H
Howardism
Plate IIAI Economics & Labor機器翻譯 · machine-translatedENHOWARDISM

AI Usage Cadences

AEI Cadences 報告：持續的每小時遙測揭示 AI 使用承載著日常生活的節奏——個人用途在週末從 35% 飆升至近 50%，食譜查詢在下午 6 點達到 2.3 倍，睡眠建議出現在黎明前，報稅查詢則在 4 月 15 日截止日前後增加 8 倍；非上班時間的工作偏向高薪職業

Article metadata
Publication details
Published:July 2, 2026
Filed:Concept
Domain:AI Economics & Labor
Tags:GovernanceWorkforceMeasurementEmpiricalAnthropic
Reading:6 min
Source:AI-synthesised
About this piece

Articles in this journal are synthesised by AI agents from a curated wiki and are refreshed automatically as new concepts arrive. Topics, framing, and editorial direction are curated by Howardism.

AI Usage Cadences 的插圖

資料來源#

摘要#

Anthropic Economic Index 於 2026 年 6 月發布的 Cadences 報告第 1 章發現（Massenkoff、Lyubich、Sacher、Hitzig、Zhang、Heller、McCrory）：**外部世界的節奏，刻畫在 AI 使用記錄之中。**持續取樣對話，而非以每週為窗口取樣時，Claude 的使用情況會跟隨工作週、一天中的時段與日曆變化——塑造人類生活的潮汐，也呈現在遙測資料裡。

證據說明。 empirical — 對持續取樣的 Claude.ai、Claude Desktop、Cowork、Claude Code 與 1P-API 流量使用保護隱私的分類器（逐字稿僅由另一個 Claude 讀取；為保護隱私，低計數儲存格會過濾）。第一方資料——Anthropic 測量自家產品。一天中的時段是根據 IP 推斷的位置估算。計畫的方法與注意事項請見 Anthropic Economic Index。

讓模式顯現的測量方式轉變#

過去每份 Economic Index 報告都採用七天樣本。Cadences 引入每日／每小時的連續取樣——每天取出一段對話樣本——這才讓不到一週的模式得以辨識。這與 Telemetry vs. Survey Measurement 所採取的「把真實系統測量得夠精細，訊號就會浮現」做法相同，只是這裡著重的是時間解析度，而非遙測與感知的差異。方法上的升級，正是讓這項發現得以成立的關鍵。

工作週#

在聊天與 Cowork 對話中，被分類為個人用途的比例，從平日約 35% 飆升至週末略低於 50%。下班後，對話主題從商務往來、行銷文案與簡報，轉向情緒支持、醫療問題與投資建議；而且高收入國家的變化幅度最大。Claude Code 與 1P-API 流量也呈現相同的週末波動，但基準比例較低。

請求群組揭示了哪些具體的 Claude Code 工作最受週末影響：

  • **週末降幅最大：**後端架構、API 偵錯、資料儲存。
  • **週末增幅最大：**AI agent 設計、量化交易、遊戲。

週末也為新事業騰出空間——各國與創業相關的對話在週六和週日達到高峰——求職活動則和其他工作任務一樣減少。

每日節奏#

逐小時來看，使用軌跡呈現一天的起伏（時間採當地時間，根據 IP 推斷）：

群組高峰時段
新聞上午約 7 點
商務往來（撰寫電子郵件）上午 10–11 點
食譜下午 6 點達到平均值的 2.3 倍
媒體推薦晚上
睡眠建議黎明前的幾個小時

非上班時間的工作偏向高薪職業#

人們確實會在晚上和週末轉向 Claude 處理工作，這些任務偏向較高薪的職業（行銷經理、電腦程式設計師——這些工作較可能在傳統工時之外進行），而薪酬最低兩個四分位的任務（電話行銷、文書工作）所占比例則下降。移除電腦與數學相關職業後，穩健性檢查仍顯示工作偏向較高薪四分位，因此這不只是程式設計師造成的現象。

日曆#

固定日期留下最鮮明的痕跡。4 月 14 日的報稅相關對話量，約為 5 月平均每日數量的 8 倍；4 月 15 日（美國申報截止日）仍維持高檔，到了 4 月 16 日則大幅下降——這是一場清楚的自然實驗，顯示需求會追隨外部期限變化。

為何重要#

把使用情況視為生活的映照，既是一項實質發現，也提供了研究上的可能性：這表示 AI 已深入日常生活，深到使用記錄讀起來就像時間使用日記；同時也為研究者提供高頻率的觀測工具，讓他們能即時追蹤普及過程。這是 Conversation Artifacts 中產出解析度進展在時間維度上的對應——Cadences 報告讓 AI 經濟足跡更清晰可見的兩種方式。

跨實驗室佐證與作用機制#

Google ATLAS（2026 年 7 月）在 Gemini 記錄中也發現相同的非上班時間訊號——醫療、法律、金融與政府服務相關對話，約有一半發生在標準營業時間之外——並補上本文的節奏所暗示、卻未明說的作用機制。過去，要找醫師、律師、銀行或政府機關辦事，人們必須在原本應該工作的時段請假處理，因此除了服務費用，還要承擔薪資損失這項隱性成本。**機構有營業時間；AI 沒有。**本文報稅日的 8 倍高峰，以及 ATLAS 發現政府服務約有 20 倍的過度代表，反映的是同一種需求遭遇同一項限制。

ATLAS 也直接檢驗並進一步推廣「使用記錄如同時間使用日記」這項主張：以美國時間使用調查（American Time Use Survey）的時間分配資料迴歸美國 AI 對話比例，在最高層級得到 0.77 的斜率，並解釋約 50% 的變異。請見 The Household Production Boundary。

關聯文章#

開放問題#

  • 一天中的時段是根據 IP 推斷的位置估算；VPN、旅行與經資料中心轉送的 API 流量，會為「睡眠建議出現在黎明前」這類主張帶來多少雜訊？
  • 個人用途在週末的高峰於高收入國家最明顯——這是真實的工作／生活界線差異，還是使用者組成造成的影響（不同地區的人以 Claude 處理不同事情）？
  • 連續取樣是新方法；這些節奏穩定嗎？還是會隨使用者群體轉向低薪任務而改變（報告本身描述的普及趨勢）？

資料來源#

§ end
Cited by 11
Related articles