81,000 人告诉我们的 AI 经济学

主要发现：

• 我们最近对 81,000 名 Claude 用户的调查显示，从事 AI 暴露程度更高岗位的人对 AI 驱动的工作替代有更多担忧。这些担忧在职业生涯早期的受访者中也更高。
• 最高薪和最低薪职业的人报告了最大的生产力提升，最常见的提升来自范围扩展（做新任务）。
• 报告从 AI 获得最大加速的受访者对工作替代表达了更高的担忧。

为了向公众传达我们观察到的 AI 带来的经济变化，我们的经济指数分享了 Claude 被要求做什么工作，以及在哪些岗位中 Claude 承担了最大比例的任务。然而，到目前为止，我们缺乏关于这些使用模式如何映射到人们对 AI 的想法和印象的信息。

我们最近对 81,000 名 Claude 用户的调查研究提供了一种方式，将人们的经济担忧与我们在 Claude 流量中量化的内容联系起来。

调查询问了人们对 AI 进步的愿景和恐惧。许多受访者分享的想法涉及经济话题。我们了解到，许多人担心工作被替代——尽管他们也觉得在工作中更有生产力和更被赋能。在某些情况下，AI 让他们能够创业，或给了他们时间去做更重要的事情；在另一些情况下，AI 让人感到压抑，或是被雇主强加的。

调查结果提供了初步证据，表明观察到的暴露程度（我们衡量 AI 替代风险的指标）与围绕 AI 的经济担忧相关。在高度暴露的职业中的人——由 Claude 被观察到执行的任务来定义——对经济替代更加紧张。这与人们普遍意识到 AI 的扩散和潜在影响是一致的。我们在下面展开我们的发现。

谁在担心工作被替代？

“和当今任何白领一样，我百分之百地担心，几乎全天候地担心最终会因为 AI 失去工作。“——软件工程师。

我们调查中五分之一的受访者表达了对经济替代的担忧。一些人抽象地担忧这个问题：一位软件开发者警告说”AI 在当前状态下被用来替代初级职位的可能性。“其他人哀叹他们的工作或工作的某些方面正在被自动化取代。一位市场研究人员说：“在提升我的能力方面，毫无疑问。但在未来 AI 可能会取代我的工作。“在一些岗位中，人们觉得 AI 让他们的工作更难了。一位软件开发者观察到”当 AI 到来时，项目经理开始给出越来越难的工单和需要解决的 bug。”

在整个报告中，我们使用 Claude 驱动的分类器从受访者的回答中推断其属性和情绪。例如，许多参与者在回答中顺带提到他们的工作，或给出关于工作生活的信息性细节，这使我们能够推断他们的职业。同样，我们通过提示 Claude 识别和解释受访者表示自己的角色面临 AI 驱动替代风险的直接引用来量化对工作流失的担忧。我们在附录中给出了示例提示。

受访者对 AI 的感知威胁与我们自己的观察暴露度指标相关，该指标反映了一个岗位的任务中 Claude 被使用的百分比。当我们对受访者的观察暴露度测量值更高时，受访者对 AI 的担忧也更大。例如，小学教师比软件工程师更不担心自己被替代，这与 Claude 使用偏向编程任务的事实一致。

我们在下面的图 1 中展示了这一点。y 轴是给定职业中表示 AI 正在替代他们的角色或很可能很快会这样做的受访者百分比。x 轴是观察暴露度。该图显示，平均而言，处于更高暴露度职业中的人倾向于表达更多关于工作被自动化取代的担忧。暴露度每增加 10 个百分点，感知到的工作威胁增加 1.3 个百分点。暴露度排名前 25% 的人提到这种担忧的频率是排名后 25% 的人的三倍。

图 1：感知到的 AI 工作威胁与观察暴露度。 表示受到某种 AI 工作威胁的受访者百分比，对照 Massenkoff 和 McCrory (2026) 的观察暴露度指标。如果受访者表示其角色已经被替代或大幅缩减，或此类变化在近期可能发生（使用 Claude 编码），则被编码为指示工作威胁。绿线显示简单的线性拟合。

