Anthropicにおける雇用の変化

Anthropicにおける雇用の変化

Nathan Wilmers, Regina Catipon, Maxim Massenkoff, Peter McCrory

AIはAnthropic社の仕事と雇用をどのように再構築してきたのでしょうか？ AI導入の最前線に立つ企業として、Anthropic社はAIが経済全体の仕事の組織化、採用、労働需要をどのようにシフトさせるかの先行指標となり得ます。

主要な発見

• AIエージェントと従業員の労働時間の比率が急速に拡大するにつれて、Anthropic社はジュニア技術職の採用比率を低下させてきました。8月までには、インタラクティブAIエージェントの労働時間が従業員の6倍に達しました。
• AIエージェントが社内に普及するにつれて、Anthropic社は一人当たりのコード生成量を増やし、営業担当者あたりの成約数を増やし、契約処理量を増加させました。同じ従業員を追跡したところ、新しいAIツールを採用することで生産性が向上しました。
• この加速により、人間の注意力がエージェントの出力のボトルネックとなっています。非技術系従業員でさえ、Claudeエージェントの出力をすべて読み取るには、週の半分が必要になります。これに対応するため、従業員は可視化ツールを構築し、エージェントパイプラインを監視する「メタワーク」に移行しています。
• 仕事の組織化の変化は、採用マネージャーの優先順位の変化にも反映されており、技術的ドメインの専門知識や実装よりも、自律性と判断力をますます重視するようになっています。

イントロダクション

ますます強力になるAIの下で、仕事と雇用にどのような変革が期待できるでしょうか？ Anthropic社は、ワークフローをAI中心に徹底的に作り上げているため、研究する価値があります。エージェントはSlackのチャットを飛び交い、会議をスケジュールします。それらは自律的にバグを修正し、巨大なエンジニアリングプロジェクトに集団で取り組みます。エージェントの労働時間は人間の労働時間の6倍を超えています。Anthropic社で現在起こっている変化は、仕事と雇用の可能な未来についての先進的なシグナルを提供します。

このレポートは、雇用、AIの使用、出力メトリクス、従業員調査、社内コミュニケーションパターン、従業員のカレンダーデータ、採用決定記録を網羅するAnthropic社の包括的な社内データに基づいています。これらの定量的データを17回の従業員インタビューで文脈化しています。

同社が成長を続ける中でも、ジュニア技術職の相対的な採用は鈍化していることがわかりました。エンジニアと非技術系従業員の両方の生産性は大幅に向上し、コーディングエージェントを採用した際に急激に上昇しました。採用マネージャーは、特定の技術的専門知識よりも、応募者の自律性と判断力をますます重視するようになっています。AIを多用する組織で働くことの決定的な特徴は、可能な限りこのボトルネックの位置から自身を合理化しようとする絶え間ないプレッシャーです。あるエンジニアは、仕事を「注意を求めるすべてのClaudeの軍隊に直面している」と表現しました。Anthropic社の従業員は依然として重要ですが、彼らの貢献の性質は変化しました。

Anthropic社は、これらの変化に対応するため、混乱のリスクがある職務を追跡する早期警告システムを設置し、職務が進化するにつれて、社内再配置を優先しています。AI開発と職場変化の両方の最前線で行われているこれらの行動は、特定の組織的コミットメントが雇用へのAIの影響をどのように形成できるかを示しています。しかし、それらはまた、それらのコミットメントが正確に何であるべきかについての難しい疑問も提起します。

フロンティアにおける労働需要

Anthropic社は急速に拡大しています。しかし、以前の大手テクノロジー企業と比較して、収益あたりの採用数は少なくなっています。設立5年で、Anthropic社は、急速な成長のピークにあったMetaやGoogleの2〜4倍の従業員あたりの収益を上げています。1

どのような職務が不足しているのでしょうか？ Anthropic社内では、ジュニア技術従業員への需要の低下に関する議論が、2026年1月に主要な技術機能で浮上しました。自身の業務でClaudeを最も多用していたチームは、コードの記述やバグの発見をClaudeにオフロードできることがわかりました。新しく高性能なモデルがこの認識を加速させました。「特にパフォーマンスエンジニアのパフォーマンス向上は注目に値し、それはほぼ一晩で私たちが求めているものを変えました。」

4月までに、エンジニアリングおよびリサーチチームは、下位バンドの技術職の採用を軽視していました。同月に行われた調査では、マネージャーの過半数がAIのために異なるスキルセットで採用していると回答しました。MLマネージャーの約3分の1、SWEマネージャーの5分の1が、AIのために採用を減らしたと報告しました。

