81000人告诉我们的AI经济学¶
发布日期： 2026-04-22
作者： Maxim Massenkoff, Saffron Huang
PDF： 阅读完整论文
核心发现¶
本研究将Anthropic经济指数的客观流量数据与81000名用户的主观感受相结合，揭示了AI暴露度、生产力收益和失业焦虑之间的深层关联。
| 发现 | 说明 |
|---|---|
| AI暴露度越高，失业焦虑越强 | 暴露度每增加10个百分点，感知到的工作威胁增加1.3个百分点 |
| 早期职业人群更担忧 | 相比资深从业者，早期职业受访者表达失业担忧的比例显著更高 |
| 高薪和低薪岗位生产力提升最大 | 主要来自能力边界拓展（做新任务）而非单纯加速 |
| 加速越大，焦虑越强 | 报告最大加速效果的用户同时也最担心被取代 |
引言¶
本研究首次将Anthropic 经济指数的客观使用数据与大规模用户主观反馈相连接。 Anthropic的经济指数量化了Claude被要求完成哪些类型的工作任务。与此同时，他们对81000名Claude用户进行了调查，了解人们对AI的看法和感受。
调查中许多受访者表达了对失业的恐惧，同时也承认AI让自己在工作中更高效、更有能力。某些情况下AI帮助人们创业或释放了时间；另一些情况下，AI让人感到压抑或是被雇主强加的。
结果提供了初步证据：观察到的暴露度（他们衡量AI替代风险的指标）与对AI的经济担忧相关。高暴露度岗位的从业者对经济替代更加紧张。
谁在担忧失业？¶
AI暴露度与失业焦虑存在显著正相关——暴露度前25%的人群提及担忧的频率是后25%的三倍。
"就像现在每个白领一样，我100%在担心、几乎24/7在担心失去工作。" —— 一名软件工程师
约五分之一的受访者表达了对经济替代的担忧。一位软件开发者警告"AI在当前状态下被用来取代初级岗位的可能性"。一位市场研究员说："在提升我能力方面，毫无疑问。但未来AI可能会取代我的工作。"还有一位软件开发者观察到"AI到来之后，项目经理开始分配越来越难的需求和bug。"
研究使用Claude驱动的分类器从回答中推断受访者的属性和情感倾向，从中识别表明岗位替代风险的直接引用。详细的prompt示例见附录。
关键数据¶
- 暴露度每增加10个百分点，感知到的工作威胁增加 1.3个百分点
- 暴露度前25%的人群提及失业担忧的频率是后25%的 3倍
图1：AI感知工作威胁与观察暴露度的关系¶
图注：受访者表示感受到AI工作威胁的比例 vs. Massenkoff and McCrory (2026) 的观察暴露度指标。如果受访者表示自己的角色已经被取代或大幅缩减，或此类变化在短期内很可能发生（由Claude编码），则被归类为感知到工作威胁。绿线为简单线性拟合。
职业阶段的影响¶
在先前的研究中，他们报告了美国应届毕业生和早期职业工作者招聘放缓的初步迹象。对于约一半的受访者，可以从回答中推断出职业阶段。早期职业受访者表达失业担忧的可能性远高于资深从业者。
图2：不同职业阶段的经济替代担忧¶
图注：不同职业阶段受访者表示感受到AI工作威胁的比例。两个字段均通过Claude驱动的分类器从自由文本回答中推断。
谁从AI中受益？¶
平均生产力评分为5.1（对应"显著提高生产力"），仅3%报告负面或无变化影响。
生产力收益采用1-7分量表评估，其中1="生产力下降"，2="无变化"，后续每级代表更大的提升。
评分示例：
- 7分： "以前做一个网站要花几个月，现在4-5天就完成了"
- 5分： "本来要四小时的工作，一半时间就搞定了"
- 2分： "AI帮我修了网站代码，但花了好几轮才得到想要的结果"
| 指标 | 数值 |
|---|---|
| 平均生产力评分 | 5.1（"显著更高效"） |
| 报告负面或无影响比例 | 3% |
| 未给出明确生产力评估的比例 | 42% |
收入分布与生产力¶
高薪岗位（如软件开发者）传达了最大的生产力收益。剔除计算机和数学职业后结论仍然成立。这与此前经济指数的发现一致——在需要更高教育水平的任务中，Claude缩短时间的比例更大。
一些最低薪岗位的从业者也描述了很高的生产力提升。一位客服代表用"AI帮我节省了大量时间，基于一个回复模板生成新回复"。一位快递司机用Claude创业电商；一位园艺师在构建音乐应用。
图3：不同职业的推断生产力收益¶
图注：左图显示按BLS职业收入中位数四分位划分的平均AI生产力收益。右图按主要职业类别拆分，展示相同结果。误差棒表示95%置信区间。
职业类别详细情况¶
- 管理职业排名最高（主要是使用Claude创业的企业家）
- 计算机和数学紧随其后（包括软件开发者）
