Anthropic 发布经济指数首份报告：基于百万条 Claude 对话分析 AI 对劳动力市场的影响

未来几年，AI 系统将对人们的工作方式产生重大影响。因此，我们推出了 Anthropic 经济指数，这项计划旨在长期理解 AI 对劳动力市场和经济的影响。

该指数的首份报告基于 Claude.ai 上数百万条匿名对话，提供了前所未有的数据和分析，揭示了迄今为止关于 AI 如何融入现代经济中现实任务的最清晰图景。

我们还开源了用于此分析的数据集 ，以便研究人员能够在此基础上扩展我们的发现。制定应对劳动力市场即将到来的转型及其对就业和生产力影响的政策，需要多方视角。为此，我们也邀请经济学家、政策专家和其他研究人员为这一指数提供意见。

经济指数首篇论文的主要发现如下：

• 如今，使用主要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使用了 AI，而约 4% 的职业在其四分之三的相关任务中使用了 AI。
• AI 的使用更倾向于增强（57%），即 AI 与人类协作并增强人类能力，而非自动化（43%），即 AI 直接执行任务。
• AI 的使用在计算机程序员和数据科学家等中高薪职业相关任务中更为普遍，但在最低薪和最高薪职位中都较低。这可能既反映了当前 AI 能力的局限，也反映了使用该技术的实际障碍。

有关我们初步发现的更多细节，请见下文。

绘制 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一系列长期研究之上，从工业革命时期的珍妮纺纱机到当今的汽车制造机器人。我们关注的是 AI 的持续影响。我们不是调查人们如何使用 AI，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个重要洞见：有时关注职业任务而非职业本身更有意义。不同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、安检员和放射科医生共同执行的一项任务。

某些任务比其他任务更适合被新技术自动化或增强。因此，我们预计 AI 会在不同职业中被选择性地应用于不同任务，并且分析任务——而不仅仅是整体工作——将让我们更全面地了解 AI 如何融入经济。

使用 Clio 将 AI 使用与任务匹配

这项研究得益于 Claude 的洞察与观察，或“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。我们将 Clio 用于约一百万条与 Claude 的对话数据集（具体为 Claude.ai 上的 Free 和 Pro 对话），并用它按职业任务对对话进行归类。

我们依据美国劳工部的分类来选择任务，该部门维护着一个包含约 20,000 项具体工作相关任务的数据库，称为职业信息网络，即 O*NET。Clio 将每条对话与最能代表 AI 在该对话中所扮演角色的 O*NET 任务相匹配（该过程总结于下图中）。随后，我们遵循 O*NET 的方案，将任务归入它们最能代表的职业，再将职业归入一小组总体类别：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。 在我们的数据集中，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岗位。发送给 Claude 的查询中有 37.2% 属于此类别，涵盖软件修改、代码调试和网络故障排查等任务。

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 进行各类写作和编辑。不出所料，涉及大量体力劳动的职业，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例与各职业在整体劳动力市场中的出现比例进行了比较。比较结果如下图所示。

职业内 AI 使用的深度。 我们的分析发现，很少有职业在其大多数相关任务中都使用 AI：仅约 4% 的工作在至少 75% 的任务中使用 AI。然而，更适度的 AI 使用则广泛得多：约 36% 的工作在至少 25% 的任务中有一定程度地使用 AI。

正如我们所预测的，该数据集中没有证据表明工作被完全自动化：相反，AI 在经济中的众多任务间扩散，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，使我们能够比较各职业的薪资中位数与其对应任务中 AI 的使用水平。

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性的工作，例如洗发师和产科医生）。在我们的数据中，AI 的重度使用者集中在中等至中高薪资区间的特定职业，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如何被执行——具体来说，哪些任务涉及“自动化”（AI 直接执行任务，例如格式化文档），哪些涉及“增强”（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 并非用于替代人执行任务，而是与人协作，参与验证（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）和任务迭代（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，它也有重要的局限性。其中一些包括：

• 我们无法确定某人使用 Claude 完成任务是否是在为工作完成某项任务。有人向 Claude 寻求写作或编辑建议，可能是在工作中这样做，但也可能是在为他们作为爱好写的小说寻求建议。
• 与此相关，我们不知道用户如何使用 Claude 的回复。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，一些看似自动化的内容实际上可能是增强：例如，用户可能要求 Claude 为他们写一份完整的备忘录（这会表现为自动化），但随后自己编辑它（这会是增强）。
• 我们还只分析了 Claude.ai 免费版和专业版的数据，而非 API、团队版或企业版用户。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这些数据，使其仅包含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 有可能错误分类了一些对话（详情请见完整论文，特别是附录 B，了解我们如何验证分析）；
• Claude 无法生成图像（除非通过代码间接生成），因此一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码模型，我们可能会预期编码作为用例被过度呈现。因此，我们并不主张我们数据集中的用途是 AI 一般用途的代表性样本。

结论与未来研究

AI 的使用正在迅速扩展，模型也变得越来越强大。劳动力市场的情况可能在相对较短的时间内发生很大变化。因此，我们将随时间重复上述许多分析，以帮助追踪可能发生的社会和经济变化。我们将定期发布结果和相关数据集，作为 Anthropic 经济指数的一部分。

这类纵向分析可以让我们对 AI 和就业市场有新的见解。例如，我们将能够监测各职业中 AI 使用深度的变化。如果 AI 仍然只用于某些任务，并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地区提供信号。

我们的研究提供了关于 AI 如何被使用的数据，但并未提供政策处方。关于如何为 AI 对劳动力市场的影响做好准备的问题，答案不能直接来自孤立的研究；相反，它们将来自证据、价值观和来自广泛视角的经验的结合。我们期待使用我们的新方法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。

开放数据与征集意见

本文以及 Anthropic 经济指数最重要的贡献是其新方法，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分享。

完整数据集可在此处下载。

研究人员就我们的数据提供反馈并建议新研究方向表格在此处。

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。

与我们合作

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。

相关内容

Claude 形状的科学

客座作者 Matthew Schwartz 教授描述了当他停止与 Claude 对抗，并允许 Claude 找到“Claude 形状”的问题时发生的事情：这些问题最适合当前一代 LLM 工具的能力。这促使他构建了 BootLoops，一个用于定量科学精确计算的工具包，他一直在与专家一起将其应用于各个科学领域。

阅读更多

机器人能做什么工作？

我们构建了一个指数，衡量当今机器人执行美国工作任务的能力。机器人已经可以完成四分之三的体力任务，但大多是在有限的环境中，而且仅对其中 0.3% 的任务具有成本竞争力。

阅读更多

你想从 AI 那里得到什么？

我们正在使用 Anthropic Interviewer 启动一项新研究，以了解你与 AI 相处的经历，诚邀你参与。

阅读更多