Anthropic 調查 8 萬名 Claude 用戶：用 AI 提效最快的人，對未來最沒有安全感

作者：Anthropic

編譯：深潮 TechFlow

深潮導讀：這是 AI 公司第一次大規模調查用戶的真實經濟焦慮。數據揭示了一個殘酷悖論：程序員、設計師這些最會用 AI 的人，恰恰最擔心被 AI 取代；效率提升最快的人，對未來最沒安全感。對投資者來說，這意味著 AI 的滲透速度比想象中快，對就業市場的衝擊已經從心理層面開始了。

核心發現：

我們最近對 81,000 名 Claude 用戶的調查顯示，從事更容易被 AI 替代工作的人，對 AI 導致的失業更擔憂。職業生涯早期的受訪者尤其如此。

收入最高和最低的職業報告的生產力提升最大，主要來自工作範圍的擴大（做新任務）。

體驗到 AI 帶來最大速度提升的受訪者，對失業的擔憂反而更高。

為了讓公眾瞭解我們觀察到的 AI 經濟變化，我們的經濟指數分享了 Claude 被要求做什麼工作，以及在哪些工作中 Claude 完成了最大比例的任務。但到目前為止，我們缺少這些使用模式如何映射到人們對 AI 的想法和印象的信息。

我們最近對 81,000 名 Claude 用戶的調查研究，提供了一種將人們的經濟擔憂與我們在 Claude 流量中量化的內容聯繫起來的方法。

調查詢問人們對 AI 進步的願景和恐懼。許多人分享的想法涉及經濟話題。我們瞭解到許多人擔心失業——儘管他們也感到工作效率更高、能力更強。有些情況下，AI 讓他們能夠創業，或給他們時間做更重要的事；在其他情況下，AI 讓人感到壓抑，或者是僱主強加給他們的。

調查結果提供了初步證據，表明觀察到的暴露度（我們衡量 AI 替代風險的指標）與圍繞 AI 的經濟擔憂相關。從事高暴露度職業的人——由 Claude 被觀察到執行的任務定義——對經濟替代更緊張。這與人們普遍意識到 AI 的擴散和潛在影響一致。我們在下面展開我們的發現。

誰擔心失業？

"就像現在所有白領一樣，我 100%擔心，幾乎 24/7 都在擔心最終會被 AI 取代。"——一位軟件工程師。

我們調查中五分之一的受訪者表達了對經濟替代的擔憂。有些人抽象地擔心這個問題：一位軟件開發者警告說"AI 在當前狀態下被用來取代初級職位的可能性。"其他人哀嘆他們的工作，或工作的某些方面，正在被自動化取代。一位市場研究員說，"在提高我的能力方面，毫無疑問。但未來 AI 可能會取代我的工作。"在某些工作中，人們覺得 AI 讓他們的工作更難了。一位軟件開發者觀察到"當 AI 到來時，項目經理開始給出越來越難的工單和 bug 讓我解決。"

在整個報告中，我們使用 Claude 驅動的分類器從受訪者的回答中推斷他們的屬性和情緒。例如，許多參與者順便提到他們的工作領域或提供有關工作生活的信息細節，這讓我們能夠推斷他們的職業。同樣，我們通過提示 Claude 識別和解釋受訪者表明自己的角色面臨 AI 驅動替代風險的直接引用來量化對失業的擔憂。我們在附錄中給出示例提示。

受訪者感知到的 AI 威脅與我們自己的觀察暴露度指標相關，該指標反映了一份工作中使用 Claude 的任務百分比。當該受訪者的觀察暴露度指標較高時，受訪者對 AI 的擔憂更大。例如，小學教師對自己被替代的擔心少於軟件工程師，這與 Claude 使用偏向編碼任務的事實一致。

我們在下面的圖 1 中展示這一點。y 軸是給定職業中表示 AI 已經或可能很快取代他們角色的受訪者百分比。x 軸是觀察暴露度。該圖顯示，平均而言，暴露度更高職業的人往往對工作被自動化表達更多擔憂。暴露度每增加 10 個百分點，感知的工作威脅就增加 1.3 個百分點。暴露度最高 25%的人提到這種擔憂的頻率是最低 25%的人的三倍。

圖 1：人工智能帶來的工作威脅感知與實際接觸程度。圖中顯示了認為人工智能構成一定工作威脅的受訪者百分比，以及Massenkoff 和 McCrory (2026)提出的實際接觸程度指標。如果受訪者表示其職位已被取代或大幅縮減，或此類變化可能在近期發生（使用 Claude 編碼），則該受訪者被編碼為認為存在工作威脅。綠線表示簡單的線性擬合。

另一個重要的工人特徵是職業階段。在之前的研究中，我們報告了美國應屆畢業生和早期職業工人招聘放緩的初步跡象。對於本次調查中約一半的受訪者，我們能夠從他們的答案中推斷出職業階段。我們發現，早期職業受訪者比資深員工更有可能表達對失業的擔憂。

