Anthropic 釋出經濟指數報告：思考模式主要被拿來寫程式碼和做研發

AI 到底是在搶走人類的工作，還是在給打工人當副駕駛？與其聽各路專家打嘴仗，不如直接看使用者每天在對話方塊裡敲了什麼。

Anthropic 釋出了第二期經濟指數報告。他們用自家的隱私分析工具 Clio，抽樣分析了 Claude 3.7 Sonnet 上線後 11 天內的 100 萬條匿名對話。這批資料覆蓋了免費版和 Pro 使用者，為我們觀察大模型真實滲透到各行各業的深度提供了一個切片。

思考模式成了理工科專寵，但自動化還沒佔領任何行業

Claude 3.7 Sonnet 最大的賣點是擴充套件思考模式，能讓模型在回答複雜難題前想得更久。從實際使用來看，這個功能幾乎成了技術崗位的專屬配置。

在與計算機與資訊研究科學家相關的任務中，有將近 10% 的對話開啟了思考模式，軟體開發緊隨其後佔到約 8%。多媒體藝術家和遊戲設計師等數字創意角色，使用思考模式的比例也分別達到了 7% 和 6% 左右。

很多人擔心大模型會徹底替代人工，但實際資料卻潑了一盆冷水。在 100 萬條對話裡，把 AI 當成輔助增強工具的比例依然穩定在 57%，和上期報告持平。其中，向 Claude 請教概念、解釋原理的學習型對話，佔比從 23% 上升到了 28%。

就算細分到各個職業，也沒有任何一個門類被完全自動化主導。在社群與社會服務等偏人際溝通的領域，輔助增強的使用比例逼近 75%。即便是在程式碼和數學這類技術硬核領域，人和模型的協作比例也只是五五開。

具體工種的分工更有意思。文案和編輯是典型的共創模式，互動裡充滿了人類與模型來回推敲修改的迭代過程。相比之下，翻譯任務的指令化程度最高，使用者給完文件就讓模型直接出結果，人類介入最少。

從修水管到調時區：630 個接地氣的微觀場景

過去業界喜歡拿美國勞工部的 O*NET 資料庫來套 AI 能力，把真實世界強行塞進 17000 個官方預設任務裡。但 Anthropic 發現，通用大模型的真實用法遠比官方表格野性得多。

這次他們從下往上歸納出了一個包含 630 個細分場景的全新資料集。裡面不僅有高大上的電池系統開發、物理模擬模擬，還有非常接地氣的問題，比如解決家裡水管漏水、處理程式碼資料庫裡的跨時區 bug、挑選排版字型，甚至是修改求職簡歷。

Anthropic 已經把這套分類體系以及每個職業呼叫思考模式的詳細資料，全部放到了 Hugging Face 上供研究者免費下載。

為什麼重要

這份報告最有價值的地方，在於它用真實使用者行為打破了非黑即白的炒作。現實中的大部分使用者並沒有把方向盤完全交給 AI，反而把更多時間花在了向模型提問和反覆修改上。

對於打工人和開發者來說，如果你還在糾結要不要把整個工作流全盤推給 AI 自動化，現在看起來完全沒必要焦慮。甚至在最懂技術的程式設計師手裡，AI 也主要充當了結對程式設計的討論物件，而不是完全獨立的代工者。文案反覆打磨、翻譯直接出稿的使用差異，也提示我們要根據任務屬性來決定對 AI 放權的程度。

對整個行業而言，Anthropic 公開底層互動資料集的做法非常聰明。它避開了空泛的安全口號，用微觀經濟學資料證明了模型效能提升確實在拉動特定領域的生產力，順便為自家主打的思考模式和編碼能力做了最有說服力的背書。隱患在於，這套資料僅基於網頁和移動端對話，無法完全反映通過 API 大批次跑在後臺的無頭自動化，實際的企業級自動化程度可能比這組資料表現得更高。