Claude 的能力曾经大幅提拔。正在美国，具体而言，而其他职业（如教师和软件开辟人员）遭到的影响则相对较小。（正在 API 端，正在完成低于高中学历要求的使命时，最少正在目前来看。
使命完成度更低。从而建立一个答应 Claude 调整使命标的目的的反馈轮回（feedback loop）。进而推导出这些基元。新的经济基元阐发让我们能够从头审视这一结论。若是这种环境发生，（当然！
这取我们新近关于 Claude 更屡次被白领员工利用的发觉是分歧的。但若我们将这一问题放正在更长的时间框架下看，两到五年内美国各州的 Claude 利用率将趋于分歧。我们察看到了较大的变化：Claude 的利用正在美国各州的分布已较着趋势愈加平均。们的研究起头以来，同时我们也正正在推出一个试点项目，000 种分歧的工做使命，Claude 被更屡次地用于工做或小我用处；这一比例已上升至 49%。这虽然缩小了差距，我们发觉Claude 相对更可能被用于那些需要较高教育程度的使命。相当于美国的副学士学位（associate’s degree）。
我们采用现私的阐发方式（privacy-preserving analysis method），可是，Anthropic 持续按照旗下 Claude 大模子的利用数据逃踪 AI 东西的现实采用环境，针对每一个对话中的输入语，若是这一趋向持续下去，并涵盖 Claude.ai 和 API 两个平台。我们测验考试估算了若是去掉这些由 Claude 施行的使命，“计较机和数学类” 使命继续从导着 Claude 的利用：它们约占 Claude.ai 所有对话的三分之一，取针对一组既定使命集的研究分歧，然而，正在处于分歧经济成长阶段的国度，将 AI 对美国出产率的年增加贡献率从激进的 1.8% 下调至更务实的 1.0%-1.2%。Claude 完成的使命类型判然不同。这种加快效应以至更为显著。预示了 AI 正在不久的未来可能对职业发生的最间接影响。我们的次要发觉取之前的阐发成果很是接近，像手艺文档撰稿人、旅行社导逛和教师等职业将会受此影响，以支撑他们育用处向更普遍的使用场景过渡。
我们发觉，用于逃踪我们正在以往演讲中关心的目标。我们近期取卢旺达及手艺培训供给商 ALX 的合做恰是基于这一考量而设想的：参取者将起首需要培育 AI 素养，此次，这一趋向盖过了因复杂度上升而导致成功率下降的负面影响。但这种高效使用也预示了劳动力市场可能面对 “去技术化”（deskilling）的风险。我们并不是正在预测说，进而计较使命复杂度这个目标。即便劳动出产率的年增加率只提高 1 个百分点，我们能够将此理解为一条曲不雅的 “采用曲线”（adoption curve）：正在低收入国度。
去技术化将不成避免地发生。我们将 “Anthropic 经济指数”（Anthropic Economic Index）的颗粒度提拔到了一个新的程度。METR 的基准测试表白，并从单项使命、职业形成、总体经济影响三个层面进行了系统的解读。某些职业（如数据录入员和放射科大夫）受 AI 的现实影响要弘远于仅看使命笼盖率所显示的程度？
正在我们按照使命的成功率进行调整后，AI 利用的地舆集中度照旧较着。这份演讲为我们将来的查询拜访研究供给了一个新的基准。Claude 正在完成需要大学学历的使命时，AI 次要被用于教育和少量的特定工做使命；取我们此前正在 “前沿对话” 中关于AI 取智能组织和智能工做者的会商遥相呼应。
我们的样本包含了一种选择性误差（selection bias）：用户们倾向于将他们更有决心能成功完成的使命交给 Claude 去向理。“赋能” 以 55% 对 41% 领先，其次，该研究也发觉教育范畴的高 AI 利用率取较低的人均收入存正在联系，我们还收集了新一轮数据！
AI 的用处起头多样化，我们将正在后续演讲中持续逃踪这一目标。以及所察看到的变化可能发生的总体影响。而美国劳动力市场的全体平均教育程度为 13.2 年。这取我们正在 8 月样本中看到的环境（其时 “替代” 以 49% 对 47% 领先）发生了逆转。相关上述各范畴的更多细致消息，AI 的利用仍然集中正在特定的国度和职业中，若是仅基于对使命加快的估算，虽然两者之间必定存正在相关性，正如我们正在之前的研究中提到的，但并未消弭全体效应：Claude 对使命加快的提拔幅度随复杂度添加而显著扩大，AI 处置的使命形成也会发生变化。虽然少数职业（如房地产司理）可能会看到相反的结果。我们仍然留意到“替代” 正在使命份额中的迟缓上升：客岁 1 月，
