Anthropic 經濟指數 2026 年 3 月報告：學習曲線

簡要重點

Anthropic 的 2026 年 3 月經濟指數報告指出，Claude 的使用範圍擴展至更多類型的任務與薪資層級，且經驗較豐富的使用者成功率更高，並處理更高價值的工作，顯示出「邊做邊學」的效應，以及正在浮現的技能偏向型經濟影響。

新發現概覽

• 任務多元化：Claude.ai 上前 10 大任務的流量占比，從 2025 年 11 月的 24 % 下降至 2026 年 2 月的 19 %，顯示使用情境更加分散。
• 朝向低薪任務轉移：Claude.ai 上的平均任務價值從每小時 49.3 美元降至 47.9 美元，主要受個人查詢（如運動、產品比較、居家維修）增加，以及程式碼工作遷移至 API 所驅動。
• 地理集中度：目前前 20 個國家佔據每人平均使用量的 48 %（較 45 % 上升）。在美國境內，各州使用率正逐漸趨同，前 5 大州的佔比從 30 % 降至 24 %。
• 學習曲線：使用 Claude 時間達 6 個月以上的使用者，會用於高等教育任務，對話成功率高出 10 %，且個人用途對話比例低 10 %，即使在控制任務類型、國家與模型後仍成立。

Claude.ai 上使用情境的多元化

• 取樣方法：Anthropic 的隱私保護系統聚合了來自 Claude.ai（網頁版）與第一方 API 的 100 萬筆對話。
• 程式碼工作遷移：程式碼任務仍是 Claude.ai 上最大的類別（佔對話的 35 %），但已轉移至 API，並拆分成許多小型任務，使 API 上的任務集中度維持穩定。
• 工作與個人用途的混合：課業相關對話占比從 19 % 降至 12 %，而個人用途則從 35 % 上升至 42 %。
• 協作模式：在 Claude.ai 上，增強型協作（如驗證、學習）略有增加，而在 API 上自動化則大幅下降。

模型選擇與任務價值的對齊

• Opus 模型偏好：付費的 Claude.ai 使用者在程式碼任務中選擇 Opus 模型的比例比平均高出 4 pp，在輔導任務中則低 7 pp；API 使用者的偏好更為明顯。
• 薪資相關性：在 Claude.ai 上，任務的預估時薪每增加 10 美元，Opus 使用率上升 1.5 pp；在 API 上則上升 2.8 pp。
• 職業細分：在 Claude.ai 上，34 % 的軟體開發者任務使用 Opus，而輔導任務僅有 12 % 使用。

學習曲線與使用年限效應

• 使用年限分組定義：高使用年限使用者指在資料蒐集前至少已註冊 6 個月；低使用年限使用者則為新使用者。
• 行為差異：
  • 高使用年限使用者使用 Claude 做工作的機率高出 7 pp。
  • 他們的對話平均需要的人類教育程度多出 1 年。
  • 個人用途佔比從新使用者的 44 % 降至一年使用者的 38 %。
  • 簡單迴歸分析中成功率高出 5 pp；加入任務固定效應後仍高出 3 pp，完整控制變數後則高出 4 pp。
• 解釋：證據支持「邊做邊學」——使用者隨著時間推移，對提示（prompting）與任務架構的掌握能力提升——儘管無法完全排除群體效應與存活偏差的可能。

地理上的趨同與分化

• 美國各州：每人平均使用率正在擴散；基尼係數下降，但趨同預計需 5–9 年（先前預估為 2–5.8 年）。
• 國家層級：使用集中度上升；前 20 個國家的佔比從 45 % 上升至 48 %。

API 中浮現的自動化模式

• 自動化上升：API 工作流程越來越具指令性，減少人工介入的步驟。
• 快速成長的應用場景（與上一份報告相比，佔比翻倍）：
  • 商業銷售與接觸自動化（潛在客戶資格審核、冷郵件撰寫）。
  • 自動交易與市場操作（部位監控、投資建議）。

對勞動市場的影響

• 技能偏向型技術變革：早期採用者若從事高技能、高薪任務，AI 成功率更高，可能加劇薪資差距。
• 潛在的正向反饋循環：能掌握 Claude 的使用者可能提取更多價值，強化其優勢，而後期採用者則面臨較低價值的任務。
• 政策相關性：及早追蹤這些動態，可讓研究者與政策制定者有時間設計干預措施，以減緩不平等。

局限與未來工作

• 資料範圍：本報告僅涵蓋單週資料（2026 年 2 月 5 日至 12 日），可能無法反映長期趨勢。
• 存活偏差：停止使用 Claude 的使用者未被納入觀察，可能高估高使用年限群體的成功率。
• 群體效應：早期採用者與後期使用者可能系統性不同；未來分析將致力於區分群體效應與經驗效應。

資料與引用

• 資料集：可於 https://huggingface.co/datasets/Anthropic/EconomicIndex 取得。
• 引用：

@online{anthropic2026aeiv5,
  author = {Maxim Massenkoff and Eva Lyubich and Peter McCrory and Ruth Appel and Ryan Heller},
  title = {Anthropic Economic Index report: Learning curves},
  date = {2026-03-24},
  year = {2026},
  url = {https://www.anthropic.com/research/economic-index-march-2026-report}
}