2026年4月22日 经济研究 81,000人告诉我们的人工智能经济学

# 81,000人告诉我们关于AI经济学的什么 来源：https://www.anthropic.com/research/81k-economics ### 核心发现： - *我们对81,000名Claude用户的最新调查显示，从事AI暴露度更高岗位的人更担心AI驱动的岗位替代问题。这些担忧在职业生涯早期的受访者中也更为普遍。* - *收入最高和最低的职业人群报告了最大的生产力提升，最常见来自工作范围的扩大（承担新任务）。* - *从AI中获得最大速度提升的受访者表达了对岗位替代更高的担忧。* 为了让公众了解我们观察到的AI带来的经济变化，我们的Economic Index（https://www.anthropic.com/research/economic-index-march-2026-report）分享了Claude被要求执行的工作内容，以及Claude在哪些工作中承担了最大比例的任务。然而，迄今为止，我们缺乏关于这些使用模式如何与人们的想法和印象相对应的信息。 我们最近对81,000名Claude用户的调查研究（https://www.anthropic.com/features/81k-interviews）提供了一种将人们的经济担忧与我们在Claude流量中量化的数据联系起来的方法。 该调查询问了人们对AI进展的愿景和担忧。许多人分享的想法涉及经济话题。我们了解到，很多人担心被替代——尽管他们在工作中也感到更有生产力和赋权感。在某些情况下，AI使他们能够创业，或让他们有时间处理更重要的事情；在另一些情况下，AI令人感到窒息，或是被雇主强加给他们的。 调查结果提供了初步证据，表明observed exposure（https://www.anthropic.com/research/labor-market-impacts）（我们衡量AI替代风险的指标）与围绕AI的经济担忧相关。从事高暴露职业的人——由Claude被观察到执行的任务来定义——对经济性替代更为紧张。这与人们普遍意识到AI的扩散和潜在影响一致。我们在下面详细阐述我们的发现。 ## 谁担心被岗位替代？ *"嗯，就像如今任何有白领工作的人一样，我100%担心，基本上24/7都在担心最终失去工作给AI。"——软件工程师。1* 我们调查中五分之一的受访者表达了对经济性替代的担忧。有些人是抽象地担心这一点：一位软件开发者警告说"AI在当前状态下被用来替代初级岗位的可能性"。其他人则感叹他们的工作，或工作的某些方面，正在被自动化取代。一位市场研究人员说："就提升我的能力而言，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让工作变得更难。一位软件开发者观察到"当AI到来时，项目经理开始分配越来越难处理的工单和漏洞要解决"。 在本报告中，我们使用由Claude驱动的分类器从受访者的回答中推断其属性和情感。例如，许多参与者会顺便提到他们的工作领域，或提供有关他们工作生活的信息性细节，这使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角色面临AI驱动替代风险的直接引语，来量化对失业的担忧。我们在Appendix（https://cdn.sanity.io/files/4zrzovbb/website/3a8d990bc90098038eabd77b0d12ff636ed58d50.pdf）中给出了示例提示。 受访者感知到的AI威胁与我们的observed exposure（https://www.anthropic.com/research/labor-market-impacts）测量相关，该指标反映了Claude被用于某项工作任务的百分比。当我们的observed exposure指标越高时，受访者对AI的担忧就越强烈。例如，小学教师对自己被替代的担忧低于软件工程师，这与Claude的使用偏向编码任务的事实一致。 我们在下面的图1中展示了这一点。y轴是给定职业中表示AI正在替代其角色或可能很快如此的受访者百分比。x轴是observed exposure。该图显示，平均而言，从事暴露度更高职业的人倾向于表达更多对其工作被自动化的担忧。暴露度每增加10个百分点，感知到的岗位威胁就增加1.3个百分点。暴露度最高的25%人群提到这种担忧的频率是最低25%人群的三倍。 **图1：AI带来的感知岗位威胁与Observed Exposure。