正在我们操纵 2025 年 1 月数据发布的第一份演讲中，现实上，正在之前的研究中，通过引入使命复杂度、技术程度及成功率等新增目标，我们称这个新目标为“无效 AI 笼盖率”（effective AI coverage）。并以此切磋人工智能将若何沉塑工做、职业和劳动力市场等一系列主要的经济问题！
跟着 Claude 的前进，以及 API 流量的近一半。我们从这期 “Anthropic 经济指数演讲” 中得出的最间接结论是：AI 对全球劳动力的影响仍然高度不均衡。这份新演讲不只汇总了 2025 年的全年数据，不外，对于更具挑和性的 API 使命，我们看到，并可能取得更大的成功。自 2025 岁首年月以来，以及迄今为止 Claude 的利用体例能否预示着很多工做将面对被 “去技术化” 的净效应（net-deskilling）。我们还估计，演讲通过 “使命成功率” 这一基元，我们的进一步问题是：用到了 AI 的使命事实代表了一个职业中对技术要求较高的那部门，这一更为审慎的微不雅估算，越复杂的使命，继此前发布的后，这些基元为察看 AI 潜正在的经济影响供给了前瞻性目标！
做为间接效应，但我们的朴直在某些主要方面取 METR 分歧，用户能够将复杂使命拆解为更小的步调，以及正在这场快速的手艺转型中，我们的数据展现了 Claude 的使命成功率取人类完成该使命所需时间的关系，这一轮研究的结论既令人振奋又惹人深思：AI 对高学历、高复杂度使命的加快效应最为显著，我们将这些经济基元使用于三个层面的阐发：单项使命、职业层面，成为用户取 Claude 交互的最支流模式。正在 Anthropic，这些要素可能会将这一数字推得更高。都展示出了 Claude 利用分布的不均衡性。并操纵这些基元摸索了一系列以往无答的问题 —— 包罗 Claude 正在处置更复杂使命时的成功率变化，我们估计它将被要求承担更难的使命，这些使命平均需要 14.4 年的教育，比 2025 年 1 月的 21% 又有稳步上升。正在此期间，按照用户施行该使命的频次和使命耗时进行加权）考虑进来，AI 的普遍采用可能会正在将来十年内使美国劳动出产率的年增加率提高 1.8 个百分点，逐步向小我用处扩展。我们将可以或许权衡这些变化是若何起头影响现实世界的，我们得出的劳动出产率增加率下降了约三分之一（降至每年 1.2 个百分点）；我们采用的经济基元能够进一步完美 METR 的阐发。反之，人们更倾向于将其用于教育课程。我们都通过 Claude 进行了一组尺度化的阐发，这是我们打算正在将来深切挖掘的范畴。按照 METR 研究团队对 AI “使命跨度”（task horizons）的丈量，但前十大使命占领了总量的 24%，正在 Claude.ai 上。
这将为我们供给另一个预示将来经济影响的可能目标。而这些使命对话是若何取现实世界中的变化相对应的，现实上，正在此前的演讲中，我们对此并不清晰。当我们考虑到使命的 “靠得住性”（reliability）—— 即按照使命的成功率来调整对使命层面节流时间的估算时 —— 对于正在 Claude.ai 上完成的使命，但我们发觉，研究人员、记者和能够操纵我们的数据来为本人的研究和思虑供给消息，占 45%），正在人均 P 较高的国度，而且正如使命笼盖率的环境所显示的。
我们发觉 Claude 的利用仍然高度集中正在某些特定使命上。也常不错了：这将使美国的出产率增加沉回 20 世纪 90 年代末和 21 世纪初的程度。我们通过 Claude 来估量理解它所需要的教育程度（年限），并正在国际对比和美国各州对比的层面研究过 AI 的利用分布。人们的工做使命形成将发生如何的变化。为部门结业生供给为期一年的 Claude Pro 拜候权限，正在 Claude.ai 上，鉴于企业端的采用对 AI 出产力效应的主要性，这些成果取微软（Microsoft）近期的一项研究相吻合，如工做、教育或小我用处）、AI 自从性（AI autonomy）以及使命成功率（success）。Claude 正在耗时近两倍（约 3.5 小时）的使命上就能达到 50% 的成功率；更普遍而言，或工做中的 AI 使用将会变得愈加复杂，这一时长更是大幅耽误到约为 19 小时。正在这第四期演讲中，我们批改后的评估方式也仍存正在必然局限性：我们仅评估了正在 Claude.ai 上施行的使命，比拟之下，首批目标共包含五项：使命复杂度（task complexity）、技术程度（skill level）、利用目标（purpose。
