Anthropicで雇用はどう変化しているのか

Anthropicで雇用はどう変化しているのか

Nathan Wilmers, Regina Catipon, Maxim Massenkoff, Peter McCrory

AIはAnthropicにおける仕事と雇用をどう再構築したのか。AI導入の最前線にいる企業として、Anthropicは、AIが経済全体の仕事の組織化、採用、労働需要をどう変化させるかを示す先行指標になりうる。

主な発見

• Anthropicでは、ジュニアレベルの技術職の採用比率が小さくなっている。これは、従業員に対するAIエージェントの稼働時間が急速に拡大する中で起きた。8月までに、対話型AIエージェントの稼働時間は従業員の6対1を上回った。
• AIエージェントが社内に普及するにつれ、Anthropicでは1人あたりの生産コード量が増え、営業担当者あたりの成約件数が増え、処理する契約数が増えた。同じ従業員を時系列で追うと、新しいAIツールを導入するにつれて生産性が上昇した。
• この加速により、人間の注意がエージェントの产出のボトルネックになっている。技術職でない従業員でさえ、Claudeエージェントの出力をすべて読むだけ仕事時間の半分を要する。そのため、従業員は可視化ツールの構築やエージェントパイプラインの監視といった「メタワーク」に向かう。
• 仕事の組織化の変化は、採用マネージャーの優先事項の変化にも表れており、技術的な専門知識や実装力に比べて、自律性と判断力がますます重視されるようになっている。

はじめに

ますます強力になるAIのもとで、仕事と雇用にはどのような変革が期待できるのか。Anthropicは、その業務プロセスをAIを中心に徹底的に作り変えてきたため、研究する価値がある。エージェントはSlackのチャットを行き交い、会議の日程を調整する。自律的にバグを修正し、大規模なエンジニアリングプロジェクトに collectively 取り組む。エージェントの稼働時間は人間の6対1を上回る。Anthropicで今起きている変化は、仕事と雇用のありうる未来について先行的なシグナルを与えてくれる。

本レポートは、雇用、AI利用、产出指標、従業員アンケート、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の社内データに基づいている。これらの定量的データを、17回の従業員インタビューで補足している。

我々が見出したのは、会社が成長していても、ジュニアの技術職の相対的な採用が鈍化しているということだ。エンジニアと非技術職の双方の生産性は跳ね上がり、特にコーディングエージェントを導入した際に急激に上昇した。採用マネージャーは、具体的な技術的専門性に比べて、応募者の自律性と判断力をますます重視している。AIを多用する組織で働く際の特徴は、可能な限り自らがボトルネックの位置から外れるよう絶えず圧力がかかることだ。あるエンジニアは、仕事を「私の注意を求めるClaudeの軍団に直面すること」と表現した。Anthropicの従業員は依然として不可欠である。しかし、彼らの貢献の性質は変化した。

Anthropicはこれらの変化に対応し、混乱のリスクがある職種を追跡する早期警報システムを設置するとともに、職務が変化する中で社内配置転換を優先してきた。AI開発と職場変化の両方の最前線で取られたこれらの施策は、具体的な組織のコミットメントがAIの雇用への影響をいかに形づくりうるかを示している。しかし同時に、そのコミットメントが正確にはどのようなものであるべきかという難問を投げかけている。

最前線における労働需要

Anthropicは急速に拡大してきた。しかし、一世代前の大型テック企業に比べ、売上1ドルあたりの採用数は少ない。創業5年で、Anthropicの従業員1人あたり売上は、急成長の頂点にあった当時のMetaやGoogleの2～4倍に達する。¹

どのような職種が減っているのか。Anthropic社内では、2026年1月に中核的な技術機能において、ジュニアの技術職への需要低下の議論が浮上した。自身の業務でClaudeに最も依存していたチームは、コードの作成やバグ発見がますますClaudeに任せられるようになっていることに気づいた。新しく高性能になったモデルがこの認識を加速させた。「眉をひそめさせたのは、特にパフォーマンスエンジニア向けの向上で、これが基本的に一夜にして我々の求める人材像を変えてしまった」。

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弱めた。同月の調査では、過半数のマネージャーが、AIのために異なるスキルセットを採用していると述べた。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回答した。

