آنتروپیک گزارش داخلی اشتغال را منتشر کرد: ساعات کار عامل‌های هوشمند شش برابر انسان‌ها شده است، «عصر فراکار» آغاز شده است
Tapbit Wireدر ۱۶ اکتبر، به وقت محلی ایالات متحده، آنتروپیک گزارش تحقیقاتی داخلی خود درباره ساختار نیروی کار — «چگونه اشتغال در آنتروپیک در حال تغییر است» — را منتشر کرد.
این مطالعه بر اساس سوابق اشتغال داخلی آنتروپیک، داده‌های تله‌متری استفاده از هوش مصنوعی، معیارهای خروجی کارمندان، نظرسنجی‌های کارمندان، سوابق ارتباطات داخلی، داده‌های تقویم و کارت‌های ارزیابی تصمیمات استخدامی، همراه با ۱۷ مصاحبه عمیق از کارمندان انجام شده و به‌صورت سیستماتیک تغییرات محتوای شغلی، ساختار استخدام و تقاضای نیروی کار پس از کاربرد عمیق هوش مصنوعی در شرکت را تحلیل کرده است.
این گزارش چهار یافته اصلی ارائه می‌دهد:
اول، سهم استخدام موقعیت‌های فنی سطح مبتدی در آنتروپیک به‌طور قابل‌توجهی کاهش یافته است؛ از ۲۷٪ در ابتدای ۲۰۲۵ به ۹٪ در سال ۲۰۲۶. با این حال، مقیاس کلی اشتغال شرکت همچنان در حال گسترش است و فشار اصلی بر موقعیت‌های مبتدی، نه بر تعداد کل شغل‌ها، وارد می‌شود.
دوم، ساعات کار عامل‌های هوش مصنوعی به‌سرعت افزایش یافته است. تا اوت ۲۰۲۶، ساعات کار عامل‌های تعاملی که مستقیماً توسط کارمندان آنتروپیک هدایت می‌شوند، به شش برابر ساعات کار اپراتورهای انسانی رسیده است. بهره‌وری در چندین موقعیت بهبود یافته و تیم تحقیقاتی با تحلیل مقایسه‌ای، مشارکت مستقل هوش مصنوعی را نیز ارزیابی کرده است.
سوم، محتوای کار کارمندان در حال تغییر ساختاری است. تمرکز کار کارمندان تدریجاً از اجرای مستقیم وظایف به سمت ساخت ابزارها، نظارت بر جریان‌های کار و مدیریت عامل‌ها جابه‌جا شده است. در عین حال، توجه انسانی به یک مانع جدید تبدیل شده و معیارهای استخدام از تخصص حوزه‌ای به سمت خودمختاری و قضاوت در حال تغییر است.
چهارم، آنتروپیک شروع به ایجاد سیستم‌های هشدار زودهنگام و مکانیزم‌های تخصیص نیروی انسانی داخلی کرده است. با این حال، گزارش اشاره می‌کند که پاسخ‌های سطح شرکتی هنوز برای حل مسائل اجتماعی گسترده‌تری مانند کاهش موقعیت‌های مبتدی کافی نیستند.
به‌عنوان یکی از پیشروترین شرکت‌ها در کاربردهای هوش مصنوعی، این تغییرات داخلی در آنتروپیک نمونه‌ای برای مشاهده تأثیر احتمالی هوش مصنوعی بر روش‌های کار و نیازهای استخدامی سایر شرکت‌ها فراهم می‌کند.
کاهش استخدام موقعیت‌های مبتدی
قابل‌توجه‌ترین داده در این گزارش، کاهش چشمگیر سهم استخدام موقعیت‌های فنی مبتدی است.
از ابتدای ۲۰۲۵، سهم کارمندان جوان در بخش فنی آنتروپیک از ۲۱٪ به ۱۴٪ و سهم استخدام موقعیت‌های فنی مبتدی از ۲۷٪ به ۹٪ کاهش یافته است. پس از دسامبر ۲۰۲۵، تعداد آگهی‌های استخدامی برای موقعیت‌های مبتدی به‌طور قابل‌توجهی کاهش یافته است.
کاهش استخدام موقعیت‌های فنی مبتدی در آنتروپیک
این تغییر ناشی از انقباض شرکت نیست. برعکس، آنتروپیک در طول سال گذشته سه برابر شده و تعداد مطلق موقعیت‌های فنی همچنان در حال افزایش است. تغییر واقعی در ساختار استخدام است: موقعیت‌های جدید بیشتر در سطوح میانی-بالا و متخصص متمرکز شده‌اند، در حالی که موقعیت‌های مبتدی به‌وضوح کوچک‌تر شده‌اند.