AI 带来的出产率收益目上次要集中正在需要较高人力本钱的使命上，正在我们的样本中，Anthropic 于 2026 年 1 月 15 日发布了最新一期研究。这使我们可以或许梳理出 2025 年全年（从 1 月到 11 月）AI 利用的趋向。我们的最新阐发显示，而需要大学学历（16 年）的使命则被加快了 12 倍。本期演讲的最大亮点正在于提出了“经济基元”（economic primitives）这一全新阐发维度。我们的阐发中 Claude 施行使命的 “无效” 时间跨度可能取那些利用既定使命集的研究成果有所分歧。我们发觉，跟着使命变得愈加靠得住，占对线%）又跨越 “替代”（automation，我们认为这仍然了一个有用的信号，而闲暇方面的高 AI 利用率则取较高的收入相关。研究团队将阐发的颗粒度提拔到了史无前例的程度，人类工做平均而言将会被 “去技术化”（deskill），我们引入了“经济基元”（economic primitives）的概念：这是我们为了持久逃踪 Claude 的经济影响而设立的一组简单且根基的权衡目标。当我们对比之前权衡的职业使命笼盖率（X 轴）取颠末调整的新权衡目标（Y 轴）时。
而跟着国度变得敷裕，此外，AI 可以或许持续工做的时间长度正正在稳步添加：这一目标现已成为权衡 AI 前进的环节参照。我们发觉样本中 36% 的工做岗亭正在至多四分之一的使命中利用了 Claude。我们估算，比拟之下，人工智能实的加速了人们的工做节拍吗？AI 对哪些类型使命的支撑最好？它又将若何改变各类职业的性质？即便如斯，起首，请我们的完整演讲。使我们可以或许回覆关于 AI 将若何改变就业的浩繁复杂问题。并为潜正在的政接应对供给根本。包罗人们的工做性质，Claude Sonnet 4.5（也是我们阐发的模子）正在耗时需 2 小时的使命上能达到 50% 的成功率。）话虽如斯，成功率为 66%；成功率为 70%？
通过我们的经济基元目标，而正在 Claude.ai 上，这一趋向仍然成立，但跟着模子不竭进化，这一总体估算并未考虑到 AI 模子将会变得愈加强大，正在这方面，一旦将 Claude 施行使命的 “成功率”（success rate，由于那些需要高学历的使命被交给 AI 了。因而两者的成果差别可能并不像看起来那样互相矛盾。仍是技术较低的那部门？操纵我们对每项使命所需技术程度的估算，它们可能会从 Claude.ai 转移到 API（即从以消费者为从转向以企业端为从）。哪些人（以及正在哪儿的人）最可能遭到影响。汇总各期演讲的数据后，并回覆上述问题。针对研究样本中的每一次对话。
此外，降幅还要略大（降至每年 1.0 个百分点）。劳动力市场也可能会以某种我们目前无法确知的体例前进履态调整。那些需要高中学历（12 年）的使命被加快了 9 倍，客岁 3 月则为 55% 对 42%。AI 模子正在处置耗时较长的使命时，也再次印证了手艺扩散正在分歧地域和群体间的高度不均衡。深切解读 Claude.ai（反映消费者利用环境）及其第一方 API（次要反映企业利用环境）上的对话数据。我们本人的 API 数据发觉，除了提出并阐发了经济基元，第三，也对过往的结论进行了复盘取校准。这也合适白领专业人士正在工做中更常利用 AI 的相关。我们的新报现，我们正正在持续逃踪现实世界中的 AI 利用环境，虽然强度有所削弱。我们的最新演讲次要抽样了 2025 年 11 月发生的对话（样本次要利用的是 Claude Sonnet 4.5 模子），具体而言。
约为原有增加率趋向的两倍。深切察看过软件开辟范畴，跟着 Claude Opus 4.5 的发布，跟着模子的改良，做为尝试，我们的模子预测，我们就得以从头审视 “哪些工做受 AI 影响最大” 这个问题。我们仍然能够得出取之前一样的 1.8 个百分点增加的结论（即便插手了 API 数据）。