داده‌های داخلی آنتروپیک از تأثیر هوش مصنوعی بر بازار کار پرده برمی‌دارد؛ افت شدید استخدام نیروهای فنی تازه‌کار و فعالیت عامل‌های هوش مصنوعی تا شش برابر ساعات کاری کارکنان
شرکت هوش مصنوعی آنتروپیک در ۱۶ اکتبر، به وقت ایالات متحده، گزارشی پژوهشی و کم‌سابقه از داخل شرکت منتشر کرد که تغییرات چشمگیر در ساختار نیروی انسانی و شیوه‌های کاری آن را پس از گسترش استفاده از مدل زبانی بزرگ کلود (Claude) بررسی می‌کند. بر اساس این گزارش، سهم نیروهای فنی تازه‌کار از کل استخدام‌های فنی شرکت از ۲۷ درصد در اوایل سال ۲۰۲۵ به ۹ درصد در سال ۲۰۲۶ کاهش یافته است. در همین حال، عامل‌های هوش مصنوعی که مستقیماً زیر نظر کارکنان فعالیت می‌کنند، در مجموع شش برابر نیروی انسانی ساعات کاری ثبت کرده‌اند.
این پژوهش با عنوان «اشتغال در آنتروپیک چگونه در حال تغییر است» را نیتن ویلمرز و سه پژوهشگر دیگر از مؤسسه آنتروپیک تهیه کرده‌اند. گروه پژوهشی برای پاسخ به این پرسش اساسی که نیاز یک شرکت پیشرو در پذیرش هوش مصنوعی به نیروی انسانی چگونه تغییر می‌کند، مجموعه‌ای از داده‌ها را بررسی کرده است؛ از جمله سوابق استخدامی داخلی، داده‌های ثبت‌شده درباره استفاده از هوش مصنوعی، شاخص‌های عملکرد کارکنان، نظرسنجی‌ها، مکاتبات داخلی، اطلاعات تقویم کاری و برگه‌های ارزیابی تصمیم‌های استخدامی. این داده‌ها با ۱۷ مصاحبه عمیق با کارکنان ترکیب شده‌اند.
کاهش چشمگیر فرصت‌های شغلی در سطوح ابتدایی
یکی از برجسته‌ترین یافته‌های گزارش، افت شدید استخدام نیروهای فنی تازه‌کار است. از اوایل سال ۲۰۲۵ تاکنون، سهم کارکنان تازه‌کار در واحدهای فنی آنتروپیک از ۲۱ درصد به ۱۴ درصد کاهش یافته و سهم موقعیت‌های شغلی فنی ابتدایی از کل استخدام‌های فنی نیز از ۲۷ درصد به ۹ درصد رسیده است. کاهش آگهی‌های استخدام برای این گروه، به‌ویژه پس از دسامبر ۲۰۲۵، شدت گرفته است.
این تغییر ناشی از کوچک‌شدن شرکت نیست. آنتروپیک در یک سال گذشته اندازه خود را سه برابر کرده و تعداد مطلق موقعیت‌های شغلی فنی آن همچنان افزایش یافته است. آنچه تغییر کرده، ترکیب استخدام‌هاست: فرصت‌های جدید بیش از پیش به نیروهای دارای تجربه متوسط و ارشد و متخصصان اختصاص می‌یابند و مسیر ورود نیروهای تازه‌کار به شرکت به‌شدت محدودتر شده است.
