Anthropic 发布生产力研究：Claude 缩短 80% 任务耗时，拉动生产率翻倍

大家都在争论生成式 AI 到底有没有真的提高生产力，还是只是在帮大家水报告。Anthropic 决定用自家的后台数据算一笔账。

Anthropic 发布了一项关于劳动力生产率的研究。他们利用自家的隐私保护分析系统，从 Claude.ai 抽样了 10 万次真实对话，涵盖免费版、Pro 和 Max 用户，直接估算用户扔给 AI 的任务到底省了多少时间。

任务提速八成，相当于单次省下 55 美元

这 10 万次真实对话展现出一个挺有意思的画像：大家通常拿 Claude 来啃硬骨头。

根据模型的估算，用户扔给 Claude 处理的任务，如果全靠人工完成，平均需要专业人员花上大约 1.4 个小时，也就是差不多 90 分钟。而在有了 AI 协助之后，单项任务的完成时间平均被压缩了整整 80%。

Anthropic 接着把这些任务对标到了美国 O*NET 职业分类和劳工统计局的薪资数据上。算下来的结果是，如果不借助 AI，每完成一次这样的任务，原本需要支付约 55 美元的人工成本。

不过，AI 在不同职业上的表现极不均衡。数据显示，医疗辅助类任务的完成时间缩短了 90%，而处理硬件问题的时间仅节省了 56%。在任务体量上，法律和管理类任务如果人工做要花近两小时，而备餐类琐碎任务原本只要 30 分钟。

如果把当前这一代模型的效率推演到整个美国经济，Anthropic 测算未来十年美国年均劳动生产率增长率可能提高 1.8%。这个增幅大约是 2019 年以来实际年均增速的两倍，直接碰到了目前各路经济学家预测区间的上限。

让 AI 估算时间，到底准不准？

让 Claude 自己来评估 Claude 省了多少时间，听起来有点既当裁判又当选手的意思。Anthropic 自己也承认了这一点，并做了两组验证。

首先是自洽性测试。他们针对 1800 个对话调整提示词措辞，比如把「具备相应技能的员工」换成「经验丰富的专业人士」，结果显示不同提示词之间的预估结果对数相关性在 0.89 到 0.93 之间，说明模型不会因为提问方式稍微变一下就满嘴跑火车。

其次是拿现实工单对齐。他们拉来了开源代码仓库的数千个 JIRA 工单，里面既有真实开发者的耗时预估，也有实际打卡时间。测试表明，人类程序员预估与实际耗时的斯皮尔曼相关系数是 0.50，而 Claude Sonnet 4.5 也能给出有参考价值的推算。

但 Anthropic 也明确指出了目前研究最大的盲区：他们只能看到屏幕上的对话，看不到屏幕外的现实。用户为了核对 Claude 给出的结果、修改错漏代码或者核对事实所花的时间，完全没有被计入。因此，他们自己也承认，80% 的提速大概率在一定程度上高估了当下的真实生产力提升。

为什么重要

对于正在考虑把 AI 接入业务的团队来说，这份研究给出了一个非常务实的参考坐标：复杂的智力任务才是 AI 产生高溢价的地方。如果只是拿它写个一分钟的客套邮件，省下的时间微不足道；但面对法律、医疗辅助这类原本耗时一到两小时的任务，现在完全值得把它当成首选辅助工具。

从行业影响来看，这篇报告把争论从宏观的概念推向了具体的任务链条。我们认为，更关键的洞察在于 Anthropic 提到的「木桶短板」效应。当医疗分析或文档编写被缩短 90% 后，无法被 AI 加速的物理环节和决策环节就会迅速变成阻碍增长的瓶颈，这会倒逼企业去重构整个工作流程，而不是单点替换人力。

至于 Anthropic 这套做法，我们觉得他们很聪明地把原本模糊的生产力口水仗，落到了具体的聊天记录和工单数据上，至少搭起了一个能量化追踪的框架。但隐患也是显而易见的：把审查和纠错成本排除在外，其实避开了生成式 AI 落地中最昂贵的「幻觉税」。看起来很漂亮的 80% 提速，在必须极度严谨的真实生产环境里，恐怕还要打上不小的折扣。