Anthropic 经济指数——首次基于真实使用数据揭示 AI 对劳动力市场的影响¶

Anthropic 发布了首个基于真实用户对话数据的经济指数,分析百万级 Claude.ai 对话后发现:AI 使用以增强(57%)为主、替代(43%)为辅,主要集中在中高薪技术岗位,目前没有任何职业被完全自动化的证据。
论文链接:阅读完整论文
引言¶
Anthropic 推出了 Anthropic 经济指数,旨在长期追踪 AI 对劳动力市场和经济的影响。首份报告提供了首创性的数据和分析,基于 Claude.ai 上数百万匿名对话。
数据集已开源供研究人员使用。Anthropic 也邀请经济学家、政策专家和研究人员提供反馈。
核心发现¶
| 发现 | 详情 |
|---|---|
| 使用集中度 | 软件开发和技术写作任务占主导;约 36% 的职业在至少四分之一的关联任务中使用 AI;约 4% 的职业在四分之三以上任务中使用 AI |
| 增强 vs. 替代 | AI 使用更倾向于增强(57%)——AI 与人类协作增强能力,而非替代(43%) |
| 薪资分布 | AI 使用在中高薪职业(如程序员、数据科学家)中更普遍,最低薪和最高薪岗位使用率都较低 |
各行业 AI 使用分布¶

图注:AI 在经济各领域的使用分布,来源为 Claude.ai 的真实使用数据。数字表示与各任务、职业和类别相关的 Claude 对话占比。
方法论:将 AI 使用映射到劳动力市场¶
通过分析职业「任务」而非职业本身,可以更全面地了解 AI 的实际影响——因为不同职业可能共享相似的技能和任务。
本研究借鉴了经济学文献中的洞见:聚焦职业任务而非职业本身能提供更完整的画面。不同职业可能共享某些任务和技能——例如,视觉模式识别由设计师、摄影师、安检员和放射科医生共同执行。
使用 Clio 将 AI 使用匹配到任务¶
研究利用了「Clio」(Claude 洞察与观测工具),一个在保护用户隐私的同时分析对话的自动化分析工具。研究分析了 Claude.ai 上约一百万个免费和 Pro 用户对话,并按职业任务进行了分类。
任务按照美国劳工部的 O*NET 数据库(包含约 20,000 个具体工作相关任务)进行分类。Clio 将每段对话与最能代表 AI 角色的 O*NET 任务进行匹配。

图注:Clio 系统将对话转化为职业任务和从 ONET 派生的职业/职业类别,然后进入各种分析的流程。*
研究结果¶
按职业类型的 AI 使用¶
| 职业类别 | AI 使用占比 | 美国劳动力占比 | 主要任务 |
|---|---|---|---|
| 计算机与数学 | 37.2% | 3.4% | 软件修改、代码调试、网络故障排除 |
| 艺术、设计、体育、娱乐与媒体 | 10.3% | 1.4% | 写作和编辑 |
| 教育与图书馆 | 9.3% | - | - |
| 办公与行政 | 7.9% | 12.2% | - |
| 生命科学 | 6.4% | - | - |
| 商业与金融 | 5.9% | - | - |
| 农业、渔业与林业 | 0.1% | 0.3% | 代表性最低 |

图注:每种职业类型中,与 Claude 相关对话的占比(橙色)与该职业类型在美国经济中的劳动力占比(灰色)的对比。
职业内 AI 使用深度¶
- 仅约 4% 的职业在 75% 以上的任务中使用 AI
- 约 36% 的职业在至少 25% 的任务中有 AI 使用
- 没有发现任何职业被完全自动化的证据;AI 分散在多种任务中
AI 使用与薪资的关系¶

图注:年薪(x 轴)与涉及该职业的 Claude 对话占比(y 轴)。标注了部分代表性职业。
低薪和极高薪职业(通常涉及手工操作,如洗头工和产科医生)的 AI 使用率都非常低。中高薪职业如程序员和文案是最重度的用户。
替代与增强的比例¶

| 类别 | 子类型 | 占比 | 定义 |
|---|---|---|---|
| 增强(57.4%) | 验证 | 2.8% | 工作验证和改进 |
| 增强 | 任务迭代 | 31.3% | 协作式精炼过程 |
| 增强 | 学习 | 23.3% | 知识获取和理解 |
| 替代(42.6%) | 反馈循环 | 14.8% | 由环境反馈引导的任务完成 |
| 替代 | 指令执行 | 27.8% | 以最少交互完成任务委派 |
研究局限¶
- 无法确认任务使用是工作相关还是个人用途
- 不知道用户如何使用了回复(直接复制粘贴 vs. 仅作参考核实)
- 仅分析了 Claude.ai 免费和 Pro 计划,不包括 API、Team 或 Enterprise 用户
- 由于任务数量庞大,可能存在分类误差(详见论文附录 B)
- Claude 无法直接生成图像,因此部分创意用途未被覆盖
- 考虑到 Claude 作为编程模型的定位,编程可能被过度代表
结论与未来研究¶
Anthropic 计划随时间推移重复分析以追踪社会和经济变化,定期发布结果和数据集作为 Anthropic 经济指数的一部分。纵向分析可以监测职业内 AI 使用深度以及替代与增强比例的变化。
「我们的研究提供了关于 AI 如何被使用的数据,但它不提供政策处方。」
开放数据与参与邀请¶
- 完整数据集:在 Hugging Face 下载
- 反馈表单:研究人员反馈 Google 表单
致谢¶
感谢以下人员提供的建设性意见和讨论:Jonathon Hazell、Anders Humlum、Molly Kinder、Anton Korinek、Benjamin Krause、Michael Kremer、John List、Ethan Mollick、Lilach Mollick、Arjun Ramani、Will Rinehart、Robert Seamans、Michael Webb 和 Chenzi Xu。
相关岗位¶
注释:
- Clio 将大量对话聚合为更高层次的类别,人类研究人员不会看到原始对话。更多关于 Clio 的信息:https://www.anthropic.com/research/clio