Anthropic 发布经济指数：AI 使用集中于编程与技术写作

未来几年，AI系统将对人们的工作方式产生重大影响。为此，我们推出Anthropic经济指数，一项旨在理解AI对劳动力市场和经济随时间推移所产生影响的计划。

该指数的首份报告基于Claude.ai上数百万条匿名对话，提供了同类首创的数据和分析，揭示了迄今为止关于AI如何被融入现代经济中真实世界任务的最清晰图景。Claude.ai，揭示出迄今为止关于AI如何被融入现代经济中真实世界任务的最清晰图景。

我们还开源了该数据集 ，供本次分析使用，以便研究人员能够在此基础上构建并扩展我们的发现。制定政策应对即将到来的劳动力市场转型及其对就业和生产力的影响，需要多种视角。为此，我们也邀请经济学家、政策专家和其他研究人员提供意见，为这一指数建言献策。

经济指数首篇论文的主要发现是：

• 如今，使用集中在软件开发和技术写作任务上。超过三分之一的职业（约36%）在其至少四分之一的相关任务中出现了AI使用，而约4%的职业在其四分之三的相关任务中使用了AI。
• AI使用更倾向于增强（57%），即AI与人类能力协作并增强人类能力，而非自动化（43%），即AI直接执行任务。
• AI使用在与中高薪职业相关的任务中更为普遍，例如计算机程序员和数据科学家，但在最低薪和最高薪职位中都较低。这很可能既反映了当前AI能力的局限，也反映了使用该技术的实际障碍。

请参阅下文，了解我们初步发现的更多细节。

描绘AI在劳动力市场中的使用情况

我们的新论文建立在关于技术对劳动力市场影响的长久研究传统之上，从工业革命时期的珍妮纺纱机到当今的汽车制造机器人。我们关注AI持续产生的影响。我们不是调查人们的AI使用情况，也不试图预测未来；相反，我们拥有关于AI实际如何被使用的直接数据。

分析职业任务

我们的研究始于经济学文献中的一项重要洞见：有时关注职业任务而非职业本身更有意义。工作往往共享某些任务和技能：例如，视觉模式识别是设计师、摄影师、安检人员和放射科医生共同执行的任务。

某些任务比其他任务更适合被新技术自动化或增强。因此，我们预期AI会在不同职业中被有选择地采纳用于不同任务，而分析任务——除了整体工作之外——将使我们更全面地了解AI如何被融入经济。

使用Clio将AI使用与任务匹配

这项研究得以实现，得益于Claude洞察与观察，即 “Clio”，一种自动化分析工具，使我们能够在保护用户隐私的前提下分析与Claude的对话1。我们在约一百万条与Claude的对话数据集（具体而言，是Claude.ai上的Free和Pro对话）上使用了Clio，并用它将对话按职业任务进行组织。Claude.ai），并用它将对话按职业任务进行组织。

我们根据美国劳工部的分类选择任务，该部门维护着一个包含约20,000个具体工作相关任务的数据库，名为职业信息网络，即O*NET。Clio将每段对话与最能代表AI在该对话中角色的O*NET任务相匹配（这一过程总结于下图中）。然后，我们遵循O*NET的方案，将任务归入它们最能代表的职业，再将职业归入少量总体类别：教育与图书馆、 商业与金融、等等。

结果

按工作类型划分的AI使用。在我们数据集中，AI采用率迄今最高的任务和职业属于“计算机与数学”类别，该类别在很大程度上涵盖软件工程角色。发送给Claude的查询中有37.2%属于这一类别，涵盖软件修改、代码调试和网络故障排除等任务。

第二大类别是“艺术、设计、体育、娱乐与媒体”（占查询的10.3%），主要反映人们使用Claude进行各种写作和编辑。不出所料，涉及高度体力劳动的职业，例如“农业、渔业与林业”类别（占查询的0.1%），出现得最少。

我们还将数据中的比率与各职业在整体劳动力市场中出现的比率进行了比较。比较结果如下图所示。

职业内部AI使用的深度。我们的分析发现，很少有职业在大多数相关任务中使用AI：只有约4%的工作在至少75%的任务中使用AI。然而，更适度的AI使用要普遍得多：大约36%的工作在至少25%的任务中使用了一些AI。