بحث درباره کاهش نیاز به نیروهای تازه‌کار نخستین بار در ژانویه ۲۰۲۶ در بخش اصلی فناوری شرکت مطرح شد. برخی تیم‌هایی که به‌طور گسترده از کلود استفاده می‌کردند، دریافتند که مدل‌ها می‌توانند به‌تدریج وظایف مهندسی معمول، مانند نوشتن کدهای ساده و دسته‌بندی اولیه خطاها، را بر عهده بگیرند. مشاغل مهندسی عملکرد به‌ویژه تحت تأثیر این تغییر قرار گرفتند. تا آوریل ۲۰۲۶، تیم‌های مهندسی و پژوهشی به‌صورت نظام‌مند وزن استخدام نیروهای سطوح پایین‌تر را در تصمیم‌های خود کاهش داده بودند. نظرسنجی داخلی همان ماه نشان داد که حدود یک‌سوم مدیران یادگیری ماشین و یک‌پنجم مدیران مهندسی نرم‌افزار اعلام کرده‌اند به‌دلیل استفاده از هوش مصنوعی، تعداد کارکنان را کاهش داده‌اند.
مشاغل ابتدایی معمولاً بر اجرای وظایف مشخص و پیروی از قواعد روشن تکیه دارند؛ دقیقاً همان حوزه‌ای که مدل‌های زبانی بزرگ کنونی در آن عملکرد خوبی دارند. کارهایی مانند نوشتن کد، پردازش داده‌ها، سازمان‌دهی اسناد و پشتیبانی مشتریان، همگی به درجات مختلف تحت تأثیر هوش مصنوعی قرار گرفته‌اند. با پیشرفت چشمگیر توانایی مدل‌ها در فاصله چندماهه، نخستین سطح از نردبان مهارت‌های شغلی اغلب زودتر از سایر سطوح در معرض جایگزینی قرار می‌گیرد.
واحدهای غیرفنی نیز روند مشابهی را تجربه می‌کنند. معمولاً با بزرگ‌شدن یک شرکت، بخش‌های پشتیبانی مانند امور اداری، مالی و منابع انسانی نیز گسترش می‌یابند. اما آنتروپیک با کمک دستیارهای عامل‌محور، فرایندهای بررسی خودکار و خدمات برون‌سپاری‌شده رسیدگی به درخواست‌ها توانسته است، حتی در دوره رشد سریع، تعداد کارکنان اداری خود را محدود نگه دارد.
حجم کار عامل‌های هوش مصنوعی از عملکرد نیروی انسانی فراتر می‌رود
گسترش سریع عامل‌های هوش مصنوعی در داخل شرکت، یکی از عوامل اصلی تغییر در ساختار استخدام‌هاست.
در مارس ۲۰۲۶، مجموع ساعات کاری دو دسته از عامل‌های هوش مصنوعی آنتروپیک، یعنی عامل‌های کاملاً خودمختار و عامل‌هایی که مستقیماً زیر نظر کارکنان فعالیت می‌کنند، برای نخستین بار از ساعات کاری کارکنان انسانی فراتر رفت. ساعات فعالیت عامل‌ها پس از آن نیز افزایش یافت. تا اوت همان سال، عامل‌های تعاملی تحت نظارت مستقیم کارکنان به‌تنهایی شش برابر ساعات کاری کارکنان انسانی فعالیت کرده بودند؛ محاسبه‌ای که بر مبنای هفته کاری ۴۰ساعته انجام شده است.
تعداد زیادی از این عامل‌ها در مهندسی نرم‌افزار به کار گرفته شده‌اند و وظایفی مانند تولید موارد آزمون، بازبینی کد، نگهداری زیرساخت و انتقال یا مهاجرت پایگاه‌های کد را انجام می‌دهند. این آمار حتی خوشه‌های عامل‌های کاملاً خودمختار را نیز در بر نمی‌گیرد. برای یک مهندس، این وضعیت به معنای امکان هدایت هم‌زمان چند عامل است که وظایف مختلفی را اجرا می‌کنند؛ درحالی‌که خود مهندس کدها و تحلیل‌های تولیدشده را بررسی می‌کند. در نتیجه، نقش مهندسان نیز از نوشتن مستقیم کد به تعیین وظایف و ارزیابی خروجی‌ها در حال تغییر است.
