Anthropic 研究：基於 81,000 名用戶調查的 AI 經濟學

Anthropic 發布了對 81,000 名 Claude 用戶的調查結果，揭示了工作者實際接觸 AI 任務的程度與其對失業風險的恐懼之間存在強烈的相關性。雖然用戶報告了顯著的生產力提升——特別是在擴展其能力範圍方面——但矛盾的是，那些在工作中體驗到最快速度提升的人，反而對其職位的未來可行性最感擔憂。

Job Displacement Concerns and AI Exposure

對失業風險的感知威脅與「觀察到的接觸程度」直接相關，Anthropic 將其定義為使用 Claude 處理工作任務的百分比。每增加 10 個百分點的觀察接觸程度，感知到的失業威脅就會增加 1.3 個百分點。接觸程度在前 25% 的工作者，提到失業擔憂的頻率是底層 25% 的三倍。

Productivity Gains Across Income and Occupations

用戶報告了顯著的生產力提升，在 1–7 分的量表中，平均生產力評分為 5.1 分（其中 5.1 對應於「大幅提升生產力」）。這些增益在不同收入水平和職業之間分布不均：

• High-Wage Workers: Software developers 和其他高薪職位報告了最大的生產力增益。即使在排除電腦和數學職業後，這一趨勢仍然存在。
• Low-Wage Workers: 一些低薪工作者也報告了高增益，通常是使用 AI 來自動化重複性回應，或啟動技術性的副業項目（例如，外送員開始經營電商業務）。
• Management and Technical Roles: 管理職和電腦/數學職位顯示出最高的推斷生產力增益。相反，科學和法律專業顯示出最輕微的提升，部分律師指出模型無法遵循精確、複雜的指令。

關於這些增益的分配，大多數指名受益者的受訪者都提到了自己，並指出任務完成速度更快且擴展了能力範圍。然而，10% 的人表示，雇主或客戶正透過要求更多工作來獲得這些利益。

The Impact of Scope and Speed on Worker Sentiment

生產力增益通常以兩種主要方式呈現：擴展能力範圍和提高速度。

• Expansion of Scope: 被 48% 提到生產力提升的用戶所引用，這指的是 AI 解鎖了新的能力（例如，一個非技術用戶變成「full stack developer」）。
• Increase in Speed: 被 40% 的用戶所引用，這指的是更快地完成現有任務。

Anthropic 觀察到速度提升與工作威脅之間存在 U 型關係。報告 AI 讓他們變慢的人（例如一些認為 AI 太過僵化、精細藝術家和作家）表達了高度的失業擔憂。同時，那些體驗到最顯著速度提升的人也報告了最高水平的工作威脅，這可能是因為任務所需時間的快速縮減，讓他們對職位的未來必要性產生了不確定性。

Methodology and Limitations

Anthropic 使用 Claude-powered 分類器從開放式調查回應中推斷出職業、職業階段和情緒等屬性。研究人員承認存在幾種限制：

1. Selection Bias: 調查對 Claude.ai 的個人帳戶用戶進行了限制，且受訪者是自願參與的，這意味著他們可能更傾向於認為利益流向了自己。
2. Inference Errors: 因為職業和職業階段是從自由格式文本中的上下文線索中推斷出來的，而不是直接詢問，因此某些數據點可能不準確。
3. Mention Bias: 調查結果是基於受訪者在開放式訪談中偶然提到的內容，而非結構化調查問題。