Anthropic Economic Index: Insights from Claude 3.7 Sonnet

Anthropic 發布了其透過 Anthropic Economic Index 進行的第二份研究報告，在 Claude 3.7 Sonnet 發布後，分析了 100 萬次匿名化的 Claude.ai 對話。研究結果顯示，程式碼編寫、教育和科學領域的使用比例略有增加，而 AI 增強（augmentation）與自動化（automation）之間的整體平衡保持穩定。

Shift in Occupational Usage Patterns

自 Claude 3.7 Sonnet 問世以來，特定職業類別中的使用比例出現了可衡量的增長。最顯著的絕對增長發生在電腦與數學職業（+3%），教育和科學領域也出現了顯著的百分比增長。

Anthropic 將這些轉變歸因於三個潛在因素：

Claude 3.7 Sonnet 改進的程式碼編寫基準測試。
AI 在更廣泛經濟領域中的持續擴散。
將程式碼編寫能力應用於非程式碼領域，或通用模型能力的意外提升。

Usage of Extended Thinking Mode

Claude 3.7 Sonnet 的「extended thinking」模式主要用於技術和創意問題解決。數據分析顯示，與特定高技能角色相關的任務在採用此功能方面處於領先地位：

Computer and Information Research Scientists: ~10% usage
Software Developers: ~8% usage
Multimedia Artists: ~7% usage
Video Game Designers: ~6% usage

Augmentation vs. Automation Trends

AI 使用方式仍以增強為主，佔總使用量的 57%。雖然整體比例保持不變，但這些互動的內部組成已發生變化，特別是「學習」互動（用戶尋求資訊或解釋）從約 23% 增加到 28%。

Variation by Occupation

增強與自動化之間的平衡因職業類別而異，差異顯著：

Highly Augmentative: Community and Social Service 任務（包括教育和輔導諮詢）的增強比例接近 75%。
Balanced: Production 和 computer/mathematical 職業更接近於增強與自動化 50-50 的分配。

Interaction Mode Examples

特定職業根據其任務性質展現出不同的互動模式：

Task Iteration: Copywriters 和 editors 展現出最高水平的任務迭代，即人類與模型共同撰寫內容。
Directive Behavior: Translators 和 interpreters 展現出最高水平的指令式行為，即模型以極少的人類參與完成任務。
Learning: Librarians 展現出最高比例的學習互動，約為 56%。

Bottom-Up Usage Taxonomy

為了捕捉落在美國勞工部 O*NET 資料庫之外的使用案例，Anthropic 引入了一種由 630 個細粒度集群組成的自下而上分類法（bottom-up taxonomy）。此數據集識別了 Claude.ai 的特定利基應用，例如：

使用互動式視覺化建立基於物理的模擬。
提供關於電池技術和充電系統的指導。
針對字體選擇和實作進行故障排除。
處理程式碼和資料庫中的時區邏輯。
協助水資源管理系統和基礎設施項目。

Methodology and Data Availability

Anthropic 使用其隱私保護分析工具 Clio，將對話映射到 O*NET 任務。在本報告中，Clio 是由 Claude 3.7 Sonnet 提供動力，Anthropic 指出這提高了分類精確度，相較於之前的版本。

分析過程過濾掉了被安全分類器標記的對話，但為了保留自下而上分類法所需的數據，並未根據職業相關性進行過濾。

用於這些分析的所有數據集，包括 O*NET 任務對應思考模式的映射，以及自下而上的分類法，均可在 Hugging Face 上免費下載。