雇用の構成比率の変化は顕著です。図1は、2025年初頭以降、Anthropic社の技術部門におけるジュニアレベルの従業員の割合が21%から14%に低下したことを示しています。ジュニア技術採用者の割合はさらに急速に低下し、27%から9%になりました。ジュニア向けの求人は、2025年12月以降特に急激に減少しています。

［画像: Anthropic社におけるエントリーレベル技術職採用の減少。］

同時に、Anthropic社内での技術部門の全体的な雇用シェアは、過去1年間で61%から56%に低下しました。同社が拡大するにつれて、技術職の採用は絶対数で増加し続けていますが、営業、財務、採用における集中的な採用がそれを上回っています。このシフトの一部は、企業が規模を拡大するにつれてビジネス機能が自然に拡大することです。一部は、コーディングツールが非技術系従業員が自分でソフトウェアを作成することをますます可能にしていることを反映している可能性があります。例えば、ある営業担当者は、自身の業務に合わせたカスタムダッシュボードとパイプラインを設計しました。「このような構築は、特にUI、すべてのツール、MCPの接続において、私の専門外でした。しかし、私はこれを3〜4時間で、ただ反復して構築しました。」非技術系従業員（コードコミットがないことを基準とし、新規採用者を除く）向けのコーディングに焦点を当てたAIエージェントセッションは、2025年8月の月間2セッションから2026年5月の月間90セッションに急増しました。

しかし、この採用構成の変化は、コーディングが他のドメインエキスパートに拡散することを可能にした自動コーディングだけの話ではありません。技術部門内では、アクティブにコーディングしていない従業員（過去30日間でコードコミットがない従業員と定義）の割合は、2026年4月までの1年間でほぼ半分に減少しました。その一部は、エンジニア以外の割合が減少しているためです。例えば、エンジニアとプロダクトマネージャーの比率は約17対1であり、2025年以降増加しています。マネージャーからのコミット数も倍増しました。技術チーム内の監督および調整の役割は、ますますコードの構築と出荷に関わるようになっています。

非技術系採用が加速していない分野の1つは、通常、企業の規模とともに拡大する管理機能です。エージェントアシスタント、自動レビュー、チケットサービスのアウトソーシングの組み合わせにより、Anthropic社は急速な成長にもかかわらず、事務処理が少ない状態を維持しています。ある財務マネージャーは、購入依頼レビューエージェントを構築し、同僚に「これは単に多くの時間を費やすものを見つけようとしているだけで、彼らが他のことに集中できるようにするためです」と説明しました。

対面でのやり取りに密接に関連する事務作業でさえ、ゆっくりと増加しています。スケジュール設定やメールのトリアージのためのパーソナルアシスタントエージェントを構築したエグゼクティブアシスタントは、「エントリーレベルの管理職の役割は、Claudeがすでに補完する段階を超えていると思います」と説明し、代わりに「チーフオブスタッフ」のようなより上位のタスクに焦点を当てました。

これらの変化はすでに再配置を伴っています。1年以上勤務している従業員は、2026年に2025年よりも月あたり部門間を異動する可能性が50%高くなっています。チーム全体が作業をエージェントに引き渡したため、再配置されることもありました。Claude.aiの挨拶文「こんにちは、夜更かしさん；」「コーヒーとクロードの時間？」のようなコンテンツを作成していたあるプロダクトデザインチームを考えてみましょう。2026年春、チームはエージェントが説得力のあるプロダクトコンテンツを作成できるように導くコンテキストグラフを開発しました。そのマネージャーは、これが「チームをスケールアウトさせた」と説明しましたが、人間のライターのために何が残るのかという疑問も生じました。その後、チームはエージェントプロンプティングにローテーションし、Claudeのためのモデル評価とプロンプトの作成を開始しました。「言語を使って人間の行動を動かしていたライターは、今やそれを使ってClaudeの行動を動かしています。」

AIはAnthropic社で生産性向上を推進していますか？

これらのシフトはAIに起因するのでしょうか？ Anthropic社では、人間は増え続けるAIエージェントの群れの上に薄い層を形成しています。エージェントセッションのテレメトリに基づくと、2026年3月には、自律的およびインタラクティブなエージェントの総労働時間が初めて人間の労働時間を上回りました。その一部は、産業規模のソフトウェアエンジニアリングを行うエージェントのフリートであり、無数のルーチンテストやチェックを埋め、増え続けるインフラストラクチャコードのメンテナンスを行い、大規模なコードベースの翻訳に集中的なキャンペーンを推進しています。しかし、個々の従業員が展開したエージェントに焦点を絞っても（図2）、8月までにエージェントは人間のハンドラーの6倍の時間働いていました。

