经济研究
Economic Research
81,000人告诉我们的AI经济学真相
What 81,000 people told us about the economics of AI
2026年4月22日阅读PDF
关键发现
Key findings
- 我们近期对81,000名Claude用户的调查显示，在AI接触度更高的岗位工作的人，对AI驱动的就业替代（job displacement）更为担忧。这种担忧在职业生涯早期的受访者中也更为普遍。
- 最高薪和最低薪职业群体报告的生产力提升幅度最大，最常见的是来自工作范围扩展（承担新任务）。
- 因AI而获得最大速度提升的受访者，对就业替代的担忧也更高。
为了向公众揭示我们观察到的AI带来的经济变化，我们的经济指数（Economic Index）分享了Claude被要求执行哪些工作，以及在哪些工作中Claude承担了最大比例的任务。然而，迄今为止，我们一直缺乏关于这些使用模式如何映射到人们对AI的看法和印象的信息。
我们近期对81,000名Claude用户进行的调查研究，提供了一种将人们的经济关切与我们通过Claude流量所量化的情况联系起来的方法。
该调查询问了人们对AI发展的愿景和恐惧。人们分享的许多想法都涉及经济话题。我们了解到，许多人担心就业替代——尽管他们也感觉在工作中效率更高、能力更强。在某些情况下，AI使他们能够创业，或者为他们腾出时间处理更重要的事情；而在另一些情况下，AI则令人感到压抑，或是被雇主强加于身。
调查结果提供了初步证据，表明观察到的接触度（我们衡量AI替代风险的指标）与围绕AI的经济担忧相关。在高度接触的职业中——根据观察到的Claude执行的任务来定义——人们对经济替代更为紧张。这与人们普遍意识到AI的扩散和潜在影响是一致的。以下是我们对调查结果的详细阐述。
谁在担忧就业替代？
Who worries about job displacement?
“嗯，就像如今任何一个白领一样，我百分之百担心，几乎全天候担心自己最终会被AI夺走工作。”——软件工程师¹
五分之一的受访者表达了对经济替代的担忧。有些人对此进行了抽象层面的担忧：一位软件开发人员警告说，“AI在目前状态下有可能被用来取代初级职位。”另一些人则哀叹他们的工作，或工作的某些方面，正在被自动化取代。一位市场研究员表示：“在提升我的能力方面，这毫无疑问。[但]未来AI可能会取代我的工作。”在某些工作中，人们觉得AI让工作变得更难了。一位软件开发人员观察到，“当AI出现后，项目经理开始分配越来越难的任务和缺陷来解决。”
在本报告中，我们使用基于Claude的分类器从受访者的回答中推断他们的属性和情感。例如，许多参与者在谈话中会提及他们的工作领域，或提供有关其工作生活的详细信息，这使我们能够推断出他们的职业。同样，我们通过提示Claude识别并解释受访者表示自己岗位面临AI驱动替代风险的直接引述，来量化对失业的担忧。我们在附录中给出了示例提示。
受访者感知到的AI威胁与我们自己衡量的观察接触度相关，后者反映了某个职业的任务中使用Claude的百分比。当受访者的观察接触度指标较高时，他们对AI的担忧也更高。例如，小学教师对自己被替代的担忧低于软件工程师，这与Claude的使用偏向编码任务的事实相符。
我们在下面的图1中展示了这一点。Y轴是特定职业中表示AI已经或很可能很快取代其岗位的受访者百分比。X轴是观察接触度。该图显示，平均而言，在接触度更高的职业中，人们更倾向于表达对其工作被自动化的担忧。接触度每增加10个百分点，感知到的就业威胁就增加1.3个百分点。接触度最高的前25%人群提及这种担忧的频率是接触度最低的后25%人群的三倍。
另一个重要的劳动者特征是职业阶段。在先前的研究中，我们报告了美国近期毕业生和早期职业工作者招聘放缓的初步迹象。在本调查中，我们能够从约一半受访者的回答中推断出其职业阶段²。我们发现，早期职业的受访者比资深工作者更有可能表达对就业替代的担忧。
谁从AI中受益？
Who benefits from AI?
