Anthropic Economic Index

資料來源#

這是什麼#

Anthropic Economic Index（AEI） 是 Anthropic 持續進行的經濟研究計畫，研究 AI 如何擴散至經濟生活中；其主要依據是保護隱私的使用遙測資料——從真實 Claude 對話中取出的一部分資料，由 Claude 的另一個實例進行分類，人員從不閱讀原始逐字稿，且為保護隱私會過濾低計數儲存格（Clio 方法）。多數 AI 勞動研究是根據職業任務清單，或調查模型能夠完成什麼；AEI 的獨特之處，在於大規模衡量人們實際如何使用產品，涵蓋 Claude Code、Cowork、Claude.ai，以及第一方 API。

固定撰稿人包括 Zoe Hitzig、Maxim Massenkoff、Eva Lyubich、Ryan Heller 和 Peter McCrory（Cadences 報告另加入 Szymon Sacher 與 Shaoyi Zhang）。

方法論演進#

這項計畫持續擴展其測量工具：

七天樣本 → 持續每小時遙測。 早期報告取用每週時間窗口；Cadences 報告（2026 年 6 月）引入持續的每日／每小時抽樣，因而得以看見時間性使用節奏。
任務／請求 → 產出物分類。 Cadences 新增了每段對話產出的分類器，而不只分類請求——也就是產出物這個基本概念。
遙測 → 連結式調查。 Anthropic Economic Index Survey（2026 年 4 月推出）直接詢問使用者的體驗，並透過保護隱私的方法將回答與使用情形連結（Cadences 中約有 9,700 名完成連結的受訪者）。這讓計畫從僅觀察行為，擴展為行為加感知——這是結合兩種訊號而非二擇一的典型案例。
相鄰工具： Anthropic Interviewer（2025 年 12 月，81,000 次使用者訪談）與 Anthropic Public Record（針對 50,000 多名美國人的全國代表性調查），為使用者群體以外的結果提供佐證。

它引入的週期性基本概念#

自動化與增強——一段對話究竟是委派整項任務，還是以反覆迭代方式協作；其操作化方式是協作模式分類器（Directive、Feedback Loop、Task Iteration、Learning、Validation）。請參閱自動化–樂觀連結。
觀察到的暴露與理論暴露——後來又加入調查中的自陳暴露與預期暴露。請參閱暴露分類法：觀察到的、理論的、自陳的、預期的。
專業知識報酬——領域理解，而非程式設計能力，能放大代理的效能。請參閱代理式程式設計中的專業知識報酬。

本 wiki 中的報告#

Cadences（2026 年 6 月 26 日）——使用節奏、對話產出物，以及 Economic Index Survey 的首批研究結果。→ AI 使用節奏、對話產出物、暴露分類法：觀察到的、理論的、自陳的、預期的、自動化–樂觀連結
Agentic coding and persistent returns to expertise（2026 年 6 月）——涵蓋 400K 個工作階段的專業知識報酬研究。→ 代理式程式設計中的專業知識報酬、代理式程式設計的工作組成轉移

資料來源#

Anthropic Economic Index report: Cadences——Anthropic Economic Index report: Cadences（2026 年 6 月 26 日）
Agentic coding and persistent returns to expertise——Anthropic Economic Research（2026 年 6 月）

Anthropic Economic Index

資料來源#

這是什麼#

方法論演進#

它引入的週期性基本概念#

本 wiki 中的報告#

相關連結#

資料來源#