正如我们所预测的，这一数据集中没有证据表明工作被完全自动化：相反，AI扩散到经济中的众多任务中，对某些任务组的影响强于其他任务组。

AI使用与薪资。O*NET数据库提供了所列各职业的美国薪资中位数。我们将这一信息加入分析，从而能够比较各职业的薪资中位数与其对应任务中AI使用水平之间的关系。

有趣的是，低薪和极高薪工作的AI使用率都非常低（这些通常涉及大量手工灵巧度的职业，例如洗发师和产科医生）。在我们的数据中，AI使用最密集的是那些薪资中位数处于中高区间的特定职业，例如计算机程序员和文案撰稿人。

自动化与增强。我们还更详细地考察了任务是如何被执行的——具体来说，哪些任务涉及“自动化”（即AI直接执行任务，例如格式化文档），哪些涉及“增强”（即AI与用户协作完成任务）。

总体而言，我们看到略微偏向增强，57%的任务为增强，43%的任务为自动化。也就是说，在略超过一半的情况下，AI并非被用来取代执行任务的人，而是与他们协作，参与诸如验证（例如复核用户的工作）、学习（例如帮助用户获取新知识和技能）以及任务迭代（例如帮助用户头脑风暴或以其他方式执行重复的生成性任务）等任务。

注意事项

我们的研究为了解AI如何改变劳动力市场提供了一个独特的视角。但与所有研究一样，它也存在重要的局限性。其中一些包括：

• 我们无法确定某人使用Claude完成任务时是否是在为工作完成任务。有人向Claude寻求写作或编辑建议可能是在工作中这样做，但也可能是为了他们作为爱好正在写的小说。
• 与此相关的是，我们不知道用户是如何使用Claude的回复的。例如，他们是在复制粘贴代码片段吗？他们是在核实回复还是不加批判地接受？在我们的数据中，某些看似自动化的内容实际上可能是增强：例如，用户可能让Claude为他们写一份完整的备忘录（这会表现为自动化），但随后自己进行编辑（这将是增强）。
• 我们还只分析了来自Claude.ai免费版和Pro版计划的数据，而非API、Team或Enterprise用户。虽然Claude.ai数据包含一些非工作对话，但我们使用语言模型过滤了这些数据，仅保留与职业任务相关的对话，这有助于缓解这一担忧。
• 任务种类之多意味着Clio有可能将某些对话分类错误（请参阅完整论文，特别是附录B，了解我们如何验证分析的详细信息）；
• Claude无法生成图像（除非通过代码间接生成），因此某些创意用途不会在数据中体现；
• 鉴于Claude被宣传为最先进的编程模型，我们可能会预期编程作为一种用例被过度呈现。因此，我们并不认为数据集中的用途是AI总体使用的代表性样本。

结论与未来研究

AI使用正在迅速扩展，模型也变得越来越强大。劳动力市场的图景可能在相对较短的时间内就会大不相同。因此，我们将随着时间推移重复上述许多分析，以帮助追踪可能发生的社会和经济变化。我们将作为Anthropic经济指数的一部分定期发布结果和相关数据集。

这类纵向分析可以为我们提供关于AI和就业市场的新见解。例如，我们将能够监测各职业内部AI使用深度的变化。如果情况仍然是AI仅用于某些任务，且只有少数工作在其绝大多数任务中使用AI，那么未来可能是大多数现有工作发生演变而非消失。我们还可以监测自动化与增强的比例，为自动化日益普遍的领域提供信号。

我们的研究提供了关于AI如何被使用的数据，但并未提供政策建议。关于如何为AI对劳动力市场的影响做好准备，这些问题的答案不能仅从孤立的研究中直接得出；相反，它们将来自证据、价值观和广泛视角的经验的结合。我们期待使用我们的新方法论为这些问题提供更多启示。

阅读完整论文以了解我们分析和结果的更多细节。

开放数据与征询意见

本文以及Anthropic经济指数最重要的贡献在于其新方法论，提供了关于AI影响的详细数据。我们立即公开分享用于上述分析的数据集，并计划在未来有更多此类数据集时继续分享。

完整数据集可在此处下载。

研究人员可就我们的数据提供反馈并建议新研究方向的表单在此处。

致谢

我们感谢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对早期发现和论文草稿提出的富有成效的评论和讨论。

与我们共事

如果你有兴趣在Anthropic工作，研究AI对劳动力市场的影响，我们鼓励你申请我们的社会影响研究科学家和研究工程师职位。