Anthropicが自社の雇用の変化を報告 技術職の採用に占める新人の割合は27%から9%へ AIエージェントの稼働は社員の6倍、足りなくなったのは人の注意 新人採用の減少には、同社の対策も直接は届かない

確認できた事実——採用で何が変わったか

報告は、社内の雇用、AIの利用、成果の指標、社員アンケート、社内の連絡、カレンダー、採用の判断記録といったデータに、社員17人への聞き取りを合わせたものです。AIの導入で最先端にいる会社として、経済全体の先行きを示す指標になりうる、と同社は位置づけています。

まず採用です。技術部門の社員に占める新人(ジュニア)の割合は、2025年初めから21%から14%に。技術職の採用に占める新人の割合は、もっと速く27%から9%に下がりました。新人の求人は2025年12月から特に大きく減った、と。社内では2026年1月ごろから、Claudeに頼る度合いの高いチームで、コードを書くことやバグを探すことをClaudeに任せられるようになり、新人の技術者の必要性が下がったという議論が出はじめた。4月の調査では、機械学習の管理職の約3分の1、ソフトウェア開発の管理職の約5分の1が、AIのために採用を減らしていると答えています。

会社全体では急成長しており、技術職の採用も絶対数では増え続けています。営業や財務、採用の部門の増え方が上回った形です。会社の規模に合わせて増えるのがふつうの事務の部門では、採用が加速しておらず、急成長しても事務の少ない体制だ、とも書いています。

AIが働く時間と、人の仕事の変化

社員が自分で動かすAIエージェントの稼働時間は、8月に社員の労働時間の6倍になりました(社員の時間は人数×週40時間で計算)。エンジニア1人あたりのコードの提出(コミット)は半年前の5倍のペース。法務の契約処理、経理の請求書処理、営業の成約も増えています。同じ社員を追うと、AIのコーディングの道具を使いはじめた後にコードの量が大きく伸び、AIが書いたコードと本人が書いたコードで、後で消されたり取り消されたりする割合に違いは見られなかった、としています。

そのうえで、足りなくなったのは人の注意だ、と。やり取りしながら使うAIのセッションは、時間の約8割が人の入力待ち。技術職でない部門でさえ、Claudeの出力をすべて読むには週の労働時間の半分以上かかる計算です。その結果、AIにうまく仕事をさせるための仕組みづくりや見張りといったメタワークが、やり取りしながら使うAIのセッションに占める割合で10%から22%に増えました(メタワークとは)。会議の時間も中央値で1年前より20%増えています。たくさんのClaudeが、それぞれ自分に注意を向けてくれと求めてくる、という趣旨の社員の声も紹介されています。

採用で重視される点も変わりました。技術職の面接評価では、自律して動けるかと判断力への言及が最も増え、専門知識への言及の割合は縮みました。AIの道具を工夫して使った実績への言及は、2024年と比べて技術職で3倍、技術職以外で4倍になっています。

物差しを当てる——影響は、まず採用の入口に出る

当サイトがこの報告で一番重く見るのは、変化が解雇ではなく、採用の入口に出ている点です。今いる社員は、部署を移り(1年以上いる社員が月ごとに部署を移る確率は、2025年より50%高い)、AIを動かす側に回っています。製品の文章を書いていたチームが、Claudeへの指示や評価を書く仕事に移った例も紹介されています。一方で、新人として入るはずだった人は、そもそも数字に表れません。

同社自身、このことを隠していません。株を広く持たせること、AIで変わりそうな仕事を早めに知らせる仕組み、社内での配置転換を、雇い主にできることとして挙げたうえで、どれも強いAIによる仕事の混乱を防ぐものではなく、報告で示した新人の採用の減少には直接対処していない、今いる人の雇用の保護は、そもそも雇われなかった人には届かない、と書いています。そして、企業の取り組みは、再訓練や所得の支えをめぐる先を見た政策と並んで進む必要がある、と結んでいます。当サイトは、自社の弱いところをここまで書いた点を評価します。

当サイトは、ここに一つの問いを足します。新人の仕事は、仕事を覚える場でもありました。AIがその部分を担うようになったとき、次の世代は、判断力や自律性をどこで身につけるのか。採用で判断力が重視されるほど、判断力を育てる入口が細るという矛盾がありうる、と当サイトは考えます。

割り引いて読むところ

1. 一社の、特殊な会社の話です。同社自身、自社の雇用のやり方の多くは経済全体ではまねできない、と書いています。AIを作る会社で、この1年で規模が3倍になった急成長企業です。

2. 因果ははっきりしません。同じ時期に事業は爆発的に伸びており、強いモデルを売っていれば成約もしやすい、と同社も書いています。AIを使いはじめるかどうかも偶然ではなく、推計には偏りがありうる、とも。コードが増えても、より良いコードや事業への効果を意味するとは限らない、と断っています。

3. 「6倍」の数え方。AIの稼働時間は処理と道具の利用の時間で、社員の時間は人数×週40時間という前提の計算です。

4. 独立性の断り。これはAIが書くレビューで、Anthropicのモデルも使って書いています。今回はAnthropic自身の報告で、自社のAIの効果を示す内容でもあるので、評価が甘くなるおそれがあります。新人の採用減や対策の限界を自ら書いた点を評価し、一社の事例であることと因果の弱さを指摘しました。

読者への影響

就職や転職を考える人にとっては、AIを深く使う職場ほど、決まった作業をこなす力より、自分で動けるか、判断できるか、AIの道具をどう使ってきたかが見られる、という一つのデータです。

働く側としては、自分の仕事のうち、AIに渡せる作業と、人の注意と判断が要る部分を分けてみると、これからの役割を考えやすくなります。管理する立場の人には、新人に何を任せて育てるのかを考え直す材料になります。

次に見ること

第一に、AIを深く使う他の会社で、新人の採用割合に同じ傾向が出るか。

第二に、同社の早期警戒の仕組みや配置転換が、実際にどう運用され、報告されるか。

第三に、再訓練や所得の支えをめぐる議論(PBCと公益の基金を含む)が、新人の入口の問題をどう扱うか。

前後の流れ

メタワークとは / 週次レビュー(10/12-10/18) / PBCとは / AIエージェントとは / Claudeが量子回路を設計(10/20)