雇用構成比の変化は顕著である。図1が示すように、Anthropicの技術部門におけるジュニアレベル従業員の割合は、2025年初頭以来、21%から14%に低下した。ジュニア技術職の採用比率はさらに速く、27%から9%に落ちた。ジュニア向け求人は、2025年12月以降特に急激に減少している。

同時に、Anthropic内の技術部門の全体的な雇用シェアは低下しており、過去1年間で61%から56%に下がった。同社の拡大に伴い、技術職の採用は絶対数では増え続けているが、営業、財務、リクルーティングにおける集中的な採用がそれを上回っている。この変化の一部は、会社の規模拡大に伴うビジネス機能の自然な拡大である。一部は、コーディングツールの進歩により非技術系従業員が自らソフトウェアを作れるようになったことを反映している可能性がある。例えば、ある営業担当者は自分の仕事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た。「このような構築は、特にUIやツール同士の接続、MCPの点で、私の得意分野ではありませんでした。でも、3〜4時間ほど繰り返し改良しながら作りました。」非技術系従業員(ベースライン時点でコードコミットがない者とし、新規採用者は除外)向けのコーディング中心のAIエージェントセッションは、2025年8月の月2件から2026年5月には90件へと急増した。

しかし、この採用構成の変化は、自動化されたコーディングがそれを拡散させたというだけの話ではない。それは 他の領域の専門家にも広がっている。技術部門内では、能動的にコーディングしていない従業員(直近30日間にコードコミットがない者と定義)の割合が、2026年4月までの1年間でほぼ半減した。この一因は、非エンジニアの割合が薄まったことである。例えば、エンジニアに対するプロダクトマネージャーの比率は約17対1であり、2025年以降増加している。マネージャーによるコミット数も倍増した。技術チーム内の監督・調整役は、コードの構築と出荷にますます関わるようになっている。

非技術系採用が加速していない分野のひとつは、通常は会社の規模に応じて拡大する管理部門の機能である。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は急成長しているにもかかわらず、事務業務は少ない状態を保っている。ある財務マネージャーは購買依頼レビューエージェントを構築し、同僚たちに「膨大な時間のかかる作業を見つけ出し、他の業務に集中できるようにするためのものです」と説明した。

対面でのやり取りと密接に結びついた事務作業でさえ、緩やかな増加にとどまっている。スケジュール管理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あるエグゼクティブアシスタントは、「Claudeが本当にエントリーレベルの管理業務を代替する段階はすでに過ぎていると思います」と述べ、代わりに自分の仕事をより高位の「チーフオブスタッフ」的な業務に集中させているという。

これらの変化にはすでに人員の再配置が伴っている。2026年には、勤続1年以上の従業員が月に部門を異動する可能性が、2025年より50%高かった。チーム全体が業務をエージェントに引き継いで再配置された例もある。例えば、Claude.aiの「Hello night owl;」や「Coffee and Claude time?」といった挨拶などのコンテンツを書いていたあるプロダクトデザインチームを考えてみよう。2026年春、このチームは、エージェントに魅力的なプロダクトコンテンツを書かせる効果的なコンテキストグラフを開発した。マネージャーいわく、これにより「チームをスケールアウトした」が、人間のライターに何が残るのかという問いも生じた。チームはその後、エージェントへのプロンプト作成に回り、Claudeのモデル評価とプロンプトを書き始めた。「人間の行動を言語で動かしていたライターたちは、今やClaudeの行動を動かすのに言語を使っています。」

AIはAnthropicで生産性向上を推進しているのか?

これらの変化はAIによるものなのか。Anthropicでは、人間は増え続けるAIエージェントの集団の上に載る薄い層である。エージェントセッションのテレメトリーによると、2026年3月、自律型および対話型エージェントの労働時間の合計が初めて人間の労働時間を上回った。この一部は、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群によるものであり、無数のルーチンテストやチェックを担い、増大するインフラコードの保守を行い、大規模コードベースの翻訳の組織的キャンペーンを推進している。しかし、図2のように個々の従業員が配備したエージェントに絞って見ても、8月までにエージェントは人間のハンドラーの6倍の時間働いていた。

Anthropic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使われている。ダッシュボードは、会社全体で稼働するエージェント群を監視している。しかし、パーソナルアシスタントエージェントも従業員のカレンダーとメッセージを監視しており、スケジュールを組んだり、受信メッセージから蓄積されたToDoリストを送信したり、今後の会議の相手や目的を従業員に自動的にブリーフィングしたりしている。トークンは、日常の仕事のタスクの幅広い範囲に及んでいる。