［画像: エージェント時間が人間時間を追い越す。注: 個々の従業員が指示したインタラクティブセッションに限定し、サブエージェントをプールします。労働時間という概念はエージェントの実行時間であり、推論とアクティブなツール使用を含みますが、30分を超える待機時間は除外します。人間の労働時間は、ヘッドカウントと週40時間と仮定して計算されます。］

Anthropic社はソフトウェアプロデューサーであり、これらのエージェントを流れるトークンの大部分はソフトウェアコードの生成に費やされています。ダッシュボードは、社内全体で動作するエージェントのフリートを監視しています。しかし、パーソナルアシスタントエージェントは、従業員のカレンダーやメッセージを監視し、スケジュールを設定し、受信メッセージから蓄積されたToDoリストを送信し、会議の相手や目的について従業員に自動的にブリーフィングします。トークンは、日常的なさまざまな作業タスクに触れています。

［画像: 機能全体での生産性ブーム。注: 測定可能な出力を持つさまざまな職務の経時的な出力をプロットしたものです。］

これらのトークンはすべて何をもたらすのでしょうか？ 図3は、測定可能な出力を持つさまざまな職務の経時的な出力をプロットしています。Anthropic社のエンジニアを調査した以前のレポートsurveying Anthropic engineersや、モデルトレーニングと研究の自動化を説明したレポートと一致して、エンジニアあたりのコードコミット数が過去6ヶ月で5倍になり、最も速く増加しています。データサイエンティストもAnthropic社のデータ群をより多くクエリしており、Claudeエージェントにリアルタイムメトリクスをダッシュボードや意思決定者に取得させています。しかし、図3は、コーディングエージェントが普及するにつれて、非技術系従業員でさえ出力が増加したことを示しています。弁護士はより多くの契約を処理し、経理担当者は請求書を処理し、営業担当者はより多くの取引を成立させました。

しかし、これらすべてがClaudeの使用によるものでしょうか？ 同期間、同社は爆発的な事業成長を遂げました。強力なモデルを販売している場合は、取引を成立させやすくなります。AIの独立した効果を評価するために、エージェント型コーディングツールを採用した従業員と、まだ採用していない従業員を比較します。これにより、同じ月に同じ会社で働いており、同様のビジネスコンテキストにさらされているが、異なるツールでアプローチしている従業員を比較できます。ただし、ツールの採用はランダムではないことに注意してください。例えば、大きな新しいプロジェクトを推進しようとしている従業員がツールをアップグレードする場合、これは私たちの推定値を歪める可能性があります。

私たちは、エージェントを採用しない74人のエンジニアと比較して、コーディングエージェントを採用した192人のエンジニアを追跡します。図4は、採用後の数ヶ月間で、エンジニアが追加するコードの量が急激に増加することを示しています。より多くのコードが必ずしもより良いコードやビジネスインパクトを意味するわけではありません。AIコードの質の低下をテストするために、Anthropic社で行われたコードコミットを調査します。同じ従業員が、同じ月に、同じコーディングディレクトリでコミットしたコードを比較しますが、それは人間の従業員が直接書いたものではなく、コーディングエージェントによって書かれたものです。コードの品質には多くの次元があり、AIのエラーは人間よりも特定が難しい場合があります。しかし、後で削除またはロールバックされたコード行の割合に違いは見られませんでした。

図4は、エンジニアが最初の完全自律型エージェントを採用した後の状況も示しています。採用したエンジニアは、採用しなかったエンジニアと比較して、すでに急激な上昇軌道に乗っていました。これは、完全自律型エージェントに移行している従業員は、すでに生産性を向上させていたことを示唆しています。

［画像: 段階的なAI採用による個人内での生産性増加の推定。注: 係数は、個人およびカレンダー月ごとの二元固定効果を持つコーディングエージェント採用者と非採用者を比較したものです。治療タイミングは、少なくとも5回のエージェントセッションがあった個人の最初の月に基づいています。バーは、個人ごとにクラスタリングされた標準誤差からの95%信頼区間です。品質パネルは、人が直接書いたコードと、同じ人のコーディングエージェントが書いたコードを比較しています。品質プロキシは、90日以内に何らかの理由で削除された行の割合、バグ修正によって特に削除された割合、コミット全体が明示的にロールバックされたかどうか、リンター抑制コメントの追加、修正が必要なメモの追加、およびテストのスキップ、再試行、または失敗を許可するようにマークすることです。］