圖 2：不同職業階段對經濟失業的擔憂。按職業階段劃分的表示人工智能對其工作構成一定威脅的受訪者百分比。這兩個字段均使用基於 Claude 分類器的自由回答進行推斷。

誰從 AI 中受益？

使用 Claude 評估調查回應，我們用 1-7 分量表評估人們自報的 AI 生產力提升程度，其中 1 是"生產力降低"，2 是"無變化"，後續每個級別表示更大的提升。得分為 7 的回應包括這樣的證詞，"我用 4-5 天做出的網站過去需要幾個月"；Claude 給"原本需要四小時的事情用一半時間完成了"這樣的陳述打 5 分，給"就我個人而言，我讓 AI 幫我修復網站上的代碼。但經過多次嘗試才得到我想要的結果"打 2 分。

總體而言，人們平均報告了有意義的生產力提升。平均生產力評分為 5.1，對應"生產力大幅提高"。當然，我們的受訪者是願意參加調查的 Claude.ai 個人賬戶活躍用戶。這可能使他們比普通用戶更可能報告生產力收益。約 3%報告了負面或中性影響，42%沒有給出明確的生產力指示。

這在一定程度上因收入而異。圖 3 左側面板顯示，從事高薪工作的人，如軟件開發者，傳達了 AI 帶來的最大生產力提升。這一結果不僅由編碼驅動；當我們排除計算機和數學職業時，它仍然成立。這呼應了之前經濟指數的一個發現，該發現也有利於高薪工人：在需要更高教育水平的任務中，Claude 往往將完成任務所需的時間（相對於不使用 AI）減少更高的百分比。

一些收入最低的工人也描述了高生產力提升。這包括一位客戶服務代表使用"AI 基於另一個回覆為我節省大量時間來創建回應。"在某些情況下，從事低薪工作的人在技術副業上使用 AI。例如，一位快遞司機正在使用 Claude 創辦電子商務業務，一位園藝師正在構建音樂應用程序。

圖 3：按職業劃分的推斷生產率提升。左圖顯示了根據美國勞工統計局 (BLS) 提供的職業工資中位數四分位數劃分的，人工智能 (AI) 帶來的平均推斷生產率收益（使用基於 Claude 分類器的分類器推斷）。右圖顯示了相同的結果，但按主要職業群體劃分。誤差線表示 95% 置信區間。

我們在圖 3 右側面板中更詳細地查看這一點，顯示主要職業群體的推斷生產力提升。頂部是管理職業。這些受訪者大多是使用 Claude 創業的企業家。第二高的類別是計算機和數學，包括軟件開發者。表現出最溫和生產力改善的兩個群體是科學和法律專業的工人。一些律師擔心 AI 遵循精確指令的能力。例如："我已經給出了非常具體的規則，關於什麼在哪裡，如何閱讀法律文件，我想要它做什麼……但它每次都偏離。"

隨著 AI 在經濟中擴散，一個關鍵問題是收益將流向何處——工人、他們的經理、消費者還是公司。約四分之一的受訪者在訪談中指明瞭這些收益的接收者。總體而言，這些人中的大多數提到了對自己的好處，通過更快的任務、擴大的範圍和釋放的時間。但 10%提到接收者的受訪者表示僱主或客戶要求並獲得了更多工作。較小比例的人提到了對 AI 公司的好處，更小比例的人說 AI 將是淨負面的。這取決於職業階段：只有 60%的早期職業工人表示他們個人從 AI 中受益，而資深專業人士的這一比例為 80%。

圖 4：人工智能生產力提升帶來的盈餘流向何處？在列舉了人工智能生產力提升受益者的受訪者中，指出每個受益者所佔的比例。

範圍和速度

受訪者還分享了他們在哪裡體驗到生產力提升。我們將其分為範圍、速度、質量和成本。例如，許多將 AI 用於編碼任務的人說"我不是技術人員，但現在我是全棧開發者。"這是範圍的擴大；AI 為他們解鎖了新能力。相比之下，一些用戶加快了他們已經在做的任務，比如那位會計師說，"我構建了一個工具，幫我在 15 分鐘內完成過去需要 2 小時的財務任務。"質量提升通常來自對代碼、合同和其他文書工作的更徹底檢查。一小部分受訪者提到使用 AI 的低成本："如果我僱一個社交媒體經理，超出了我的預算。"

我們發現最常見的生產力提升是在範圍方面，48%明確提到生產力影響的用戶提到了這一點。40%提到生產力的用戶強調了速度。

圖 5：用戶報告了哪些類型的生產力提升？描述每種生產力提升類型的受訪者比例。

人們使用 Claude 的體驗也可能影響他們對 AI 的擔憂。為了評估這一點，我們衡量了受訪者報告的速度提升，通過提取他們的工作現在是否慢得多（我們編碼為 1）、速度沒有變化（4），還是變快得多（7）。

