AI 已经按人类的作息表开始上班了

如果你最近还把 Claude 当成一个「更会聊天的搜索框」，那 Anthropic 这份 2026 年 6 月的 Economic Index 报告，可能会让你有点背后发凉。

它看的东西很细：人什么时候问新闻，什么时候问菜谱，什么时候问睡眠，什么时候赶税表，什么时候把代码、报告、网页、方案整包丢给 AI。Anthropic 说，一年前 Claude 的使用大多还是用户和助手之间的对话；现在 Claude Code 和 Cowork 这类产品增长后，很多会话已经变成长时间运行的代办型任务，所以他们也改了数据管线，提高采样频率，新增产出分类器，并把聊天、Cowork 和一方 API 的使用按月拆得更细 [1]。

换句话说，这篇报告讲的不是「AI 会不会影响工作」这种大题。它更像一份 AI 版作息监控记录：人类在什么时间发愁，什么时间摸鱼，什么时间赶工，什么时间愿意放手让模型自己干活。

这份报告最刺眼的地方是 AI 已经混进日常节奏里了

先看几组让人停一下的数据：

这些数据都来自 Anthropic 的新采样方式。报告说，他们现在可以按小时观察 Claude 使用，而以前的 Economic Index 主要取 7 天样本。也正因为粒度变细了，才看得到这些像心电图一样的波动 [1]。

说实话，这比「某模型考试分数又高了几分」更值得看。考试分数告诉你模型变聪明了，作息曲线告诉你人已经在什么时候把它拿起来用了。

Claude 白天像同事，晚上像朋友，周末像副业搭子

报告里有一个很有意思的变化：周末，工作相关请求下降，私人请求上升。工作日里，人们让 Claude 写商务邮件、营销文案、幻灯片；到了周末，请求转向情绪支持、医疗问题、投资建议等。Claude Code 的周末任务也变了，后端架构、API 调试、数据存储减少，AI agent 设计、量化交易、游戏相关内容上升 [1]。

这里最有意思的地方在于，AI 工具没有一个稳定身份。

上午 10 点，它像办公室里的邮件同事。
下午 6 点，它像厨房里帮你想晚饭的人。
凌晨 5 点，它像失眠时被你抓起来说话的人。
周末，它又像一个陪你折腾副业、小项目和游戏原型的搭子。

Anthropic 还发现，创业相关会话在周六和周日最高，但求职申请相关活动会跟着其他工作任务一起在周末下降 [1]。

这很像一个新的工作习惯正在形成：打工的事被压在工作日，想象另一种生活的事被塞进周末。

AI 产出的重点已经从「说得对」变成「交得出」

这份报告第二章把 Claude 的输出叫做「artifacts」，也就是用户从会话里带走的东西。它可以是一份文档、一段代码、一篇论文、一个解释、一封邮件、一个应用，或者一份计划。Anthropic 的分类器认为，93% 的 Claude 聊天和 Cowork 会话都有这种明确产出。最常见的三类是解释，占 17%；文档和报告，占 15%；指导建议，占 11% [1]。

这个转变很关键。

早期 AI 产品的主要问题是：「它答得准吗？」
现在越来越多人的问题已经变成：「它能不能把东西做出来？」

报告还把这些产出按用途拆开看。营销内容、博客或文章、数据库查询，最常被归为工作用途，比例分别达到 80%、81% 和 82%。创意写作、指导建议、菜谱，则超过 80% 被归为个人用途 [1]。

也就是说，AI 正在同时占据两种位置：一边给公司生产材料，一边给个人处理生活碎片。它既能写营销页，也能写同人文；既能写 SQL，也能告诉你晚上吃什么。

这听起来有点荒诞，但这就是现在的使用现场。

越贵的工作越会吃算力，越复杂的产出越像真的委托

报告里还有一段值得开发者和产品经理反复看。Anthropic 把工作相关会话映射到职业工资，发现更高工资职业对应的会话通常消耗更多 token。比如，营销经理时薪约为 80 美元，编辑约为 37 美元；映射到营销经理任务的会话，token 消耗大约是编辑任务的 2.5 倍。当然，报告也提醒关系有噪声，也有明显例外 [1]。

产出类型也有类似差异。创建应用的会话，token 消耗超过中位会话的 3 倍；普通解释类会话，只消耗约中位会话的五分之一。Anthropic 还估计，工资梯度中约 44% 的 token 消耗差异，可以由产出类型差异解释 [1]。

