81,000 人的心聲：人工智慧對經濟影響的調查報告

81,000 人的心聲：關於 AI 經濟學的觀察

核心發現：

為了讓大眾了解我們所觀察到的 AI 經濟變革，我們的「經濟指數」（Economic Index）分享了使用者要求 Claude 執行的工作內容，以及 Claude 在哪些職業中分擔了最大比例的任務。然而，到目前為止，我們仍缺乏關於這些使用模式如何對應到人們對 AI 的想法與印象的資訊。

我們近期針對 81,000 名 Claude 使用者進行的調查研究，提供了一種將人們的經濟擔憂與我們在 Claude 流量中量化的數據聯繫起來的方法。

這項調查詢問了人們對 AI 進步的願景與恐懼。許多人分享的想法都涉及經濟議題。我們了解到，許多人擔心工作被取代——儘管他們也感到在工作上更有效率且更有能力。在某些情況下，AI 讓他們能夠創業，或讓他們有時間處理更重要的事；在其他情況下，AI 讓人感到窒息，或是由雇主強加給他們的負擔。

調查結果提供了初步證據，顯示「觀察到的暴露度」（我們衡量 AI 取代風險的指標）與對 AI 的經濟擔憂呈正相關。處於高暴露職業的人（根據觀察到 Claude 執行的任務所定義）對經濟取代感到更加緊張。這與人們普遍意識到 AI 的擴散及其潛在影響是一致的。我們在下方詳細展開我們的發現。

誰在擔心工作被取代？

「就像現在任何從事白領工作的人一樣，我 100% 擔心，幾乎是全天候擔心我的工作最終會被 AI 取代。」——軟體工程師。1

在我們的調查中，五分之一的受訪者表達了對經濟取代的擔憂。有些人對此感到抽象：一位軟體開發者警告說「AI 目前的狀態有可能被用來取代初級職位」。其他人則感嘆他們的工作或工作的某些方面正在被自動化。一位市場研究員表示：「在提升我的能力方面，這毫無疑問。但在未來，AI 可能會取代我的工作。」在某些職業中，人們覺得 AI 讓工作變得更困難。一位軟體開發者觀察到：「當 AI 出現後，專案經理開始給出越來越難解決的工單和臭蟲。」

在本報告中，我們使用由 Claude 驅動的分類器，從受訪者的回答中推斷其屬性和情緒。例如，許多參與者在言談中提到他們的行業或提供有關工作生活的詳細資訊，這使我們能夠推斷他們的職業。同樣地，我們透過提示 Claude 識別並解讀受訪者表示其自身角色面臨 AI 驅動取代風險的直接引述，來量化對失業的擔憂。我們在附錄中提供了提示範例。

受訪者感受到的 AI 威脅與我們自己衡量的「觀察暴露度」相關，該指標反映了 Claude 被用於執行某項工作任務的百分比。當受訪者的觀察暴露度較高時，該受訪者對 AI 的擔憂也較大。例如，小學教師對自己被取代的擔憂程度低於軟體工程師，這與 Claude 的使用偏向程式碼任務的事實一致。

我們在下方的圖 1 中展示了這一點。y 軸是特定職業中表示 AI 已經取代其角色或可能很快取代其角色的受訪者百分比。x 軸是觀察暴露度。圖表顯示，平均而言，處於較高暴露職業的人往往對工作被自動化表現出更多的擔憂。暴露度每增加 10 個百分點，感受到的工作威脅就會增加 1.3 個百分點。暴露度最高的前 25% 的人提到這種擔憂的頻率是暴露度最低的後 25% 的人的三倍。

另一個重要的勞工特徵是職涯階段。在之前的研究中，我們報告了美國社會新鮮人和職涯早期勞工招聘放緩的初步跡象。對於本次調查中約一半的受訪者，我們能夠從其回答中推斷出職涯階段。2 我們發現，職涯早期的受訪者比資深勞工更有可能表達對工作取代的擔憂。