これらのパターンはコーディングを超えて、知識労働のより広範な変革に及んでいますか？ Anthropic社の営業担当者は、昨年9月からAIエージェントを着実に採用しています。図4は、営業担当者がエージェントを採用した後、より多くのクライアントと取引を成立させていることを示しています。このパターンのいくつかは、より多くの販売機会を持つ担当者が自動化を選択することによって推進されている可能性があります。しかし、それはまた、ログ記録とルーチンコミュニケーションの自動化を反映している可能性もあります。あるアカウントエグゼクティブは、Claudeの自動化がメール作成と顧客管理ソフトウェアの統合を処理し、以前の作業タスクの約20%を置き換えたと説明しました。別の担当者は、同様の自動化により、対面での時間に集中できるようになり、以前よりも30%多くの顧客と話すことができるようになったと述べています。「2回目に何かをするときはいつでも、『どうすればClaudeを使って3回目をしなくて済むようにできるだろうか？』と思います。」

営業以外では、Anthropic社の弁護士が、リスクと機会をスキャンし、法的質問をトリアージし、公開されるコピーの最初のドラフトを作成するためのClaude自動化シリーズを構築しました。採用担当者は、候補者のソーシング、応募者の追跡、および「数週間かかる可能性があった」分析を支援するためにClaudeを使用し、過年な面接質問の再設計やより多くの応募者との面談に集中できるようになりました。

これらすべては、AI機能が向上するにつれて、Anthropic社全体で幅広い職務に影響を与えることを示唆しています。記述的には、Claudeを最も複雑なタスクに使用する職務（図5）でジュニア雇用が鈍化していることがわかります。

［画像: Claudeの使用複雑度によるジュニア雇用成長。注: プロットは職務レベルです。成長は2026年1月のヘッドカウントと2026年7月のヘッドカウントを比較したものです。AIの複雑度は、自動化されたコーダー（2025年10月から12月までの雇用減少前）のエージェントログに基づいており、パーセンタイル変換されています。ドットは、その職務の1月時点の雇用数でスケーリングされています。回帰線は、重み付けされたポイント全体でフィットされています。］

ボトルネックとプロセス：AI集約型ワークプレイスにおける新規および旧タスク

AIの集中的な導入は、雇用と生産性以上のものを再形成します。それはまた、仕事のプロセスに継続的な変化をもたらし、新しいタスクを生成し、従業員の職場認識をシフトさせています。ある従業員はこれを「Anthropic社における可能な限り速く動き、すべてにClaudeを使用するという永遠のプレッシャー」と表現し、別の従業員は「1週間で期待されることは、他の場所では3ヶ月かかるようなこと」だと述べました。社内従業員調査では、Anthropic社の仕事のプロセスが回答者を可能な限り生産的にしているかどうかを尋ねました。2024年後半には44%が同意しました。2025年11月には58%でした（2026年4月には75%が「はい」と答えましたが、質問は「可能な限り」を削除したことで弱まりました）。8月現在、Anthropic社の従業員は2030年までにAIが自身の仕事の75%を実行できるようになると予想しており、他のアメリカ人では28%でした。

これらの生産性期待の引き上げは、社内モデルリリースのペースによって劇化されています。新しいモデルが利用可能になるとすぐに、Anthropic社の従業員は、インタラクティブなコーディングエージェントセッションでより困難な問題に取り組み始めます。これは、自動化されたClaudeグレーダーを使用して、セッションのタスク要求を深さ、範囲、および関与するシステムの数に基づいて評価することで測定します。古いモデルにとって90パーセンタイル以上の難易度のタスクの割合は、約30%（全タスクの10%から13%）急増し、モデルリリース後の数週間で高い水準を維持します。エージェントに与えられるタスクの容易な端はほとんど変化しません。

エージェントの生産性の急増は、人間の画面と注意に投げかけられる出力に変換されます。あるエンジニアはこれをベビーシッターに例えました。

「ジュースボックスを開けてほしい、そしてそれは緊急事態だと言っているようなものです。そして、指を切り血を流しているのと同じレベルの懸念で声に出されます。[...] ベビーシッターをしているとき、すべての子供は同じように注意を要求する懸念をあなたに持ってきます。そして、さまざまな[Claude]も同様です。」

2026年4月の調査では、AIが日常業務にどのように影響したかについての自由回答式の質問に対し、27%がClaudeツールの生産性向上を説明し、20%が自身の役割が実際の作業からClaudeの管理へと移行したと説明しました。

