社会影响

Societal Impacts

推出 Anthropic Interviewer：1250 名专业人士告诉我们关于与 AI 共事的真相

Introducing Anthropic Interviewer: What 1,250 professionals told us about working with AI

Dec 4, 2025

我们正在推出一款新工具 Anthropic Interviewer，旨在帮助了解人们对 AI 的看法。在这篇研究文章中，我们将介绍该工具，描述其在专业人士样本上的测试情况，并讨论我们的初步发现。我们还将探讨未来的研究方向——借助该工具的开发以及与创作者、科学家和教师的合作，我们能够探索这些方向。

引言

Introduction

如今，数百万人每天都在使用 AI。作为一家开发 AI 系统的公司，我们想知道他们如何使用 AI、为何使用，以及这对他们产生了怎样的影响。部分原因是，我们希望利用用户的反馈来开发更好的产品——但同样重要的是，理解人与 AI 的互动是我们这个时代最重大的社会学问题之一。

我们最近设计了一款工具，用于在保护用户隐私的前提下研究 AI 使用模式。该工具使我们能够分析经济领域中 AI 使用模式的变化。但它只能让我们了解 Claude 对话内部发生了什么。那么对话之后呢？人们实际上是如何使用 Claude 输出的？他们对此感受如何？他们如何看待 AI 在自己未来中的角色？如果我们想全面了解 AI 在人们生活中不断变化的角色，并在模型开发中以人为中心，我们就需要直接询问人们。

这样的项目需要我们进行数百次访谈。在此，我们借助 AI 来完成这项工作。我们构建了一款名为 Anthropic Interviewer 的访谈工具。由 Claude 驱动，Anthropic Interviewer 能够以前所未有的规模自动运行详细的访谈，并将结果反馈给人类研究人员进行分析。这是理解用户需求和愿望的新一步，也是为分析 AI 的社会和经济影响收集数据的新一步。

为了测试 Anthropic Interviewer，我们让它对 1250 名专业人士进行了访谈——包括普通劳动力（N=1000）、科学家（N=125）和创意工作者（N=125）——了解他们对 AI 的看法。我们公开发布了本次初步测试的所有访谈数据（经参与者同意），供研究人员探索；我们在下文提供了自己的分析。简而言之，以下是我们发现的一些例子：

• 在我们的样本中，人们对 AI 在工作中扮演的角色持乐观态度。 大多数讨论的话题都带有积极情绪。然而，少数话题，如教育整合、艺术家被取代以及安全问题，则伴随着更悲观的前景。
• 普通劳动力群体希望保留定义其职业身份的任务，同时将常规工作委托给 AI。 他们设想的未来是常规任务实现自动化，而他们的角色转变为监督 AI 系统。
• 创意工作者正在利用 AI 提高生产力，尽管面临同行的评判和对未来的焦虑。 他们既要应对创意社区中当前使用 AI 的污名化，也要应对更深层次的担忧，如经济替代和人类创意身份的侵蚀。
• 科学家希望与 AI 合作，但尚不能信任其进行核心研究。 科学家们一致表达了希望 AI 能够生成假设和设计实验的愿望。但目前，他们仅将实际使用局限于其他任务，如撰写手稿或调试分析代码。

普通劳动力

悲观乐观职业适应。 货运调度员：“我一直在试图找出人类能为行业提供的、无法被自动化替代的东西，并真正专注于那个方面，比如个性化的人际互动。然而，从长远来看，我认为这并非必需。我仍在努力研究哪些技能值得培养，是 AI 无法‘接管’的。”社会视角。 办公室助理：“对我来说，它就像当年的电脑或打字机一样，是一种工具——电脑并没有淘汰数学家，只是让他们能够做更多事情，这就是我在最美好的未来中看到 AI 的发展方向。”写作独立性。 销售人员：“我从同事那里听说，他们能分辨出电子邮件往来是否是 AI 生成的，并且对发件人有些负面看法。他们觉得发件人‘太懒’，不愿亲自写一封私人便条，而是把它推给 AI 去做，这让他们感到被轻视。”教育整合。 特殊教育教师：“我希望 AI 能成为一个更具协作性的伙伴，帮助我更好地管理时间，并帮助我拓展创造力，这样我就能为学生提供我自己可能无法想出的各种活动和作业。”按话题组织的普通劳动力专业人士的引文示例。本研究旨在既解析乐观情绪，又疏导潜在的焦虑，以更好地理解 AI 如何在不同职业背景下实际重塑工作。

