گزارش جدید آنتروپیک از تحول محیط کار؛ کاهش چشمگیر استخدام نیروهای تازهکار و افزایش زمان جلسات
گزارش جدید آنتروپیک نشان میدهد ادغام عمیق هوش مصنوعی الگوهای کاری این شرکت را بهکلی دگرگون کرده است. سهم نیروهای تازهکار در تیمهای فنی با افتی محسوس روبهرو شده، درحالیکه کارمندان اکنون زمان بیشتری را در جلسات هماهنگی سپری میکنند.

در یک نگاه (نکات کلیدی خبر)
خلاصه مهمترین نکات و تحولات این گزارش برای مطالعه سریع
- سهم نیروهای تازهکار در بخشهای فنی آنتروپیک از ۲۱ درصد به ۱۴ درصد کاهش یافته و نرخ جذب افراد تازهکار نیز به ۹ درصد سقوط کرده است.
- با محول شدن کدنویسی به مدل کلود، کارمندان زمان بیشتری را به مدیریت این ابزار اختصاص میدهند که توجه انسانی را به گلوگاه جدید بهرهوری تبدیل کرده است.
- زمان حضور کارکنان در جلسات هماهنگی بین ۱۶ تا ۲۰ درصد افزایش یافته؛ چراکه اعتمادسازی و قضاوت انسانی بیش از پیش اهمیت پیدا کرده است.
بر اساس گزارش جدیدی که شرکت آنتروپیک منتشر کرده است، ساختار نیروی کار و ماهیت وظایفی که در این شرکت انجام میشوند، طی یک سال گذشته دستخوش دگرگونی چشمگیری شدهاند.
آنتروپیک بر این باور است که روندهای محیط کار این مجموعه میتواند نشاندهنده «چگونگی دگرگونی ساختار کار، استخدام و تقاضای نیروی انسانی در کل اقتصاد توسط هوش مصنوعی» باشد؛ بهویژه از این رو که خود این شرکت «جریانهای کاریاش را بهطور کامل بر پایه هوش مصنوعی شکل داده است». با این حال، حتی اگر سازمانهای دیگر هرگز تا این اندازه یا دقیقاً به همین شیوه از هوش مصنوعی استفاده نکنند، این گزارش نمایی جذاب و تأملبرانگیز از نحوه فعالیت فعلی یکی از پیشگامان این صنعت ارائه میدهد.
نکته جالبتوجه این است که آنتروپیک اکنون نیروهای تازهکار کمتری استخدام میکند؛ بهطوریکه سهم کارمندان سطح مقدماتی (جونیور) در بخشهای فنی از اوایل سال ۲۰۲۵ میلادی تاکنون از ۲۱ درصد به ۱۴ درصد کاهش یافته است. همچنین سهم استخدام نیروهای فنی تازهکار با افتی شدیدتر روبهرو شده و از ۲۷ درصد به ۹ درصد سقوط کرده است.
آنتروپیک همچنین اعلام کرده است که تیمهای فنی اکنون سهم کوچکتری از کل بدنه شرکت را تشکیل میدهند و سهم آنها از ۶۱ درصد به ۵۶ درصد رسیده است؛ روندی که شرکت آن را هم ناشی از «توسعه طبیعی بخشهای تجاری همزمان با رشد و مقیاسپذیری سازمان» میداند و هم به این موضوع نسبت میدهد که «ابزارهای کدنویسی هوش مصنوعی به کارمندان غیرفنی اجازه دادهاند تا خودشان نرمافزارهای مورد نیازشان را توسعه دهند».
بر اساس این گزارش، یکی از کارمندان از «فشار مداوم در آنتروپیک برای پیشبرد هرچه سریعتر امور و استفاده از کلود برای انجام همه کارها» سخن گفته است. در نظرسنجی آوریل ۲۰۲۶، حدود ۲۷ درصد از کارکنان اعلام کردند که به لطف کلود به بهرهوری بالاتری دست یافتهاند و ۲۰ درصد نیز گفتند که ماهیت شغل آنها «از انجام مستقیم کارها، به مدیریت مدلهای مختلف کلود» تغییر کرده است. یکی از مهندسان این وضعیت را به مراقبت از کودکان تشبیه کرده و گفته است: «وقتی از بچهها پرستاری میکنید، هر کودک با نگرانی خاص خود به سراغتان میآید و توجه یکسانی میطلبد؛ نمونههای مختلف کلود نیز دقیقاً همین حس را ایجاد میکنند».
در واقع، نتایج این گزارش نشان میدهد که «تمرکز و قضاوت انسانی» در حال تبدیل شدن به یک «گلوگاه» برای بهرهوری است؛ چراکه مدل کلود حجم عظیمی از متون تولید میکند که خواندن، بررسی و سازماندهی آنها نیازمند صرف وقت توسط انسان است.
همانطور که انتظار میرفت، این گزارش تأکید میکند که بهرهگیری از هوش مصنوعی بهرهوری این شرکت را بهشدت افزایش داده است؛ آماری که با شاخصهایی چون «تولید کدهای بیشتر بهازای هر فرد، نهاییسازی معاملات فروش بیشتر توسط هر کارشناس و بررسی قراردادهای بیشتر» اثبات میشود. هرچند آنتروپیک اذعان دارد که «کد بیشتر لزوماً بهمعنای کد باکیفیتتر یا اثرگذاری تجاری بهتر نیست»، اما تا کنون هیچ نشانهای مبنی بر افت کیفیت کدهای تولیدشده پیدا نکرده است.
دادههای تقویم کاری کارمندان نیز نشان میدهد که میانگین زمان حضور هر فرد در جلسات نسبت به سال گذشته ۲۰ درصد افزایش یافته که این رقم برای نیروهای فنی ۱۶ درصد بیشتر شده است. آنتروپیک علت این اتفاق را اهمیت «اعتماد و مسئولیتپذیری انسانی» میداند و اشاره میکند که کارکنان همواره «هماهنگی چهرهبهچهره را امری حیاتی و غیرقابلجایگزین» توصیف کردهاند.
مطالب مرتبط و پیشنهادی