これらのトークンは一体全体どれほどの量に相当するのでしょうか。図3は、測定可能な成果を持つさまざまな職種について、時間の経過に伴う成果をプロットしたものです。これまでの報告と一致して Anthropicのエンジニアたちに調査を行い そして説明している モデル訓練と研究の自動化エンジニア1人あたりのコードコミット数は最も急速に伸びており、6か月前の速度の5倍に達しています。データサイエンティストもまた、増大し続けるAnthropicのデータへの照会をより多く行うようになり、Claudeエージェントにリアルタイムのメトリクスをダッシュボードや意思決定者に届けさせています。しかし図3が示すように、コーディングエージェントの普及に伴い非技術系従業員でも生産性が上昇しました。弁護士はより多くの契約書を処理し、買掛金担当者は請求書をより迅速に処理し、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の利用によるものなのでしょうか?同じ期間中、同社は爆発的な事業成長を経験していました。強力なモデルを販売していれば、取引を成立させるのは容易です。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導入した従業員と、まだ導入していない従業員の生産性を比較します。これにより、同じ月に同社で働き、したがって同様の事業環境にさらされているものの、異なるツールでそれに取り組む従業員同士を比較することができます。ただし、ツールの導入は無作為ではないことに注意してください。たとえば、大きな新規プロジェクトを推進しようとしている従業員がそのためにツールを導入することを決めた場合、これは推定にバイアスをもたらす可能性があります。

私たちは、コーディングエージェントを導入する192名のエンジニアを時間の経過に沿って追跡し、調査期間中にエージェントを導入しなかった74名のエンジニアと比較しました。図4は、導入後の数か月間で、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。しかし、コードが増えることは必ずしもより良いコードや ビジネスへの影響を意味するわけではありません。AIによる低品質コード(AI code slop)を検証するために、Anthropicでのコードコミットを調査しました。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、コーディングエージェントによって書かれたコードと従業員自身が直接書いたコードとで比較します。コードの品質には多くの次元があり、AIのエラーは人間のエラーより特定しにくい場合があります。しかし、その後90日以内に削除または取り消されたコード行の割合に差は見られませんでした。

図4はまた、エンジニアが初めて完全自律型エージェントを導入した後に何が起こるかについても見ています。導入した人々は、非導入者に比べてすでに急上昇する軌道にありました。これは、完全自律型エージェントへと移行した従業員が、すでに生産性を高めつつあったことを示唆しています。

これらのパターンは、コーディングを超えて、ナレッジワークのより広範な変革に及んでいるのでしょうか?Anthropicの営業担当者は昨年9月からAIエージェントを着実に導入してきました。図4は、営業担当者がエージェントを導入した後、より多くの顧客と取引を成立させるようになることを示しています。このパターンの一部は、より多くの営業機会を持つ担当者が自動化を選択的に利用したことによる可能性があります。しかし、記録管理や定型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の自動化がメールの下書きや顧客管理ソフトウェアとの統合を処理し、以前の業務タスクの約20%を置き換えたと説明しました。別の担当者は、同様の自動化によって対面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ったと述べました。「何かを2回目に行うときはいつも、『よし、どうすればClaudeを使って3回目はやらずに済むようにできるか』と考えるようになります」

営業以外では、Anthropicのある弁護士が、リスクと機会のスキャン、法的質問のトリアージ、法務審査のための対外向け文案の一次チェックを行う一連のClaude自動化を構築しました。あるリクルーターは、候補者のソーシング、応募状況の追跡、そして「おそらく数週間」かかるであろう分析をClaudeで支援してもらい、時代遅れの面接質問の再設計や、より多くの応募者との面談に時間を充てられるようになりました。

これらすべては、AIの能力が向上するにつれて、Anthropic全体の幅広い職種に影響が及ぶ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種で若手従業員の雇用が鈍化しているのが見て取れます(図5)。