このモデル主導の加速の中で、人間の注意力が絶え間ないボトルネックとなっています。インタラクティブなマルチターンセッションでは、エージェントのセッション時間の大部分は作業に費やされるのではなく、待機に費やされます。各エージェントのアクティブ作業時間から各インタラクティブセッションの総壁時計時間を差し引くことで、アイドル時間を追跡します。Claudeセッションは、人間の入力を待つために約80%アイドル状態です。あるエンジニアが言ったように、人々は「エージェントをボトルネックにしている」のです。

Claudeのすべての出力を読み取るには、正確にどれだけの時間が必要でしょうか？ 各インタラクティブセッションについて、セッションの出力トークンを単語数に変換し、平均的な人間の読書速度を仮定します。図6は、過去6ヶ月間でコーディングエージェントの出力量が急増した技術職を示しています。しかし、非技術系グループでさえ、インタラクティブなClaudeセッションは、週の半分以上を占めるのに十分なコンテンツを出力しています。Claudeテキストの洪水は整理が必要です。

［画像: Claudeを読むことはフルタイムの仕事。注: 出力トークンを単語に変換し、トークンあたり0.75単語、毎分250単語の読書速度を仮定して推定された時間。］

この洪水への一つの解決策は、自動化の増加です。しかし、これには異なる種類の作業が必要です。エージェントのための書かれた定型指示は、2025年7月の数百から1年後には8,500に増加しました。あるエンジニアは、エージェントリクエストをトリアージするためにエージェントのチーフオブスタッフを設置しました。別のエンジニアは、Claudeチームのパフォーマンスレビューを書きました。「ねえ、私たちのコミュニケーションスタイルの何がうまくいっていて、何がうまくいっていないかについて話しましょう。」採用担当者は、エージェントが問題を表面化し、アクションを開始する統合ダッシュボードを構築しました。弁護士は、法的質問のレビューから「法的アドバイスのためのSEO、クライアントのエージェントが見つけるフレームワークを書く必要がある」という作業に注意をシフトしました。

図7は、この種のメタワークが、2025年秋の平均的な従業員のインタラクティブClaudeセッションの10%から、2026年春には22%に急増したことを示しています。この増加の多くは、特にエージェント管理によるものでした。マルチエージェント実行のための仕様の作成、他のエージェントの出力をレビューするために1つのエージェントをループさせること、およびパイプラインの監視です。機能全体で、人間の関与は、特定のコードやライティングから、エージェントがタスクを効果的に実行するために必要なツールへと、ますます抽象化されています。

［画像: Claudeのマネージャーになる。注: メタワークの推定は、実際の作業とは対照的に、Claudeのスキル構築、他のエージェントの計画とレビュー、エージェントパイプラインのダッシュボードとモニター、および作業方法の文書化に焦点を当てているかどうかを、2,000件の1行チャット要約のサンプルを評価する自動コーダーに基づいています。］

エージェントの信頼性の向上と、それらを監督するためのこれらの重要な投資にもかかわらず、人間の信頼と説明責任は依然として重要です。「バグを追跡することは、実際には人間の招集と意思決定、ガバナンスを必要とする組織的または体系的な問題、あるいは技術的負債を明らかにします」とある従業員は説明しました。インタビューを重ねるごとに、従業員は対面での調整が不可欠であると説明しました。カレンダーデータに基づくと、平均的な従業員は1年前に比べて会議に20%多くの時間を費やしています。その一部は、会社の成長と、会議中心の非技術職へのシフトを反映しています。しかし、技術的な個人貢献者の役割を持つ従業員でさえ、過去1年間で会議時間は16%増加しています。大局的な戦略的問題は、幅広いレバレッジの効いたポジションに触れ、通常は他者との議論と関与を必要とします。エージェントの管理からの休憩は、会議への参加のように見えます。

全体として、技術職と非技術職の両方で、仕事の実装部分（コードの記述、バグの特定、進捗の記録、メールの作成）が自動化されています。エンジニアは、エージェントのリーダーおよびマネージャーになったと説明しました。非技術系従業員は、仕事の戦略的な部分をますます多く行うようになったと説明しました。「戦略的だった20%が仕事の90%になった」しかし、多くの非技術職にとって、コアな実装作業は対人的でもあります。営業電話、面接、複雑な問題に関する部門間の連携です。これらすべては依然として人間によって行われます。