**表示AI带来一定岗位威胁的受访者百分比，与Massenkoff和McCrory（2026）（https://www.anthropic.com/research/labor-market-impacts）的Observed Exposure指标的对比。如果受访者表示其角色已被替代或大幅减少，或此类变化可能在近期发生（使用Claude编码），则被编码为表明岗位威胁。绿线显示了简单的线性拟合。 另一个重要的打工人特征是职业阶段。在以往研究中，我们报告了美国应届毕业生和职业生涯早期工人招聘放缓的tentative signs（https://cdn.sanity.io/files/4zrzovbb/website/a42bc3fc08283562f08fd8bdee8f6f9a3d506e87.pdf）。对于本调查中约一半的受访者，我们能够从他们的回答中推断出职业阶段。2我们发现，职业生涯早期的受访者比资深员工更倾向于表达对岗位替代的担忧。 **图2：按职业阶段划分的经济性替代担忧。**按职业阶段划分的、表示AI带来一定岗位威胁的受访者百分比。两个字段均使用Claude驱动的分类器从自由格式回答中推断得出。 ## 谁从AI中受益？ 使用Claude评估调查回答，我们按1-7分制对人们自我报告的生产力提升程度进行评分，其中1为"生产力更低"，2为"无变化"，后续每一级表示更大的收益。评分为7的回答包括诸如"过去需要几个月才能做好的网站，我现在[做了]4-5天"的证言；Claude给"原本可能需要四小时的工作在一半时间内完成"评了5分，给"就我个人而言，我让AI帮我修复网站上的代码。但花了多次尝试才得到我想要的结果"评了2分。3 总体而言，人们平均报告了显著的生产力提升。平均生产力评分为5.1，对应"大幅提高生产力"。当然，我们的受访者是愿意参加调查的活跃Claude用户。这可能使他们比平均用户更倾向于报告生产力收益。约3%的人报告了负面或中性影响，42%的人没有给出明确的生产力指示。 这在收入线上有所分化。图3的左面板显示，从事高薪工作的人，如软件开发人员，从AI中获得了最大的生产力提升。这一结果并非仅由编码驱动；当我们排除计算机和数学职业时，它仍然成立。这与之前Economic Index的发现（https://www-cdn.anthropic.com/096d94c1a91c6480806d8f24b2344c7e2a4bc666.pdf）相呼应，该发现也有利于高收入工人：在需要更高教育水平的任务中，Clope倾向于更大程度地减少完成任务所需的时间（相对于不使用AI的情况）。 一些收入最低的工人也描述了高生产力提升。这包括一位使用"AI根据另一个回复帮我节省大量时间创建回复"的客户服务代表。在某些情况下，从事低薪工作的人在技术副业中使用AI。例如，一位送货司机使用Claude开展电商业务，一位园艺师正在构建音乐应用程序。 **图3：按职业推断的生产力提升。**左面板显示按BLS职业中位工资四分位数划分的、从AI中推断的平均生产力收益（使用Claude驱动的分类器推断）。右面板显示按主要职业群体划分的相同结果。误差线显示95%置信区间。 我们在图3的右面板中更详细地展示了这一点，显示了按主要职业群体划分的推断生产力提升。最高的是管理职业。这些受访者主要是使用Claude创业的企业家。4次高的是计算机和数学，包括软件开发人员。生产力提升最温和的两组是科学和法律职业的工作者。一些律师担心AI遵循精确指令的能力。例如："我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、我想让它做什么……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、他们的管理者、消费者还是企业。受访者在约四分之一的访谈中指明了这些收益的获得者。总体而言，这些人中的大多数提到了自身的收益，通过更快的任务、扩大的范围和腾出时间。5但10%指明受益者的受访者表示，雇主或客户要求并获得了更多工作。较小比例的人提到了AI公司的收益，更小比例的人表示AI将是净负面的。这取决于职业阶段：只有60%的职业生涯早期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：AI生产力的剩余价值流向何处？**在指明其AI生产力收益受益者的人中，识别各流向的比例。 ## 范围与速度 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，许多使用AI进行编码任务的人说："我不是技术出身，但现在我是全栈开发者了。"