ボトルネックとプロセス:AI集約的な職場における新しいタスクと古いタスク

AIの大規模な導入は、雇用や生産性以上のものを再形成している。それは仕事のプロセスに絶え間ない変化をもたらし、新しいタスクを生み出し、従業員の職場に対する認識を変えている。ある従業員はこれを「できる限り速く動き、何にでもClaudeを使えというAnthropicにおける永遠のプレッシャー」と表現し、別の従業員は「ここで1週間で期待されることは、他の会社なら3か月かかることだ」と述べた。社内の従業員調査では、Anthropicの仕事のプロセスが回答者の生産性を最大限に高めているかどうかが尋ねられた:2024年後半には44%の従業員が同意し、2025年11月までに58%に上昇した(2026年4月には75%がyesと答えたが、その質問は「最大限に」という表現が削られ弱まっていた)。8月の時点で、Anthropicの従業員は2030年までにAIが自分たちの仕事の75%をこなせるようになると予想しており、他のアメリカ人の28%と比較して大きな差がある [Link to AI Expectations Gap]。

こうした escalate する生産性への期待は、社内モデルリリースのリズムによって如実に示されている。新しいモデルが利用可能になるとすぐに、Anthropicの従業員は対話型コーディングエージェントセッションでより難しい問題に取り組み始める。私たちはこれを、匿名化されたセッションのタスクの要求水準を、深さ、範囲、関与するシステムの数に基づいて評価する自動化されたClaudeグレーダーで測定している。旧モデルの難易度における90パーセンタイルを超えるタスクの割合は、約30%急上昇し(全タスクの10%から13%へ)、モデルリリース後数週間にわたって高水準を維持する。エージェントに与えられるタスクの容易な側面はほとんど変化していない。

急速に高まるエージェントの生産性は、人間の画面と注意を横切る成果物へと変換される。あるエンジニアはこれをベビーシッターに例えた:

彼らは言うんです、ジュースボックスのふたを開けてほしい、それが緊急事態だと。しかもそれが、指を切って出血している子と同じレベルの深刻さで叫ばれるんです。[...] ベビーシッターをしているとき、どの子も同じだけ注意を求めて悩みを持ち込んできますし、様々な[Claudeたち]も同じことをするんです。

2026年4月の調査では、AIが日々の仕事にどのような影響を与えたかという自由記述式の質問に対し、27%がClaudeツールによる生産性の向上を述べ、20%が自らの役割が実際に仕事をすることからClaudeたちを管理することへの移行だと述べた。

このモデル主導の加速の中で、人間の注意は一定のボトルネックであり続けている。対話型の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半はまったく作業に使われず、待機に使われている。私たちは、各対話型セッションの総経過時間から各エージェントの実際の作業時間を差し引くことでアイドル時間を追跡している。Claudeセッションの約80%は人間の入力を待ってアイドル状態にある。あるエンジニアが言ったように、人々は「エージェントのボトルネックになっている」のです。

対話型セッションにおけるClaudeの出力をすべて読むには、正確にどれだけの時間が必要だろうか。各対話型セッションについて、エージェントの出力トークンを語数に変換し、平均的な人間の読書速度を想定した。図6が示すように、技術系の職能では過去6か月間でコーディングエージェントの出力量が急増した。しかし技術系以外のグループでも、対話型Claudeセッションは勤務週間の半分以上を占めるほどのコンテンツを出力している。このClaudeテキストの洪水には整理が必要である。

この洪水への解決策の一つが自動化の進展である。しかし、これには異なる種類の仕事が必要となる。エージェント向けの書かれた常設指示は、2025年7月の数百件から1年後には8,500件に増加した。あるエンジニアは、エージェントからの要求をトリアージするために代理の主席補佐官エージェントを設定した。別のエンジニアは自分のClaudeチームのために人事評価を書いた:「ねえ、私たちのコミュニケーションスタイルの何が機能していて何が機能していないか話しましょう」。リクルーターたちは、エージェントが問題を浮き彫りにし行動を開始する統合ダッシュボードを構築した。ある弁護士は、法的問題のレビューから「法律アドバイスのSEO、つまり[クライアントの]エージェントが発見できるフレームワークを書くこと」へと注意を移した。

図7が示すように、この種のメタワークは、2025年秋に平均的な従業員の対話型Claudeセッションの10%だったものが、2026年春には22%へと跳ね上がった。この増加の多くは、特にエージェント管理によるものであった:マルチエージェント実行のためのスペックの作成、あるエージェントをループさせて別のエージェントの出力をレビューさせること、そしてパイプラインの監視である。職能を問わず、人間の関与は、特定のコードや文章から、エージェントに効果的にタスクを遂行させるために必要なツールへとますます抽象化されている。

