Anthropic 初階技術招募占比降至 9%

Anthropic 新研究記錄初階技術招募占比從 27% 降至 9%，但技術聘雇總數仍成長。拆開招募結構、AI 成果審查與台灣新鮮人可展示的作品證據。

發佈於： 2026-10-19 | 更新於： 2026-10-19

內容查核： 2026-10-19 來源查核： 2026-10-19

Anthropic 在 10 月 16 日內部就業研究指出，自 2025 年初以來，初階人員在新技術聘雇中的占比由 27% 降至 9%。 研究期間技術聘雇總數仍成長，但招募組合出現改變。

對正在找第一份技術工作的台灣新鮮人，我會把準備重點放在「能否解釋自己做過的判斷」：作品集除了展示功能，也要留下驗證與修正 AI 成果的過程。這份研究值得警覺，但不能把一家公司的占比，直接當成台灣新人錄取機會或裁員風險。

新人招募組合改變，工作往審查移動

研究結合公司人事紀錄、AI 使用與工作產出資料、招募評估及員工訪談。它描述的是 Anthropic 自己的工作變化，並非全美或台灣的就業調查。

27% 與 9% 的分母，是新聘的技術人員。研究明確指出，公司技術聘雇的絕對數仍成長；因此，這組占比不能改寫成「裁掉三分之二新人」，也不能單獨推算初階錄用人數下降多少。要算人數，還需要知道各期新聘總數。

招募組合改變的同時，研究也記錄工作內容轉變：員工需要整理、監看與審查愈來愈多的 AI 產出。生成程式或文件之後，還有人要決定哪些可用、哪些需要修正，以及何時找同事協調。

這也反映在招募評估。研究分析面試官的評語，發現對技術應徵者的自主性、判斷力更為重視。我的解讀是，單純展示「我能讓 AI 做出很多東西」，越來越難說明你本人貢獻了什麼；展示你如何辨識錯誤、取捨方案，才讓合作方式具體可見。

如果你的作品是庫存查詢工具，可以保留一個真實的修正案例：原始資料有重複品號或缺值，AI 最初怎麼回答，你如何發現問題，又怎麼讓修正後的結果可重查。這比只放一張順利回答的畫面，更能讓面試官追問你的判斷。案例應來自實作，不能為了作品集補造不存在的錯誤與成效。

判斷仍需要技術基礎。你要懂資料、程式或業務規則，才有能力指出成果哪裡不對；模型與應用的評估方法可承接如何設計驗收。對尚未累積多年經驗的人，能完整講清楚一個自己處理過的問題，比堆出一串工具名稱更有說服力。

單一公司之外，史丹佛 8 月修訂的美國研究也觀察到，年輕人在高 AI 曝險職業的就業調整，較多反映聘雇減少，而非離職增加。但其 Canaries 儀表板採特定企業的薪資樣本，不代表全美市場，也未確立 AI 的因果效果。它提醒我們留意初階入口，還不能替台灣各行業下結論。

作為台灣背景，104 人力銀行 4 月公布的資料顯示，2026 年第一季有超過 6.7 萬個歡迎新鮮人的 AI 相關工作機會，62% 不限科系，涵蓋軟體、研發之外的應用職務。這是當時的平台工作機會，不是 10 月即時缺額，也不等於已有這麼多人獲聘。

因此，看職缺時應回到實際工作：公司要你整理資料、開發系統，還是把 AI 接進行銷與營運？準備證據也應跟著任務走。我不建議因為一家 AI 公司的初階占比下降，就直接放棄投遞；同樣也不建議把「會用 AI」當成能跨過所有專業要求的通行證。

如果還在選擇要練哪一類任務，可搭配台灣 AI 任務與人才需求分析盤點；求職作品則優先對準你真正要投的職務。

這份研究讓人看到，當生成工作變快，說清楚自己如何驗證與取捨，會成為更重要的求職證據。作品最好能被追問：你做了什麼、為什麼這樣改、怎麼知道改對了，要能由本人說清楚。如何把真實經驗整理進履歷，可接著看 AI 履歷與面試的使用方法。

Anthropic 初階技術招募占比降至 9%，就是裁掉很多新人嗎？

不是。這是初階人員在新技術聘雇中的占比，不是裁員率。公司技術聘雇的絕對數仍成長；沒有各期新聘總數，就不能只靠占比推算初階錄用人數的變化。

這份研究能預測台灣新鮮人的工作機會嗎？

不能直接預測。Anthropic 是單一公司，美國 ADP 研究也有樣本與因果限制。104 的第一季資料可作台灣背景，但不是十月即時空缺或錄用率；仍要看目標產業與職務。

會用 AI，代表面試和測驗都能請 AI 代答嗎？

不是。以 Anthropic 現行指引為例，可用 AI 潤飾自己寫的申請初稿與準備面試；正式測驗及即時面試則需明確准許才能使用。其他公司的規則應另行確認。

№ · further reading