になる」という社員の言葉も紹介されました。
Slackでは、エージェントがアクティブな公開チャンネルのほぼ半数に現れました。エージェントは人間同士のチャンネルに大量に書き込むより、Claudeと人間のやりとり専用のチャンネルに集まっています。ある部署では、人間のスレッドの返信数が変わらないまま、エージェントの返信が上乗せされました。エージェントは人間の代わりに会話するのではなく、1人の社員に付く小さなチームのように動いています。
エージェントに文脈を渡すため、人間の仕事も見える場所に出す圧力が働きます。会議の結果がメモにならなければ、エージェントは判断の前提を知り得ません。数か月前の文書に担当者として名前が残っていたために、担当が変わった後もTシャツやマグカップの依頼がエージェントから届き続けた、という例もありました。
採用で見られる力はどう変わったか
採用面接のスコアカードのコメントを、数千人分、自動判定でコード化した結果もあります。いちばんはっきりした変化は、AIツールを創造的に使った実績への言及が増えたことです。
| 言及の対象 | 2024年 | 2026年 |
|---|---|---|
| 技術職の評価でAIツールの実績に触れた割合 | 2024年約5% | 2026年3倍に |
| 非技術職の評価でAIツールの実績に触れた割合 | 2024年約7% | 2026年4倍に |
技術職の評価では、自律性と判断力への言及が最も増え、分野の専門知識への言及は全体に占める割合が縮みました。ある管理職は「モデルはこれからもムラがあると思うので、チームにはさまざまな分野を渡り歩ける人材が欲しい」と話しています。非技術職では、顧客志向とミッション志向の言及が増え、実行力の話題は減りました。
研究が挙げる企業側の備えと、残る穴
レポートの後半は、Anthropicの取り組みを3つ挙げています。どれも他社が簡単に真似られるとは限りません。
研究が挙げた3つの特徴
広く行き渡った株式保有
社員が会社の成功に利害を持ちます。評価額が大きく上がった会社だから取りやすい姿勢でもあり、他社では不十分か望ましくない場合があります。
職種ごとの早期警戒システム
職種別の需要と生産性の指標を、AIの能力と利用状況に照らして読み、変化が出ている職種を拾います。影響を受ける社員を、危険の少ない職種へ動かす準備になります。
社内再配置の優先
外部の労働市場だけで新しい業務の担い手を賄うのは、AIの進歩が速いほど難しくなる、という見立てです。代償として、新規採用に慎重になる可能性があります。
穴についても、レポートは隠していません。これらの取り組みで、AIが雇用を揺さぶること自体は止められません。若手採用の減速にも、どれも直接は効かず、既存社員への保護は、そもそも採用されなかった人の助けにはなりません。企業の取り組みと並んで、再訓練と所得支援を含む政府の政策が必要で、その前提として変化の規模を正しくつかむことが要る、というのが結論です。
この研究をどう読むか
これは1社の観察です。社内の雇用・利用ログ・採用記録と17人の聞き取りで組んだ研究で、他社にそのまま当てはまるかは、レポートも慎重に扱っています。因果の推計にも、導入時期の自己選択という偏りが残ります。
そのうえで、実務に近い読みどころが2つあります。
1つ目は、ボトルネックの位置です。実装の速度から、人が読み、判断し、管理する速度に移りました。レポートが社員自身の「メタワーク」を増やした要因として挙げているのも、出力を読む量の多さです。
2つ目は、若手の経験の積み方です。実装の仕事が減ると、技術を覚える入口も狭まります。エージェントが担う作業を、若手が見て学べる形で残せるかどうかは、このレポートが解いていない問いのままです。Claude Codeの利用ログから専門知識の効き方を調べた40万セッション分析の記事は、専門知識がエージェント時代にも成果を左右することを示しました。採用の評価では専門知識への言及が縮み、利用ログでは専門知識の効きが残っている。この食い違いは、並べて読むと見えてきます。
この研究の参考文献には、2025年12月に公開した社内調査が挙がっています。当時の中心は、エンジニア・研究者132人へのアンケートでした(社内調査の記事)。今回は、雇用・採用判断の記録、カレンダー、Slackの通信パターンまで取り込んでいます。AI失業への対策としての職業訓練の効果を検証した職業訓練の再分析や、Anthropic Instituteの研究アジェンダの経済浸透の柱とも、題材がつながっています。
まとめ
1社の観察ながら、詰まりが実装から人の読む速度へ移ったことと、若手の入口が狭まることは、同じ変化の両面に見えます。ただし両者を結ぶ因果は、レポートも示していません。