使用Claude评估调查回答，我们将人们自我报告的AI生产力提升程度按1-7分进行评分，其中1分表示“效率降低”，2分表示“无变化”，后续每个等级代表更大的提升。得分为7的回答包括这样的证言：“以前需要几个月才能建好的网站，我现在4-5天就做完了”；Claude给“原本需要四个小时的工作，现在一半时间就完成了”这样的陈述打了5分；而给“就我个人而言，AI帮我修复了网站上的代码。但反复尝试了好几次才得到我想要的结果”这样的陈述打了2分³。
总体而言，人们报告了有意义的平均生产力提升。平均生产力评分为5.1，对应“显著提高生产力”。当然，我们的受访者是活跃的Claude用户，并且愿意参与调查。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%的人没有明确提及生产力情况。
这在收入线上有所分化。图3的左面板显示，高薪工作的人，如软件开发人员，从AI中获得了最大的生产力提升。这一结果并非仅由编码驱动；当我们排除计算机和数学职业时，结论依然成立。这呼应了先前经济指数中同样偏向高薪工作者的发现：在需要更高教育水平的任务中，Claude往往能更大程度地减少完成任务所需的时间（相对于没有AI的情况）。
一些最低薪工作者也描述了高生产力提升。这包括一位客户服务代表，他使用“AI根据另一条回复为我创建回复，节省了大量时间”。在某些情况下，低薪工作的人正在将AI用于技术性的副业项目。例如，一位送货司机正在使用Claude创办电子商务业务，而一位园丁正在构建一个音乐应用程序。
我们在图3的右面板中更详细地观察了这一点，显示了按主要职业组划分的推断生产力提升。排在首位的是管理职业。这些受访者大多是使用Claude创业的企业家⁴。其次是计算机和数学职业，包括软件开发人员。生产力提升最温和的两个群体是科学和法律专业人士。一些律师担心AI遵循精确指令的能力。例如：“我给出了非常具体的规则，说明什么内容放在哪里，如何阅读法律文件，我希望它做什么……但它每次都偏离方向。”
随着AI在经济中扩散，一个关键问题是收益将流向何处——是流向工作者、他们的管理者、消费者，还是公司。在大约四分之一的访谈中，受访者指出了这些收益的接收方。总体而言，这些人中的大多数提到收益归于自己，表现为任务更快完成、工作范围扩大以及时间得到释放⁵。但10%提到收益接收方的受访者表示，雇主或客户正在要求并得到更多的工作。较小比例的人提到了AI公司受益，更小比例的人表示AI将是净负面影响。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%。
范围与速度
Scope and speed
受访者也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，许多使用AI进行编码任务的人会说这样的话：“我不是搞技术的人，但现在我成了全栈开发者。”这是工作范围的扩展；AI为他们解锁了新的能力。相比之下，一些用户加快了他们已经在做的任务的速度，比如那位会计师说：“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。”质量提升通常来自于对代码、合同和其他文书进行更彻底的检查。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，那会超出我的预算。”
我们发现，最常见的生产力提升在于工作范围，48%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。
人们使用Claude的体验也可能塑造他们对AI的担忧。为了评估这一点，我们衡量了受访者报告的速度提升，通过提取他们的工作现在是慢了很多（我们编码为1）、速度没有变化（4）、还是变得快了很多（7）。
我们发现，速度提升与感知到的就业威胁之间的关系呈U形（见图6）。最左边的条形图显示的是报告AI拖慢了他们工作的受访者。这些受访者更有可能表示AI对他们的生计构成了重大威胁。例如，一些创意工作者，如美术家和作家，发现AI过于压抑和僵化，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。
对于其余受访者，感知到的就业威胁随着他们回答中暗示的速度提升水平而持续增加。这在经济上有一定道理：如果完成某项任务所需的时间迅速缩短，那么该岗位未来的可行性可能存在更多不确定性。
讨论
Discussion
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关于他们体验的反馈。这里探讨的回答表明，人们的直觉与使用数据相吻合：他们最担心AI在我们观察到Claude承担最多工作的岗位上的影响。我们还发现早期职业工作者的经济焦虑程度更高，这与过去的研究一致。
也有迹象表明Claude赋能了其用户。人们最常提到收益流向自己，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，但低薪工作和教育水平较低的人也报告了巨大的生产力提升。大多数受访者报告说，Claude通过扩大他们的工作范围或加快工作速度来增强他们的能力。但体验最大速度提升的用户也对AI对工作的影响最为紧张。
由于数据的性质，我们的分析存在一些关键限制。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，这些用户可能更倾向于认为收益流向自己。其次，用户并未被直接问及这里的许多衍生变量，因此我们从上下文线索中对职业、职业阶段和其他变量的推断可能是错误的。与此相关的是，由于调查是开放式的，我们的衡量标准基于受访者碰巧提到的事情；这些发现应在直接询问这些主题的结构化调查中得到确认。
尽管如此，这些访谈揭示了关于人们对AI经济学感受的真实见解，展示了定性数据如何能够提出定量假设。而经济相关担忧的巨大占比本身就是一个强烈的信号。
引用
Citation
@online{massenkoff2026interviewer, author = {Maxim Massenkoff and Saffron Huang}, title = {What 81,000 people told us about the economics of AI}, date = {2026-04-22}, year = {2026}, url = {anthropic.com/research/81k-economics}, }
附录
Appendix
请参见链接PDF的最后一节。
致谢
Acknowledgements
我们感谢80,508位分享他们故事的Claude用户。
Maxim Massenkoff主导了分析并撰写了博文。Saffron Huang主导了访谈项目并全程提供指导。
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为设计做出了贡献。Grace Yun、AJ Alt和Thomas Millar在Claude.ai中实现了Anthropic Interviewer。Chelsea Larsson、Jane Leibrock和Matt Gallivan为调查和体验设计做出了贡献。Theodore Sumers为数据处理和聚类基础设施做出了贡献。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。