بحث درباره تقاضای موقعیت‌های مبتدی ابتدا در ژانویه ۲۰۲۶ در بخش فناوری هسته‌ای شرکت ظاهر شد.
برخی تیم‌ها که به‌طور گسترده از کلود استفاده می‌کردند، متوجه شدند که وظایف مهندسی روتین مانند کدنویسی پایه و بررسی باگ‌ها به‌تدریج توسط مدل‌ها قابل انجام است. تأثیر این امر بر موقعیت‌های مهندسی عملکرد به‌ویژه آشکار است. یکی از مصاحبه‌شوندگان این تغییر نیازهای نیروی انسانی تیم را تقریباً در یک شب دگرگون کرد.
موقعیت‌های پیچیده‌تر که از کلود استفاده می‌کنند، رشد کمتری در استخدام کارشناسان سطح ابتدایی دارند.
تا آوریل ۲۰۲۶، تیم‌های مهندسی و تحقیقاتی شروع به کاهش سیستماتیک اهمیت استخدام برای موقعیت‌های سطح پایین کرده بودند. نظرسنجی داخلی انجام‌شده در آن ماه نشان داد که حدود یک‌سوم مدیران یادگیری ماشین و یک‌پنجم مدیران مهندسی نرم‌افزار اعلام کرده‌اند که به‌دلیل استفاده از هوش مصنوعی، استخدام را کاهش داده‌اند.
موقعیت‌های سطح ابتدایی اولین موارد تحت تأثیر قرارگرفته‌اند که این امر مربوط به ویژگی‌های این نوع مشاغل است.
کارهای سطح ابتدایی معمولاً قوانین روشنی دارند و ویژگی اجرای قوی‌ای دارند که دقیقاً همان حوزه‌هایی است که مدل‌های زبانی بزرگ امروزی می‌توانند به‌خوبی در آنها عمل کنند. وظایفی مانند کدنویسی، پردازش داده، سازمان‌دهی اسناد و پشتیبانی مشتریان تا حدی تحت تأثیر هوش مصنوعی قرار گرفته‌اند و توانایی مدل در انجام این وظایف به‌طور مداوم در حال بهبود است.
با پیشرفت چندماهه و چشمگیر قابلیت‌های مدل، اولین افرادی که جایگزین می‌شوند، احتمالاً در «پایین‌ترین سطح» سلّم مهارت‌ها قرار دارند.
بخش‌های غیرفنی نیز روندهای مشابهی را نشان می‌دهند. معمولاً هنگام گسترش شرکت، بخش‌های پشتیبانی مانند اداری، مالی و منابع انسانی نیز در تعداد کارکنان افزایش می‌یابند. اما در آنترپیک، روش‌هایی مانند دستیاران عامل، بررسی‌های خودکار و خدمات بلیط‌دهی برون‌سپاری‌شده، امکان حفظ پرسنل اداری کم‌تراز را در کنار گسترش سریع فراهم کرده‌اند.
یک دستیار اداری، عامل دستیار شخصی برای مدیریت زمان‌بندی و طبقه‌بندی ایمیل‌ها توسعه داد و اعلام کرد که تیم از مرحله بهبود موقعیت‌های اداری سطح ابتدایی با کلود فراتر رفته و تمرکز کار اکنون به سمت وظایف هماهنگی و برنامه‌ریزی سطح بالاتر جابجا شده است.
ساعات کار عامل‌ها به شش برابر ساعات کار کارکنان رسیده است.
پشت تغییرات ساختار استخدام، گسترش سریع عامل‌ها درون شرکت قرار دارد.
در مارس ۲۰۲۶، ساعات کار کُلی دو نوع عامل هوشمند—عامل‌هایی که به‌صورت خودمختار عمل می‌کنند و عامل‌هایی که مستقیماً توسط کارکنان راهنمایی می‌شوند—برای اولین بار از ساعات کار کارکنان انسانی فراتر رفت. از آن زمان، ساعات کار عامل‌ها به‌طور مداوم افزایش یافته است. تا اوت امسال، ساعات کار عامل‌های تعاملی که مستقیماً توسط کارکنان راهنمایی می‌شوند، به شش برابر ساعات کار کارکنان انسانی رسیده است.
ساعات کار عامل‌ها از ساعات کار انسان‌ها فراتر رفته است.
