人工智能如何實質影響工作與生產力，已成為全球經濟研究的核心議題。為深入探討此問題，Anthropic 近期發布了第四份經濟指數報告，引入一套名為「經濟基本要素」的新分析框架，旨在透過五個基礎測量指標，更精確地追蹤 Claude 模型所帶來的經濟影響。這份基於2025年11月使用者對話樣本的分析，揭示了 AI 在加速任務執行、影響職業技能需求以及在不同經濟體間應用差異等多方面的初步樣貌。
經濟基本要素：解構 AI 影響的新框架
為系統性衡量 AI 的經濟影響，Anthropic 的研究團隊建立了五項經濟基本要素指標。這些指標透過要求 Claude 模型對其分析樣本中的每一段對話進行評估而得出，包括任務複雜度、技能水平、使用目的、AI 自主性以及任務成功率。這套框架旨在提供一個領先指標，用以預測 AI 潛在的經濟衝擊，並解答關於 AI 如何改變工作的複雜問題。研究團隊強調，所有分析均基於保護隱私的資料處理方法，涵蓋了 Claude.ai 的消費者使用數據以及第一方 API 的企業使用數據。
任務複雜度與加速效應的關聯
分析結果顯示，AI 對工作的加速效果與任務本身的複雜度呈現高度正相關。研究以 Claude 估計理解對話輸入內容所需的教育年數作為複雜度代理指標，發現當任務提示需要高中教育水平時，Claude.ai 能將任務速度提升 9 倍；而當任務需要大學學歷時，加速倍數更提升至 12 倍。透過 API 使用的加速效果則更為顯著。這意味著當前 AI 帶來的生產力增益，主要集中於需要相對較高人力的複雜任務上，與白領專業人士更可能在工作中使用 AI 的觀察相一致。
即便將任務成功率納入考量，此一趨勢仍然成立，只是影響幅度略有減弱。研究指出，Claude 成功完成需要大學學歷任務的比率為 66%，略低於對教育要求低於高中學歷任務的 70% 成功率。然而，任務複雜度對加速效果的正面影響，仍然大於複雜度對成功率的負面影響。這表明，儘管複雜任務的成功率稍低，但 AI 在處理這些任務時所提供的時間節省效益更為可觀。
AI 的有效任務時間範圍
關於 AI 能夠有效處理的任務時間範圍，研究提供了來自實際使用數據的觀察。根據 METR 的基準測試，Claude Sonnet 4.5 在耗時 2 小時的任務上可達到 50% 的成功率。然而，Anthropic 基於自身 API 數據的分析發現，Claude 在需要約 3.5 小時完成的任務上達到 50% 成功率；在 Claude.ai 平台上，這個時間範圍甚至延長至約 19 小時。研究團隊解釋，這種差異可能源於方法論的不同。在真實使用情境中，使用者可以將複雜任務分解為較小的步驟，形成一個反饋迴路，讓 Claude 能夠及時修正方向。此外，使用樣本存在選擇偏差，使用者傾向於將他們認為更可能成功的任務帶給 Claude 處理。這項分析揭示了在實驗室固定任務集與真實世界彈性使用之間，AI 有效時間範圍可能呈現的不同樣貌。
跨國應用呈現明顯發展曲線
AI 的應用模式在全球不同經濟發展程度的國家間存在顯著差異。研究發現，在人均 GDP 較高的國家，Claude 更頻繁地用於工作或個人用途；而在光譜另一端，經濟發展程度較低的國家則更傾向於將其用於教育課程。這符合一個直觀的「採用曲線」敘事：低收入國家的 AI 使用大量集中在教育和少量工作任務上，而隨著國家變得富裕，AI 應用會更多元化地擴展至個人用途。此發現與近期微軟的研究相呼應，該研究亦將教育用途的 AI 使用與較低人均收入關聯，而將休閒用途與較高收入關聯。Anthropic 與盧安達政府及技術培訓機構 ALX 的合作計畫便考量了此點，旨在從培養參與者的 AI 素養開始，並試點提供部分畢業生長達一年的 Claude Pro 使用權限，以支持從教育用途到更廣泛應用的過渡。
對職業的影響：覆蓋率與技能內容的再檢視
若以單純的任務覆蓋率來看，研究發現樣本中已有 49% 的職業，其至少四分之一的工作任務曾出現 Claude 的使用蹤跡，此比例較2025年1月報告中的 36% 有所上升。然而，當研究進一步根據任務成功率、任務執行頻率與耗時進行加權，計算出「有效 AI 覆蓋率」時，AI 對不同職業的影響圖像出現了變化。某些職業，如數據輸入員和放射科醫師，受 AI 影響的程度遠高於僅看任務覆蓋率所暗示的水平；而教師和軟體開發者等職業，受到的相對影響則較小。
