หัวข้อต้นฉบับ: ผมดูเรซูเม่ของ Anthropic จำนวน 1,680 ฉบับ นี่คือคนที่พวกเขาจ้างจริง
ผู้เขียนต้นฉบับ: @hiiinternet
เรียบเรียง: Peggy

บรรณาธิการ: ภายนอกมักจินตนาการว่า Anthropic เป็นห้องปฏิบัติการ AI ที่ประกอบด้วยนักปริญญาเอก นักวิจัย และผู้เชี่ยวชาญด้านโมเดล前沿 แต่การวิเคราะห์เรซูเม่ของวิศวกร 1,680 คนนี้ให้คำตอบที่สมจริงกว่า: แกนหลักของ Anthropic ไม่ใช่แค่ "การวิจัย" แต่คือ "การสร้าง"

บทความนี้วิเคราะห์โปรไฟล์ LinkedIn 5,306 รายการที่ระบุว่าทำงานที่ Anthropic และคัดเลือกเรซูเม่ของวิศวกร 1,680 คน ได้ข้อสรุปที่ขัดกับสัญชาตญาณ: ภาพลักษณ์บุคลากรหลักของ Anthropic ไม่ใช่ "นักวิจัย" อย่างที่คนภายนอกคิด แต่เป็นกลุ่ม "ผู้สร้าง" (builder) ที่มีประสบการณ์สูง ซึ่งเป็นคนที่สามารถสร้างระบบขนาดใหญ่ให้ทำงาน ใช้งานได้จริง และขยายขนาดได้

ข้อมูลแสดงให้เห็นว่าทีมวิศวกรรมของ Anthropic ก่อตัวขึ้นอย่างรวดเร็วในช่วง 18 เดือนที่ผ่านมา: ปัจจุบันวิศวกรมากกว่าครึ่งหนึ่งทำงานน้อยกว่าหนึ่งปี แต่พนักงานใหม่ส่วนใหญ่มีประสบการณ์สูง โดยมีค่ามัธยฐานของประสบการณ์ทำงานก่อนเข้าร่วมถึง 12.2 ปี และส่วนใหญ่มาจากบริษัทที่มีชื่อเสียงด้านความสามารถทางวิศวกรรมและโครงสร้างพื้นฐาน เช่น Google, Meta, Amazon, Microsoft, Stripe, Databricks, Snowflake, Palantir

สิ่งนี้อธิบายถึงจุดศูนย์กลางที่แท้จริงขององค์กรวิศวกรรมของ Anthropic: เมื่อเทียบกับการวิจัยโมเดลที่คนภายนอกให้ความสนใจ มันกลับคล้ายกับบริษัทโครงสร้างพื้นฐานที่มีวิศวกรรมสูง พื้นหลังของวิศวกรส่วนใหญ่อยู่ในด้านโครงสร้างพื้นฐาน ระบบหลังบ้าน ระบบกระจาย ฐานข้อมูล และความปลอดภัย สัดส่วนผู้ถือปริญญาเอกมีเพียง 13.7% ส่วนใหญ่เป็นวิศวกรอาวุโสที่มีวุฒิปริญญาตรีหรือโท

บุคลากรช่วงต้นอาชีพไม่ได้ไม่มีโอกาสเลย แต่เกณฑ์ก็สูงมากเช่นกัน: การฝึกงานในบริษัทเทคโนโลยีชั้นนำ ผลการแข่งขัน ผลงานตีพิมพ์ หรือประสบการณ์ด้านความปลอดภัย AI / โครงการ alignment มักเป็นสัญญาณคัดกรองที่ใช้แทนอายุงาน

คำแนะนำสุดท้ายของผู้เขียนก็ตรงไปตรงมา: หากต้องการเข้าร่วม Anthropic อย่าเขียนเรซูเม่ให้ดูเหมือนสมัครห้องปฏิบัติการวิจัย แต่ให้เน้นระบบขนาดใหญ่ที่คุณสร้าง ขยาย และดูแลรักษาจริง การแข่งขันด้าน AI 前沿ในระดับลึกกำลังกลายเป็นการแข่งขันด้านความสามารถทางวิศวกรรมและโครงสร้างพื้นฐานมากขึ้นเรื่อยๆ

ต่อไปนี้เป็นเนื้อหาต้นฉบับ:

ผู้สร้าง ไม่ใช่นักวิจัย

ฉันดึงข้อมูลโปรไฟล์ LinkedIn ทั้งหมดที่ระบุว่า Anthropic เป็นนายจ้างปัจจุบัน รวมทั้งสิ้น 5,306 คน จากนั้นคัดกรองเฉพาะตำแหน่งวิศวกรที่แท้จริงจำนวน 1,680 คน และตรวจสอบประวัติตำแหน่งงานก่อนหน้านี้จำนวน 7,986 รายการ เพื่อวิเคราะห์ว่าพวกเขาทำอะไรก่อนเข้าร่วม Anthropic

นี่คือผลลัพธ์

ขยายองค์กรแทบจะในชั่วข้ามคืน

มีวิศวกรเพียง 15 คนที่เข้าร่วม Anthropic ก่อนปี 2021 และยังคงทำงานอยู่จนถึงปัจจุบัน ในปี 2025 ทีมวิศวกรรมขององค์กรขยายตัวเกือบสามเท่า โดยเพิ่มวิศวกรใหม่ 686 คนในปีนั้น อัตราการจ้างงานในปี 2026 ก็มีแนวโน้มใกล้เคียงกัน โดยจนถึงเดือนมิถุนายนได้เพิ่มอีก 455 คน

ครึ่งหนึ่งของทีมวิศวกรรมปัจจุบันมีอายุงานที่ Anthropic น้อยกว่าหนึ่งปี 53% เข้าร่วมในช่วง 12 เดือนที่ผ่านมา อายุงานเฉลี่ย: 10 เดือน

นี่คือองค์กรขนาดใหญ่ที่ถูกสร้างขึ้นแทบจะภายใน 18 เดือน

จ้างเฉพาะวิศวกรอาวุโสเกือบทั้งหมด

ประสบการณ์การทำงานก่อนเข้าร่วม Anthropic มีค่ามัธยฐานอยู่ที่ 12.2 ปี กลุ่มกลาง 50% มีประสบการณ์ระหว่าง 8.8 ถึง 16.5 ปี ในจำนวน 1,680 คนนี้ มีเพียง 50 คนที่มีประสบการณ์น้อยกว่า 3 ปี 44% มีประสบการณ์ 13 ปีขึ้นไป การรับสมัครพนักงานใหม่แทบไม่มีเลย

กล่าวคือ พนักงานใหม่ทั่วไปของ Anthropic คือวิศวกรที่มีประสบการณ์ 12 ปี แต่มีอายุงานที่ Anthropic เพียง 10 เดือน

เน้นโครงสร้างพื้นฐานมากกว่าการวิจัยแบบดั้งเดิมอย่างชัดเจน

ประสบการณ์ด้านโครงสร้างพื้นฐานปรากฏในประวัติของวิศวกร 40% ด้านแบ็กเอนด์ ระบบกระจาย ฐานข้อมูล และความปลอดภัย แต่ละด้านมีสัดส่วนประมาณ 20% การเรียนรู้แบบเสริมกำลัง หรือ "RL" ใน RLHF ปรากฏในประวัติเพียง 3.3%

วิศวกรทั่วไปของ Anthropic มักใช้เวลาทศวรรษที่ผ่านมาในการสร้างระบบการผลิตขนาดใหญ่ที่ผู้ให้บริการคลาวด์ระดับไฮเปอร์สเกล หรือสตาร์ทอัพที่เน้นโครงสร้างพื้นฐาน

ทักษะที่พวกเขาระบุไว้ก็สะท้อนสิ่งเดียวกัน: Python 585 คน, Java 566 คน, C++ 443 คน, JavaScript 376 คน, SQL 302 คน, Linux 230 คน, ระบบกระจายศูนย์ 189 คน, AWS 154 คน แน่นอนว่างานฝึกโมเดลที่ฟังดู "เซ็กซี่" กว่านั้นมีอยู่ แต่สัดส่วนต่ำมาก

แหล่งบุคลากรที่ใหญ่ที่สุดไม่ใช่ห้องแล็บ แต่คือ Google

หลายคนคิดว่า Anthropic ดึงคนจาก OpenAI และ DeepMind เป็นหลัก แต่แหล่งบุคลากรที่ใหญ่ที่สุดของพวกเขา ซึ่งนำโด่งอย่างมาก คือ Google ห้องแล็บคู่แข่งเหล่านั้นเป็นเพียงแท่งเล็กๆ สองแท่งตรงกลางกราฟ

Anthropic ชอบบริษัทที่ขึ้นชื่อเรื่องความเข้มงวดทางวิศวกรรมอย่างชัดเจน: Stripe, Databricks, Snowflake, Palantir, Airbnb

