آنتروپیک در گزارشی داخلی از تحول اشتغال پرده برداشت: عامل‌های هوش مصنوعی ۶ برابر انسان‌ها کار می‌کنند و عصر «فراکار» آغاز شده است
آنتروپیک در ۱۶ اکتبر به وقت محلی آمریکا، گزارشی پژوهشی درباره ساختار اشتغال در داخل این شرکت با عنوان چگونه اشتغال در آنتروپیک در حال تغییر است منتشر کرد.
این پژوهش با اتکا به سوابق استخدامی داخلی آنتروپیک، داده‌های ثبت‌شده از نحوه استفاده از هوش مصنوعی، شاخص‌های عملکرد کارکنان، نظرسنجی‌های داخلی، مکاتبات سازمانی، داده‌های تقویم و فرم‌های ارزیابی تصمیم‌های استخدامی، در کنار ۱۷ مصاحبه عمیق با کارکنان، تغییرات محتوای کار، ساختار استخدام و تقاضای نیروی کار را پس از گسترش استفاده از هوش مصنوعی در شرکت به‌صورت نظام‌مند بررسی می‌کند.
این گزارش چهار یافته اصلی را مطرح می‌کند:
نخست، سهم استخدام نیروهای فنی تازه‌کار در آنتروپیک به‌شدت کاهش یافته است. این سهم از ۲۷ درصد در ابتدای سال ۲۰۲۵ به ۹ درصد در سال ۲۰۲۶ رسیده است. بااین‌حال، اندازه کلی نیروی کار شرکت همچنان در حال افزایش است؛ آنچه محدود شده، فرصت‌های شغلی در سطح ورودی است، نه تعداد کل مشاغل.
دوم، ساعات فعالیت عامل‌های هوش مصنوعی به‌سرعت افزایش یافته است. تا اوت ۲۰۲۶، مجموع ساعات فعالیت عامل‌های تعاملی که کارکنان آنتروپیک مستقیماً هدایت می‌کنند، به شش برابر ساعات کاری انسان‌ها رسیده است. بهره‌وری در چندین گروه شغلی افزایش یافته و تیم پژوهشی نیز با استفاده از تحلیل‌های کنترل‌شده، سهم مستقل هوش مصنوعی در این تغییرات را بررسی کرده است.
سوم، محتوای کار کارکنان در حال تغییر ساختاری است. تمرکز فعالیت‌ها به‌تدریج از انجام مستقیم وظایف به ساخت ابزار، نظارت بر گردش کار و مدیریت عامل‌ها منتقل می‌شود. در همین حال، توجه و ظرفیت ذهنی انسان به گلوگاه جدیدی تبدیل شده است و معیارهای استخدام نیز از تخصص در یک حوزه مشخص به سمت استقلال عمل و قدرت قضاوت حرکت می‌کنند.
چهارم، آنتروپیک ایجاد سازوکارهای هشدار زودهنگام و جابه‌جایی داخلی نیروی انسانی را آغاز کرده است. بااین‌حال، گزارش تأکید می‌کند که اقدامات در سطح شرکت هنوز برای مقابله با مسائل اجتماعی گسترده‌تر، از جمله محدود شدن فرصت‌های شغلی در سطح ورودی، کافی نیستند.
تغییراتی که در آنتروپیک، به‌عنوان یکی از شرکت‌های پیشرو در به‌کارگیری هوش مصنوعی، رخ می‌دهد، نمونه‌ای برای بررسی تأثیر احتمالی این فناوری بر شیوه کار و نیازهای استخدامی سایر شرکت‌ها فراهم می‌کند.
۱. کاهش استخدام در مشاغل تازه‌کار
مهم‌ترین داده این گزارش، افت شدید سهم استخدام نیروهای فنی تازه‌کار است.
از ابتدای سال ۲۰۲۵، سهم کارکنان تازه‌کار در بخش فنی آنتروپیک از ۲۱ درصد به ۱۴ درصد کاهش یافته و سهم استخدام در مشاغل فنی سطح ورودی نیز از ۲۷ درصد به ۹ درصد رسیده است. پس از دسامبر ۲۰۲۵، کاهش آگهی‌های استخدام برای این مشاغل به‌ویژه چشمگیر بوده است.