エージェントの信頼性が向上し、それを監督するためのツールへの多大な投資が行われているにもかかわらず、人間の信頼と説明責任は依然として極めて重要である。ある従業員は、バグの追跡がますます「実際に解決するためには一定の人間の集まり、意思決定、ガバナンスを必要とする、組織的あるいは体系的、または技術的負債の問題を明らかにする」のだと説明した。面接の面接を重ねるごとに、従業員は対面での調整が不可欠であると述べた。カレンダーのデータに基づくと、従業員の中央値は1年前より会議に20%多くの時間を費やしている。これには一部、会社の成長と、会議中心の非技術系職能へのシフトが反映されている。しかし技術系の個人貢献者職の従業員の中でも、会議時間は過去1年間で16%増加している。大局的な戦略的問題は幅広い影響力のある立場に触れ、通常、他者との議論と関わりを必要とする。エージェントの管理から離れる時間とは、典型的には会議に飛び込むことである。

全体的に見ると、技術職も非技術職も、業務の実装部分(コードの記述、バグの特定、進捗の記録、メールの下書き)が自動化されてきました。エンジニアはエージェントのリーダーやマネージャーになる過程を語り、非技術系の従業員は業務の戦略的部分をます多く担うようになったと語りました。「戦略的だったあの20%が、仕事の90%になる」。しかし多くの非技術職にとって、中核となる実装業務は対人関係でもあります。営業電話、面接、複雑な問題をめぐる部門横断的な調整。こうしたことはすべて人間のままでした。

さらに、Anthropicのコミュニケーションの表向きのページと裏のやり取りの双方を提供しているSlackチャンネルにも目を向けてみましょう。エージェントはSlackに浸透し、最終的にアクティブな公開チャンネルのほぼ半分に出現しました。図8は、ある一つの大きな部署のコミュニケーションネットワークを、その部署のメンバーが関わったすべての公開Slackチャンネルをもとに拡大したものです。これは、Slackのスレッドへの参加の有無によって、人間とエージェントの両方の参加者を結び付けています。図は、オレンジ色の点が咲き広がってネットワークを支配する様子に見られる、エージェントの驚くべき台頭を示しています。

エージェントは、既存の人間のチャンネルで大量にメッセージを送るというより、Claudeと人間のやり取りのための専用チャンネルに不釣り合いなほど多く現れました。人間のコミュニケーションの根本的な構造と密度はほとんど変化しませんでした。エージェントは人間同士のやり取りを置き換えたのではなく、それに付け加えました。この部署の人間のスレッドは同じ数の人間の応答を維持しつつ、その上にエージェントの応答を積み重ねたのです。エージェントは、多くの従業員と同時に高い結び付きを持つノードではなく、単一の従業員にとってのチームになります。

人間が増え続けるAIエージェントの群れの中で働くとき、人間の業務をエージェントから見えるチャンネルへ移す圧力に直面します。対面の会議で意思決定が行われ、議事録や報告が現れなければ、エージェントは目標や前提を更新するための重要な文脈を欠くことになります。ある従業員は、数か月前のClaudeグッズに関する文書に自分の名前があったため、職務が変わってからもずっと、エージェントがTシャツやマグカップのリクエストを持ち込み続けた経緯を説明しました。記録されない会議やダイレクトメッセージの中で行われる非公開の業務は、AI中心の職場では見えず、混乱を招き、避けられるものです。ある研究者は、このオープンさへの規範がAnthropicの全面的なAI統合にとって重要だと説明しました。「ほとんどの組織はそのようには動いていませんし、それが大きな変化だと思います。リーダーはフィードバックを公の場で擁護しなければならないのですから」。AIに文脈を与える必要性は、人間の業務と意思決定の可観測性を求めます。

このような職場で活躍するのは誰でしょうか。Anthropicにおける業務内容の変化は、採用担当マネージャーが採用決定において重視するスキルの変化としても現れています。私たちは自動コーディングツールを使い、2024年以降にAnthropicに入社した数千人の従業員についての採用担当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、面接官が応募者のパフォーマンスを評価した定性的な反応です。最も明確な変化は、応募者がAIツールの創造的な使い方を実証したかどうかへの重視の高まりです。2024年には、採用担当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%で応募者のAIツールの実績に言及していました。2026年までに、これらの割合は技術職で3倍、非技術職で4倍になりました。採用担当マネージャーは、応募者がAIを効果的に使えるかどうかにますます注目しています。

