Как меняется работа внутри Anthropic (Рубрика #AI)

Прочитал статью "How Employment Is Changing at Anthropic", опубликованную 16 октября. Многое перекликается с [эфиром 3 AImigo про AI-native компанию и моим лонгридом: агенты ускоряют исполнение, а дальше приходится менять процессы, роли и правила принятия решений. Здесь интересно посмотреть, как это выглядит внутри самой Anthropic. Для этого авторы собрали внутренние данные о найме, использовании AI, результатах работы, встречах и коммуникациях, дополнив их 17 интервью. У исследования четыре связанных сюжета.

🔸 Кого нанимают и куда переводят
Доля джунов среди новых технических сотрудников упала с 27% до 9%. Это доля найма, не число увольнений. Нетехнические сотрудники создают свои инструменты, менеджеры чаще коммитят код, а целые команды меняют занятие: авторы продуктовых текстов после автоматизации перешли к промптам и evals.

🔸 Что происходит с производительностью
Растёт число коммитов, обработанных договоров, закрытых сделок на сотрудника. Авторы сравнивают работу людей до и после внедрения агентов с теми, кто их ещё не внедрил. Дизайн интересный, но группы сформировались неслучайно: большой новый проект мог одновременно увеличить output и подтолкнуть человека к агентам.

🔸 Во что превращается рабочий день
Человеческое внимание становится узким местом. Доля интерактивных сессий Claude, посвящённых meta-work — инструкциям, проверкам, мониторингу агентов, — выросла с 10% до 22%. Это доля сессий, не рабочего времени. Даже у технических специалистов без управленческой роли время встреч выросло на 16% за год. Агенты требуют координации, люди продолжают договариваться между собой.

🔸 Что делать работодателю
Делиться выгодами автоматизации, заранее замечать изменение ролей и переводить сотрудников на новые задачи. Авторы признают: защита уже работающих людей не помогает тем, кого вообще перестали нанимать. Для рынка труда понадобятся решения за пределами одной компании.

А дальше уже расскажу про мои пометки на полях, приложенного PDF

1️⃣ Output ещё надо превратить в outcome — об этом писал еще в «Token burn как proof of work». Больше кода само по себе не отвечает на вопрос, что стало лучше у клиента. И даже рост выручки на сотрудника не изолирует эффект AI от роста бизнеса. Это исследование одной быстрорастущей компании, которая сама продаёт изучаемую технологию.

2️⃣ Meta-work хорошо ложится в наш разговор про Loop Engineering в Research Insights. Можно весь день обслуживать очередь вопросов от агентов. А можно проектировать цикл: задача, исполнение, проверка, исправление, обращение к человеку. Мне интересно, уменьшается ли после этого человеческое внимание на один принятый результат. Само по себе увеличение числа инструкций пока мало что доказывает.

3️⃣ Любопытно сближение ролей: менеджеры становятся более hands-on, а инженеры получают команды агентов. Отсюда понятнее спрос на самостоятельность и качество решений. Как их оценивать, обсуждали в «AI нанимает AI» (тут пост с материалами). Только откуда возьмётся это суждение у начинающих, если задачи, на которых раньше набирали опыт, уже автоматизированы? Это уже вопрос нашего выпуска «Джун без простых задач». И как всем этим управлять, если реальные решения остаются в личных переписках, а агентам достаются старые документы?

4️⃣ Самый важный для меня нюанс — про стимулы. Акции быстрорастущей Anthropic дают сотрудникам интерес в её успехе. Как перенести этот договор на обычную компанию? Внутренняя ротация тоже может существовать на словах, а на деле оказаться остановкой перед увольнением. Нужны реальные новые роли и возможность в них перейти.

Если я автоматизирую собственную работу, какую часть выигрыша получу и что буду делать дальше? Вот этот вопрос я бы задал раньше, чем ставить сотрудникам очередной KPI по использованию AI.

#AI #Research #Agents #Engineering #Management