这件事很有现实意义。以后 AI 产品的成本，可能会越来越像「工作价值」的一部分。

写一个解释，很便宜。
做一个应用，就开始贵。
让模型自己判断怎么做，更贵。
让模型连续运行、使用工具、修错、改结构，再贵一截。

Anthropic 还用 1 到 5 分衡量 AI 在任务中的自主程度。报告说，在 31 类输出中，有 26 类在 Claude Code 上的 AI 自主程度高于聊天和 Cowork。比如脚本和代码片段在 Claude Code 里平均高出 0.53 分。更夸张的是，写博客或文章时，聊天和 Cowork 的中位会话有 13 轮来回，而 Claude Code 里产生博客的中位会话只有一个人类提示 [1]。

这就是 Claude Code 这类工具吓人的地方：它不只是更会写代码，它让用户更愿意少说一点，让模型多做一点。

Claude 经常用更高的表达层级回答用户

报告还测了用户提示和 Claude 回复的阅读层级，用「理解文本需要多少年教育」来估计。结果显示，几乎每类产出里，Claude 的回复都比用户提示高出约一年教育层级。差距最大的，是图像和图形、游戏、应用和网站这类「让它造东西」的任务。图像和图形高 2.6 年，游戏高 1.9 年，应用和网站高 1.7 年 [1]。

这个现象很像日常使用中的体感：你随手打一句「帮我做个 landing page」，模型吐出来一长段结构清楚、语气正式、看起来像能上线的文案。

这很爽，也有副作用。

用户可能只是给了一个毛坯，Claude 会自动补齐语气、结构、术语和格式。久而久之，我们会把这种「自动抬高表达层级」当成默认服务。到那时，人类的原始想法会越来越短，机器交出的版本会越来越完整。

这对写作、设计、管理和软件开发都有影响。未来很多工作里的门槛，可能不在于「我会不会把东西写出来」，而在于「我能不能判断机器补出来的东西有没有问题」。

最焦虑的人不一定是最会用 AI 的人

第三章开始，报告从日志切到问卷。Anthropic 在 2026 年 4 月启动 Economic Index Survey，并把问卷结果和 5 月中旬到 6 月初的 Claude 使用数据做隐私保护式关联。最终关联样本约 9700 人。报告明确说，这个样本不能代表一般人群，因为它来自 Claude 用户，而且还排除了使用太少的人 [1]。

样本偏向也很明显。计算机和数学类职业约占受访者 30%，而它们只占美国就业的 4%。管理类职业占 23%，也高于美国就业里的 7% [1]。

所以，这不是一份「全社会怎么想 AI」的报告。它更像「重度 Claude 用户怎么感受 AI」的报告。

即便如此，里面的情绪很有看头。接近 6 成受访者认为，未来 12 个月 AI 能做的工作任务比例会进入更高档位；超过三分之一的人预计，AI 明年可以完成他们大部分或几乎全部工作任务 [1]。

对工作变化的担心也不小。超过三分之一受访者认为，自己、同事、初级同事或高级同事的工作职责很可能出现明显改变。10% 的人认为自己失去工作的可能性较高。更扎心的是，受访者对初级同事更担心，超过三分之一的人认为初级同事明年失业概率超过 60% [1]。

这部分像一张职场焦虑地图：大家对自己的命运还存一点侥幸，对新人就悲观很多。

放手更多的人反而更乐观

这份报告里最容易引发争论的一点，是自动化使用和乐观情绪之间的关系。

Anthropic 把使用方式分成偏「自动化」和偏「增强」。所谓自动化，指用户让 Claude 在很少输入下完成完整任务，或者用户主要提供反馈，让 Claude 反复改。报告发现，自动化使用占比越高的人，越倾向于认为 AI 现在和未来能做更多工作任务 [1]。

更有意思的是，这些更愿意把任务交给 Claude 的人，在薪酬、工作安全、找工作能力、工作意义、自主性、人际互动这六个维度上，对 AI 明年影响的看法也更乐观。报告说，最大的正向差异出现在未来薪酬和找工作能力上 [1]。

这很反直觉。很多人会以为，越把任务交给 AI，越容易怕自己被替代。但在这组 Claude 用户里，重度委托者更像是尝到了甜头的人。

报告还给了几组自我报告的收益：86% 的人说 AI 提高了速度，82% 的人说扩大了工作范围，69% 的人说提高了质量，27% 的人说省下了本来要购买服务的钱。还有 68% 的人说自己通过 AI 学到更多，57% 的人说 AI 让自己的技能更有市场价值 [1]。