誰從 AI 中獲益？

利用 Claude 評估調查回覆，我們將受訪者自述的 AI 生產力提升程度按 1 到 7 分進行評分，其中 1 分代表「生產力降低」，2 分代表「無變化」，隨後的每個等級代表更大的增益。得分為 7 分的回覆包括如：「以前製作這個網站需要幾個月，現在我 4-5 天就完成了」；Claude 給予 5 分的陳述如：「原本可能需要四個小時的事情，現在用一半的時間就完成了」，而 2 分則給予如：「就個人而言，我讓 AI 幫我修復網站上的程式碼。但它需要多次嘗試才能得到我想要的結果。」3

總體而言，受訪者平均報告了顯著的生產力提升。平均生產力評分為 5.1，對應於「生產力大幅提升」。當然，我們的受訪者是願意參與調查的活躍 Claude 使用者。這可能使他們比一般使用者更有可能報告生產力效益。約 3% 的人報告了負面或中性的影響，42% 的人沒有對生產力給出明確指示。

這在某種程度上隨收入水平而分化。圖 3 的左側面板顯示，從事高薪工作的人（如軟體開發者）表達了最大的 AI 生產力增益。這一結果不僅是由程式碼編寫驅動的；當我們排除電腦與數學職業時，這一結論依然成立。這呼應了先前經濟指數的一項發現，該發現也傾向於高薪勞工：在需要較高教育程度的任務中，Claude 往往能比不使用 AI 時減少更高比例的任務完成時間。

一些收入最低的勞工也描述了高生產力增益。這包括一位客服代表使用「AI 幫我節省了大量時間，根據另一封回覆來創建回覆」。在某些情況下，從事低薪工作的人正在利用 AI 進行技術副業。例如，一位送貨司機正在使用 Claude 創辦電子商務業務，而一位園藝師正在開發音樂應用程式。

我們在圖 3 的右側面板中更詳細地觀察了這一點，顯示了按主要職業類別推斷的生產力增益。排在首位的是管理類職業。這些受訪者大多是使用 Claude 創業的企業家。4 下一個最高的類別是電腦與數學，其中包括軟體開發者。生產力提升最不明顯的兩個群體是科學和法律專業的勞工。一些律師擔心 AI 遵循精確指令的能力。例如：「我給出了關於內容位置、如何閱讀法律文件、我想要它做什麼的非常具體的規則……但它每次都會偏離。」

隨著 AI 在經濟中擴散，一個關鍵問題是利益將歸於何處——是勞工、經理、消費者還是企業。受訪者在約四分之一的訪談中指出了這些增益的受益者。總體而言，大多數人提到自己受益，包括任務速度加快、範疇擴大和節省時間。5 但在指名受益者的受訪者中，有 10% 表示雇主或客戶正在要求並獲得更多的工作產出。較少比例的人提到了 AI 公司的利益，更少的人表示 AI 將帶來淨負面影響。這取決於職涯階段：只有 60% 的職涯早期勞工表示他們個人從 AI 中受益，而資深專業人士的比例為 80%。

範疇與速度

受訪者也分享了他們在哪些方面體驗到了生產力提升。我們將其分為範疇（Scope）、速度（Speed）、品質（Quality）和成本（Cost）。例如，許多將 AI 用於程式碼任務的人表示：「我不是技術人員，但現在我是全端開發者了。」這是範疇的擴張；AI 為他們解鎖了新能力。相比之下，一些使用者加快了他們已經在做的任務，例如一位會計師說：「我建立了一個工具，幫助我在 15 分鐘內完成以前需要 2 小時的融資任務。」品質的提升通常來自對程式碼、合約和其他文書工作更徹底的檢查。少數受訪者提到了使用 AI 的低成本：「如果我聘請社群媒體經理，那會超出我的預算。」

我們發現，最常見的生產力增強是在範疇方面，有 48% 明確提到生產力影響的使用者引用了這一點。40% 提到生產力的使用者強調了速度。

人們使用 Claude 的經驗也可能形塑他們對 AI 的擔憂。為了評估這一點，我們測量了受訪者報告的加速程度，提取出他們的工作是變得慢得多（編碼為 1）、速度無變化（4）還是變得快得多（7）。

