Anthropic 调查 8 万名 Claude 用户：用 AI 提效最快的人，对未来最没有安全感
作者：Anthropic
编译：深潮 TechFlow
深潮导读：这是 AI 公司第一次大规模调查用户的真实经济焦虑。数据揭示了一个残酷悖论：程序员、设计师这些最会用 AI 的人，恰恰最担心被 AI 取代；效率提升最快的人，对未来最没安全感。对投资者来说，这意味着 AI 的渗透速度比想象中快，对就业市场的冲击已经从心理层面开始了。
核心发现：
我们最近对 81,000 名 Claude 用户的调查显示，从事更容易被 AI 替代工作的人，对 AI 导致的失业更担忧。职业生涯早期的受访者尤其如此。
收入最高和最低的职业报告的生产力提升最大，主要来自工作范围的扩大（做新任务）。
体验到 AI 带来最大速度提升的受访者，对失业的担忧反而更高。
为了让公众了解我们观察到的 AI 经济变化，我们的经济指数分享了 Claude 被要求做什么工作，以及在哪些工作中 Claude 完成了最大比例的任务。但到目前为止，我们缺少这些使用模式如何映射到人们对 AI 的想法和印象的信息。
我们最近对 81,000 名 Claude 用户的调查研究，提供了一种将人们的经济担忧与我们在 Claude 流量中量化的内容联系起来的方法。
调查询问人们对 AI 进步的愿景和恐惧。许多人分享的想法涉及经济话题。我们了解到许多人担心失业——尽管他们也感到工作效率更高、能力更强。有些情况下，AI 让他们能够创业，或给他们时间做更重要的事；在其他情况下，AI 让人感到压抑，或者是雇主强加给他们的。
调查结果提供了初步证据，表明观察到的暴露度（我们衡量 AI 替代风险的指标）与围绕 AI 的经济担忧相关。从事高暴露度职业的人——由 Claude 被观察到执行的任务定义——对经济替代更紧张。这与人们普遍意识到 AI 的扩散和潜在影响一致。我们在下面展开我们的发现。
谁担心失业？
"就像现在所有白领一样，我 100%担心，几乎 24/7 都在担心最终会被 AI 取代。"——一位软件工程师。
我们调查中五分之一的受访者表达了对经济替代的担忧。有些人抽象地担心这个问题：一位软件开发者警告说"AI 在当前状态下被用来取代初级职位的可能性。"其他人哀叹他们的工作，或工作的某些方面，正在被自动化取代。一位市场研究员说，"在提高我的能力方面，毫无疑问。但未来 AI 可能会取代我的工作。"在某些工作中，人们觉得 AI 让他们的工作更难了。一位软件开发者观察到"当 AI 到来时，项目经理开始给出越来越难的工单和 bug 让我解决。"
在整个报告中，我们使用 Claude 驱动的分类器从受访者的回答中推断他们的属性和情绪。例如，许多参与者顺便提到他们的工作领域或提供有关工作生活的信息细节，这让我们能够推断他们的职业。同样，我们通过提示 Claude 识别和解释受访者表明自己的角色面临 AI 驱动替代风险的直接引用来量化对失业的担忧。我们在附录中给出示例提示。
受访者感知到的 AI 威胁与我们自己的观察暴露度指标相关，该指标反映了一份工作中使用 Claude 的任务百分比。当该受访者的观察暴露度指标较高时，受访者对 AI 的担忧更大。例如，小学教师对自己被替代的担心少于软件工程师，这与 Claude 使用偏向编码任务的事实一致。
我们在下面的图 1 中展示这一点。y 轴是给定职业中表示 AI 已经或可能很快取代他们角色的受访者百分比。x 轴是观察暴露度。该图显示，平均而言，暴露度更高职业的人往往对工作被自动化表达更多担忧。暴露度每增加 10 个百分点，感知的工作威胁就增加 1.3 个百分点。暴露度最高 25%的人提到这种担忧的频率是最低 25%的人的三倍。
图 1：人工智能带来的工作威胁感知与实际接触程度。图中显示了认为人工智能构成一定工作威胁的受访者百分比，以及Massenkoff 和 McCrory (2026)提出的实际接触程度指标。如果受访者表示其职位已被取代或大幅缩减，或此类变化可能在近期发生（使用 Claude 编码），则该受访者被编码为认为存在工作威胁。绿线表示简单的线性拟合。
另一个重要的工人特征是职业阶段。在之前的研究中，我们报告了美国应届毕业生和早期职业工人招聘放缓的初步迹象。对于本次调查中约一半的受访者，我们能够从他们的答案中推断出职业阶段。我们发现，早期职业受访者比资深员工更有可能表达对失业的担忧。
