81,000 人告诉我们的 AI 经济学
日期： 2026年4月22日 来源： Anthropic – 经济研究
PDF 链接： 阅读 PDF
主要发现
- AI 接触度较高岗位的人对 AI 驱动的工作岗位流失表示更多担忧，职业生涯早期的受访者表现出更高的焦虑。
- 薪酬最高和最低的职业报告了最大的生产力提升，最常见的形式是扩大工作范围（执行新任务）。
- 经历 AI 加速最大的受访者也对工作岗位流失表达了更高的担忧。
引言
为了让公众了解 AI 带来的经济变化，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 处理了最大份额的任务。到目前为止，缺乏关于这些使用模式与人们对 AI 的想法和印象之间关系的信息。
一项针对 81,000 名 Claude 用户的调查研究提供了一种将经济担忧与量化 Claude 流量数据联系起来的方式。调查询问了关于 AI 进步的愿景和恐惧。许多回答涉及经济话题。结果提供了初步证据，表明观察到的接触度（AI 替代风险的衡量指标）与围绕 AI 的经济担忧相关。在高度接触的职业中——根据 Claude 被观察到执行的任务定义——人们对经济替代更加紧张，这与人们对 AI 扩散和潜在影响的广泛认知一致。
谁担心工作岗位流失？
五分之一的受访者对经济替代表示担忧。有些人抽象地担忧；有些人哀叹他们的工作或工作的某些方面正在被自动化取代。在某些工作中，人们觉得 AI 让他们的工作变得更困难了。
整个过程中使用了基于 Claude 的分类器来推断人们的属性和情感。例如，提到自己工作领域的参与者允许进行职业推断，Claude 识别并解释了表明 AI 驱动替代风险的引语。示例提示在附录中。
受访者的感知威胁与观察到的接触度衡量指标相关，该指标反映了 Claude 被用于工作任务的百分比。小学教师比软件工程师更不担心，这与 Claude 使用偏向编码一致。
图 1 绘制了感知工作威胁（纵轴）与观察到的接触度（横轴）的关系。平均而言，接触度较高职业的人表达了更多担忧。每增加 10 个百分点的接触度，感知工作威胁上升 1.3 个百分点。接触度最高的 25% 的人提到担忧的频率是最低 25% 的人的三倍。
职业阶段是另一个重要特征。先前的研究显示美国应届毕业生和职业生涯早期工作者的初步迹象表明招聘放缓。对于大约一半的受访者，可以从回答中推断出职业阶段。职业生涯早期的受访者比资深工作者更有可能表达对工作岗位流失的担忧（图 2）。
谁从 AI 中受益？
Claude 对自我报告的生产力提升进行了 1-7 级评分：1 = "生产力降低"，2 = "没有变化"，随后每个级别表示更大的提升。7 包括关于以前需要数月的工作现在几天完成的证言；5 是任务从四小时减少到两小时之类的；2 反映了需要多次尝试才能获得结果的情况。
平均生产力评分为 5.1（"大幅提高生产力"）。受访者是愿意参加调查的活跃 Claude 用户，可能偏向于报告收益。约 3% 报告了负面或中性影响，42% 没有给出明确指示。
生产力按收入线划分（图 3，左面板）。高薪工作的人传达了最大的收益，这一结果不仅由编码驱动。这呼应了先前的经济指数发现，即在需要更高教育水平的任务中，Claude 以更高的百分比减少了完成时间。
一些薪酬最低的工人也描述了高收益——例如，使用 AI 创建回复的客服代表、开始电子商务业务的快递司机，以及构建音乐应用程序的园林工人。
图 3（右面板）显示了按主要职业组划分的生产力。管理类职业（主要是企业家）位居榜首，其次是计算机和数学类（包括软件开发者）。科学和法律专业的改善最温和。一些律师担心 AI 遵循精确指令的能力。