Anthropic社のコミュニケーションのフロントページとバックチャネルの両方を提供するSlackチャネルを考えてみましょう。エージェントはSlackに普及し、最終的にアクティブな公開チャネルのほぼ半分に現れました。図8は、その部門のメンバーがやり取りしたすべての公開Slackチャネルを対象に、単一の大規模部門のコミュニケーションネットワークにズームインしています。人間とエージェントの両方の参加者を、Slackスレッドに参加したかどうかでリンクしています。この図は、エージェントの顕著な増加を示しており、オレンジ色の点が開花してネットワークを支配しています。

［動画: エージェントがコミュニケーションネットワークに登場。注: 青い点は従業員、オレンジ色の点はエージェントスレッドです。関係は、同じスレッドでの人間またはエージェント間のやり取りです。］

エージェントは、既存の人間チャネルでのメッセージングよりも、Claudeと人間のインタラクション専用のチャネルに不均衡に現れます。人間コミュニケーションの基盤構造と密度はほとんど変化しません。エージェントは人間のインタラクションを置き換えず、むしろそれに追加されました。この部門の人間スレッドは、エージェントの応答をレイヤー化するだけでなく、同じ数の人間の応答を維持しました。エージェントは、一度に多くの従業員との高接続性を持つノードではなく、単一の従業員のチームになります。

人間がAIエージェントの群れの中で働くにつれて、彼らは人間の作業をエージェントが見えるチャネルにシフトするプレッシャーに直面します。会議で決定が行われ、メモやレポートが出力されない場合、エージェントは目標と仮定を更新するための重要なコンテキストを見逃します。ある従業員は、Claudeのノベルティグッズに関する数ヶ月前の文書に自分の名前が記載されていたため、責任が変わった後もエージェントがTシャツやマグカップのリクエストを繰り返し持ってきたと説明しました。非公開の作業、記録されない会議やダイレクトメッセージは、AIを多用する職場では見えず、混乱を招き、推奨されません。ある研究者は、このオープンネスへのデフォルトを、Anthropic社のAIの徹底的な統合に不可欠であると説明しました。「ほとんどの組織はそのように運営されておらず、それは大きな変化だと思います。なぜなら、リーダーはフィードバックを公然と擁護しなければならないからです。」AIにコンテキストを供給する必要性は、人間の作業と決定の観察可能性を必要とします。

このような職場では誰が成功するのでしょうか？ Anthropic社における仕事の内容の変化は、採用マネージャーが採用決定で優先するスキルにも現れています。自動化されたコーダーを使用して、2024年以降Anthropic社に採用された数千人の従業員の採用マネージャーの面接スコアカードを処理しました。これらのコメントは、候補者のパフォーマンスを評価する面接官からの定性的な反応です。最も明確な変化は、候補者がAIツールの創造的な使用を実証したかどうかに対する重視の高まりです。2024年、採用マネージャーは、技術職の評価の約5%、非技術職の評価の7%で、候補者のAIツールの実績に言及しました。2026年までに、これらの率は技術職で3倍、非技術職で4倍になりました。採用マネージャーは、候補者がAIを効果的に使用しているかどうかにより焦点を当てるようになっています。

評価におけるより深い変化も可視化されています。技術系候補者の面接では、応募者の自律性と判断力に関するコメントが最も大きく増加しました。ドメイン専門知識に関する議論は、評価全体に占める割合が減少しました。あるマネージャーが説明したように、「モデルはギザギザになり続けると予想しているので、私のチームのためには、さまざまなドメインで汎用的に使える人材が欲しいです。」同様に、非技術系候補者では、顧客とミッション志向が増加した一方、実行スキルに関する議論は減少しました。採用マネージャーは、AIツールによって自動化されたドメイン固有のスキルと実行よりも、判断力とコミットメントに基づいて応募者を評価するようになっています。

雇用主ができること

Anthropic社におけるAIの深い導入は、それを有用な事例にしています。AIが普及し改善するにつれて、仕事の組織化は、以前の技術変化の波と同様にシフトする可能性があります。鉄道は私たちに管理型企業を与え、蒸気力は工場を可能にし、パーソナルコンピュータはスタートアップをもたらしました。ツールを使用する推論型LLMはどのような新しい組織を必要とし、それらにおける私たちの役割は何になるでしょうか？ 一つの可能性は、人間創業者がエージェントの群れを操って数十億ドルの収益を上げる単一人物スタートアップです。もう一つは、AIの天才CEOがピペットを扱うためだけに人間エージェントを雇用し、議会で証言する企業です。