تعداد زیادی عامل در حوزه مهندسی نرم‌افزار استقرار یافته‌اند و وظایفی مانند تولید موارد آزمون، بررسی کد، نگهداری زیرساخت و انتقال پایگاه کد را بر عهده دارند. این داده‌ها شامل خوشه‌های عامل کاملاً خودمختار نیستند. برای مهندسان انفرادی، این امر به معنای امکان تعیین چندین عامل برای انجام مداوم وظایف در حالی که کد و نتایج تحلیل تولیدشده را بررسی می‌کنند، است. کار مهندسان نیز به‌تدریج از نوشتن شخصی کد به تخصیص وظایف و بررسی نتایج جابجا می‌شود.
تغییرات بهره‌وری همچنین در داده‌های خاصی منعکس شده است. گزارش نشان می‌دهد که میانگین ارسال کد توسط هر مهندس در شش ماه، پنج برابر شده است، در حالی که حجم پردازش پرس‌وجوها توسط دانشمندان داده به‌طور چشمگیری افزایش یافته و خروجی موقعیت‌های غیرفنی مانند وکلا، حسابداران پرداختنی و فروش نیز افزایش یافته است.
بهره‌وری کارکنان پس از اتخاذ فناوری هوش مصنوعی توسط چندین بخش کارکردی در آنترپیک افزایش چشمگیری یافته است.
برای حذف تأثیر عواملی مانند رشد کسب‌وکار، تیم تحقیقاتی از روش تحلیل مقایسه‌ای استفاده کرد. آنها ۱۹۲ مهندس که از عامل‌های کدنویسی استفاده کرده‌اند را ردیابی کردند و ۷۴ مهندس که هنوز از این ابزار استفاده نکرده‌اند را به‌عنوان گروه کنترلی در نظر گرفتند و از اثرات ثابت فردی و ماهانه برای برآورد استفاده کردند.
نتایج نشان داد که پس از اتخاذ عامل‌های کدنویسی، مهندسان رشد سریع و آماری معناداری در حجم ارسال کد خود تجربه کردند.
مهندسان آنتروپیک پس از به‌کارگیری عامل‌های کدنویسی، افزایشی در خروجی خود مشاهده کردند؛ نرخ بازگرداندن کد تولیدشده توسط هوش مصنوعی و کد دستی تفاوت معناداری نداشت.
گزارش همچنین بررسی کرد که آیا هوش مصنوعی کد با کیفیت پایین تولید می‌کند یا خیر.
تیم تحقیقاتی کد تولیدشده مستقیم توسط عامل‌ها را با کد دستی همان کارمند در همان ماه و دایرکتوری کد مقایسه کرد و از نسبت کد حذف‌شده یا بازگردانده‌شده در ۹۰ روز به‌عنوان معیار ارزیابی کیفیت استفاده کرد. نتایج نشان داد که تفاوت آماری معناداری در کیفیت کد بین دو روش وجود ندارد. حداقل از نظر نرخ بازگرداندن، کد تولیدشده توسط هوش مصنوعی عملکردی مشابه کد نوشته‌شده توسط انسان دارد.
بازدهی در موقعیت‌های غیرفنی نیز بهبود یافته است. گزارش نشان می‌دهد که نمایندگان فروش پس از به‌کارگیری عامل‌ها افزایشی در تعداد معاملات انجام‌شده با مشتریان داشتند. یک مدیر مشتری تخمین زد که کلود حدود ۲۰٪ از کارهای روتین از جمله تهیه ایمیل‌ها و کار با سیستم‌های مدیریت مشتری را خودکار کرده است.
سوژه دیگری اشاره کرد که زمان آزادشده توسط خودکارسازی امکان افزایش ۳۰٪ در تعداد جلسات با مشتریان را فراهم کرده است.
از اجرایی‌کننده‌ها تا مدیران عامل‌ها
افزایش تعداد عامل‌ها و بهبود بازدهی، کارمندان را از کار آزاد نکرده است. بلکه توجه انسانی به‌تدریج به گلوگاه خروجی عامل‌ها تبدیل شده است.
گزارش نشان می‌دهد که در گفت‌وگوهای تعاملی، عامل‌ها حدود ۸۰٪ زمان خود را در حالت انتظار می‌گذرانند و نیازمند دستورات انسانی، تأیید نتایج یا ارائه مراحل بعدی هستند.
تیم تحقیقاتی توکن‌های تولیدشده توسط عامل‌ها را بر اساس متوسط سرعت خواندن افراد عادی به زمان خواندن تبدیل کرد. نتایج نشان داد که محتوای تولیدشده در جلسات تعاملی کلود در بخش‌های غیرفنی بخش قابل‌توجهی از زمان کار هفتگی کارمندان را اشغال می‌کند. صرفاً خواندن و پردازش محتوای تولیدشده توسط هوش مصنوعی به بار کاری قابل چشم‌پوشی نشدنی تبدیل شده است.