图 2：不同职业阶段对经济失业的担忧。按职业阶段划分的表示人工智能对其工作构成一定威胁的受访者百分比。这两个字段均使用基于 Claude 分类器的自由回答进行推断。
谁从 AI 中受益？
使用 Claude 评估调查回应，我们用 1-7 分量表评估人们自报的 AI 生产力提升程度，其中 1 是"生产力降低"，2 是"无变化"，后续每个级别表示更大的提升。得分为 7 的回应包括这样的证词，"我用 4-5 天做出的网站过去需要几个月"；Claude 给"原本需要四小时的事情用一半时间完成了"这样的陈述打 5 分，给"就我个人而言，我让 AI 帮我修复网站上的代码。但经过多次尝试才得到我想要的结果"打 2 分。
总体而言，人们平均报告了有意义的生产力提升。平均生产力评分为 5.1，对应"生产力大幅提高"。当然，我们的受访者是愿意参加调查的 Claude.ai 个人账户活跃用户。这可能使他们比普通用户更可能报告生产力收益。约 3%报告了负面或中性影响，42%没有给出明确的生产力指示。
这在一定程度上因收入而异。图 3 左侧面板显示，从事高薪工作的人，如软件开发者，传达了 AI 带来的最大生产力提升。这一结果不仅由编码驱动；当我们排除计算机和数学职业时，它仍然成立。这呼应了之前经济指数的一个发现，该发现也有利于高薪工人：在需要更高教育水平的任务中，Claude 往往将完成任务所需的时间（相对于不使用 AI）减少更高的百分比。
一些收入最低的工人也描述了高生产力提升。这包括一位客户服务代表使用"AI 基于另一个回复为我节省大量时间来创建回应。"在某些情况下，从事低薪工作的人在技术副业上使用 AI。例如，一位快递司机正在使用 Claude 创办电子商务业务，一位园艺师正在构建音乐应用程序。
图 3：按职业划分的推断生产率提升。左图显示了根据美国劳工统计局 (BLS) 提供的职业工资中位数四分位数划分的，人工智能 (AI) 带来的平均推断生产率收益（使用基于 Claude 分类器的分类器推断）。右图显示了相同的结果，但按主要职业群体划分。误差线表示 95% 置信区间。
我们在图 3 右侧面板中更详细地查看这一点，显示主要职业群体的推断生产力提升。顶部是管理职业。这些受访者大多是使用 Claude 创业的企业家。第二高的类别是计算机和数学，包括软件开发者。表现出最温和生产力改善的两个群体是科学和法律专业的工人。一些律师担心 AI 遵循精确指令的能力。例如："我已经给出了非常具体的规则，关于什么在哪里，如何阅读法律文件，我想要它做什么……但它每次都偏离。"
随着 AI 在经济中扩散，一个关键问题是收益将流向何处——工人、他们的经理、消费者还是公司。约四分之一的受访者在访谈中指明了这些收益的接收者。总体而言，这些人中的大多数提到了对自己的好处，通过更快的任务、扩大的范围和释放的时间。但 10%提到接收者的受访者表示雇主或客户要求并获得了更多工作。较小比例的人提到了对 AI 公司的好处，更小比例的人说 AI 将是净负面的。这取决于职业阶段：只有 60%的早期职业工人表示他们个人从 AI 中受益，而资深专业人士的这一比例为 80%。
图 4：人工智能生产力提升带来的盈余流向何处？在列举了人工智能生产力提升受益者的受访者中，指出每个受益者所占的比例。
范围和速度
受访者还分享了他们在哪里体验到生产力提升。我们将其分为范围、速度、质量和成本。例如，许多将 AI 用于编码任务的人说"我不是技术人员，但现在我是全栈开发者。"这是范围的扩大；AI 为他们解锁了新能力。相比之下，一些用户加快了他们已经在做的任务，比如那位会计师说，"我构建了一个工具，帮我在 15 分钟内完成过去需要 2 小时的财务任务。"质量提升通常来自对代码、合同和其他文书工作的更彻底检查。一小部分受访者提到使用 AI 的低成本："如果我雇一个社交媒体经理，超出了我的预算。"
我们发现最常见的生产力提升是在范围方面，48%明确提到生产力影响的用户提到了这一点。40%提到生产力的用户强调了速度。
图 5：用户报告了哪些类型的生产力提升？描述每种生产力提升类型的受访者比例。
人们使用 Claude 的体验也可能影响他们对 AI 的担忧。为了评估这一点，我们衡量了受访者报告的速度提升，通过提取他们的工作现在是否慢得多（我们编码为 1）、速度没有变化（4），还是变快得多（7）。