Anthropic社はどちらのようにも見えません。過去1年間で3倍に成長しました。もはや小規模なスタートアップではありません。また、モデルに経営上の管理権を譲渡してもいません。書かれたSlackの議論と対面での会議は、AIエージェントからのわずかな入力で、会社戦略からチームの意思決定まで、すべてを指示します。会社全体で人間の仕事を可視化し続けることは、自律型エージェントが最新のコンテキストから推論することを保証します。エージェントのチームをオーケストレーションする個人貢献者は、彼らが必要とする知識と彼らの仕事における相互依存性の点で、マネージャーに似ています。オープンに作業し、意思決定することは、AI集約型組織において重要です。

従業員がますます自身の仕事をClaudeチームの管理と見なすにつれて、彼らは自身の独自のドメインで効果的にそれを行うために必要なツールを構築することに時間を費やします。この実験は、従業員が自身のタスクを継続的に自動化していることを意味します。一部の職務では、元のスキルを構築したオブジェクトレベルの作業からますます離れています。エージェントがワークフローを駆け抜けるにつれて、人間の注意と判断力は、システムが苦労しているボトルネックとなります。営業から法務まで、人間の従業員はより多くの、そして異なるタスクを行うことが期待されています。職務は、製品の構築、エージェントの管理、および最高のLLMの範囲を超えた戦略的および対人的な作業の処理を含むように拡大します。

組織と仕事の内容におけるこれらの変化は、ヘッドカウント、採用、および求人におけるジュニア技術職の割合の低下と並行して現れています。採用マネージャーは、実行と狭い専門知識よりも、応募者の自律性と判断力により焦点を当てるようになっています。全体として、Anthropic社の収益成長は、雇用成長と比較して、以前の世代のテクノロジー企業の急速な初期生産性成長さえも追い越しました。

これらのパターンを経済全体に読み進めると、AIの普及が労働者の雇用喪失のリスクをもたらす可能性が示唆されます。以前の研究では、AIネイティブなスタートアップやAI導入企業はよりフラットで、エントリーレベルの従業員が少ないことがわかっています。Anthropic社から、AIの混乱を、周囲で働く人々を支援する方法で管理する方法について何を学べるでしょうか？

ここでは慎重に進めたいと思います。Anthropic社の雇用慣行には、経済全体で複製できない多くの側面があります。

しかし、3つの特徴が際立っています。第一に、広範な株式所有は、従業員に会社の成功に対する強い関心を持たせています。もちろん、これは大幅な評価額の上昇を経験した企業にとっては容易な姿勢です。多くの企業にとって、共有所有権は不十分であるか、望ましくない可能性があります。しかし、労働者に有利なAI導入のバージョンで、労働者が成功したロールアウトの財務的利害を持たないとは想像しにくいです。個人貢献者が「エージェントを管理し」、「VPレベルの決定を下し」、「自身のビジネスラインになる」ことが期待されている場合（インタビュー対象者が述べたように）、彼らの利益と組織の利益を一致させることが重要です。第二次世界大戦後の1950年代に形成された労使協定は、まさにこの種の取引に基づいています。全米自動車労働組合や全米鉄鋼労働組合のような労働組合は、生産性向上と手厚い福利厚生に連動した賃金上昇と引き換えに、労働組織化（さらには強化）に関する経営者の特権を認めました。AIの影響を受ける従業員と雇用主との間の新しい契約が何であれ、導入の利益を共有するメカニズムは不可欠です。Anthropic社では、労働者は自身の専門知識を機械のためにコード化し、仕事のルーチンが絶えず揺さぶられ、混乱し、仕事の大部分がAI協力者の出力を高速で読み取ることになったのを見てきました。彼らはこれを無償で行っているわけではありません。

第二に、Anthropic社は、AI主導の変革に直面している職務を監視するための継続的な早期警告システムを立ち上げています。需要と生産性の役割レベルのメトリクスのシリーズは、AIの機能と使用状況と照らし合わせて読み取られます。これらの集計メトリクスは、仕事がどこでシフトしているかを特定するのに役立ちます。早期警告システムにより、同社は影響を受ける従業員を、リスクが比較的低いスキルフィットの職務に再配置し始めることができます。経済全体の企業が加速するペースの仕事の再組織化に再調整するにつれて、社内従業員の再配置を導くための効果的なシステムはますます価値が高まるでしょう。新しいタスクのすべてを満たすために外部労働市場に目を向けることは、AIが進歩するにつれてより大きなボトルネックになるでしょう。このレポートでは、部門間の移動性の増加、仕事の内容の変化、および古いタスクが自動化されるにつれて新しいタスクに移行する従業員を発見しました。社内で柔軟に労働者を再配置するためのシステムを構築することは、AI集約型組織にとって重要になります。