创意工作者

悲观乐观控制边界。 游戏书作者：“在这些讲故事的过程中，我会说，大多数时候只有合作的幻觉……很少有真正让我觉得 AI 在推动创意决策的时刻。”工作流自动化。 社交媒体经理：“说实话，我压力更小了。它为我创造了巨大的效率，让我可以专注于工作中最喜欢的部分（拍摄和剪辑）。”作家被取代。 创意小说作家：“AI 写的小说可能有很棒的情节，技术上也很出色。但它不会有只有人类才能编织到故事中的更深层次的细微差别。”音乐制作。 音乐制作人：“有时，到了添加歌词的时候，我会向 ChatGPT 或 Claude 索取有趣的词语搭配列表。仅仅得到一长串列表，在器乐伴奏上尝试，往往就能找到一句吸引人的副歌，或者至少是歌曲创意的种子。”按话题组织的创意工作者引文示例。

科学家

悲观乐观安全问题。 医学科学家：“目前我们对 AI 的信心还不够高，不足以信任它处理我们的数据。我们也是一家商业实体，因此对可能与 AI 系统共享的数据的保密性有些担忧。”研究辅助。 分子生物学家：“如果 AI 能够将所有数据整合并标准化到一个存储库中，那对生物学发现来说将是一件非常令人兴奋的事情。你可以看到表达动态如何跨细胞模型、组织类型、疾病状态等发生变化。”内容验证。 经济学家：“我真正希望 AI 能做到的是准确获取信息、总结信息，并用它来撰写资助申请的核心内容。AI 通常写得很好；现在的问题是，我无法依赖它不产生幻觉，或者直白地说，不说谎。”代码开发。 食品科学家：“老实说，如果没有 AI 工具，如果学生的代码出了问题，我都不知道该如何帮助她。”按话题组织的科学家引文示例。

方法

Method

本次初步测试探讨了工作者如何将 AI 融入其专业实践，以及他们对 AI 在未来角色中的感受。我们进行了访谈以获取定性数据，并通过问卷调查补充了定量数据，参与者回答了有关其行为背景和职业背景的问题。我们还使用了一个独立的 AI 分析工具来读取访谈记录，并从非结构化数据中聚类出涌现的总体主题——例如，提及特定话题或在访谈中表达特定观点的参与者百分比。

参与者

Participants

我们使用 Anthropic Interviewer 对 1250 名专业人士进行了访谈。我们打算让该工具访谈普通的 Claude.ai 用户，但在本次初步测试中，我们招募了来自各种职业的参与者，并通过众包平台与他们接触（所有参与者都有一份非众包的主要工作）。

其中 1000 名参与者是从一般职业样本中招募的（即我们没有从特定工作中选择参与者）。在该组中，最大的子群体来自教育指导（17%）、计算机和数学职业（16%），以及艺术、设计、娱乐和媒体（14%）。

我们还招募了两个专业样本，每个样本 125 人。第一个来自创意职业：主要是作家和作者（占样本的 48%）和视觉艺术家（21%），以及较小的电影制作人、设计师、音乐家和手工艺人群体。第二个来自科学领域，包括物理学家（9%）、化学家（9%）、化学工程师（7%）和数据科学家（6%），涵盖了 50 多个其他不同的科学学科。

我们选择增加这两个专业子群体，是因为它们代表了 AI 角色仍存在争议且正在快速演变的专业领域。我们假设创意工作者和科学家会展现出不同的 AI 采用模式和职业关切。

所有参与者均提供了知情同意，允许我们出于研究目的分析其访谈数据，并公开发布访谈记录。

Anthropic Interviewer 的工作原理

How Anthropic Interviewer works

Anthropic Interviewer 分三个阶段运行：规划、访谈和分析。下面，我们依次描述每个阶段。

规划

Planning

在此阶段，Anthropic Interviewer 会创建一个访谈大纲，使其能够在数百或数千次访谈中聚焦于相同的总体研究问题，同时仍足够灵活，以适应个别访谈中可能出现的差异和偏离主题的情况。

我们开发了一个系统提示（system prompt）——一套关于 AI 模型如何工作的总体指令——为 Anthropic Interviewer 提供其方法论。我们在其中包含了针对每个样本的假设，以及创建访谈计划的最佳实践（这是与我们的用户研究团队合作建立的）。

设置好系统提示后，Anthropic Interviewer 利用其对研究目标（见下文）的了解，生成具体问题和计划好的对话流程。然后进入审核阶段，人类研究人员与 Anthropic Interviewer 协作，对计划进行必要的编辑以最终确定。

访谈

Interviewing

随后，Anthropic Interviewer 按照其访谈计划进行实时、自适应的访谈。在此阶段，我们加入了一个系统提示，指导 Anthropic Interviewer 如何运用访谈的最佳实践。

