Anthropic 經濟指數週期報告 – 2026 年 6 月
簡要重點
Anthropic 的 2026 年 6 月經濟指數顯示，Claude 的使用情況如今已反映出每小時的工作節奏，高薪職業產生的成果（更長的 token 數，計算量更大），而將任務委派給 Claude 的使用者對人工智慧未來對薪資、工作安全與技能價值的影響最為樂觀。
1. 新的測量週期捕捉每小時工作模式
結論： 每小時取樣顯示，Claude 的使用在工作日的上班時間因工作相關查詢而上升，週末則因個人用途查詢而增加，確認人工智慧的採用確實遵循現實世界的工作節奏。
- 資料現在以每小時為單位取樣，而非原先的七天週期，使我們能進行更細緻的每日週期分析。
- 個人使用對話在平日約占 35 %，週末則上升至接近 50 %（圖表 1.1）。
- 每小時的高峰包括早上 7 點的新聞查詢、晚上 6 點的食譜請求（為平均值的 2.3 倍），以及凌晨 5 點左右的睡眠建議（圖表 1.2）。
- 稅務相關查詢在 4 月 14 至 15 日暴增八倍，與美國報稅截止日相符（圖表 1.4）。
- 夜間與週末的工作對話中，高薪職業的使用者佔比更高，即使排除電腦與數學類任務後仍如此。
2. 成果分類揭示 Claude 所產出的內容
結論： 過去 90 % 的 Claude 對話產生具體成果；最常見的類型為解釋（17 %）、文件／報告（15 %）與指導建議（11 %）。
- 成果被歸類為超過 30 種類型；分布情況如圖表 2.1 所示。
- 工作相關成果在文件、解釋與電子郵件草稿中佔主導地位，而個人成果則以解釋（25 %）與推薦（22 %）為主。
- 某些成果類型幾乎總是個人用途（例如創作寫作、食譜），而其他類型則主要用於工作（例如行銷內容、資料庫查詢）。
3. 計算資源消耗與經濟價值相關
結論： 與高薪職業對應的對話消耗更多 token，且 token 使用量與產出的經濟價值高度相關。
- 中位數 token 數隨中位數職業薪資上升（對數-對數關係，圖表 2.3 左側）。
- 應用程式開發消耗的 token 數超過中位數的 3 倍，而簡單解釋僅約為中位數的 0.2 倍。
- 約 44 % 的 token 使用薪資梯度可由成果類型組合解釋（高薪工作產生更多計算密集型成果）。
- 高薪對話中，每回合的 Claude 輸出多出 1.34 倍，使用者回合數也多出 1.53 倍，顯示為勞動增強而非取代（表 2.4）。
4. AI 自主性依使用介面與輸出類型而異
結論： 即使使用相同模型（例如 Sonnet），Claude Code 會話的 AI 自主性仍高於聊天或 Cowork。
- 自主性以 1–5 分評分；Claude Code 平均高出 0.37 分（圖表 2.5）。
- 差距主要來自 Claude Code 中更高的委派程度（約佔差異的 2/3），以及輸出類型組合不同（約佔 1/3）。
- 高自主性輸出（例如應用程式或網站建立）也具有最高的 token 消耗量（相關係數 r = 0.68）。
5. Claude 的回應通常比提示更複雜
結論： 在各類成果中，Claude 的回應平均比使用者提示高出一個教育年級，尤其在設計密集型任務中差距最大（例如圖形設計 +2.6 年）。
- 閱讀程度估計以理解所需教育年數為準（圖表 2.6）。
- 學術論文輸出需超過 16 年教育程度；食譜則低於 10 年。
- 對面向大眾的寫作（部落格、電子郵件）而言，提示與回應的差距接近零。
6. 問卷洞察：期望、樂觀度與人口統計
結論： 受訪的 Claude 使用者（約 9,700 人）普遍預期未來一年人工智慧能力將擴展，且自動化程度越高的人，對薪資、工作安全與技能價值的樂觀度也越高。
- 受訪者多集中於電腦與數學（約 30 %）與管理（約 23 %）職業，遠高於美國就業市場中的比例。
- 60 % 預期一年內其工作任務中 AI 可自動化的比例會提高；超過 33 % 期望 AI 將處理其工作中的大部分或全部內容。
- 實際接觸程度與觀察及理論預期相符，但預期接觸程度在各職業間則趨於均勻。
- 自動化比例越高，與所有六項工作品質指標的樂觀度正相關（圖表 3.6）。
- 女性（樣本中占 12 %）即使控制職業後，仍較少用於工作與自動化，且使用方式更為迭代（圖表 3.8）。
7. 人們對人工智慧轉型經濟的期望
結論： 最常見的願景是人工智慧與人類協作提升有意義的工作，自動化繁瑣事務以釋放時間，以及廣泛分享人工智慧帶來的經濟成果。
- 過半數開放式回應提到人工智慧與人類在有意義任務上的協作。
- 相似比例希望自動化重複性工作以獲得更多休閒時間。
- 約三分之一希望人工智慧的生產力提升能廣泛分享。
8. 對研究者與政策制定者的啟示
結論： 細緻的使用資料與成果分類提供了人工智慧經濟擴散的早期指標，而問卷結果則突顯了實際接觸與使用者期望之間的落差，這可能影響勞動市場政策的制定。
- 每小時的即時監測資料可協助追蹤人工智慧採用週期，並支援人力資源規劃工具。
- token 與薪資的關係顯示，計算成本可作為人工智慧產出經濟價值的代理指標。
- 高自動化使用者的樂觀情緒可能加速採用，但各職業對快速能力提升的均勻預期，提醒我們在預測產業特定影響時需謹慎。
- 性別使用差異顯示，需推動包容性設計，以確保所有人能公平取得高自主性 AI 工具。
完整的技術附錄與資料視覺化內容請見原始報告的 PDF 檔案。
Sources
相關
- Dispatch
- Dispatch
- Dispatch
- Dispatch
- Dispatch