Anthropic 釋出生產力研究：Claude 縮短 80% 任務耗時，拉動生產率翻倍

大家都在爭論生成式 AI 到底有沒有真的提高生產力，還是隻是在幫大家水報告。Anthropic 決定用自家的後臺資料算一筆賬。

Anthropic 釋出了一項關於勞動力生產率的研究。他們利用自家的隱私保護分析系統，從 Claude.ai 抽樣了 10 萬次真實對話，涵蓋免費版、Pro 和 Max 使用者，直接估算使用者扔給 AI 的任務到底省了多少時間。

任務提速八成，相當於單次省下 55 美元

這 10 萬次真實對話展現出一個挺有意思的畫像：大家通常拿 Claude 來啃硬骨頭。

根據模型的估算，使用者扔給 Claude 處理的任務，如果全靠人工完成，平均需要專業人員花上大約 1.4 個小時，也就是差不多 90 分鐘。而在有了 AI 協助之後，單項任務的完成時間平均被壓縮了整整 80%。

Anthropic 接著把這些任務對標到了美國 O*NET 職業分類和勞工統計局的薪資資料上。算下來的結果是，如果不借助 AI，每完成一次這樣的任務，原本需要支付約 55 美元的人工成本。

不過，AI 在不同職業上的表現極不均衡。資料顯示，醫療輔助類任務的完成時間縮短了 90%，而處理硬體問題的時間僅節省了 56%。在任務體量上，法律和管理類任務如果人工做要花近兩小時，而備餐類瑣碎任務原本只要 30 分鐘。

如果把當前這一代模型的效率推演到整個美國經濟，Anthropic 測算未來十年美國年均勞動生產率增長率可能提高 1.8%。這個增幅大約是 2019 年以來實際年均增速的兩倍，直接碰到了目前各路經濟學家預測區間的上限。

讓 AI 估算時間，到底準不準？

讓 Claude 自己來評估 Claude 省了多少時間，聽起來有點既當裁判又當選手的意思。Anthropic 自己也承認了這一點，並做了兩組驗證。

首先是自洽性測試。他們針對 1800 個對話調整提示詞措辭，比如把「具備相應技能的員工」換成「經驗豐富的專業人士」，結果顯示不同提示詞之間的預估結果對數相關性在 0.89 到 0.93 之間，說明模型不會因為提問方式稍微變一下就滿嘴跑火車。

其次是拿現實工單對齊。他們拉來了開原始碼倉庫的數千個 JIRA 工單，裡面既有真實開發者的耗時預估，也有實際打卡時間。測試表明，人類程式設計師預估與實際耗時的斯皮爾曼相關係數是 0.50，而 Claude Sonnet 4.5 也能給出有參考價值的推算。

但 Anthropic 也明確指出了目前研究最大的盲區：他們只能看到螢幕上的對話，看不到螢幕外的現實。使用者為了核對 Claude 給出的結果、修改錯漏程式碼或者核對事實所花的時間，完全沒有被計入。因此，他們自己也承認，80% 的提速大機率在一定程度上高估了當下的真實生產力提升。

為什麼重要

對於正在考慮把 AI 接入業務的團隊來說，這份研究給出了一個非常務實的參考座標：複雜的智力任務才是 AI 產生高溢價的地方。如果只是拿它寫個一分鐘的客套郵件，省下的時間微不足道；但面對法律、醫療輔助這類原本耗時一到兩小時的任務，現在完全值得把它當成首選輔助工具。

從行業影響來看，這篇報告把爭論從宏觀的概念推向了具體的任務鏈條。我們認為，更關鍵的洞察在於 Anthropic 提到的「木桶短板」效應。當醫療分析或文件編寫被縮短 90% 後，無法被 AI 加速的物理環節和決策環節就會迅速變成阻礙增長的瓶頸，這會倒逼企業去重構整個工作流程，而不是單點替換人力。

至於 Anthropic 這套做法，我們覺得他們很聰明地把原本模糊的生產力口水仗，落到了具體的聊天記錄和工單資料上，至少搭起了一個能量化追蹤的框架。但隱患也是顯而易見的：把審查和糾錯成本排除在外，其實避開了生成式 AI 落地中最昂貴的「幻覺稅」。看起來很漂亮的 80% 提速，在必須極度嚴謹的真實生產環境裡，恐怕還要打上不小的折扣。