另一个重要的劳动者特征是职业阶段。在之前的研究中，我们报告了美国应届毕业生和早期职业工作者招聘放缓的初步迹象。对于本次调查中约一半的受访者，我们能够从他们的回答中推断职业阶段。我们发现，早期职业的受访者比资深工作者更可能表达对工作替代的担忧。

图 2：按职业阶段划分的经济替代担忧。 按职业阶段划分的表示受到某种 AI 工作威胁的受访者百分比。两个字段均从自由形式回答中使用 Claude 驱动的分类器推断。

谁从 AI 中受益？

我们使用 Claude 评估调查回答，将人们自我报告的 AI 生产力提升以 1-7 分制进行评分，其中 1 为”生产力降低”，2 为”无变化”，每个后续级别代表更大的提升。评分为 7 的回答包括这样的见证：“以前需要几个月才能做出的网站，我在 4-5 天内就做出来了”；Claude 给出 5 分的评价如：“可能需要四个小时的工作在一半时间内完成了”；给出 2 分的评价如：“就我个人而言，我让 AI 帮我修复网站上的代码。但需要多次尝试才能得到我想要的结果。”

总体而言，人们平均报告了有意义的生产力提升。平均生产力评分为 5.1，对应”显著更高的生产力”。当然，我们的受访者是活跃的 Claude 用户，且愿意参加调查。这可能使他们比普通用户更有可能报告生产力收益。约 3% 的人报告了负面或中性影响，42% 的人没有给出关于生产力的明确指示。

这在收入线上有一定分化。图 3 的左侧面板显示，从事高薪工作的人，如软件开发者，传达了从 AI 获得的最大生产力提升。这个结果不仅仅是由编程驱动的；当我们去除计算机和数学职业时也成立。这呼应了之前经济指数的发现，该发现也有利于高薪工作者：在需要更高教育水平的任务中，Claude 往往以更高的百分比减少了完成任务所需的时间（相对于不使用 AI）。

一些最低薪的工作者也描述了很高的生产力提升。这包括一位客服代表使用”AI 节省了我大量时间，根据另一个回复创建回复。“在一些情况下，低薪工作的人在技术性的副业项目中使用 AI。例如，一位快递司机使用 Claude 创办电子商务业务，一位园艺工人正在构建一个音乐应用程序。

图 3：按职业划分的推断生产力提升。 左侧面板显示按 BLS 职业中位薪资四分位数划分的 AI 平均推断生产力收益（使用 Claude 驱动的分类器推断）。右侧面板显示按主要职业组划分的相同结果。误差线显示 95% 置信区间。

我们在图 3 的右侧面板中更详细地展示了按主要职业组划分的推断生产力提升。排在最前面的是管理职业。这些受访者大多是使用 Claude 来构建业务的创业者。紧随其后的类别是计算机和数学，包括软件开发者。表现出最温和生产力改善的两个群体是科学和法律专业的工作者。一些律师担心 AI 遵循精确指令的能力。例如：“我给了非常具体的规则，关于什么在哪里，如何阅读法律文件，我希望它做什么……但它每次都偏离。”

一个关键问题是，随着 AI 在经济中扩散，收益将归于何方——是工人、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接收者。总体而言，大多数这些人引用了对自己的好处，包括更快的任务完成、扩展的范围和释放的时间。但 10% 的指出接收者的受访者表示，雇主或客户正在要求并获得更多工作。更小的比例提到了对 AI 公司的好处，甚至更小的比例说 AI 将是净负面的。这取决于职业阶段：只有 60% 的早期职业工作者表示他们个人从 AI 中受益，而资深专业人士的这一比例为 80%。

