Anthropicが研究ページの「Employment at Anthropic」で、自社の雇用がどう変わったかを数字で示した。数字は2つある。1つ目に、社内のエージェントの作業時間は人間の6倍に達した。2つ目に、新規採用に占める若手の技術職の割合は27%から9%に下がった。AIが若手の仕事を奪うかという論争は、これまで外部の統計や推計を材料に争われてきた。そこに、フロンティアのモデルを作っている会社自身の人事の数字が加わった。
2つの数字
1つ目は作業の量である。Anthropicの社内では、エージェントが働いた時間が、人間が働いた時間の6倍になった。補助の道具として使われる段階を越え、仕事の大半をエージェントが担っていることになる。
2つ目は採用である。新しく採った人のうち、若手の技術職が占める割合は27%から9%に下がった。ほぼ3分の1になったことになる。若手のエンジニアは、範囲のはっきりしたコーディングや分析を任されて育つ層であり、エージェントがいちばん得意とする仕事とそのまま重なる。
この調査は、Marginal Revolutionの土曜のリンク集でも取り上げられた。同じ時期にAnthropicは、AIへの期待をめぐる研究ページを2本出している。「AI expectations gap」と「Expectations for the future」である。自社の内側の変化と、世の中の受け止め方を、続けて示した形になる。
6倍は、既報の数字とつながる
エージェントの作業が人間を大きく上回るという話は、これまでの開示とも合う。Anthropicは10月13日ごろ、エンジニアリングのブログ「Redesigning source control at Anthropic」で、モノレポへのマージが2026年5月の1日約2,500件から、9月には1日3万件超に増えたと書いた。新しいソース管理の仕組みの「主な利用者はClaude」だという。7人のチームが5か月でGitから移行しなければならなかったのは、人間ではなくエージェントの流す変更が、既存の道具の限界を超えたからである。
OpenAIにも似た数字がある。Epoch AIは10月5日、OpenAIの9月の報告をもとに、社内のコーディングエージェントの利用がおよそ毎月倍になっていると分析した。人間1人の1日の仕事に対して、エージェントは3.1日分働いているという。Anthropicの6倍は、それより一段進んだ水準にある。9月末のケンブリッジのワーキングペーパーも、Anthropicのデータとして、承認されたコードのうちAIが書いた割合がひと桁台の前半から80%超に上がったと書いていた。
これらの数字は、作業の流れの規模を示すものだった。今回の発表は、その結果として人の採用がどう変わったかまで踏み込んでいる。
削られたのは若手の入り口
27%から9%という変化が重いのは、減ったのが採用全体ではなく、若手の技術職の割合だという点である。熟練した技術者には、エージェントの成果を確かめ、方向を決める役が残る。一方で、決まった範囲の実装を任されて経験を積む入り口の仕事は、エージェントにいちばん置き換えられやすい。Epochが10月8日に出した「Can AI automate Epoch?」も、範囲のはっきりしたコーディングや分析はモデルが安定してこなす一方、答えの決まっていない判断と、組織の基準に合わせる仕事はどのモデルもできなかったと報告している。若手の仕事の多くは前者に入る。
Anthropic自身は、AIがすべての仕事を奪うという見方には歯止めをかけてきた。9月30日の「What work can robots do?」では、費用の面で人間と競える身体的なタスクは0.3%にすぎないとした。今回の数字は、その慎重な立場と矛盾しない。影響が最初に出るのは、エージェントが最も強い知的な作業の、しかも最も若い層だということである。採用の重心がどこへ移るかを示す材料もある。Anthropicは10月2日、1億ドルを投じて2027年末までに1万人の「Frontier Deployed Engineer」を育てると発表した。社内で若手を採る代わりに、顧客の側で導入を担う人を育てる方向に力を入れているとも読める。
ラボ自身のデータが論争に加わる意味と、その限界
若手の雇用とAIをめぐる議論では、大学新卒の就職率や求人の統計が主な材料だった。そうした統計では、AI以外の要因と切り分けるのが難しい。今回は、AIの導入がいちばん進んだ職場の内側の数字である。エージェントを最も深く使う会社で、若手の技術職の採用が3分の1になった。これは、ほかの会社がこれからたどる道筋の先行例として読まれるだろう。
ただし限界もはっきりしている。第一に、1社の数字である。Anthropicは急成長中で、上場の準備も進めていると報じられており、採用の構成はふつうの会社とは違う。第二に、採用の割合が下がったことと、エージェントの作業が増えたことは並んで起きているが、前者の原因が後者だとまでは、この2つの数字からは言えない。第三に、自己申告の開示であり、第三者が確かめたものではない。
それでも、AIを作る側が自社の雇用の変化を数字で出したことには意味がある。研究の自動化（RSI）がどこまで進んだかは、これまでベンチマークやコードの量で測られてきた。そこに、人の採用という、エージェントの作業量が人間の6倍になった職場で実際に何が起きるかを示す指標が加わった。他のフロンティアラボが同じ数字を出すかどうかが、次の焦点になる。