社内労働者の再配置へのこのコミットメントは、重要なトレードオフを伴います。労働市場がうまく機能すれば、労働者は現在の雇用主であろうと他の雇用主であろうと、最も生産的なポジションに移行します。既存の労働者を再配置するというコミットメントは、雇用主が新しい従業員を雇用するリスクをためらわせる可能性があります。通常の経済状況、特に激しい競争下では、そのようなコミットメントはコストがかかる可能性があります。

しかし、再配置を優先することは、AI導入企業に、AIが人間の労働者を置き換えて人件費を削減することにAIアプリケーションを振り向けるのではなく、新しい製品や新しい市場のための新しいタスクを作成する方法を検討させます。これにより、雇用主は、AIまたはその他の技術が人間の労働者をわずかに上回る「まあまあ」または「非効率な」自動化の誘惑に抵抗するのに役立つ可能性があります。雇用主は人間の労働者を置き換え、失業した労働者の収入損失という実質的な社会的コストを課しながら、最小限の生産性便益しか提供しません。

Anthropic社で見られるように、新規タスクと永続的な人間タスクの両方が、集中的なAI使用と並行して残っています。これらのタスクの将来のセットに関する不確実性は、柔軟な労働力を維持することを推奨すべきです。Anthropic社の幹部の一人が述べたように、「不安に心配している労働力は、最高の仕事をしている労働力ではありません。」

これらの行動のどれも、強力なAIが雇用を混乱させるのを防ぐことはできません。そして実際、これらのどれも、このレポートで文書化されたジュニア採用の鈍化に直接対処していません。既存の労働者のための雇用保護は、そもそも採用されなかった人々には利益をもたらしません。雇用主による民間行動は、再訓練と所得支援に関する先見の明のある政府政策と並行して行われなければなりません。そのような政策は、AIがもたらす職場変革の規模を明確に把握することによって導かれるべきです。

推奨引用

引用文献

Acemoglu, Daron, and Pascual Restrepo. 2019. “Automation and New Tasks: How Technology Displaces and Reinstates Labor.” Journal of Economic Perspectives 33 (2): 3–30. https://doi.org/10.1257/jep.33.2.3

Beraja, Martin, and Nathan Zorzi. 2025. “Inefficient Automation.” Review of Economic Studies 92 (1): 69–96. https://academic.oup.com/restud/article-abstract/92/1/69/7612958

Demirer, Mert, Leon Musolff, and Liyuan Yang. 2026. “Writing Code vs. Shipping Code: Productivity Effects Across Generations of AI Coding Tools.” NBER Working Paper 35275. https://doi.org/10.3386/w35275

Ewens, Michael, and Xavier Giroud. 2025. “Corporate Hierarchy.” NBER Working Paper 34162. https://doi.org/10.3386/w34162

Favaro, Marina, and Jack Clark. 2026. “When AI Builds Itself.” The Anthropic Institute. https://www.anthropic.com/institute/recursive-self-improvement

Hitzig, Zoe, Maxim Massenkoff, Eva Lyubich, Shaoyi Zhang, Ryan Heller, and Peter McCrory. 2026. “Agentic Coding and Persistent Returns to Expertise.” Anthropic, June 16. https://www.anthropic.com/research/claude-code-expertise

Hosseini Maasoum, Seyed Mahdi, and Guy Lichtinger. 2025. “Generative AI as Seniority-Biased Technological Change: Evidence from U.S. Résumé and Job Posting Data.” SSRN Working Paper 5425555. https://papers.ssrn.com/sol3/papers.cfm?abstract_id=5425555

Huang, Saffron, Bryan Seethor, Esin Durmus, Kunal Handa, Miles McCain, Michael Stern, and Deep Ganguli. 2025. “How AI Is Transforming Work at Anthropic.” Anthropic, December 2. https://www.anthropic.com/research/how-ai-is-transforming-work-at-anthropic

Kim, Hyunjin, and Rembrand Koning. 2026. “AI-Native Firms.” Harvard Business School Working Paper 26-090. https://www.hbs.edu/ris/Publication%20Files/26-090_96f92aa0-37d9-4789-beaa-5c0cb87a4032.pdf

Roodman, David, and Maxim Massenkoff. 2026. “An Evidence Review of Subsidized Job Training.” The Anthropic Institute Working Paper 2026-01. https://www.anthropic.com/research/reviewing-the-evidence-on-worker-retraining-programs