图 4：AI 生产力的剩余流向何方？ 在指出其 AI 生产力收益受益者的受访者中，识别每个目的地的比例。

范围与速度

受访者还分享了他们在哪些方面体验到了生产力提升。我们将其分为范围、速度、质量和成本。例如，许多将 AI 用于编程任务的人说了这样的话：“我是一个非技术人员，但现在我是一个全栈开发者。“这是范围的扩展；AI 为他们解锁了新能力。相比之下，一些用户加速了他们已经在做的任务，比如那位会计师说的：“我构建了一个工具，帮助我在 15 分钟内完成一项以前需要 2 小时的融资任务。“质量提升通常来自对代码、合同和其他文书的更彻底检查。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，超出了我的预算。”

我们发现，最常见的生产力提升在范围方面，48% 的明确提到生产力影响的用户引用了这一点。40% 提到生产力的用户强调了速度。

图 5：用户报告的是哪种生产力提升？ 描述每种类型生产力收益的受访者比例。

人们对 Claude 的体验也可能塑造他们对 AI 的担忧。为了评估这一点，我们测量了受访者报告的加速程度，通过提取他们的工作是否变得更慢（编码为 1）、没有变化（4）、还是变得更快（7）。

我们发现加速与感知工作威胁之间的关系是 U 形的（见图 6）。最左边的柱子显示报告 AI 使他们工作变慢的受访者。这些受访者更可能表示 AI 对其生计构成了重大威胁。例如，一些创意工作者，如美术师和作家，发现 AI 太过死板和僵化，无法帮助他们完成自己的工作。同时，他们担心 AI 向创意领域的扩散会使他们更难找到工作。

图 6：AI 的工作威胁与加速程度。 表示自己岗位的替代已经发生或在近期可能发生的受访者百分比，按推断加速程度划分。

对于其余受访者，感知工作威胁随着他们回答中暗示的加速程度的提高而持续增加。这在经济上有一定道理：如果完成自己任务所需的时间正在迅速缩短，那么该角色的未来可行性可能存在更多不确定性。

讨论

经济指数揭示了人们用 AI 做什么。但理解 AI 经济影响的另一个关键输入是直接听取人们的经验。此处探讨的回答表明，人们的直觉与使用数据一致：他们在我们观察到 Claude 做最多工作的岗位中最担心 AI 的影响。我们还发现早期职业工作者中经济焦虑水平更高，这与过去的研究一致。

还有迹象表明 Claude 赋能了其用户。人们最可能谈论收益流向自己而不是雇主或 AI 公司。高薪工作者对 AI 的生产力影响最为热情，但从事低薪工作和教育水平较低的人也报告了大幅的生产力提升。大多数受访者报告 Claude 以拓宽工作范围或加速工作的形式增强了他们的能力。但体验到最大加速的用户也是对 AI 工作影响最紧张的。

我们的分析存在重要的注意事项，这源于数据的性质。首先，我们的调查仅限于选择回应的 Claude.ai 个人账户用户。在其他潜在偏差中，这些用户可能更有可能认为收益流向自己。其次，用户没有被直接询问这里的许多派生变量，因此我们从上下文线索推断的职业、职业阶段和其他变量可能是错误的。与此相关的是，由于调查是开放式的，我们的测量基于受访者碰巧提到的内容；这些发现应在直接询问这些话题的结构化调查中得到确认。

尽管如此，这些访谈揭示了人们围绕 AI 经济学的真实见解，展示了定性数据如何产生定量假设。而与经济相关的担忧占很大比例本身就是一个强烈的信号。

附录

参见链接 PDF 的最后一节。

致谢

我们感谢 80,508 位分享了他们故事的 Claude 用户。

Maxim Massenkoff 领导了分析并撰写了博客文章。Saffron Huang 领导了访谈项目并在整个过程中提供了指导。

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 参与了调查和体验设计。Theodore Sumers 参与了数据处理和聚类基础设施。Peter McCrory、Deep Ganguli 和 Jack Clark 提供了关键反馈、方向和组织支持。

此外，我们感谢 Miriam Chaum、Ankur Rathi、Santi Ruiz 和 David Saunders 的讨论、反馈和支持。