关键发现：
- 我们最近对 81,000 名 Claude 用户开展的调查显示，从事更易受 AI 影响岗位的人，对 AI 导致岗位被替代的担忧更强。处于职业早期阶段的受访者，这类担忧也更高。
- 收入最高和最低的职业群体都报告了最大的生产率提升，而这种提升最常见的表现是工作范围扩大（开始承担新的任务）。
- 那些因 AI 而获得最大提速的受访者，也更担心岗位被替代。
为了帮助公众了解我们观察到的 AI 所带来的经济变化，我们的经济指数会分享 Claude 被要求完成哪些工作，以及在哪些职业中，Claude 承担了最大比例的任务。不过到目前为止，我们还缺少信息，无法说明这些使用模式如何映射到人们对 AI 的看法和感受上。
我们最近这项针对 81,000 名 Claude 用户的调查研究，为将人们的经济担忧与我们在 Claude 流量中量化出的现象联系起来提供了一种方式。
这项调查询问了人们对 AI 进步的期待与担忧。许多人分享的想法都涉及经济议题。我们发现，很多人担心岗位被替代，但与此同时，他们也觉得自己在工作中变得更高效、更有能力。对一些人来说，AI 让他们得以创业，或让他们腾出时间去做更重要的事；而对另一些人来说，AI 则令人感到压抑，或者是雇主强加给他们的东西。
这项调查的结果提供了初步证据，表明观测暴露度（我们对 AI 替代风险的衡量指标）与人们围绕 AI 的经济担忧存在相关性。按照 Claude 实际执行任务的情况来定义，在高暴露职业中的人，对经济层面的替代更为紧张。这说明人们总体上能够意识到 AI 的扩散及其潜在影响。下面我们将进一步展开这些发现。
谁在担心岗位被替代？
“怎么说呢，如今只要是有白领工作的人，我想都会 100% 担心，而且几乎是一天 24 小时都在担心，自己最终会被 A.I. 取代。”——软件工程师。1
在我们的调查中，五分之一的受访者表达了对经济性替代的担忧。有些人的担忧是比较抽象的：一位软件开发者提醒说，要警惕“AI 在当前状态下被用来取代初级岗位的可能性”。另一些人则感叹，自己的工作，或工作中的某些部分，正在被自动化取代。一位市场研究员说：“就提升我的能力而言，这一点毫无疑问。［B］ut 从未来看，AI 可能会取代我的工作。”在某些岗位上，人们甚至觉得这让工作变得更难。一位软件开发者指出：“AI 出现后，项目经理开始分配越来越难的工单和 bug 让我们去解决。”
在整份报告中，我们使用由 Claude 驱动的分类器，从受访者的回答中推断他们的特征和情绪。比如，很多参与者会顺带提到自己的工作领域，或提供有关其工作生活的有用细节，这使我们能够推断其职业。同样，我们通过提示 Claude 识别并解读受访者直接表述自己岗位面临 AI 替代风险的引语，来量化他们对失业的担忧。示例提示词见附录。
受访者感知到的 AI 威胁，与我们自行构建的观测暴露度指标存在相关性。该指标反映的是某一职业中有多少比例的任务会使用 Claude。对某位受访者而言，如果其对应职业的观测暴露度更高，那么他或她往往也会更担心 AI。比如，与软件工程师相比，小学教师对自身被替代的担忧更少，这与 Claude 的使用更偏向编程任务这一事实是一致的。
这一点可以在下方的图 1 中看到。纵轴表示某一职业中认为 AI 已经在取代自己岗位、或很可能很快会这样做的受访者比例。横轴为观测暴露度。图中显示，平均而言，处于更高暴露职业中的人，更倾向于表达对自己工作被自动化取代的担忧。观测暴露度每增加 10 个百分点，感知到的岗位威胁就会上升 1.3 个百分点。处于暴露度前 25% 的人，提到这种担忧的频率是后 25% 人群的三倍。
另一个重要的劳动者特征是职业阶段。在此前的研究中，我们曾报告美国近期毕业生和职业早期劳动者的招聘正在放缓的初步迹象。在这项调查中，大约有一半受访者，我们能够根据他们的回答推断出其职业阶段。2 我们发现，相比资深劳动者，职业早期受访者更有可能表达对岗位被取代的担忧。