تغییرات بهره‌وری در داده‌های مشخص نیز دیده می‌شود. طبق گزارش، تعداد ثبت‌های کد به‌ازای هر مهندس طی شش ماه پنج برابر شده است، حجم پردازش درخواست‌ها توسط دانشمندان داده افزایش چشمگیری داشته و میزان خروجی در مشاغل غیرفنی، از جمله امور حقوقی، حساب‌های پرداختنی و فروش، نیز بیشتر شده است.
برای جداکردن اثر هوش مصنوعی از عوامل دیگری مانند رشد کسب‌وکار، پژوهشگران از روش مقایسه کنترل‌شده استفاده کردند. آن‌ها ۱۹۲ مهندس استفاده‌کننده از عامل‌های کدنویسی را دنبال کردند و ۷۴ مهندس را که در همان دوره هنوز این ابزار را به کار نگرفته بودند، به‌عنوان گروه کنترل در نظر گرفتند. سپس با استفاده از اثرات ثابت دوطرفه برای افراد و ماه‌ها، میزان تأثیر ابزار را برآورد کردند. نتایج نشان داد که پس از استفاده از عامل‌های کدنویسی، تعداد ثبت‌های کد به‌سرعت و به‌طور معنادار آماری افزایش یافته است.
پژوهشگران برای بررسی نگرانی‌ها درباره پایین‌بودن کیفیت کدهای تولیدشده با هوش مصنوعی، کدهایی را که عامل‌ها مستقیماً تولید کرده بودند با کدهای نوشته‌شده به‌دست کارکنان مقایسه کردند. این مقایسه برای یک فرد واحد، در یک ماه مشخص و در یک پوشه یکسان از پایگاه کد انجام شد. معیار کیفیت نیز سهم کدهایی بود که طی ۹۰ روز حذف یا بازگردانده می‌شدند. نتایج هیچ تفاوت معنادار آماری میان کیفیت دو گروه نشان نداد. دست‌کم بر اساس نرخ بازگردانی کد، عملکرد کدهای تولیدشده با هوش مصنوعی با کدهای نوشته‌شده توسط انسان قابل مقایسه است.
بهره‌وری در مشاغل غیرفنی نیز بهبود یافته است. گزارش نشان می‌دهد نمایندگان فروش که از عامل‌های هوش مصنوعی استفاده کرده‌اند، معاملات بیشتری با مشتریان انجام داده‌اند.
از مجری وظایف تا مدیر عامل‌های هوش مصنوعی
افزایش تعداد عامل‌ها و رشد بهره‌وری به این معنا نبوده است که کارکنان از حجم کار خود رها شده‌اند. برعکس، توجه و ظرفیت انسانی برای نظارت به‌تدریج به گلوگاهی در مسیر بهره‌برداری از خروجی عامل‌ها تبدیل شده است.
بر اساس گزارش، عامل‌ها در جلسات تعاملی حدود ۸۰ درصد زمان خود را در انتظار می‌گذرانند؛ انتظاری برای دریافت دستور از انسان، تأیید نتایج یا تعیین گام بعدی. گروه پژوهشی همچنین با استفاده از میانگین سرعت مطالعه انسان، تعداد توکن‌های تولیدشده توسط عامل‌ها را به زمان لازم برای خواندن آن‌ها تبدیل کرد. نتایج نشان داد محتوای تولیدشده در جلسات تعاملی با کلود در بخش‌های غیرفنی به‌اندازه‌ای است که خواندن آن می‌تواند بخش قابل‌توجهی از ساعات کاری هفتگی کارکنان را به خود اختصاص دهد. بنابراین، صرف خواندن و پردازش محتوای تولیدشده توسط هوش مصنوعی به بخشی قابل‌توجه از بار کاری تبدیل شده است.