我们发现速度提升与感知工作威胁之间的关系呈 U 型（见图 6）。最左侧的柱状图显示报告 AI 拖慢他们速度的受访者。这些受访者更有可能表明 AI 对他们的生计构成重大威胁。例如，一些创意工作者，如艺术家和作家，发现 AI 太压抑和僵化，无法在自己的工作中帮助他们。同时，他们担心 AI 扩散到创意领域会让他们更难找到工作。
图 6：人工智能和加速带来的工作威胁。根据推断的加速程度，表示其工作岗位已经或可能在近期内受到替代的受访者百分比。
对于其余的受访者，感知的工作威胁随着他们答案暗示的速度提升水平持续增加。这在经济上有一定道理：如果完成任务所需的时间正在快速缩短，该角色的未来可行性可能存在更多不确定性。
经济指数揭示了人们用 AI 做什么。但理解 AI 经济影响的另一个关键输入是直接听取人们的体验。这里探讨的回应显示，人们的直觉与使用数据一致：他们最担心 AI 在我们观察到 Claude 做最多工作的工作中的影响。我们还在早期职业工人中发现了更高水平的经济焦虑，这与过去的研究一致。
也有迹象表明 Claude 赋能了用户。人们最可能谈论收益流向自己，而不是雇主或 AI 公司。高薪工人对 AI 的生产力影响最热情，但从事低薪工作和受教育程度较低的人也报告了大幅生产力提升。大多数受访者报告 Claude 以扩大工作范围或加快速度的形式增强了他们的能力。但体验到最大速度提升的用户也对 AI 的工作影响最紧张。
由于数据的性质，我们的分析有重要注意事项。首先，我们的调查仅限于选择回应的 Claude.ai 个人账户用户。在其他潜在偏见中，这些用户可能更倾向于认为收益流向自己。其次，用户没有被直接询问这里的许多衍生变量，因此我们从上下文线索对职业、职业阶段和其他变量的推断可能是错误的。相关地，由于调查是开放式的，我们的衡量基于受访者碰巧提到的内容；这些发现应该在直接询问这些主题的结构化调查中得到证实。
尽管如此，访谈揭示了关于人们对 AI 经济感受的真实洞察，显示了定性数据如何浮现定量假设。大部分经济相关担忧本身就是一个强烈信号。
致谢
我们感谢 80,508 名分享故事的 Claude 用户。
Maxim Massenkoff 领导了分析并撰写了博客文章。Saffron Huang 领导了访谈项目并在整个过程中提供指导。
Zoe Hitzig 和 Eva Lyubich 提供了关键反馈和方法论指导。Keir Bradwell 和 Rebecca Hiscott 给予了编辑支持。Hanah Ho 和 Kim Withee 为设计做出了贡献。Grace Yun、AJ Alt 和 Thomas Millar 在 Claude.ai 中实现了 Anthropic 访谈工具。Chelsea Larsson、Jane Leibrock 和 Matt Gallivan 为调查和体验设计做出了贡献。Theodore Sumers 为数据处理和聚类基础设施做出了贡献。Peter McCrory、Deep Ganguli 和 Jack Clark 提供了关键反馈、指导和组织支持。
此外，我们感谢 Miriam Chaum、Ankur Rathi、Santi Ruiz 和 David Saunders 的讨论、反馈和支持。
这个量表并非以中点为中心，因为大多数人对生产力的评价都是正面的，在原始的李克特量表上几乎全是 6 分和 7 分。我们这里使用的量表从 1 = 生产力下降，2 = 无变化，3 = 略有提升，4 = 适度提升，5 = 大幅提升，6 = 显著提升，到 7 = 变革性提升——AI 从根本上改变了他们能生产什么或能生产多少。
即使排除这些"独立创业者"，管理层仍然与计算机和数学职业并列，显示出最高的生产力收益。
但一个重要的局限是，这项调查针对的是拥有 Claude 个人账户的用户。更具代表性的图景还应包括企业用户，他们可能更倾向于认为价值归属于雇主。
相关内容
宣布推出 Anthropic 经济指数调查
我们正在推出 Anthropic 经济指数调查，这是一项通过 Anthropic Interviewer 进行的月度调查。
自动化对齐研究员：使用大语言模型扩展可扩展监督
Claude 能否自主开发、测试和分析对齐想法？我们进行了一项实验来找出答案。
实践中的可信赖 Agent
AI"Agent"代表着人们和组织使用 AI 方式的最新重大转变。在这里，我们解释它们如何工作以及我们如何确保它们的可信度。