谁从 AI 中受益？
我们使用 Claude 对调查回答进行评估，按照 1 至 7 的量表来衡量人们自述的 AI 带来的生产率提升程度，其中 1 表示“效率更低”，2 表示“没有变化”，之后每升一级都表示更大的提升。得分为 7 的回答包括这样的表述：“以前做出这个网站要花几个月，而我[做的这个]只用了 4 到 5 天”；Claude 会给类似“原本可能要花四小时的事，现在用了一半时间就完成了”这样的说法打 5 分；而像“就我个人而言，我让 AI 帮我修复网站上的代码。但为了得到我想要的结果，来回试了很多次”这样的回答，则会被打 2 分。3
总体来看，人们平均报告了有意义的生产率提升。平均生产率评分为 5.1，对应于“效率显著提高”。当然，我们的受访者本身就是活跃的 Claude 用户，而且愿意参与调查。这可能使他们比普通用户更倾向于报告生产率收益。约有 3% 的人表示影响为负面或中性，另有 42% 没有就生产率给出明确说明。
这种情况在一定程度上沿收入线分化。图 3 左图显示，高薪职业人群，例如软件开发者，表达了 AI 带来的最大生产率提升。这个结果并不只是由编程工作推动的；即使剔除计算机与数学类职业，这一结论依然成立。这也呼应了此前《经济指数》中的一项发现，该发现同样显示高薪劳动者受益更多：在需要更高教育水平的任务中，Claude 往往能以更高的百分比缩短任务完成时间（相较于不使用 AI 的情况）。
一些最低薪的劳动者也描述了很高的生产率提升。其中包括一位客服代表，他使用“AI 帮我根据另一条回复生成回复，替我节省了很多时间”。还有一些情况下，低薪岗位上的人是在技术类副业项目中使用 AI。例如，一位送货司机在用 Claude 创办电商业务，一位园艺工则在开发一款音乐应用。
我们在图 3 右图中对此进行了更细致的考察，展示了按主要职业大类划分的推断生产率提升。排在最前的是管理类职业。这些受访者大多是使用 Claude 创办企业的创业者。4 紧随其后的是计算机与数学类职业，其中包括软件开发者。生产率改善最温和的两类群体是科学和法律专业人士。一些律师担心 AI 是否能够遵循精确指令。例如：“我已经给出了非常具体的规则，说明什么内容放在哪里、该如何阅读法律文件、我希望它做什么……但它每次都会偏离。”
随着 AI 在整个经济中扩散，一个关键问题是这些收益最终会流向哪里: 劳动者本人、他们的管理者、消费者，还是企业。大约四分之一的访谈中，受访者指出了这些收益的归属。总体而言，这些人中大多数表示受益者是他们自己，表现为任务完成更快、工作范围扩大以及腾出了更多时间。5 但在明确指出受益对象的受访者中，有 10% 表示雇主或客户正在要求并获得更多工作产出。较小一部分人提到 AI 公司受益，更少一部分人则表示 AI 的净影响将是负面的。这一点也取决于职业阶段：只有 60% 的职业早期劳动者表示自己从 AI 中受益，而资深专业人士中这一比例则为 80%。
范围与速度
受访者还分享了他们在哪些方面感受到了生产力提升。我们将其分为范围、速度、质量和成本。比如，许多将 AI 用于编程任务的人会说这样的话：“我不是技术出身，但现在我已经成了全栈开发者。” 这体现的是工作范围的扩展；AI 为他们解锁了新的能力。相比之下，也有一些用户只是把原本就在做的任务加快了，比如那位会计所说：“我做了一个工具，能把一项原本要花 2 小时完成的融资任务缩短到 15 分钟。” 质量方面的提升，则往往来自对代码、合同和其他文书进行更全面的检查。还有一小部分受访者提到了使用 AI 的低成本：“如果我雇一个社交媒体经理，那就超出我的预算了。”