اجرای مدلهای زبانی روی پلیاستیشن ۵؛ فریمورک llama.cpp به کنسول جیلبریکشده سونی آمد
توسعهدهندهای با پورت کردن فریمورک محبوب llama.cpp روی پلیاستیشن ۵ جیلبریکشده، امکان اجرای مدلهای هوش مصنوعی را روی پردازنده این کنسول فراهم کرد. در آزمایشهای اولیه، مدل سبک Qwen3.5 با موفقیت اجرا شده، اما محدودیت ۶ گیگابایتی حافظه در دسترس، چالش اصلی در اجرای مدلهای بزرگتر است.

بنچمارک ۱۳۲۹ ساعته Synth-DoPaCo معرفی شد؛ شبیهسازی مکالمات واقعی پزشک و بیمار برای هوش مصنوعی
پژوهشگران با توسعه مجموعهداده متنباز Synth-DoPaCo شامل بیش از ۱۳۰۰ ساعت مکالمه صوتی شبیهسازیشده میان پزشک و بیمار، چالش بزرگ کمبود دادههای طولانی در هوش مصنوعی پزشکی را برطرف کردند. این بنچمارک با بازسازی ۸۸۰۰ ویزیت بالینی کامل، بستری استاندارد برای ارزیابی دقیق مدلهای زبانی صوتی بدون نقض حریم خصوصی بیماران فراهم میکند.

روش ابداعی KiToke با حذف ۹۹ درصد توکنها، دقت هوش مصنوعی ویدئویی را حفظ میکند
پژوهشگران روش فشردهسازی تازهای به نام KiToke توسعه دادهاند که بدون نیاز به آموزش مجدد، طول توالی توکنهای ویدئویی را کاهش میدهد. این روش حتی با حذف ۹۹ درصد از توکنهای بصری، نزدیک به ۹۰ درصد از کارایی مدل را حفظ میکند و بار محاسباتی پردازش ویدئو را به حداقل میرساند.
دیدگاه ها و گفتگوی تخصصی
نظرات خود را با جامعه مخاطبان وایر ای آی در میان بگذارید
هنوز دیدگاهی برای این مطلب ثبت نشده است
اولین نفری باشید که دیدگاه، تحلیل یا دیدگاه خود را درباره این موضوع با دیگران به اشتراک می گذارد.