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，比如那位说"我构建了一个工具，帮助我在15分钟内完成过去需要2小时的财务任务"的会计师。质量提升通常来自对代码、合同和其他文件的更彻底检查。一小部分受访者提到了使用AI的低成本："如果我雇一个社交媒体经理，就超出我的预算了。" 我们发现，最常见的生产力提升体现在范围上，48%明确提到生产力效果的用户引用了这一点。40%提到生产力的用户强调了速度。 **图5：用户报告了哪种类型的生产力提升？**描述每种类型生产力益处的受访者比例。 人们对Claude的体验也可能塑造他们对AI的担忧。为了评估这一点，我们测量了受访者报告的速度提升，提取他们的工作现在是更慢（我们编码为1）、速度无变化（4），还是变得更快（7）。 我们发现，速度提升与感知岗位威胁之间的关系呈U形（见图6）。最左边的柱显示了报告AI拖慢他们速度的受访者。这些受访者更倾向于表明AI对其生计构成重大威胁。例如，一些创意工作者，如美术家和作家，发现AI太过窒息和僵化，无法帮助他们的工作。同时，他们担心AI向创意领域的扩散会使他们更难找到工作。 **图6：AI带来的岗位威胁与速度提升。**按推断速度提升水平划分的、表示其岗位已被替代或可能在近期被替代的受访者百分比。 对于其余受访者，感知到的岗位威胁随着其回答所暗示的速度提升水平而持续增加。这在经济上有一定道理：如果完成某项任务所需的时间正在迅速缩短，那么该角色未来的可行性可能会有更多不确定性。 ## 讨论 Economic Index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经验。这里探讨的回答显示，人们的直觉与使用数据一致：他们在Claude工作最多的岗位上最担心AI的影响。我们还发现职业生涯早期工人的经济焦虑水平更高，这与以往研究一致。 也有迹象表明Claude赋能了其用户。人们最可能谈论收益流向自己而非雇主或AI公司。高工资工人对AI生产力影响最为热情，但低薪工作和教育水平较低的人也报告了显著的生产力提升。大多数受访者报告Claude通过扩大工作范围或加快速度来增强他们的能力。但经历最大速度提升的用户对AI的岗位影响也最紧张。 由于数据的性质，我们的分析存在关键注意事项。首先，我们的调查仅限于Claude.ai个人帐户的用户中选择回应的人。除其他潜在偏差外，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许多这里推导的变量，因此我们对职业、职业阶段和其他变量从上下文线索中的推断可能是错误的。相关地，由于调查是开放式的，我们的测量基于受访者碰巧提到的东西；这些发现应在直接询问这些主题的结构化调查中得到确认。 尽管如此，访谈揭示了关于人们对AI经济学感受的真实见解，展示了定性数据如何能够引出定量假设。而经济性相关担忧的高比例本身就是一个强烈的信号。 ### 附录 参见linked PDF（https://cdn.sanity.io/files/4zrzovbb/website/3a8d990bc90098038eabd77b0d12ff636ed58d50.pdf）的最后部分。 ### 致谢 我们感谢80,508位分享故事的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为设计做出了贡献。Grace Yun、AJ Alt和Thomas Millar在Claude.ai中实现了Anthropic Interviewer。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。 ## 相关内容 ### Natural Language Autoencoders: Turning Claude's thoughts into text 像Claude这样的AI模型用文字说话，但用数字思考。在这项研究中，我们训练Claude将其想法转化为人类可读的文本。 阅读更多（https://www.anthropic.com/research/natural-language-autoencoders） ### Donating our open-source alignment tool 阅读更多（https://www.anthropic.com/research/donating-open-source-petri） ### Focus areas for The Anthropic Institute 在The Anthropic Institute（TAI），我们