我们发现，最常见的生产力提升体现在范围上：在明确提到生产力影响的用户中，48% 提到了这一点。提到生产力的用户中，有 40% 强调的是速度提升。
人们使用 Claude 的体验，也可能影响他们对 AI 的担忧。为评估这一点，我们衡量了受访者报告的提速情况：根据他们的表述，判断他们的工作现在是变得慢了很多（我们编码为 1）、速度没有变化（4），还是快了很多（7）。
我们发现，提速与感知到的岗位威胁之间呈现 U 型关系（见图 6）。最左侧的柱状代表那些表示 AI 让自己变慢了的受访者。这些人更可能认为，AI 对他们的生计构成了显著威胁。比如，一些创意工作者，如纯艺术家和作家，觉得 AI 过于束缚、过于僵硬，无法真正帮助他们完成自己的工作。与此同时，他们又担心 AI 在创意领域的扩散，会让自己更难找到工作。
对于其余受访者而言，感知到的岗位威胁会随着其回答中所体现的提速程度上升而持续增加。从经济学角度看，这也说得通：如果完成本职任务所需的时间正在迅速缩短，那么这一岗位未来是否还具备持续存在的合理性，自然会带来更大的不确定性。
讨论
《经济指数》揭示了人们如何使用 AI。但要理解 AI 对经济影响的另一项关键输入，是直接听取人们对自身体验的描述。这里分析的回答表明，人们的直觉与使用数据是一致的：他们最担心 AI 对那些我们观察到 Claude 参与工作最多的岗位所带来的影响。我们还发现，职业生涯早期的工作者表现出更高水平的经济焦虑，这也与既有研究相符。
同时，也有迹象表明 Claude 正在赋能它的用户。人们更倾向于谈论收益流向自己，而不是流向雇主或 AI 公司。高薪工作者对 AI 带来的生产力影响最为积极，但低薪岗位从业者和教育程度较低的人群也报告了显著的生产力提升。大多数受访者表示，Claude 提升了他们的能力，主要体现为拓宽了工作范围或提高了工作速度。但那些获得最大提速的用户，同时也是对 AI 对就业影响最紧张的人。
由于数据本身的性质，我们的分析存在一些重要限制。首先，我们的调查仅限于 Claude.ai 个人账户用户中自愿作答的人群。除其他潜在偏差外，这些用户也可能更倾向于认为收益流向了自己。其次，这里许多衍生变量都不是直接向用户提问得到的，因此我们根据上下文线索对职业、职业阶段及其他变量所作的推断，可能并不准确。与此相关的是，由于问卷采用开放式作答，我们的衡量依据是受访者恰好提到了什么；这些发现还需要通过直接询问相关主题的结构化调查来进一步验证。
不过，这些访谈确实揭示了人们对 AI 经济影响的真实感受，也表明定性数据如何能够提出定量假设。而与经济相关的担忧占比之高，本身就是一个强烈信号。
附录
请参见链接 PDF的最后一节。
致谢
感谢 80,508 位 Claude 用户分享他们的故事。
Maxim Massenkoff 负责分析并撰写了这篇博文。Saffron Huang 负责访谈项目，并在整个过程中提供指导。
Zoe Hitzig 和 Eva Lyubich 提供了关键反馈和方法论指导。Keir Bradwell 和 Rebecca Hiscott 提供了编辑支持。Hanah Ho 和 Kim Withee 参与了设计。Grace Yun、AJ Alt 和 Thomas Millar 在 Claude.ai 中实现了 Anthropic Interviewer。Chelsea Larsson、Jane Leibrock 和 Matt Gallivan 参与了问卷和体验设计。Theodore Sumers 参与了数据处理和聚类基础设施建设。Peter McCrory、Deep Ganguli 和 Jack Clark 提供了关键反馈、方向指导和组织支持。
此外，我们还感谢 Miriam Chaum、Ankur Rathi、Santi Ruiz 和 David Saunders 所进行的讨论、提出的反馈与提供的支持。