کارکنان در واکنش به این تغییر، به‌تدریج شیوه کاری تازه‌ای را توسعه داده‌اند که گزارش از آن با عنوان «فرادکاری» (meta-work) یاد می‌کند. این مفهوم به فعالیت‌های مدیریتی مرتبط با عامل‌ها اشاره دارد؛ از جمله ساخت ابزارهای مدیریتی، تدوین دستورالعمل‌های دائمی، طراحی داشبوردهای نظارتی و تنظیم فرایندهایی که در آن عامل‌های مختلف خروجی یکدیگر را بررسی می‌کنند. در این شیوه، تمرکز اصلی دیگر اجرای مستقیم وظایف مشخص نیست، بلکه طراحی و مدیریت فرایندهایی است که هوش مصنوعی از طریق آن‌ها کارها را انجام می‌دهد.
داده‌ها این گذار را نیز ثبت کرده‌اند. در پاییز ۲۰۲۵، حدود ۱۰ درصد از جلسات تعاملی کارکنان با کلود به فرادکاری اختصاص داشت. این سهم تا بهار ۲۰۲۶ به ۲۲ درصد افزایش یافت. بخش عمده رشد به فعالیت‌های مدیریت عامل‌ها مربوط می‌شد؛ از جمله نوشتن مشخصات سامانه‌های چندعاملی، تنظیم سازوکار بازبینی متقابل میان عامل‌ها و نظارت بر وضعیت گردش کار.
تغییر شیوه کار در معیارهای استخدامی نیز منعکس شده است. پژوهشگران با تحلیل خودکار برگه‌های ارزیابی مصاحبه‌های استخدامی هزاران نفر از کارکنان آنتروپیک از سال ۲۰۲۴ به بعد دریافتند که سهم ارزیابی‌های مربوط به مشاغل فنی که در آن‌ها به تسلط بر ابزارهای هوش مصنوعی اشاره شده، از حدود ۵ درصد به حدود ۱۵ درصد رسیده است. در مشاغل غیرفنی نیز این سهم از حدود ۷ درصد به حدود ۲۸ درصد افزایش یافته است.
هم‌زمان، محورهای ارزیابی داوطلبان نیز تغییر کرده‌اند. در مشاغل فنی، استقلال عمل و قدرت قضاوت از جمله معیارهایی بوده‌اند که سریع‌تر از سایر موارد اهمیت یافته‌اند، درحالی‌که وزن نسبی تخصص در حوزه مربوطه کاهش پیدا کرده است. در مشاغل غیرفنی، توجه به مشتری و همسویی با مأموریت سازمان اهمیت بیشتری یافته و مهارت‌های اجرایی کمتر از گذشته مورد تأکید قرار گرفته‌اند.
یکی از نمونه‌های گزارش، این تغییر را به‌خوبی نشان می‌دهد. در بهار ۲۰۲۶، یک تیم طراحی در آنتروپیک که مسئول نوشتن متن‌های خوشامدگویی محصولات بود، سامانه‌ای مبتنی بر نمودار زمینه طراحی کرد تا عامل‌ها را در تولید متن‌های محصول هدایت کند. این سامانه ظرفیت تولید تیم را افزایش داد. پس از آن، اعضای تیم تمرکز خود را به مهندسی دستورهای عامل‌ها تغییر دادند و مسئولیت تدوین محتوای ارزیابی مدل‌ها و دستورهای مربوط به آن‌ها را بر عهده گرفتند. گزارش این تحول را چنین خلاصه می‌کند: نویسندگانی که پیش‌تر با زبان بر رفتار انسان‌ها اثر می‌گذاشتند، اکنون با زبان بر رفتار کلود تأثیر می‌گذارند. عنوان شغلی و ظاهر نقش ممکن است ثابت مانده باشد، اما ماهیت اصلی کار احتمالاً دیگر همان نیست.
نردبان ورود به مشاغل با چالش روبه‌روست
تجربه آنتروپیک تصویری از تأثیر هوش مصنوعی بر ساختار اشتغال ارائه می‌دهد. شواهد فعلی حاکی از آن است که این تأثیر ابتدا در پایین‌ترین سطوح مشاغل شناختی بروز می‌کند. برنامه‌نویسان تازه‌کار، تحلیلگران مبتدی، کارکنان خط مقدم خدمات مشتری، نویسندگان محتوای تبلیغاتی در سطوح ابتدایی و نیروهای تازه‌کار امور مالی، از جمله گروه‌هایی هستند که مشاغلشان به‌تدریج تحت تأثیر هوش مصنوعی قرار می‌گیرد. این موقعیت‌ها به‌طور سنتی نقطه شروع فارغ‌التحصیلان دانشگاهی برای ورود به بازار کار بوده‌اند.
