Wiki · news-analysis · confidence: medium · ⚙ auto-approved · fact-checker

Anthropic เปิดข้อมูลว่า AI เปลี่ยนการจ้างงานในบริษัทตัวเองอย่างไร

anthropicfuture-of-workhiringjunior-rolescoding-agentsproductivitylabor-marketupdated 2026-10-18

Anthropic เปิดข้อมูลว่า AI เปลี่ยนการจ้างงานในบริษัทตัวเองอย่างไร

Anthropic เผยแพร่รายงาน How employment is changing at Anthropic เมื่อ 16 ตุลาคม 2026 ในหมวดงานวิจัยเศรษฐศาสตร์ ผู้เขียนคือ Nathan Wilmers, Regina Catipon, Maxim Massenkoff และ Peter McCrory และส่วนอ้างอิงของรายงานระบุว่าเป็นรายงานทางเทคนิคของ The Anthropic Institute (Anthropic) รายงานใช้ข้อมูลภายในของบริษัทเอง ทั้งข้อมูลพนักงาน ปฏิทิน การส่งโค้ด การใช้ agent และแบบสำรวจ

คนระดับเริ่มต้นลดลง

สัดส่วนพนักงานระดับเริ่มต้นในฝ่ายเทคนิคลดจาก 21% เหลือ 14% นับตั้งแต่ต้นปี 2025 และสัดส่วนคนระดับเริ่มต้นในการจ้างงานฝ่ายเทคนิคลดเร็วกว่านั้น จาก 27% เหลือ 9% โดยรายงานไม่ได้ระบุช่วงเวลาของตัวเลขชุดหลัง (Anthropic)

สัดส่วนการจ้างงานของฝ่ายเทคนิคทั้งหมดในบริษัทก็ลดจาก 61% เหลือ 56% ในปีที่ผ่านมา ในแบบสำรวจผู้จัดการเดือนเมษายน 2026 ผู้จัดการส่วนใหญ่บอกว่าตอนนี้จ้างคนที่มีชุดทักษะต่างจากเดิมเพราะ AI และราวหนึ่งในสามของผู้จัดการฝ่าย ML กับราวหนึ่งในห้าของผู้จัดการฝ่ายวิศวกรรมซอฟต์แวร์บอกว่าจ้างน้อยลงเพราะ AI (Anthropic)

งานของคนเปลี่ยนไปเป็นการคุม agent

ในคำถามปลายเปิดของแบบสำรวจพนักงานเดือนเมษายน 2026 ว่า AI กระทบงานประจำวันอย่างไร 27% ของคำตอบเล่าถึงผลิตภาพที่เพิ่มขึ้นจากเครื่องมือของ Claude และ 20% เล่าว่าบทบาทของตัวเองเปลี่ยนจากการลงมือทำงานไปเป็นการคุม Claude (Anthropic)

รายงานระบุว่าในมีนาคม 2026 ชั่วโมงทำงานรวมของ agent ทั้งแบบทำงานเองและแบบโต้ตอบแซงชั่วโมงทำงานของคนเป็นครั้งแรก โดยคิดชั่วโมงคนที่ 40 ชั่วโมงต่อสัปดาห์ต่อคน และในสิงหาคม agent ที่พนักงานแต่ละคนสั่งงานทำงานรวมราว 6 เท่าของชั่วโมงของคนที่คุมมัน (Anthropic)

แต่ในเซสชันแบบโต้ตอบ ราว 80% ของเวลาคือ agent นั่งรอให้คนตอบ ผู้เขียนสรุปว่าท่ามกลางการเร่งความเร็วจากโมเดล ความสนใจของคนเป็นคอขวดตลอดเวลา (Anthropic)

เวลาประชุมเพิ่มขึ้น

ข้อมูลปฏิทินชี้ว่าพนักงานคนกลางของบริษัทใช้เวลาประชุมมากกว่าปีก่อน 20% และแม้แต่พนักงานสายเทคนิคที่ไม่ได้เป็นหัวหน้าก็ประชุมเพิ่มขึ้น 16% ในปีที่ผ่านมา ผู้เขียนสรุปว่า agent ไม่ได้มาแทนการติดต่อระหว่างคน แต่ทำให้มีเพิ่มขึ้น (Anthropic)

TechCrunch สรุปประเด็นนี้ว่าแรงงานของ Anthropic มีคนระดับเริ่มต้นน้อยลงและใช้เวลาประชุมมากขึ้น (TechCrunch)

โค้ดมากขึ้น แต่ยังไม่รู้ว่าดีขึ้นหรือไม่

จำนวนการส่งโค้ดต่อวิศวกรเพิ่มเป็นราว 5 เท่าของหกเดือนก่อน ผู้เขียนติดตามวิศวกร 192 คนที่เริ่มใช้ agent เขียนโค้ดเทียบกับ 74 คนที่ไม่ได้เริ่มใช้ในช่วงที่ศึกษา และพบว่าปริมาณโค้ดที่วิศวกรกลุ่มแรกเพิ่มเข้าระบบสูงขึ้นมาก (Anthropic)