我們發現速度提升與感知工作威脅之間的關係呈 U 型（見圖 6）。最左側的柱狀圖顯示報告 AI 拖慢他們速度的受訪者。這些受訪者更有可能表明 AI 對他們的生計構成重大威脅。例如，一些創意工作者，如藝術家和作家，發現 AI 太壓抑和僵化，無法在自己的工作中幫助他們。同時，他們擔心 AI 擴散到創意領域會讓他們更難找到工作。

圖 6：人工智能和加速帶來的工作威脅。根據推斷的加速程度，表示其工作崗位已經或可能在近期內受到替代的受訪者百分比。

對於其餘的受訪者，感知的工作威脅隨著他們答案暗示的速度提升水平持續增加。這在經濟上有一定道理：如果完成任務所需的時間正在快速縮短，該角色的未來可行性可能存在更多不確定性。

經濟指數揭示了人們用 AI 做什麼。但理解 AI 經濟影響的另一個關鍵輸入是直接聽取人們的體驗。這裡探討的回應顯示，人們的直覺與使用數據一致：他們最擔心 AI 在我們觀察到 Claude 做最多工作的工作中的影響。我們還在早期職業工人中發現了更高水平的經濟焦慮，這與過去的研究一致。

也有跡象表明 Claude 賦能了用戶。人們最可能談論收益流向自己，而不是僱主或 AI 公司。高薪工人對 AI 的生產力影響最熱情，但從事低薪工作和受教育程度較低的人也報告了大幅生產力提升。大多數受訪者報告 Claude 以擴大工作範圍或加快速度的形式增強了他們的能力。但體驗到最大速度提升的用戶也對 AI 的工作影響最緊張。

由於數據的性質，我們的分析有重要注意事項。首先，我們的調查僅限於選擇回應的 Claude.ai 個人賬戶用戶。在其他潛在偏見中，這些用戶可能更傾向於認為收益流向自己。其次，用戶沒有被直接詢問這裡的許多衍生變量，因此我們從上下文線索對職業、職業階段和其他變量的推斷可能是錯誤的。相關地，由於調查是開放式的，我們的衡量基於受訪者碰巧提到的內容；這些發現應該在直接詢問這些主題的結構化調查中得到證實。

儘管如此，訪談揭示了關於人們對 AI 經濟感受的真實洞察，顯示了定性數據如何浮現定量假設。大部分經濟相關擔憂本身就是一個強烈信號。

致謝

我們感謝 80,508 名分享故事的 Claude 用戶。

Maxim Massenkoff 領導了分析並撰寫了博客文章。Saffron Huang 領導了訪談項目並在整個過程中提供指導。

Zoe Hitzig 和 Eva Lyubich 提供了關鍵反饋和方法論指導。Keir Bradwell 和 Rebecca Hiscott 給予了編輯支持。Hanah Ho 和 Kim Withee 為設計做出了貢獻。Grace Yun、AJ Alt 和 Thomas Millar 在 Claude.ai 中實現了 Anthropic 訪談工具。Chelsea Larsson、Jane Leibrock 和 Matt Gallivan 為調查和體驗設計做出了貢獻。Theodore Sumers 為數據處理和聚類基礎設施做出了貢獻。Peter McCrory、Deep Ganguli 和 Jack Clark 提供了關鍵反饋、指導和組織支持。

此外，我們感謝 Miriam Chaum、Ankur Rathi、Santi Ruiz 和 David Saunders 的討論、反饋和支持。

這個量表並非以中點為中心，因為大多數人對生產力的評價都是正面的，在原始的李克特量表上幾乎全是 6 分和 7 分。我們這裡使用的量表從 1 = 生產力下降，2 = 無變化，3 = 略有提升，4 = 適度提升，5 = 大幅提升，6 = 顯著提升，到 7 = 變革性提升——AI 從根本上改變了他們能生產什麼或能生產多少。

即使排除這些"獨立創業者"，管理層仍然與計算機和數學職業並列，顯示出最高的生產力收益。

但一個重要的侷限是，這項調查針對的是擁有 Claude 個人賬戶的用戶。更具代表性的圖景還應包括企業用戶，他們可能更傾向於認為價值歸屬於僱主。

相關內容

宣佈推出 Anthropic 經濟指數調查

我們正在推出 Anthropic 經濟指數調查，這是一項通過 Anthropic Interviewer 進行的月度調查。

自動化對齊研究員：使用大語言模型擴展可擴展監督

Claude 能否自主開發、測試和分析對齊想法？我們進行了一項實驗來找出答案。

實踐中的可信賴 Agent

AI"Agent"代表著人們和組織使用 AI 方式的最新重大轉變。在這裡，我們解釋它們如何工作以及我們如何確保它們的可信度。