تنها خواندن خروجی کلود معادل بار کار تمام‌وقت است
در پاسخ به این تغییر، کارمندان به‌تدریج سبک جدیدی از کار را شکل داده‌اند. گزارش این رویکرد را «کار متا» می‌نامد که شامل فعالیت‌های مدیریتی متمرکز بر عامل‌هاست، مانند ساخت ابزارهای مدیریتی، نوشتن دستورالعمل‌های ثابت، طراحی داشبوردهای نظارتی و برنامه‌ریزی بررسی‌های متقابل بین عامل‌های مختلف. هسته این نوع کار دیگر انجام مستقیم وظایف خاص نیست، بلکه طراحی و مدیریت فرآیندهای انجام وظیفه توسط هوش مصنوعی است.
داده‌های مربوطه این انتقال را نیز ثبت کرده‌اند. در پاییز ۲۰۲۵، «کار متا» حدود ۱۰٪ از جلسات تعاملی کارمندان با کلود را تشکیل می‌داد. تا بهار ۲۰۲۶ این نسبت به ۲۲٪ رسید. رشد اصلی از فعالیت‌های مدیریت عامل‌ها ناشی شده است، از جمله نوشتن مشخصات سیستم‌های چندعاملی، برگزاری بررسی‌های متقابل بین عامل‌ها و نظارت بر وضعیت عملیاتی فرآیندها.
کارمندان آنتروپیک به‌تدریج بیشتر عامل‌ها را مدیریت می‌کنند تا انجام مستقیم کارها
تغییرات در روش‌های کار همچنین در معیارهای استخدام منعکس شده است.
تیم تحقیقاتی تحلیل خودکار کدنویسی را بر روی کارنامه‌های مصاحبه هزاران کارمند آنتروپیک از سال ۲۰۲۴ انجام داد و یافت که سهم ارزیابی‌هایی که به توانایی استفاده از ابزارهای هوش مصنوعی در موقعیت‌های فنی از حدود ۵٪ به حدود ۱۵٪ افزایش یافته است، در حالی که در موقعیت‌های غیرفنی از حدود ۷٪ به حدود ۲۸٪ رشد کرده است.
همزمان، تمرکز ارزیابی استخدام نیز تغییر کرده است. در موقعیت‌های فنی، خودمختاری و قضاوت به ابعاد سریع‌الرشد ارزیابی تبدیل شده‌اند، در حالی که وزن تخصص حوزه‌ای نسبتاً کاهش یافته است؛ در موقعیت‌های غیرفنی تأکید بیشتری بر آگاهی از مشتری و تمرکز بر مأموریت گذاشته شده و به مهارت‌های اجرایی کمتر پرداخته می‌شود. یک مدیر استخدام اعلام کرد که انتظار دارد قابلیت‌های مدل در حوزه‌های مختلف متفاوت باشد، بنابراین از اعضای تیم انتظار دارد که بتوانند به‌صورت انعطاف‌پذیر بین حوزه‌های مختلف جابجا شوند.
موردی در گزارش نیز این تغییر را منعکس می‌کند.
تیم طراحی در انترُپیک که مسئول نوشتن پیام‌های خوشامد برای محصول Claude.ai بود، در بهار ۲۰۲۶ سیستمی برای نقشه‌برداری از زمینه‌ها توسعه داد تا عامل‌ها را در تولید محتوای محصول راهنمایی کند و ظرفیت تولید تیم را افزایش دهد. پس از آن، تیم به مهندسی پِرامپت عامل‌ها روی آورد و مسئولیت تهیه محتوای ارزیابی مدل و پِرامپت‌ها را بر عهده گرفت.
گزارش این موضوع را چنین خلاصه کرده است: نویسندگانی که قبلاً با زبان بر رفتار انسان‌ها تأثیر می‌گذاشتند، اکنون با زبان بر رفتار کلود تأثیر می‌گذارند. به عبارت دیگر، عنوان‌های شغلی و پوسته‌های آنها تغییر نکرده‌اند، اما ماهیت اصلی کارشان ممکن است دگرگون شده باشد.
چالش‌های سطح مبتدی
مورد انترُپیک تأثیر هوش مصنوعی بر ساختار اشتغال را نشان می‌دهد. به‌عنوان یکی از پیشروترین شرکت‌های کاربردی هوش مصنوعی، تغییرات رخ‌داده در این شرکت می‌تواند الگویی برای مشاهده تغییرات احتمالی در سایر صنایع در آینده باشد.