ส่วนเรื่องคุณภาพเป็นการเปรียบเทียบอีกแบบ คือเทียบโค้ดที่วิศวกรคนเดียวกันส่งในเดือนและโฟลเดอร์เดียวกัน ระหว่างส่วนที่ agent เขียนกับส่วนที่เขียนเอง ผลคือไม่พบความต่างในอัตราที่โค้ดถูกลบหรือถอยกลับในภายหลัง ผู้เขียนเตือนเองว่าคุณภาพโค้ดมีหลายมิติ และความผิดพลาดของ AI อาจหายากกว่าของคน และย้ำว่าโค้ดที่มากขึ้นไม่ได้แปลว่าโค้ดดีขึ้นหรือส่งผลทางธุรกิจมากขึ้นเสมอไป (Anthropic)

คนนอกสายเทคนิคเริ่มเขียนโค้ด

จำนวนเซสชันของ agent เขียนโค้ดในกลุ่มพนักงานที่ไม่ใช่สายเทคนิค ซึ่งรายงานนิยามว่าเป็นคนที่ไม่เคยส่งโค้ดในช่วงตั้งต้นและไม่นับพนักงานใหม่ เพิ่มจาก 2 ครั้งต่อเดือนในสิงหาคม 2025 เป็น 90 ครั้งในพฤษภาคม 2026 โดยรายงานไม่ได้ระบุว่าเป็นตัวเลขต่อคนหรือรวมทั้งกลุ่ม (Anthropic)

ข้อควรระวังในการอ่านข่าวนี้

นี่เป็นข้อมูลของบริษัทเดียวที่ใช้ AI หนักกว่าองค์กรทั่วไปมาก และเผยแพร่เองโดยไม่ผ่านการตรวจจากภายนอก ผู้เขียนระบุว่าแนวปฏิบัติด้านการจ้างงานหลายอย่างของ Anthropic ใช้กับทั้งระบบเศรษฐกิจไม่ได้ การเริ่มใช้เครื่องมือไม่ได้เกิดแบบสุ่ม และแนวโน้มบางส่วนมาจากการที่บริษัทเติบโตเร็ว (Anthropic)

ตัวเลขจากแบบสำรวจบางชุดไม่ได้ระบุขนาดตัวอย่าง จึงควรอ่านเป็นทิศทางมากกว่าตัวเลขที่แม่นยำ ผู้อ่านไม่ควรเขียนว่า 27% ของพนักงานได้ผลิตภาพเพิ่ม เพราะตัวเลขนั้นนับจากคำตอบของคำถามปลายเปิด

ทำไมเรื่องนี้สำคัญกับคนทำงาน

ข้อมูลชุดนี้ชี้ว่าเมื่อ AI ทำงานแทนได้มากขึ้น งานของคนย้ายไปอยู่ที่การตัดสินใจ การตรวจงาน และการประสานงาน ซึ่งเป็นทักษะที่คนทำงานทุกระดับควรฝึก ส่วนองค์กรที่ลดการจ้างคนระดับเริ่มต้นควรคิดด้วยว่าคนรุ่นถัดไปจะถูกฝึกขึ้นมาอย่างไร ในวันเดียวกัน Carnegie Mellon กับ Microsoft ก็เปิดหลักสูตรฝึกวิศวกรซอฟต์แวร์รุ่นใหม่ให้ทำงานคู่กับ AI (Carnegie Mellon University)

คำถามที่ยังไม่มีคำตอบ

  • แนวโน้มเดียวกันจะเกิดในบริษัทที่ใช้ AI น้อยกว่านี้หรือไม่
  • การประชุมที่เพิ่มขึ้นเป็นต้นทุนชั่วคราวช่วงปรับตัว หรือเป็นรูปแบบงานใหม่ถาวร
  • คุณภาพโค้ดที่ agent เขียนจะต่างจากของคนเมื่อวัดด้วยตัวชี้วัดอื่นนอกจากการลบหรือถอยกลับหรือไม่
■ หลักสูตรที่เกี่ยวกับเรื่องนี้
Claude Code Fundamentals

ใช้ Claude Code ผู้ช่วยเขียนโค้ดแบบ agentic ช่วยสร้าง แก้ และรีวิวโค้ดในโปรเจกต์จริง

ระดับขั้นสูง · หลักสูตรอบรมจาก TRAINIAC ผู้จัดทำคลังนี้
■ ไม่อยากพลาดของใหม่

อ่านจบแล้วอยากตามเรื่อง AI แบบนี้ต่อทุกวัน เรามีสรุปข่าวภาษาไทยส่งทาง LINE ทุกเช้า กดเพิ่มเพื่อนไว้ได้เลย ไม่มีค่าใช้จ่าย

เพิ่มเพื่อนใน LINE →
QR เพิ่มเพื่อน LINE ของ TRAINIAC AIคอมพิวเตอร์สแกนด้วยมือถือได้เลย