評価におけるより深い変化も見られます。技術職の応募者に関する面接では、最も大きな増加を示したのは応募者の自律性と判断力へのコメントでした。専門領域の専門性についての議論は、全体の評価に占める割合として縮小しました。あるマネージャーはこう説明します。「モデルは不均一なままだと想定しているので、自分のチームには領域を超えて代替が利いてほしい」。同様に、非技術職の応募者については、顧客とミッションへの志向が増加する一方、実行スキルに関する議論は減少しました。採用担当マネージャーはますます、AIツールによって自動化された領域固有のスキルや実行力ではなく、応募者の判断力とコミットメントに基づいて評価しています。

雇用主にできること

AnthropicにおけるAIの深い採用は、有用な事例となっています。AIが普及し改善するにつれ、仕事の組織は過去の技術変化の波と同じように変化する可能性があります。鉄道は経営者による株式会社をもたらし、蒸気機関は工場を可能にし、パーソナルコンピュータはスタートアップを届けました。ツールを使い推論するLLMはどのような新しい組織を必要とするのでしょうか。そして、その中で私たちの役割は何でしょうか。一つの可能性は、一人の人間の創業者がエージェントの群れを操って数十億の収益を生み出す、一人スタートアップです。もう一つは、AIの天才CEOが構築し、人間のエージェントをピペットを扱い議会で証言するためだけに雇う企業です。

Anthropicはそのどちらのようにも見えません。同社はここ1年で3倍の規模になりました。もはや小さなスタートアップではありません。また、経営の主導権をモデルに譲ったわけでもありません。書かれたSlackでの議論と対面の会議が、会社の戦略からチームの決定まですべてを導いており、AIエージェントからの意見はほとんどありません。人間の業務を会社全体で見える状態に保つことで、自律エージェントが新しい文脈に基づいて推論できるようにしています。エージェントのチームを指揮する個人貢献者は、必要とする知識や仕事における相互依存の観点で、マネージャーに近い存在になりつつあります。AI集約的な組織では、公の場で働き意思決定することが極めて重要なのです。

従業員たちが自分の仕事をClaudeのチームの管理として捉えるようになるにつれ、彼らは自らの特色ある領域でこれを効果的に行うために必要なツールの構築に、より多くの時間を費やすようになっています。この実験の結果、従業員は絶えず自分自身のタスクを自動化によって消し去っています。一部の職務では、彼らが元々スキルを築いてきた対象レベルの業務から、ますます遠ざかっています。エージェントがワークフローを駆け抜けるなかで、人間の注意と判断は、システムがもがきながらぶつかるボトルネックとなっています。営業から法務に至るまで、人間の従業員にはより多くの、そして異なるタスクが求められています。職務は、製品の構築、エージェントの管理、そして最高性能のLLMでも対応できない戦略的・対人関係的な仕事に取り組むことを含むように拡大しています。

こうした仕事の組織と内容における変化は、正社員数、採用、求人に占めるジュニア技術職の割合の低下とともに現れています。採用担当マネージャーは、実行力や狭い専門性ではなく、応募者の自律性と判断力にますます注目しています。全体として、Anthropicの従業員数の伸びに対する売上成長の伸びは、前世代のテクノロジー企業の急速な初期の生産性向上さえも追い越しています。

こうしたパターンを経済全体にわたって先読みすると、AIの普及は労働者の職を失うリスクをもたらしうることが示唆されます。先行研究でも、 AIネイティブのスタートアップ や AIを採用する企業 はよりフラットで、 エントリーレベルの 従業員をより少なく雇用していることが示されています。AIの激変を、その周りで働く人々の利益になる形で管理する方法について、Anthropicから何を学べるのでしょうか?