در حال حاضر، تأثیر هوش مصنوعی بر اشتغال ابتدا در کارهای شناختی سطح مبتدی مشاهده می‌شود. موقعیت‌هایی مانند برنامه‌نویسان جوان، تحلیلگران مبتدی، پشتیبانی مشتریان در خط اول، نویسندگان محتوای پایه و وظایف مالی جوان که سنتاً نقطه آغاز ورود فارغ‌التحصیلان دانشگاه به بازار کار بودند، اکنون به‌تدریج تحت تأثیر هوش مصنوعی قرار می‌گیرند.
مسائل ناشی از این تغییر تنها در تعداد شغل‌ها نیست. نقش‌های سطح مبتدی همچنین نقطه شروع مهمی برای انباشته‌شدن تجربه، یادگیری فرآیندهای کسب‌وکار و رشد تدریجی کارمندان هستند. با کوچک‌شدن این سطح، فرصت‌هایی که جوانان برای کسب اولین شغل و انباشته‌کردن تجربه حرفه‌ای دارند نیز ممکن است کاهش یابد. اگر شرکت‌ها به‌تدریج الزامات خود از کارمندان جدید را به سمت توانایی استفاده از ابزارهای هوش مصنوعی، قضاوت و خودمختاری سوق دهند، پرسش اینکه این مهارت‌ها در چه مرحله‌ای و با چه روش‌هایی باید کسب شوند نیز چالشی جدی خواهد بود.
گزارش چند اقدام را که شرکت‌ها می‌توانند انجام دهند، بررسی می‌کند:
اولاً، از طریق مکانیسمی گسترده از سهام‌داری، امکان سهم‌گیری کارمندان از منافع ناشی از افزایش بهره‌وری توسط هوش مصنوعی فراهم شود. وقتی کارمندان نیاز دارند عامل‌ها را مدیریت کنند و مسئولیت‌های تصمیم‌گیری بیشتری را بر عهده بگیرند، همسو کردن منافع فردی با اهداف سازمانی از اهمیت ویژه‌ای برخوردار می‌شود.
ثانیاً، ایجاد سیستم هشدار زودهنگام برای پایش مستمر تأثیر هوش مصنوعی بر موقعیت‌های مختلف و برنامه‌ریزی پیشرو برای انتقال داخلی کارمندان تحت تأثیر.
ثالثاً، تقویت مکانیسم‌های تحرک داخلی. وقتی وظایف موجود به‌تدریج خودکار می‌شوند، به کارمندان کمک شود تا به حوزه‌های کاری جدید منتقل شوند، نه اینکه مستقیماً به بازار کار خارجی هل داده شوند.
با این حال، اقدامات داخلی شرکت‌ها هنوز برای مقابله با مسائل اجتماعی گسترده‌تر کافی نیستند. به‌عنوان یک شرکت پیشرو در حوزه هوش مصنوعی، انترُپیک قادر است برای کارمندان خود سازوکارهای انتقال داخلی و سهم‌گیری از منافع را فراهم کند؛ اما برای اکثر شرکت‌های صنایع سنتی و کارمندان آنها، این منابع و چارچوب‌های نهادی ممکن است در دسترس نباشند. کیست که به این شرکت‌ها کمک کند تا تغییرات در موقعیت‌ها را شناسایی کنند؟ هزینه‌های انتقال مهارت‌های کارمندان را چه کسی متقبل می‌شود؟ این پرسش‌ها از حدود پاسخ‌دهی یک شرکت منفرد فراتر رفته‌اند.
در پایان گزارش، جمله‌ای قابل توجه آمده است: «نیروی کاری که مضطرب و نگران است، نیروی کاری نیست که بهترین عملکرد را داشته باشد.»
این جمله یادآور می‌شود که تأثیر هوش مصنوعی بر اشتغال تنها اقتصادی نیست، بلکه روانی و اجتماعی نیز هست.
با تغییر سریع تعریف کار، افزایش تدریجی موانع ورود و نیاز همه به اثبات مداوم اینکه جایگزین هوش مصنوعی نخواهند شد، این عدم قطعیت پیوسته خود می‌تواند بار روانی-اجتماعی گسترده‌ای ایجاد کند.
آزمایش‌های انترُپیک هنوز ادامه دارد. قابلیت‌های عامل‌ها به‌طور مداوم در حال بهبود است، تعداد کاربردها به‌تدریج افزایش می‌یابد و تقسیم کار بین انسان و هوش مصنوعی نیز همواره در حال تغییر است. شکل نهایی این تحول هنوز مشخص نیست، اما یک نکته قطعی است: شغل‌ها ممکن است ناپدید نشوند، اما معنا، آستانه‌ها و رتبه‌بندی ارزش کار در حال بازنویسی است.