另一個關鍵問題是，AI 所涵蓋的任務，在一個職業中屬於技能要求較高還是較低的組成部分。研究透過估算每項任務所需的技能水平發現，Claude 相對更可能涵蓋需要較高教育水平的任務。具體而言，Claude 所覆蓋的任務平均需要約 14.4 年的教育（相當於美國副學士學位），高於經濟體中所有任務平均所需的 13.2 年。這與 Claude 更常被白領工作者使用的發現相符。作為一項思想實驗，研究估計若將這些目前由 Claude 覆蓋的較高技能任務移除，將會導致職業的技能構成平均下滑，即產生「去技能化」效應。技術文件撰寫員、旅行代理和教師等專業可能受到影響，不過也有少數職業如房地產經理人的影響方向可能相反。研究團隊謹慎指出，這並非必然預測此去技能化將會發生，勞動市場可能會以動態調整因應，但此分析提供了 AI 在近期內對職業可能產生最直接影響的一個有用訊號。
對總體生產力成長的潛在貢獻
在早先的研究中，Anthropic 曾估計 AI 的廣泛採用可能使美國未來十年的勞動生產力年增長率提高 1.8 個百分點，約為趨勢增長率的兩倍。新的基本要素框架允許研究團隊重新審視這項分析。若僅基於對任務加速的估計，複製先前分析仍可得到 1.8 個百分點的增長。然而，當考慮任務可靠性，即根據任務成功概率調整對任務級別時間節省的估計時，預估的增長幅度有所下修。對於在 Claude.ai 上完成的任務，年增長率預估下調約三分之一至 1.2 個百分點；對於通常在 API 上完成的、挑戰性更高的任務，預估則下調至 1.0 個百分點。
即便如此，勞動生產力年增長率提高 1 個百分點依然具有顯著意義，這將使美國的生產力增長回到 1990 年代末和 2000 年代初的水準。研究團隊同時提醒，此項總體估計並未計入 AI 模型未來可能變得更強大，或工作中 AI 使用變得更精熟的潛力，這些因素可能將數字推得更高。事實上，在此次調查後，隨著 Claude Opus 4.5 的發布，模型能力已有實質性提升。
既有衡量指標的趨勢變化
除了引入新的基本要素，報告也更新了既往持續追蹤的指標。從2025年1月到11月的數據顯示，AI 使用的分佈不均現象仍然持續，但出現了一些細微演變。首先，Claude 的使用高度集中在特定任務上。儘管 Claude.ai 樣本包含了 3000 項獨特的工作任務，但前十項任務就佔據了總量的 24%，且自2025年1月的 21% 穩步上升。電腦與數學相關任務持續主導 Claude 的使用，約佔 Claude.ai 所有對話的三分之一，並佔 API 流量的近一半。
其次，在 Claude.ai 上，「增強」已超越「自動化」成為與 Claude 互動的最主要模式，分別佔對話的 52% 與 45%。這扭轉了2025年8月樣本中自動化略為領先的狀況。然而，若拉長時間框架審視，自動化在任務中所佔的比例仍呈現緩慢上升的長期趨勢。最後，AI 使用的地理集中現象依然明顯，美國、印度、日本、英國和南韓在總使用量上領先，且採用率仍與人均 GDP 高度相關。不過在美國內部，Claude 的使用在各州之間的分佈變得更加平均。研究模型預測，若此趨勢持續，全美各地的使用量可能在兩到五年內趨於均等。
為快速技術變遷提供實證基礎
這份最新的經濟指數報告最直接的結論是，AI 對全球勞動力的影響仍然高度不均，其使用集中在特定國家和職業，並且以非常不同的方式影響著不同的職業。更廣泛而言，這份報告建立了一個新的基準，用於比較未來的調查。隨著 Claude 模型的改進，預期其將被要求承擔更困難的任務，並可能取得更高的成功率。同時，隨著任務處理變得更可靠，某些應用可能從 Claude.ai 轉移到 API，即從以消費者為主轉向以企業為主。倘若發生這種轉移，鑑於企業採用對於 AI 影響生產力的重要性，這將為未來的經濟影響提供另一個潛在的指示訊號。透過經濟基本要素這套框架，研究人員將能夠測量此類變化如何開始影響真實世界的結果，包括人們工作的本質，以及在這個快速技術變遷時期，哪些人以及哪些地區可能受到最深刻的影響。
這系列研究旨在為學者、記者與公眾提供數據，以豐富其自身的研究與思考，並為潛在所需的政策因應措施奠定實證基礎。AI 對經濟的塑造才剛剛開始，持續且細緻的追蹤與分析，對於理解與駕馭這場變革至關重要。
參考來源：https://www.anthropic.com/research/economic-index-primitives