当然，这些是自我感受。Anthropic 也提醒，报告没有排除技能退化的可能。一个人可以觉得自己学得更多，也可以在某些底层能力上慢慢生疏 [1]。

这一点尤其值得放进日常工作里反复提醒自己：用 AI 后产出变多，不自动等于能力变强。你可能只是变得更会调度机器。

资深的人和低收入国家的用户，看见的是另一种 AI

报告还发现，用户对 AI 能做多少工作的判断，和国家收入、工作年限有关。高收入国家的受访者认为 AI 现在能做的任务比例，平均比低收入国家低约 10 个百分点。有 15 年以上经验的人，对 AI 能做多少任务的估计，也比第一年工作的人低约 10 个百分点 [1]。

这说明，AI 的冲击感不是均匀分布的。

刚入行的人，手里的任务更容易被拆成模板、流程、产出物。资深的人，很多价值藏在判断、语境、人际信任、管理和隐性经验里。报告也说，受访者在回答 AI 永远做不了什么时，常提到判断、语境理解、场景推理、建立信任和管理人。这个倾向在 15 年以上经验的人里更明显 [1]。

低收入国家的情况也更复杂。报告引用 IMF 的观点说，发达经济体总体 AI 暴露更广，但低收入国家的劳动者可能更缺少配套技能和基础设施，因此 AI 更容易替代任务，较难成为增强工具。Anthropic 早先的研究也发现，低收入经济体使用 Claude 的方式更偏自动化，即便调整任务差异后仍然如此 [1]。

这部分很容易被模型发布会忽略。AI 看起来是同一个产品，但在不同收入、不同经验、不同职位的人手里，它带来的感受完全不一样。

女性用户在这份样本里更少用 Claude Code，更偏向来回协作

报告还有一个性别差异观察：女性只占关联样本的 12%。在控制职业差异后，女性使用 Claude 的方式仍与男性不同。她们用于工作的比例略低，Claude Code 会话占比低 6.3 个百分点，自动化占比低 7.3 个百分点；同时，她们在聊天里的活跃时间更长，更偏来回互动式使用 [1]。

这不该被简单解读成「谁更会用」。更合理的读法是：AI 工具的形态本身会筛选人。

Claude Code 这种强代理式、命令行味很重、委托感很强的产品，天然会吸引一批已经习惯把工作拆成任务、脚本、仓库和命令的人。聊天式产品则更像一张协作桌，适合反复解释、确认、修改和学习。

如果未来 AI 产品都朝 Claude Code 这种形态狂奔，那某些人会更早获得放大器，另一些人可能被产品入口挡在门外。

Anthropic 这份报告真正提醒的是工作正在变成「人机排班」

这篇报告最后问了一个很大的问题：十年后，你希望一个被 AI 改造的经济长什么样？

最常见的回答是希望 AI 增强人的工作。超过一半的受访者表达了类似愿望：希望能和 AI 一起做仍然有意义的工作，希望职业仍然重要，也希望新产业出现。与此同时，也有刚过一半的人希望 AI 自动化掉工作里无聊、重复、烦人的部分，从而腾出更多自由时间。约三分之一的人提到，希望 AI 带来的经济收益能被更广泛分享 [1]。

这其实是整份报告最温和，也最难的一句话。

大家既想让 AI 多干活，又不想让工作失去意义。
大家既想省时间，又不想被省掉。
大家既想把脏活累活交出去，又希望收益别只流向少数公司和少数岗位。

从这份报告看，AI 的扩散已经不再只发生在模型榜单、产品发布会和投资人 PPT 里。它已经出现在早上 7 点的新闻请求里，出现在下午 6 点的菜谱里，出现在 4 月 14 日的税务焦虑里，出现在周末的副业脑洞里，也出现在 Claude Code 那个「只给一个提示，剩下交给它跑」的时刻里。

AI 经济的早期形态，也许就是这样来的：先接管一些表达，再接管一些产出；先跟着人的作息走，再慢慢改写人的作息；先像工具，后来像同事，最后像一个需要被排班、被审计、被管理的新劳动力。

所以，这份 Anthropic Economic Index 最值得读的地方，不是它证明了 AI 已经替代了谁。它更像是在提醒我们：AI 已经开始按我们的时间表工作，而我们也正在按 AI 的能力重新安排工作。

参考资料

[1] Anthropic Economic Index report: Cadences. Anthropic. https://www.anthropic.com/research/economic-index-june-2026-report