این تغییر ناشی از کوچک‌سازی شرکت نیست. برعکس، اندازه آنتروپیک در یک سال گذشته سه برابر شده و تعداد مطلق مشاغل فنی آن همچنان افزایش می‌یابد. تغییر اصلی در ساختار استخدام رخ داده است: موقعیت‌های جدید بیشتر در سطوح متوسط، ارشد و تخصصی ایجاد می‌شوند و مسیر ورود نیروهای تازه‌کار به شرکت به‌طور محسوسی 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 می‌کنند، دریافته‌اند که این مدل می‌تواند به‌تدریج وظایف مهندسی روزمره، مانند نوشتن کدهای ساده و عیب‌یابی، را بر عهده بگیرد. مشاغل مهندسی بهینه‌سازی عملکرد به‌ویژه تحت تأثیر قرار گرفته‌اند. یکی از مصاحبه‌شوندگان گفت این تحول تقریباً یک‌شبه نیاز تیم به نیروی متخصص را تغییر داده است.
تا آوریل ۲۰۲۶، تیم‌های مهندسی و پژوهشی به‌طور نظام‌مند وزن استخدام نیروهای سطوح پایین‌تر را کاهش داده بودند. نظرسنجی داخلی همان ماه نشان داد که حدود یک‌سوم مدیران یادگیری ماشین و یک‌پنجم مدیران مهندسی نرم‌افزار گفته‌اند به دلیل استفاده از هوش مصنوعی، تعداد نیروهای استخدامی را کاهش داده‌اند.
مشاغل تازه‌کار زودتر از سایر موقعیت‌ها تحت تأثیر قرار می‌گیرند؛ موضوعی که به ماهیت این نوع کارها مربوط است.
کارهای سطح ورودی معمولاً قواعد مشخص و قابلیت اجرای بالایی دارند؛ ویژگی‌هایی که با توانایی‌های فعلی مدل‌های زبانی بزرگ سازگار است. وظایفی مانند نوشتن کد، پردازش داده، مرتب‌سازی اسناد و پشتیبانی مشتری، همگی به درجات مختلف تحت تأثیر هوش مصنوعی قرار گرفته‌اند و توانایی مدل‌ها در انجام آن‌ها نیز پیوسته افزایش می‌یابد.
با پیشرفت مدل‌ها و ارتقای توانایی‌هایشان در فاصله چندماهه، پایین‌ترین پله نردبان مهارت ممکن است نخستین بخشی باشد که جای خود را به هوش مصنوعی می‌دهد.
در بخش‌های غیرتخصصی نیز روند مشابهی دیده می‌شود. معمولاً با بزرگ‌تر شدن یک شرکت، واحدهای پشتیبانی مانند اداری، مالی و منابع انسانی نیز نیروی بیشتری استخدام می‌کنند. اما آنتروپیک با استفاده از روش‌هایی مانند دستیارهای عامل‌محور، بررسی‌های خودکار و برون‌سپاری خدمات رسیدگی به درخواست‌ها، توانسته است هم‌زمان با رشد سریع، ساختار اداری کم‌حجمی را حفظ کند.
یکی از دستیاران اداری شرکت، عامل شخصی خود را برای مدیریت برنامه زمانی و دسته‌بندی ایمیل‌ها توسعه داد. او گفت تیمش از مرحله استفاده از کلود برای تقویت عملکرد نیروهای اداری تازه‌کار عبور کرده و تمرکز کار اکنون به سمت وظایف سطح بالاتر، مانند هماهنگی و برنامه‌ریزی، در حال حرکت است.
۲. ساعات فعالیت عامل‌ها به شش برابر ساعات کاری کارکنان رسیده است
در پسِ تغییر ساختار استخدام، گسترش سریع استفاده از عامل‌های هوش مصنوعی در داخل شرکت قرار دارد.
در مارس ۲۰۲۶، مجموع ساعات فعالیت دو نوع عامل هوش مصنوعی در آنتروپیک، یعنی عامل‌های خودگردان و عامل‌هایی که مستقیماً با راهنمایی کارکنان کار می‌کنند، برای نخستین بار از ساعات کاری کارکنان انسانی فراتر رفت. از آن زمان، ساعات فعالیت عامل‌ها همچنان افزایش یافته است. تا اوت همان سال، ساعات فعالیت عامل‌های تعاملی که کارکنان مستقیماً هدایت می‌کنند، به‌تنهایی به شش برابر ساعات کاری انسان‌ها رسیده بود.