一个关键问题是收益归谁——工人、管理者、消费者还是企业。受访者在大约四分之一的访谈中指出了受益者。大多数人通过更快的任务、扩大的范围和释放的时间提到了对自己的好处。然而，在指出受益者的人中，10% 表示雇主或客户要求做更多的工作。较小的份额提到了对 AI 公司的好处或净负面影响。这取决于职业阶段：只有 60% 的职业生涯早期工作者说他们个人受益，而资深专业人士中这一比例为 80%（图 4）。
范围与速度
生产力提升被分为范围、速度、质量和成本。许多编码用户描述了扩大范围——解锁新能力。其他人加速了他们已经执行的任务。质量提升来自更彻底的检查。一小部分人提到了低成本。
最常见的增强是范围，被 48% 明确提到生产力效果的用户引用；40% 强调了速度（图 5）。
为了评估经验是否塑造了担忧，加速被测量在一个从 1（大幅变慢）到 4（没有变化）到 7（大幅加快）的量表上。加速与感知工作威胁之间的关系是 U 形的（图 6）。被 AI 拖慢的受访者更有可能表示重大威胁——一些创意工作者发现 AI 太过压抑，却担心它扩散到创意领域。对于其余受访者，感知工作威胁随着加速水平的提高而持续增加：如果任务时间正在快速缩短，对该角色未来生存能力的不确定性可能会更大。
讨论
经济指数揭示了人们用 AI 做什么，但直接听取人们的反馈增加了另一个关键输入。回应显示人们的直觉与使用数据一致：他们最担心 AI 在 Claude 做最多工作的工作中的影响。职业生涯早期工作者更高的经济焦虑与过去的研究一致。
有迹象表明 Claude 赋予了用户力量。人们最常提到收益流向自己而非雇主或 AI 公司。高薪工作者对生产力影响最为热情，但低薪工作者也报告了巨大的收益。大多数人表示 Claude 通过扩大范围或提高速度增强了能力。加速最大的用户也对工作影响最为紧张。
主要注意事项
- 调查仅限于选择回应的 claude.ai 个人账户用户；这些用户可能更有可能感知到收益流向自己。
- 没有直接询问用户许多派生变量，因此从上下文线索推断职业、职业阶段和其他变量可能是错误的。
- 由于调查是开放式的，衡量标准基于受访者碰巧提到的内容；应通过直接询问这些主题的结构化调查来确认发现。
访谈揭示了关于 AI 经济学感受的真实见解，展示了定性数据如何能够浮现定量假设。经济相关担忧的高比例本身就是一个强信号。
致谢
感谢 80,508 名分享他们故事的 Claude 用户。Maxim Massenkoff 领导了分析并撰写了博客文章。Saffron Huang 领导了访谈项目并提供了指导。Zoe Hitzig 和 Eva Lyubich 提供了关键反馈和方法论指导。Keir Bradwell 和 Rebecca Hiscott 提供了编辑支持。Hanah Ho 和 Kim Withee 贡献了设计。Grace Yun、AJ Alt 和 Thomas Millar 在 Claude.ai 中实现了 Anthropic Interviewer。Chelsea Larsson、Jane Leibrock 和 Matt Gallivan 贡献了调查和体验设计。Theodore Sumers 贡献了数据处理和聚类基础设施。Peter McCrory、Deep Ganguli 和 Jack Clark 提供了关键反馈、方向和组织支持。也感谢 Miriam Chaum、Ankur Rathi、Santi Ruiz 和 David Saunders 的讨论、反馈和支持。
注释
- 职业使用第一个调查问题或其他回应中给出的指示进行推断。
- 职业阶段来自书面回应中的各种指示（例如，职业生涯早期提到家庭作业；资深工作者提到经营企业或参与招聘）。
- 量表不是居中的，因为大多数人对生产力说正面的话。完整量表从 1 = 生产力降低 到 7 = 变革性地提高生产力。
- 移除"独立创业者"后，管理类仍与计算机和数学类并列最高生产力收益。
- 一个主要注意事项是此调查发送给了个人账户持有者；企业用户可能更有可能说价值归于雇主。