- 提升最温和的是科学和法律专业
- 一位律师指出："我给出了非常具体的规则，告诉它什么在哪里、如何阅读法律文件、我想让它做什么......但它每次都偏离。"
收益流向何方？¶
约60%的早期职业工作者表示自己从AI中受益，而资深专业人士这一比例为80%。
约四分之一的受访者指出了收益的接收方。多数人表示好处归自己（更快完成任务、扩展能力范围、释放时间）。10%的受访者认为雇主或客户在要求并获得更多工作。更少比例提到AI公司受益；极少数认为AI是净负面的。
图4：AI生产力盈余流向何方？¶
图注：在明确指出AI生产力收益受益方的受访者中，每个去向的占比。
范围与速度¶
48%的用户提及生产力提升时引用了"能力边界拓展"（做到以前做不到的事），40%引用了速度提升。
生产力收益被分解为四个维度：范围（scope）、速度（speed）、质量（quality）和成本（cost）。
| 维度 | 示例 | 提及占比 |
|---|---|---|
| 范围 | "我是非技术人员，但现在我是全栈开发者了" | 48% |
| 速度 | "我做了一个工具，帮我在15分钟内完成以前要2小时的财务任务" | 40% |
| 质量 | 对代码、合同和其他文书做更彻底的检查 | — |
| 成本 | "如果我雇一个社交媒体经理就超预算了" | — |
图5：用户报告的生产力提升类型¶
图注：受访者描述每种生产力收益类型的比例。
加速与失业威胁的关系¶
加速与感知工作威胁之间呈U型关系——AI让自己变慢的人和让自己变得最快的人都更担忧被替代。
加速度采用1-7量表衡量（1=慢很多，4=无变化，7=快很多）。
报告AI让自己变慢的受访者更可能表示AI对其生计构成重大威胁（某些创意工作者觉得AI令人窒息但仍担心它扩散到创意领域）。对于其余受访者，感知工作威胁随加速程度一致上升——如果任务所需时间在快速缩减，岗位未来的可持续性就更不确定。
图6：AI工作威胁与加速程度的关系¶
图注：表示自己岗位已经被替代或短期内可能被替代的受访者比例，按推断加速程度划分。
讨论¶
人们的直觉与使用数据吻合：他们最担心的恰好是Claude做得最多的那些岗位。
人们的直觉跟踪了实际使用数据：他们最担心AI影响的恰好是Claude完成最多工作的那些岗位。早期职业工作者更高的经济焦虑与过去的研究一致。
Claude赋能用户的迹象明显：人们最倾向于谈论好处流向自己，而非雇主或AI公司。高薪工作者对生产力影响最为热情，但低薪工作和低教育水平的人群也报告了巨大收益。多数人报告Claude通过拓展能力范围或加速工作来增强能力。但体验到最大加速的用户同时也最焦虑工作影响。
局限性¶
| 局限 | 说明 |
|---|---|
| 样本偏差 | 调查仅限于使用Claude.ai个人账号且自愿回复的用户，可能偏向认为收益流向自己 |
| 推断准确性 | 许多变量（职业、职业阶段等）从上下文线索推断，可能不准确 |
| 开放式问题 | 所有指标基于受访者碰巧提到的内容，需要结构化调查验证 |
引用¶
@online{massenkoff2026interviewer,
author = {Maxim Massenkoff and Saffron Huang},
title = {What 81,000 people told us about the economics of AI},
date = {2026-04-22},
year = {2026},
url = {anthropic.com/research/81k-economics},
}
致谢¶
感谢80508名分享自身经历的Claude用户。
Maxim Massenkoff 主导分析并撰写博文。Saffron Huang 主导了访谈项目并全程提供指导。
其他贡献者：Zoe Hitzig、Eva Lyubich（关键反馈和方法论指导）；Keir Bradwell、Rebecca Hiscott（编辑支持）；Hanah Ho、Kim Withee（设计）；Grace Yun、AJ Alt、Thomas Millar（在Claude.ai中实现Anthropic Interviewer）；Chelsea Larsson、Jane Leibrock、Matt Gallivan（调查和体验设计）；Theodore Sumers（数据处理和聚类基础设施）；Peter McCrory、Deep Ganguli、Jack Clark（关键反馈、方向和组织支持）；Miriam Chaum、Ankur Rathi、Santi Ruiz、David Saunders（讨论、反馈和支持）。