我們發現，加速程度與感受到的工作威脅之間的關係呈 U 型（見圖 6）。最左側的長條顯示了報告 AI 讓他們變慢的受訪者。這些受訪者更有可能表示 AI 對其生計構成重大威脅。例如，一些創意工作者（如藝術家和作家）發現 AI 過於窒息和僵化，無法幫助他們的工作。與此同時，他們擔心 AI 擴散到創意領域會讓他們更難找到工作。

對於其餘受訪者，感受到的工作威脅隨著回答中所暗示的加速程度而持續增加。這在經濟學上是有道理的：如果完成任務所需的時間迅速縮減，那麼該角色未來的可行性可能存在更多不確定性。

討論

經濟指數揭示了人們如何使用 AI。但了解 AI 經濟影響的另一個關鍵輸入是直接聽取人們的經驗。這裡探討的回覆顯示，人們的直覺與使用數據相吻合：他們最擔心 AI 在我們觀察到 Claude 執行最多工作的職業中的影響。我們還發現職涯早期勞工的經濟焦慮程度較高，這與過去的研究一致。

也有跡象顯示 Claude 賦予了使用者更多能力。人們最傾向於談論利益流向自己，而非雇主或 AI 公司。高薪勞工對 AI 的生產力影響最為熱衷，但從事低薪工作和教育程度較低的人也報告了巨大的生產力增益。大多數受訪者報告說，Claude 以擴大工作範疇或加快速度的形式增強了他們的能力。但經歷最大加速的使用者也對 AI 的工作影響感到最為緊張。

由於數據的性質，我們的分析存在關鍵的局限性。首先，我們的調查僅限於 Claude.ai 上選擇回覆的個人帳戶使用者。在其他潛在偏見中，這些使用者可能更有可能認為利益流向自己。其次，受訪者並未被直接詢問此處的許多衍生變數，因此我們從上下文線索中對職業、職涯階段和其他變數的推斷可能存在誤差。與此相關的是，由於調查是開放式的，我們的衡量標準基於受訪者碰巧提到的內容；這些發現應在直接詢問這些話題的結構化調查中得到證實。

儘管如此，這些訪談反映了人們對 AI 經濟學真實感受的見解，展示了定性數據如何引出定量假設。而經濟相關擔憂的高比例本身就是一個強烈的信號。

附錄

請參閱連結 PDF 的最後一部分。

致謝

我們感謝分享故事的 80,508 名 Claude 使用者。

Maxim Massenkoff 領導了分析並撰寫了本部落格文章。Saffron Huang 領導了訪談專案並在全程提供指導。

Zoe Hitzig 和 Eva Lyubich 提供了關鍵的反饋和方法論指導。Keir Bradwell 和 Rebecca Hiscott 提供了編輯支持。Hanah Ho 和 Kim Withee 貢獻了設計。Grace Yun、AJ Alt 和 Thomas Millar 在 Claude.ai 中實作了 Anthropic Interviewer。Chelsea Larsson、Jane Leibrock 和 Matt Gallivan 貢獻了調查與體驗設計。Theodore Sumers 貢獻了數據處理和聚類基礎設施。Peter McCrory、Deep Ganguli 和 Jack Clark 提供了關鍵的反饋、指導和組織支持。

此外，我們感謝 Miriam Chaum、Ankur Rathi、Santi Ruiz 和 David Saunders 的討論、反饋與支持。

腳註

相關內容

宣布啟動 Anthropic 經濟指數調查

我們將啟動 Anthropic 經濟指數調查，這是一項透過 Anthropic Interviewer 進行的每月調查。

自動化對齊研究員：使用大型語言模型擴展可擴展的監督

Claude 能否開發、測試並分析自己的對齊想法？我們進行了一項實驗來找出答案。

實踐中的值得信賴的代理人

AI「代理人」（agents）代表了個人和組織使用 AI 方式的最新重大轉變。在這裡，我們解釋它們如何運作，以及我們如何確保它們是值得信賴的。