ここでは慎重に進めたいと思います。Anthropicの雇用慣行には、経済全体にコピーできない部分が数多くあります。

しかし、3つの特徴が際立っています。第一に、株式の広範な保有が、従業員に会社の成功への強い利害をもたらしています。もちろん、評価額が大幅に上昇してきた会社にとって、これは容易な姿勢です。多くの企業にとって、共有所有は不十分であるか、あるいは望ましくないかもしれません。しかし、労働者が成功裏の導入に経済的利害を持たない、労働者に配慮したAI導入のあり方を想像するのは困難です。インタビュー対象者の言葉を借りれば、個人貢献者に「エージェントの管理」、「VPレベルの意思決定」、「自分自身が事業部門になる」ことが求められるなら、その利害を組織と一致させることが極めて重要です。1950年代に築かれた戦後の労組・経営側の取り決めは、まさにこの種の取引に基づいていました。全米自動車労組(UAW)や全米鉄鋼労働組合といった労働組合は、生産性向上に連動する賃金の引き上げと手厚い各種福利厚生と引き換えに、業務再編(さらには業務強化さえも)に対する経営側の権限を認めたのです。AIの影響を受ける従業員と雇用主の間の新たな取引がどのようなものであれ、導入の恩恵を共有する仕組みは不可欠です。Anthropicでは、労働者は自らの専門知識を機械のためにコード化し、自分の業務ルーティンが絶えず揺さぶられ混乱するのを目の当たりにし、業務の大部分がAIの協働相手の出力を速読することになっているのを見てきました。彼らがこれを無償で行うはずがありません。

第二に、Anthropicは、AIによる変革に直面する職務を監視するための継続的な早期警戒システムを立ち上げつつあります。需要と生産性に関する一連の職務レベルの指標が、AIの能力と使用状況と照らし合わせて読み取られます。これらの集計指標は、業務がどこで変化しているかを浮き彫りにするのに役立ちます。早期警戒システムがあれば、会社は影響を受ける従業員を、スキルが適合し、直ちにリスクにさらされる可能性が低い職務へ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業務再編のペースに方向転換するにつれ、社内の従業員再配置を導く効果的なシステムはますます価値を持つようになるでしょう。AIの進歩が求めるあらゆる新たなタスクに外部労働市場で対応しようとすれば、AIの進歩が速いほど大きなボトルネックになります。本レポートでは、部門間の異動の増加、業務内容の変化、そして旧来のタスクが自動化されるにつれて従業員が新たなタスクへ移行していることを確認しました。AIを多用する組織にとって、労働者を社内で柔軟に再配置するシステムの構築は極めて重要です。

この社内労働者再配置へのコミットメントには、重要なトレードオフが伴います。機能している労働市場は、労働者を最も生産的な職位へ、それが現在の雇用主であろうと別の雇用主であろうと、移動させるべきです。既存の従業員を再配置するコミットメントは、雇用主が新しい従業員の採用にリスクを取ることをためらう原因になりえます。通常の経済状況、とりわけ競争が激しい状況では、こうしたコミットメントは高くつく可能性があります。

しかし、再配置を優先することで、AIを導入する企業は、労働コストを削減するために人間の労働者の置き換えにAIの応用を集中させるのではなく、新しい製品や新しい市場のための新たなタスクをAIが生み出す方法を考えることになります。これは、雇用主が『そつがない(so-so) 』あるいは『非効率な』自動化、すなわちAIやその他の技術がかろうじて人間の労働者を上回るだけの自動化という誘惑に抵抗する助けになります。そのような自動化では、雇用主は人間の労働者を置き換え、失職した労働者の所得喪失という大きな社会的コストを強いる一方で、最小限の生産性向上しかもたらしません。

Anthropicで見られるところでは、新規のタスクも本質的に人間的なタスクも、AIの集中的な使用と並存しています。こうしたタスクの将来の集合についての不確実性は、柔軟な労働力を維持すべきことを示唆します。Anthropicのある幹部が述べたように、「不安に苛まれている労働力は、ベストの仕事をする労働力ではない」のです。

これらの施策のいずれも、強力なAIによる雇用への混乱を防ぐことはできません。実際、本報告書で示されたジュニア層の採用減速に直接対処するものも一つもありません。現職者の雇用保護は、そもそも採用されなかった人々には何の利益にもなりません。雇用主による民間レベルの取り組みは、 職業再訓練 と所得支援をめぐる先見性のある政府政策と併せて行われなければなりません。こうした政策は、AIがもたらしうる職場変革の規模に関する明確な認識に導かれるべきです。

