Anthropic 大规模 AI 态度与劳动经济学研究
Anthropic 在 2026 年开展的两项与 Claude 用户基础挂钩的大规模研究，分别从态度调研与劳动经济学两个角度刻画 AI 在主流人群中的渗透与心理冲击。两份研究互为补充：第一项定性问"你怎么看 AI"，第二项把使用强度与岗位焦虑数据合并、给出"使用越多、焦虑越强"的反直觉发现。
第一项：81,000 人 AI 希望与恐惧调研（2026-03-20）
研究方法
- Claude Interviewer：2025 年 12 月推出的专门版本，能以 70 种语言进行开放式对话
- 规模：一周内完成 80,000+ 次深度对话，覆盖 159 个国家
- 性质：定性研究，探询用户对 AI 技术走向的看法及担忧
主要发现
最大希望（Top Hopes）：
- 职业卓越（Professional Excellence）— 被提及最多
- 释放时间 — 从繁琐任务中解放
- 财务独立
- 更广泛的生活管理
最大恐惧（Top Fears）：
- AI 出错（Getting Things Wrong）— 排名第一
- 失业焦虑
- 失去个人自主权
- 过度依赖
地域差异
| 地区 | 态度倾向 |
|---|---|
| 印度、南美 | 偏向乐观 |
| 美国、欧洲、日本、韩国 | 中性或偏负面 |
核心洞察
大多数人并不是在"希望"和"恐惧"之间选边站，他们同时承载着两种情绪。
第二项：经济学专题——AI 受益最大者也是焦虑最强者（2026-04-24）
来源：The Rundown 2026-04-24 🔗 Anthropic Economic Index 报告 PDF
研究方法
- 将 Anthropic Economic Index 的使用数据（哪些工作最依赖 Claude）与 80,508 名工作者关于 AI 如何重塑其岗位的反馈关联起来
- 同样使用 Claude 进行结构化访谈，但本期聚焦于劳动经济学维度
反直觉发现：AI-Anxiety Paradox
| 群体 | AI 替代焦虑 |
|---|---|
| Claude 使用率最高的岗位 | 3x 使用率最低岗位 |
| 工程师 | 焦虑首位 |
传统观点认为 AI 焦虑会来自更低层级使用者。本研究将这一假设倒转——焦虑反而来自最受益于工具的人。
双面体验
多数受访者同时报告两类感受：
正面：
- 任务完成更快
- 获得更多自由时间
- 工作更有杠杆
负面：
- 工作范围扩张（Jevons 悖论与 AI 工作范围扩张）
- 整体工作量增加
- 失业不确定性
早期职业冲击
早期职业（early-career）受访者表达了最强烈的替代担忧。这印证了 Anthropic 此前指出的美国本土应届毕业生招聘放缓信号。
跨研究综合洞察
时间序列上的态度演变
第一项（2026-03）记录了"希望与恐惧并存"的整体图景。第二项（2026-04）则把数据精细化：恐惧集中在最深度使用者身上。从 3 月到 4 月，AI 在主流民调中好感度持续下滑——但 Anthropic 的研究指出这不是"用得越少越担心"，而是相反。
与经济现实的咬合
| Anthropic 信号 | 现实指标 |
|---|---|
| 早期职业焦虑最强 | 美国应届毕业生招聘放缓 |
| 工程师焦虑首位 | 大型公司 AI 驱动裁员（product-trends/ai-driven-layoffs-2026） |
| Claude 高用户工作量增加 | AI 本该解放时间，却吞噬了它 |
缓解张力的解法仍缺位
The Rundown 的评论一针见血：
"尽管生产力提升明显，AI 情绪面前所未有地低迷，且目前缺乏缓解张力的明确解法。"
Anthropic Economic Index 提供数据底座，但政策、再培训、岗位重组这三块拼图都还在拼。
Evidence across sources
| Source | Key Claim | Relevance |
|---|---|---|
| The Rundown 2026-03-20 | 81,000 人/159 国调研：希望与恐惧并存 | 建立 AI 主流态度的基线 |
| The Rundown 2026-04-24 | 80,508 工作者：使用越多越焦虑、早期职业最受冲击 | 把态度数据与劳动市场指标对齐，颠覆"低使用→高焦虑"的传统假设 |
Open questions
- 工程师为何同时是 AI 受益最大与焦虑最强的群体？是工作内容更易被 AI 替代，还是更敏感于自身被替代的可能？
- 早期职业岗位放缓是结构性还是周期性？若公司不再愿意培养"junior 用 AI 完成 senior 任务"模式，未来人才管线如何延续？
- "AI 焦虑悖论"是阶段性现象（适应期）还是稳态？
- Anthropic 作为模型提供方，其调研结果是否系统性偏向"Claude 用户"群体？
为什么重要
- AI 作为研究工具的范式：Claude 在一周内完成 8 万次跨越 70 种语言的深度访谈，这是一年前根本不存在的技术能力——AI 正成为社会科学研究本身的基础设施
- 政策制定的实证基础：为 AI 政策制定和产品设计提供大规模实证数据，特别是关于劳动市场冲击的细颗粒度
- 产品设计的反思点：AI 工具的"生产力提升 = 用户满意度提升"假设受到挑战。提升幅度越大、用户焦虑也越深，提示需要在交付能力的同时关注心理与职业归属感
- Anthropic 战略叙事：Anthropic 把"经济转型"作为公司议程的一部分（与 Sam Altman 的社会契约、后劳动经济学 形成对照）
Prompts for witness
- 你自己最近一次因为"AI 太能干"而产生焦虑是在什么场景？是怕被替代，还是怕跟不上？
- 如果你是 early-career 同事，你愿意花更多时间去深耕 Claude Code 这种工具，还是去做 AI 不擅长的事？为什么？
- "工作量被 AI 扩张"在你身上的具体表现是什么——交付预期变高了，还是任务范围本身变了？
Related
- 后劳动经济学的 7 个框架
- Jevons 悖论与 AI 工作范围扩张
- AI 本该解放时间，却吞噬了它
- AI 驱动裁员潮 2026
- Sam Altman 的 AI 时代新社会契约
- ai-ecosystem/overview