หากดูประวัติการทำงานของวิศวกรเหล่านี้ อันดับคือ: Google 405 คน, Meta 273 คน, Amazon 197 คน, Microsoft 171 คน, Stripe 124 คน, Apple 87 คน, Stanford 68 คน, DeepMind 62 คน, Airbnb 51 คน, OpenAI 48 คน ในทีมวิศวกรรมปัจจุบัน ครึ่งหนึ่ง หรือ 50% มีประวัติการทำงานที่ FAANG อย่างน้อยหนึ่งครั้ง

แน่นอนว่าพวกเขาก็ดึงคนจากห้องแล็บ AI อื่นๆ ด้วย OpenAI เป็นหนึ่งในห้าแหล่งโดยตรงอันดับต้นๆ และ DeepMind เป็นหนึ่งในหกแหล่งโดยตรงอันดับต้นๆ มีวิศวกรประมาณ 94 คนที่ย้ายจากห้องแล็บ AI ชั้นนำอื่นๆ มาที่ Anthropic โดยตรง

ความเชื่อผิดๆ เกี่ยวกับปริญญาเอก

มีเพียง 13.7% เท่านั้นที่มีปริญญาเอก ประมาณหนึ่งในเจ็ดคน

กลุ่มเป้าหมายการจ้างงานทั่วไปของ Anthropic ไม่ใช่นักวิจัยวิทยาศาสตร์ แต่เป็นวิศวกรอาวุโสที่มีปริญญาตรีหรือปริญญาโท จินตนาการที่ว่า "ทั้งห้องแล็บเต็มไปด้วยคนจบปริญญาเอก" นั้นผิดโดยพื้นฐานในระดับทีมวิศวกรรม

การกระจายตัวของสาขาวิชาก็สอดคล้องกับภาพลักษณ์ของ "องค์กรที่เน้นการสร้าง" อย่างสมบูรณ์: วิทยาการคอมพิวเตอร์ 819 คน รองลงมาคือคณิตศาสตร์ 78 คน ฟิสิกส์ 70 คน วิศวกรรมคอมพิวเตอร์ 69 คน ปรัชญาก็ติดท็อป 20 ด้วยจำนวน 13 คน ซึ่งอาจเกี่ยวข้องกับสายงานด้านความปลอดภัย

Stanford ครองตำแหน่งผู้นำในแหล่งที่มาของการรับสมัครอย่างชัดเจน

เมื่อพิจารณาจากสถาบันการศึกษา อันดับสะสมทางประวัติศาสตร์มีดังนี้: Stanford 144 คน, Berkeley 118 คน, MIT 80 คน, CMU 73 คน, Harvard 42 คน, Cambridge 39 คน, UW 36 คน, Waterloo และ Cornell อย่างละ 35 คน, Oxford 33 คน, Princeton 32 คน สี่อันดับแรกของโรงเรียนรวมกันคิดเป็นหนึ่งในสี่ของทีมวิศวกรรมทั้งหมด

80% ของคนมีตำแหน่งงานเดียวกัน

"Member of Technical Staff" (สมาชิกทีมเทคนิค)

อดีต CTO ของ Instagram หนึ่งคน อดีตผู้ก่อตั้ง Adept หลายคน และคณาจารย์จาก Stanford ล้วนมีตำแหน่งแค่ "MoTS" ใน Anthropic การทำให้ตำแหน่งงานแบนราบนี้ดูเหมือนเป็นการตั้งใจ ความอาวุโสและหน้าที่เฉพาะถูกซ่อนไว้โดยการออกแบบ

เส้นทางเดียวที่คนในช่วงเริ่มต้นอาชีพจะเข้าไปใน Anthropic ได้คือที่ไหน?

มีวิศวกร 172 คนที่มีประสบการณ์ทำงานน้อยกว่า 6 ปี โดย 50 คนในจำนวนนี้มีประสบการณ์น้อยกว่า 3 ปี แต่พวกเขาไม่ใช่บัณฑิตจบใหม่ในความหมายทั่วไป พวกเขาแบ่งออกเป็นสองประเภทคร่าวๆ โดยแทบไม่มีวิศวกรระดับกลางทั่วไปอยู่ระหว่างกลาง

เมื่อเทียบกับทีมวิศวกรรมทั้งหมด พวกเขาแสดงลักษณะที่แตกต่างอย่างชัดเจน: สัดส่วนของปริญญาเอกสูงกว่า ถึง 19% ในขณะที่โดยรวมอยู่ที่ 13.7%; สัดส่วนของตำแหน่ง Product/SWE สูงกว่าสามเท่า ถึง 15% ในขณะที่โดยรวมอยู่ที่ 5%; โอกาสที่มีประวัติ FAANG ก็ต่ำกว่ามาก เพียง 32% ในขณะที่โดยรวมอยู่ที่ 50%