پیامد این روند فقط به تعداد مشاغل محدود نمی‌شود. موقعیت‌های ابتدایی فرصت‌های مهمی برای کسب تجربه، آشنایی با فرایندهای کسب‌وکار و رشد تدریجی کارکنان فراهم می‌کنند. کوچک‌شدن این بخش از بازار کار ممکن است فرصت جوانان برای یافتن نخستین شغل و به‌دست‌آوردن تجربه حرفه‌ای را نیز کاهش دهد. اگر شرکت‌ها از نیروهای تازه‌استخدام‌شده انتظار داشته باشند که از ابتدا بر ابزارهای هوش مصنوعی مسلط باشند و استقلال عمل و قدرت قضاوت بالایی داشته باشند، این پرسش جدی مطرح می‌شود که افراد باید این توانایی‌ها را در چه مرحله‌ای و از چه راهی کسب کنند.
این گزارش چند اقدام را برای شرکت‌ها پیشنهاد می‌کند: ایجاد سازوکارهای گسترده سهیم‌کردن کارکنان در مالکیت شرکت تا آن‌ها نیز از منافع افزایش بهره‌وری ناشی از هوش مصنوعی بهره‌مند شوند؛ راه‌اندازی سامانه‌های هشدار زودهنگام برای رصد مستمر تأثیر هوش مصنوعی بر مشاغل مختلف و برنامه‌ریزی پیش‌دستانه برای انتقال کارکنان آسیب‌پذیر به بخش‌های دیگر؛ و تقویت سازوکارهای جابه‌جایی داخلی تا کارکنان، هنگامی که وظایف قبلی‌شان خودکار می‌شود، بتوانند به حوزه‌های کاری جدید منتقل شوند، نه اینکه مستقیماً به بازار کار بیرون از شرکت رانده شوند.
بااین‌حال، گزارش صریحاً اذعان می‌کند که بسیاری از جنبه‌های سیاست‌های اشتغال آنتروپیک در سطح کل اقتصاد قابل تکرار نیستند. آنتروپیک به‌عنوان شرکتی پیشرو در توسعه هوش مصنوعی، منابع لازم برای فراهم‌کردن امکان انتقال داخلی کارکنان و تقسیم منافع را در اختیار دارد. اما بیشتر شرکت‌های فعال در صنایع سنتی و کارکنان آن‌ها ممکن است به چنین منابع و سازوکارهای نهادی دسترسی نداشته باشند. چه کسی به این شرکت‌ها کمک خواهد کرد تا تغییرات مشاغل را شناسایی کنند؟ هزینه بازآموزی کارکنان را چه کسی بر عهده خواهد گرفت؟ این پرسش‌ها اکنون از محدوده اقدام‌های یک شرکت فراتر رفته‌اند.
در یکی از جمله‌های پایانی گزارش آمده است: «نیروی کاری که مضطرب و نگران است، نمی‌تواند بهترین عملکرد خود را ارائه دهد.» هنگامی که تعریف کار به‌سرعت تغییر می‌کند، آستانه ورود به مشاغل پیوسته بالاتر می‌رود و همه باید مدام ثابت کنند که هوش مصنوعی جایگزین آن‌ها نخواهد شد، همین بلاتکلیفی مداوم به باری گسترده در سطح جامعه و روان افراد تبدیل می‌شود. ممکن است مشاغل به‌کلی از بین نروند، اما معنای کار، موانع ورود به آن و سلسله‌مراتب ارزش‌گذاری مشاغل در حال بازتعریف است.