由 Anthropic Interviewer 进行的访谈出现在 Claude.ai 上，每次与每位参与者持续约 10-15 分钟。

分析

Analysis

访谈完成后，人类研究人员与 Anthropic Interviewer 协作分析记录。Anthropic Interviewer 的分析步骤以初始访谈计划为输入，输出研究问题的答案以及说明性引文。在此阶段，我们还使用自动化的 AI 分析工具来识别涌现的主题，并量化其在参与者中的普遍性。

研究目标

Research goals

如上所述，Anthropic Interviewer 通过其系统提示了解研究目标，并以解决这些目标的方式运行其访谈。请注意，在这项初步研究中，我们的主要意图是对 Anthropic Interviewer 进行实际测试；尽管如此，以下目标提供了有趣的数据，我们将在下文进行分析。

以下是每个子样本的主要研究目标：

• 普通劳动力。 “了解个人如何将 AI 工具融入其专业工作流程，探索使用模式、任务偏好和互动风格，以深入了解工作场所中人与 AI 之间不断演变的关系。”
• 创意工作者。 “了解创意专业人士目前如何将 AI 融入其创意过程，他们对 AI 影响其工作的体验，以及他们对 AI 与人类创造力未来关系的愿景。”
• 科学家。 “了解 AI 系统如何融入科学家的日常研究工作流程，考察他们在科学过程不同阶段的当前使用模式、感知价值、信任水平和采用障碍。”

结果

Results

下面我们讨论在访谈中的发现，并提供来自我们调查和主题分析的定量数据。

AI 对普通劳动力的影响

AI’s impact in the general workforce

总体而言，我们一般专业人士样本中的成员将 AI 描述为对其生产力的提升。在调查中，86% 的专业人士报告说 AI 为他们节省了时间，65% 的人表示对 AI 在工作中扮演的角色感到满意。

浮现的一个主题是工作场所动态如何影响 AI 的采用。69% 的专业人士提到了在工作中使用 AI 工具可能带来的社会污名——一位事实核查员告诉 Anthropic Interviewer：“一位同事最近说他讨厌 AI，我什么也没说。我不告诉任何人我的工作流程，因为我知道很多人对 AI 的感受。”

41% 的受访者表示他们对工作感到安全，并相信人类技能是不可替代的，而 55% 的人则对 AI 对其未来的影响表示焦虑。在表达焦虑的群体中，25% 的人表示他们为 AI 的使用设定了界限（例如，一位教育工作者总是自己制定课程计划），而 25% 的人调整了他们的工作角色，承担了额外的责任或追求更专业化的任务。

使用 AI 的方法差异很大。一位数据质量经理有意选择学习而非自动化：“我试着把它想象成学习一门外语——仅仅使用翻译应用程序不会教你任何东西，但有一个可以回答问题并根据你的需求定制的导师真的会有所帮助。”一位营销人员采取了灵活的方法：“我正在努力实现多元化，同时保持一个强大的利基市场。”一位口译员已经在准备完全离开这个领域：“我相信 AI 最终会取代大多数口译员……所以我已经在准备转行，可能会通过获得文凭并进入另一个行业。”值得注意的是，只有 8% 的专业人士表达了焦虑，但没有明确的补救计划。

我们还对专业人士访谈中表现出的不同情绪的强度进行了分类（见上图）。不同职业表现出非常一致的情绪特征，其特点是高水平的满意度。然而，这伴随着沮丧感，表明专业人士发现 AI 有用，但同时遇到了重大的实施挑战。

增强与自动化

Augmentation versus automation

在之前的分析中，我们将 AI 用途分为增强（AI 与用户协作执行任务）或自动化（AI 直接执行任务）。在 Anthropic Interviewer 数据中，65% 的参与者将 AI 的主要角色描述为增强；35% 描述为自动化。值得注意的是，这与我们最近对人们如何使用 Claude 的分析不同，后者显示出更均匀的分布：47% 的任务涉及增强，49% 涉及自动化。这种差异有多种可能的解释：

• Anthropic Interviewer 研究的受访者与我们之前研究中的用户之间可能存在样本差异；
• 人们在 Claude 上的对话可能看起来比实际更自动化——用户可能会在聊天结束后完善或调整 Claude 的输出；
• 参与者可能为不同的任务使用不同的 AI 提供商；
• 自我报告的互动风格可能与实际使用情况存在差异；
• 专业人士可能认为他们的 AI 使用比他们的 Claude 对话模式所显示的更具协作性。

专业人士设想了一个同时包含增强和自动化的未来——常规、行政任务的自动化，同时保持人类监督。48% 的受访者考虑将其职业生涯转向专注于管理和监督 AI 系统的职位，而不是从事直接的技术工作。

...如果我使用 AI 并提升我的技能