تعداد زیادی از عامل‌ها در مهندسی نرم‌افزار به کار گرفته شده‌اند تا وظایفی مانند تولید موارد آزمون، بازبینی کد، نگهداری زیرساخت و انتقال مخازن کد را انجام دهند. این آمار شامل خوشه‌های کاملاً خودمختار عامل‌ها نمی‌شود. برای یک مهندس، این وضعیت به آن معناست که می‌تواند چند عامل را به‌طور هم‌زمان و پیوسته به انجام وظایف مختلف بگمارد و سپس کدهای تولیدشده و نتایج تحلیل آن‌ها را بررسی کند. به‌تدریج، نقش مهندسان از کدنویسی مستقیم به واگذاری وظایف و ارزیابی نتایج تغییر کرده است.
تغییرات بهره‌وری در داده‌های مشخص نیز دیده می‌شود. طبق گزارش، تعداد کدهایی که هر مهندس در هر دوره ثبت می‌کند، طی شش ماه به پنج برابر سطح اولیه رسیده است. حجم پردازش درخواست‌ها در میان دانشمندان داده به‌شدت افزایش یافته و خروجی مشاغل غیرتخصصی، از جمله حقوقی، حساب‌های پرداختنی و فروش، نیز بیشتر شده است.
تیم پژوهشی برای جدا کردن اثر هوش مصنوعی از عواملی مانند رشد کسب‌وکار، از روش تحلیل کنترل‌شده استفاده کرد. پژوهشگران ۱۹۲ مهندس را که استفاده از عامل‌های کدنویسی را آغاز کرده بودند، زیر نظر گرفتند و ۷۴ مهندس را که در همان دوره از این ابزارها استفاده نکرده بودند، به‌عنوان گروه کنترل در نظر گرفتند. سپس با استفاده از اثرات ثابت دوگانه برای افراد و ماه‌ها، میزان تأثیر این ابزارها را برآورد کردند.
نتایج نشان داد که پس از به‌کارگیری عامل‌های کدنویسی، حجم کدهای ثبت‌شده توسط مهندسان با افزایشی سریع و از نظر آماری معنادار روبه‌رو شده است.
گزارش همچنین این پرسش را بررسی می‌کند که آیا هوش مصنوعی کدهای کم‌کیفیت تولید می‌کند یا خیر.
تیم پژوهشی کدهایی را که عامل هوش مصنوعی تولید کرده بود با کدهایی مقایسه کرد که همان کارمند در همان ماه و در همان مخزن کد به‌صورت دستی نوشته بود. برای ارزیابی کیفیت، سهم کدهایی که طی ۹۰ روز حذف یا بازگردانی می‌شدند، در نظر گرفته شد. نتایج تفاوتی از نظر آماری معنادار میان کیفیت دو گروه از کدها 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 غیرتخصصی نیز افزایش یافته است. بر اساس گزارش، پس از آنکه نمایندگان فروش استفاده از عامل‌ها را آغاز کردند، تعداد معاملات تکمیل‌شده با مشتریان افزایش یافت. یکی از مدیران مشتریان برآورد کرد که کلود حدود ۲۰ درصد از کارهای روزمره، از جمله تهیه پیش‌نویس ایمیل‌ها و کار با سامانه‌های مدیریت ارتباط با مشتری، را خودکار کرده است.
یکی دیگر از مصاحبه‌شوندگان گفت زمانی که خودکارسازی در اختیارش گذاشت، به او امکان داد تعداد مصاحبه‌هایش با مشتریان را ۳۰ درصد افزایش دهد.
۳. از انجام‌دهنده کار تا مدیر عامل‌های هوش مصنوعی
افزایش تعداد عامل‌ها و رشد بهره‌وری به معنای رهایی کارکنان از کار نیست. برعکس، ظرفیت توجه انسان به‌تدریج به گلوگاه اصلی در بهره‌برداری از خروجی عامل‌ها تبدیل می‌شود.
طبق گزارش، عامل‌ها در حدود ۸۰ درصد زمان جلسات تعاملی در حالت انتظار هستند و برای دریافت دستور، تأیید نتایج یا تعیین مسیر بعدی به انسان نیاز دارند.
