科金社2025年11月26日 12:20消息，AI提升效率，缩短工作时间80%，10万次对话实证。

　　 11月26日，据消息，Anthropic于昨日（11月25日）发布了一份研究报告，通过对旗下AI模型Claude的十万次真实对话进行分析，发现任务完成时间平均减少了约80%。

　　 该研究旨在量化人工智能在真实工作场景中对生产力提升的具体效果。研究团队采用了一种保护用户隐私的分析方法，抽样分析了十万次来自Claude.ai用户的真实对话记录。通过让Claude估算这些对话中涉及任务的完成时间，研究人员得以对比有无AI协助下的效率差异。 从实际应用的角度看，这项研究提供了一个有价值的参考，展示了AI在日常工作中可能带来的效率提升。不过，也应注意到，任务类型、用户熟练度以及具体应用场景的不同，都可能影响AI的实际效果。因此，结果虽具启发性，但不宜过度推广。

　　 根据Claude的估算，用户在没有AI帮助的情况下，完成这些任务平均需要90分钟，而使用Claude协助后，任务完成时间平均减少了约80%。

　　 这些任务普遍较为复杂，例如法律咨询、企业管理等，平均耗时接近两小时；而一些相对简单的任务，如餐饮筹备，所需时间则在30分钟左右。

　　 研究还发现，AI在不同领域的效率提升效果有所不同，例如在医疗辅助工作中，AI可将效率提高90%，而在处理硬件问题时，效率提升仅为56%。

　　 研究团队将这些在任务层面提高的效率数据推广到整个美国经济。他们借助标准经济学模型进行估算，结果显示，若广泛采用当前一代的人工智能技术，未来十年内有望使美国劳动生产率年均增长1.8%。

　　 这一数字几乎是美国自2019年以来年均增长率的两倍，也位于近期类似研究预测范围的最高水平。然而，研究人员指出，这并不是对未来趋势的精确预测，因为它没有考虑到AI模型推广的速度以及未来技术发展可能带来的更深远影响。

　　 数据显示，人工智能推动的生产力提升主要体现在知识密集型行业。其中，软件开发人员的贡献最为显著，占整体生产率增长的19%。随后依次是运营经理（约6%）、市场研究分析师（5%）、客户服务代表（4%）以及中学教师（3%）。

　　 相比之下，餐饮、医疗服务、建筑和零售等行业的任务在数据样本中占比较低，因此从当前AI应用中获得的直接生产力提升也相对有限。这些行业由于业务流程复杂、数据积累不足，导致AI技术难以快速实现规模化应用。尽管如此，随着相关领域数据的逐步完善和技术的持续演进，未来这些行业仍有较大潜力通过AI实现效率优化和模式创新。

　　 该研究还指出一个关键现象：AI在加快某些特定任务方面效果明显，但在其他任务上的帮助则较为有限。例如，AI可以协助软件工程师更高效地编写代码和撰写文档，但对于协调系统部署、监督工程师等工作却难以提供有效支持。

　　 这意味着，随着人工智能的广泛应用，那些难以被AI提升效率的“瓶颈”环节，可能在整体工作流程中占比越来越高，进而成为制约生产力继续提升的关键因素。

　　 Anthropic承认该研究存在一定的局限性。首先，Claude的估算结果并非绝对准确，而且无法评估用户在与AI对话之外所花费的时间，例如验证AI生成内容的真实性所需的时间。其次，研究中假设AI将被广泛采用，但这一情况在短期内仍难以实现。 从实际情况来看，尽管AI技术发展迅速，但在大规模普及过程中仍面临诸多挑战，包括技术成熟度、用户信任度以及实际应用场景的限制。因此，相关研究结论应结合现实背景进行理性看待，避免过度乐观或低估潜在障碍。

　　 尽管如此，这项研究构建了一个可持续追踪AI经济影响的评估体系。随着AI技术的持续发展和应用领域的不断拓展，该体系将为我们深入理解AI如何重塑经济提供一个动态且具有重要价值的视角。

　　 附上参考地址

　　 Estimating AI productivity gains from Claude conversations

　　 Estimating AI productivity gains from Claude conversations [PDF 文件]