引用形式の提案

@techreport{wilmers2026employment,

author = {Nathan Wilmers and Regina Catipon and Maxim Massenkoff and Peter McCrory},

title = {How employment is changing at Anthropic},

institution = {The Anthropic Institute},

type = {Technical Report},

year = {2026},

month = sep,

url = {https://anthropic.com/research/<SLUG-TBC>}

}

謝辞

業務がどのように変化したかについてのインタビューに時間を割いてくださったAnthropicの従業員の皆さんに感謝いたします。有益なコメントと支援をいただいたKate Astbury、Shehzad Bashir、Zoe Blumenfeld、Scott Booth、Henry Brill、Yena Cho、Henry de Valence、Adam Farina、Johannes Hermle、Zoe Hitzig、, Hasnain Lakhani、Eva Lyubich、Kerry Persen、Kristina Pham、Sarah Pollack、Hannah Pritchett、Georg Rilinger、Santi Ruiz、Szymon Sacher、Florian Scholz、Meg Tong、Monika Tuchowska、Helen Wang、Kim Withee、Charles Yang、そしてJack Clarkの皆さんに感謝いたします。

参考文献

Daron Acemoglu、Pascual Restrepo。2019年。「自動化と新しいタスク――技術はいかに労働を置き換え、再び雇用を生み出すか」。Journal of Economic Perspectives 33 (2): 3–30。 https://doi.org/10.1257/jep.33.2.3

Martin Beraja、Nathan Zorzi。2025年。「非効率な自動化」。Review of Economic Studies 92 (1): 69–96。 https://academic.oup.com/restud/article-abstract/92/1/69/7612958

Mert Demirer、Leon Musolff、Liyuan Yang。2026年。「コードを書くこととコードを公開すること――AIコーディングツールの各世代における生産性効果」。NBER Working Paper 35275。 https://doi.org/10.3386/w35275

Michael Ewens、Xavier Giroud。2025年。「企業のヒエラルキー」。NBER Working Paper 34162。 https://doi.org/10.3386/w34162

Marina Favaro、Jack Clark。2026年。「AIが自らを構築するとき」。The Anthropic Institute。 https://www.anthropic.com/institute/recursive-self-improvement

Zoe Hitzig、Maxim Massenkoff、Eva Lyubich、Shaoyi Zhang、Ryan Heller、Peter McCrory。2026年。「エージェンティック・コーディングと専門性への持続的なリターン」。Anthropic、6月16日。 https://www.anthropic.com/research/claude-code-expertise

Seyed Mahdi Hosseini Maasoum、Guy Lichtinger。2025年。「シニア層に偏った技術変化としての生成AI――米国の履歴書および求人データからのエビデンス」。SSRN Working Paper 5425555。 https://papers.ssrn.com/sol3/papers.cfm?abstract_id=5425555

Saffron Huang、Bryan Seethor、Esin Durmus、Kunal Handa、Miles McCain、Michael Stern、Deep Ganguli。2025年。「AIはAnthropicにおける仕事をいかに変革しているか」。Anthropic、12月2日。 https://www.anthropic.com/research/how-ai-is-transforming-work-at-anthropic

Hyunjin Kim、Rembrand Koning。2026年。「AIネイティブ企業」。Harvard Business School Working Paper 26-090。 https://www.hbs.edu/ris/Publication%20Files/26-090_96f92aa0-37d9-4789-beaa-5c0cb87a4032.pdf

David Roodman、Maxim Massenkoff。2026年。「補助金付き職業訓練のエビデンス・レビュー」。The Anthropic Institute Working Paper 2026-01。 https://www.anthropic.com/research/reviewing-the-evidence-on-worker-retraining-programs

脚注

1. Anthropicの推計は、設立から12か月後(設立から約5年後)の2026年4月時点の社内財務および人員記録に基づきます。GoogleとMetaの雇用および収益の数値は、設立5年後の時点でのForm 10-K提出書類に基づきます(それぞれ2003年と2009年)。すべての数値は2025年ドルに実質換算されています。

関連コンテンツ

Claudeによるより効率的な量子回路の設計

私たちはClaudeに8つの量子回路の平易な言語による仕様と、その設計を検証・採点する自動評価ツールを与えました。Claudeはほぼ自立して作業を行い、公表されている中で最良の回路を、場合によっては一桁以上上回る改善を達成しました。これは実用的な量子コンピュータの実現を、従来予想されていたよりも早める可能性があります。

ClaudeがECDSA曲線の起源を解明

最も広く使われている暗号標準の一つの起源をめぐる数十年の謎が解明されました。

AI期待のギャップ

これからの数年、AIは経済をどのように再形成するのでしょうか? AIの経済への将来の影響をめぐる意見の相違の核心的な原因は何でしょうか? このノートでは、これらの問いに関する新しい調査結果を提示します。