تیم پژوهشی همچنین حجم توکن‌های تولیدشده توسط عامل‌ها را با استفاده از میانگین سرعت مطالعه افراد عادی به زمان لازم برای خواندن تبدیل کرد. نتایج نشان داد محتوایی که کلود در جلسات تعاملی واحدهای غیرتخصصی تولید می‌کند، به‌اندازه‌ای است که بخش قابل‌توجهی از ساعات کاری هفتگی کارکنان را به خود اختصاص دهد. صرفاً خواندن و پردازش محتوای تولیدشده با هوش مصنوعی اکنون به بخشی قابل‌توجه از بار کاری تبدیل شده است.
کارکنان در واکنش به این تغییر، به‌تدریج شیوه کاری تازه‌ای را شکل داده‌اند که گزارش از آن با عنوان «فراکار» (Meta-work) یاد می‌کند. منظور، فعالیت‌های مدیریتی پیرامون عامل‌هاست؛ از ساخت ابزارهای مدیریتی و تدوین دستورالعمل‌های دائمی گرفته تا طراحی داشبوردهای نظارتی و تنظیم سازوکارهایی که در آن عامل‌های مختلف کار یکدیگر را بررسی می‌کنند. در این نوع فعالیت، تمرکز دیگر بر انجام مستقیم یک وظیفه مشخص نیست، بلکه بر طراحی و مدیریت فرایندی است که هوش مصنوعی از طریق آن وظایف را انجام می‌دهد.
داده‌های گزارش نیز این تغییر را ثبت کرده‌اند. در پاییز ۲۰۲۵، فراکار حدود ۱۰ درصد از جلسات تعاملی کارکنان با کلود را تشکیل می‌داد. این سهم تا بهار ۲۰۲۶ به ۲۲ درصد افزایش یافت. بخش عمده این رشد از فعالیت‌های مدیریت عامل‌ها ناشی شده است؛ از جمله تدوین مشخصات فنی برای سامانه‌های چندعاملی، سازمان‌دهی بازبینی متقابل میان عامل‌ها و نظارت بر وضعیت اجرای گردش‌های کاری.
این تغییر در معیارهای استخدام نیز بازتاب یافته است.
تیم پژوهشی با تحلیل خودکار فرم‌های ارزیابی مصاحبه‌های استخدامی هزاران نفر در آنتروپیک از سال ۲۰۲۴ به بعد، دریافت که سهم ارزیابی‌هایی که به توانایی استفاده از ابزارهای هوش مصنوعی در مشاغل فنی اشاره می‌کنند، از حدود ۵ درصد به ۱۵ درصد افزایش یافته است. در مشاغل غیرتخصصی نیز این سهم از حدود ۷ درصد به ۲۸ درصد رسیده است.
هم‌زمان، محورهای ارزیابی داوطلبان نیز تغییر کرده‌اند. در مشاغل فنی، استقلال عمل و قدرت قضاوت به معیارهایی تبدیل شده‌اند که اهمیت آن‌ها سریع‌تر افزایش می‌یابد، درحالی‌که وزن نسبی تخصص در یک حوزه مشخص کاهش پیدا کرده است. در مشاغل غیرتخصصی، توجه به نیازهای مشتری و هم‌سویی با مأموریت شرکت بیشتر شده و تأکید بر مهارت‌های اجرایی کاهش یافته است. یکی از مدیران استخدام گفت انتظار دارد توانایی مدل‌ها در حوزه‌های مختلف همچنان متفاوت باشد؛ به همین دلیل، می‌خواهد اعضای تیم بتوانند به‌صورت انعطاف‌پذیر میان حوزه‌های گوناگون جابه‌جا شوند.
یکی از نمونه‌های گزارش نیز این تغییر را به‌خوبی نشان می‌دهد.
یک تیم طراحی در آنتروپیک که مسئول نوشتن پیام‌های خوشامدگویی محصول کلود دات‌ای‌آی (Claude.ai) بود، در بهار ۲۰۲۶ سامانه‌ای مبتنی بر گراف زمینه توسعه داد تا عامل‌ها بتوانند بر اساس آن متن‌های محصول را تولید کنند و ظرفیت خروجی تیم افزایش یابد. پس از آن، این تیم تمرکز خود را به مهندسی پرامپت عامل‌ها تغییر داد و مسئولیت تهیه محتوای ارزیابی مدل و پرامپت‌ها را بر عهده گرفت.