สิ่งที่มาแทนที่อายุงานของพวกเขาคือทุนชื่อเสียงอีกประเภทหนึ่ง:

ท่อส่งงานฝึกงาน 50% ของพวกเขามีประสบการณ์ฝึกงานจากบริษัทต่อไปนี้: Meta 16 คน, Google 10 คน, DeepMind 6 คน, Microsoft 5 คน, Amazon 5 คน รวมถึง Jane Street, Two Sigma, HRT, Optiver, Nvidia

จากการซื้อขายเชิงปริมาณสู่ห้องปฏิบัติการ AI 9% เคยผ่านองค์กรการซื้อขายชั้นนำ รวมถึง Jane Street, Two Sigma, Five Rings, HRT, Optiver, Citadel นี่คือกลุ่มคนรุ่นใหม่ที่มีความสามารถด้านคณิตศาสตร์/การแข่งขันคอมพิวเตอร์ ซึ่งเข้าสู่ห้องปฏิบัติการ AI ผ่านอุตสาหกรรมการซื้อขายความถี่สูง

Fellowship ที่มุ่งเน้นการจัดแนวทาง (Alignment) มีเพียง 6% ของผู้ที่เคยสัมผัสกับ MATS, SERI, Redwood หรือ ARC นี่คือช่องทางที่เปิดรับเฉพาะผู้มีความสามารถในช่วงต้นอาชีพแทบจะเท่านั้น และแทบไม่มีอยู่ในกลุ่มผู้มีประสบการณ์สูง

ภาพลักษณ์ที่ชัดเจนมากคือ: MIT, เหรียญเงิน IOI, คะแนน Codeforces 2900+, ทำงานสี่ปีแล้วตรงเข้าสู่สาย Reinforcement Learning และความปลอดภัย (Safety) พวกเขาไม่ได้คัดเลือกจากอายุงาน แต่จากอันดับการแข่งขันและการตีพิมพ์ผลงาน

วิศวกรรุ่นเยาว์เหล่านี้ยังมีความเป็นสากลมากกว่าวิศวกรอาวุโสอีกด้วย แหล่งที่มาของโรงเรียนสำหรับวิศวกรที่มีประสบการณ์น้อย ได้แก่: Berkeley 15 คน, Stanford 14 คน, Cambridge 10 คน, MIT 7 คน, Tsinghua 7 คน, Oxford 6 คน รวมถึง Imperial, NUS, Shanghai Jiao Tong University, ETH Zürich

แล้วคุณควรเข้าใจข้อมูลเหล่านี้อย่างไร?

หากคุณต้องการเข้าร่วม Anthropic ในฐานะวิศวกร อย่าเขียนเรซูเม่ให้ดูเหมือนสมัครเข้าห้องปฏิบัติการวิจัย แต่ให้เขียนให้ดูเหมือนสมัครเข้าบริษัทโครงสร้างพื้นฐาน (Infrastructure) แสดงให้เห็นว่าระบบที่คุณสร้างและขยายจริงๆ นั่นคือเรซูเม่ที่กำลังได้รับการว่าจ้าง

ช่วงต้นอาชีพเป็นข้อยกเว้นเพียงอย่างเดียว ในช่วงนี้ เกณฑ์ไม่ใช่ประสบการณ์การทำงานทั่วไป แต่เป็นการฝึกงานระดับท็อป อันดับการแข่งขัน หรือผลงานตีพิมพ์

หากคุณกำลังแย่งชิงบุคลากรกับ Anthropic เป้าหมายของคุณไม่ใช่ "ปริญญาเอก" หรือ "พื้นหลังห้องปฏิบัติการ" แต่เป็นผู้สร้าง (Builders) อาวุโสจากผู้ให้บริการคลาวด์ขนาดใหญ่พิเศษ (Hyperscaler) หรือบริษัทที่มีชื่อเสียงด้านวิศวกรรมสูง พวกเขามีประสบการณ์ประมาณ 12 ปี อาจมาจาก Stripe, Databricks, Snowflake, Palantir Anthropic กำลังตกปลาอย่างหนักในแหล่งบุคลากรนี้

[ลิงก์ต้นฉบับ]

ยินดีต้อนรับสู่ชุมชนทางการของ BlockBeats:

กลุ่ม Telegram สมัครสมาชิก: https://t.me/theblockbeats

กลุ่ม Telegram พูดคุย: https://t.me/BlockBeats_App

บัญชี Twitter ทางการ: https://twitter.com/BlockBeatsAsia