گزارش این تحول را چنین جمع‌بندی می‌کند: نویسندگانی که پیش‌تر با استفاده از زبان بر رفتار انسان‌ها تأثیر می‌گذاشتند، اکنون با زبان بر رفتار کلود تأثیر می‌گذارند. به بیان دیگر، ممکن است عنوان شغلی و ظاهر نقش تغییر نکرده باشد، اما ماهیت اصلی کار آن دگرگون شده باشد.
۴. نردبان ورود به بازار کار با چالش روبه‌رو است
تجربه آنتروپیک تصویری از تأثیر هوش مصنوعی بر ساختار اشتغال ارائه می‌دهد. تغییراتی که در این شرکت پیشرو در به‌کارگیری هوش مصنوعی رخ می‌دهد، می‌تواند مبنایی برای بررسی تحولاتی باشد که صنایع دیگر نیز احتمالاً در آینده با آن‌ها روبه‌رو خواهند شد.
در شرایط کنونی، تأثیر هوش مصنوعی بر اشتغال بیش از همه در نخستین پله‌های مشاغل شناختی دیده می‌شود. موقعیت‌هایی مانند برنامه‌نویسان تازه‌کار، تحلیلگران سطح ورودی، کارکنان خط مقدم خدمات مشتری، نویسندگان محتوای مقدماتی و نیروهای مالی تازه‌کار که معمولاً نقطه شروع فارغ‌التحصیلان دانشگاهی برای ورود به بازار کار بوده‌اند، به‌تدریج تحت تأثیر این فناوری قرار می‌گیرند.
پیامد این تغییر تنها به تعداد مشاغل محدود نمی‌شود. موقعیت‌های تازه‌کار نقطه شروع مهمی برای کسب تجربه، یادگیری فرایندهای کسب‌وکار و پیشرفت تدریجی کارکنان نیز هستند. با کوچک شدن این بخش از بازار کار، فرصت جوانان برای یافتن نخستین شغل و اندوختن تجربه حرفه‌ای ممکن است کاهش یابد. اگر شرکت‌ها به‌تدریج توانایی استفاده از ابزارهای هوش مصنوعی، قدرت قضاوت و استقلال عمل را از نیروهای تازه‌استخدام‌شده انتظار داشته باشند، این پرسش نیز مطرح می‌شود که افراد باید این مهارت‌ها را در چه مرحله‌ای و از چه مسیری کسب کنند.
گزارش چند اقدام را پیشنهاد می‌کند که شرکت‌ها می‌توانند در پیش بگیرند:
نخست، از طریق سازوکارهای گسترده سهیم کردن کارکنان در منافع شرکت، امکان بهره‌مندی آن‌ها از افزایش بهره‌وری ناشی از هوش مصنوعی را فراهم کنند. هنگامی که کارکنان باید عامل‌ها را مدیریت کنند و مسئولیت تصمیم‌گیری بیشتری بر عهده بگیرند، پیوند دادن منافع فردی با اهداف سازمان اهمیت بیشتری پیدا می‌کند.
دوم، سامانه هشدار زودهنگام ایجاد کنند تا تأثیر هوش مصنوعی بر مشاغل مختلف را به‌طور مستمر زیر نظر بگیرند و برای انتقال کارکنانی که موقعیت شغلی‌شان تحت تأثیر قرار گرفته است، از پیش برنامه‌ریزی کنند.
سوم، سازوکارهای جابه‌جایی داخلی کارکنان را تقویت کنند. هنگامی که وظایف فعلی به‌تدریج خودکار می‌شوند، باید به کارکنان کمک کرد به حوزه‌های کاری جدید منتقل شوند، نه اینکه مستقیماً به بازار کار بیرونی رانده شوند.
بااین‌حال، اقدامات در سطح شرکت به‌تنهایی برای حل مسائل اجتماعی گسترده‌تر کافی نیستند. آنتروپیک به‌عنوان شرکتی پیشرو در حوزه هوش مصنوعی، از امکانات لازم برای فراهم کردن فرصت انتقال داخلی کارکنان و ایجاد سازوکارهای سهیم کردن آن‌ها در منافع برخوردار است. اما برای بیشتر شرکت‌ها و کارکنان در صنایع سنتی، دسترسی به چنین منابع و ترتیبات نهادی‌ای ...