从 Claude 对话估算 AI 带来的生产力提升

---
title: "从 Claude 对话估算 AI 带来的生产力提升"
title_en: "Estimating AI productivity gains"
source: "Anthropic"
source_url: "https://www.anthropic.com/research/estimating-productivity-gains"
published_at: "2026-07-08T22:07:23.000Z"
language: "zh-CN"
topics: ["claude"]
tags: ["Anthropic","Claude"]
review_status: "unreviewed"
---

# 从 Claude 对话估算 AI 带来的生产力提升

> Anthropic 通过分析十万条真实 Claude 对话，估算 AI 可将任务完成时间平均缩短 80%，并推算出未来十年美国劳动生产率年增长可能提高 1.8%。

## 内容摘要

Anthropic 使用保护隐私的分析方法，从 Claude.ai 抽取十万条真实对话，估算这些任务在有和没有 AI 辅助下的完成时间。结果显示，AI 将单个任务速度提升约 80%，平均任务原本需 90 分钟、人力成本 55 美元。外推至整个经济，当前一代 AI 模型可在未来十年使美国劳动生产率年增长提高 1.8%，约为近年增速的两倍。但该估算未考虑采用率、模型改进及组织重构等因素，存在局限性。

## 为什么值得关注

AI 对生产力的影响直接关系到经济增长、工资水平和就业结构。如果 AI 能像本研究估算的那样大幅提升效率，可能意味着未来十年经济增速翻倍，但同时也可能加剧劳动力市场分化，某些职业受益巨大，而另一些则面临瓶颈或替代风险。

## 核心要点

- Claude 估算 AI 将任务完成时间平均减少 80%，平均任务原本需 1.4 小时、人力成本 55 美元。
- 不同职业差异显著：法律和管理任务近 2 小时，食品准备仅 30 分钟；医疗辅助任务提速 90%，硬件问题仅 56%。
- 外推至美国经济，当前 AI 模型可使劳动生产率年增长提高 1.8%，接近翻倍。
- 软件开发者对总增长贡献最大（19%），而零售、餐饮等行业影响较小。
- AI 加速部分任务后，其他任务可能成为瓶颈，制约整体增长。
- 研究基于 Claude 的时间估算，未考虑验证、迭代等额外时间，可能高估实际节省。

# 从 Claude 对话估算 AI 带来的生产力提升

## 概述

真实的 Claude 对话能告诉我们什么关于 AI 对劳动生产率的影响？我们使用保护隐私的[分析方法](https://www.anthropic.com/research/clio)，从 [Claude.ai](http://claude.ai) 中抽取了十万条真实对话，估算这些对话中的任务在有和没有 AI 辅助的情况下分别需要多长时间，并研究这些影响在整个经济中的意义。根据 Claude 的估算，这些任务在没有 AI 辅助的情况下平均需要大约 90 分钟完成，而 Claude 能将单个任务的速度提升约 80%。

将这些估算外推，意味着当前一代的 AI 模型可以在未来十年内使美国劳动生产率年增长提高 1.8%——大约是近年来增速的两倍。但这并不是对未来的预测，因为我们没有考虑采用率，也没有考虑更强大的 AI 系统可能带来的更大生产力影响。

我们的分析有局限性。最值得注意的是，我们无法计入人类在与 Claude 对话之外花在任务上的额外时间，包括验证 Claude 工作质量或准确性的时间。但随着 AI 模型在时间估算方面变得更好，我们认为本研究报告中的方法可能越来越有助于理解 AI 如何塑造真实工作。

以下是我们的结果更详细的总结：

- 在十万个真实世界对话中，Claude 估算 AI 将任务完成时间减少了 80%。我们使用 Claude 评估匿名化的 Claude.ai 对话记录，以估算 AI 的生产力影响。根据 Claude 的估算，人们通常使用 AI 处理复杂的任务，这些任务平均需要人类 1.4 小时完成。通过将任务匹配到 O*NET 职业和 BLS 工资数据，我们估算这些任务原本需要花费 55 美元的人力成本。

- 不同职业的任务范围、成本和时间节省差异很大。根据 Claude 的估算，人们使用 Claude 处理法律和管理任务，这些任务原本需要近两个小时，而食品准备任务只需要 30 分钟。我们发现，医疗辅助任务可以 90% 更快地完成，而硬件问题的时间节省为 56%。然而，这没有考虑人类在 [Claude.ai](http://claude.ai) 对话之外可能花在这些任务上的时间，因此我们认为这些估算可能至少在一定程度上夸大了当前的生产力影响。

- 将这些结果外推到整个经济，当前一代的 AI 模型可以在未来十年内使美国劳动生产率年增长提高 1.8%。这将使美国自 2019 年以来的年增长率翻倍，并将我们的估算置于[近期估算](https://www.oecd.org/content/dam/oecd/en/publications/reports/2024/11/miracle-or-myth-assessing-the-macroeconomic-productivity-gains-from-artificial-intelligence_fde2a597/b524a072-en.pdf)的上端。以 Claude 对任务级效率提升的估算为前提，我们使用标准方法计算出未来十年美国劳动生产率年增长 1.8%。然而，这一估算没有考虑未来 AI 模型的改进（或对当前技术更复杂的使用），这可能会显著放大 AI 的经济影响。

- 随着 AI 加速某些任务，其他任务可能成为瓶颈：我们看到某些任务大幅提速，而其他任务提速较小，即使在同一职业组内也是如此。在 AI 影响较小的地方，这些任务可能成为瓶颈，可能对增长构成制约。

这为我们提供了一个新的视角来理解 AI 随时间推移的经济影响，我们将作为[经济指数](https://www.anthropic.com/economic-index)的一部分持续追踪：基于真实的 Claude 对话计算这些估算，为我们理解 AI 生产力提供了一个新视角。这补充了其他方法，如狭窄领域的实验室研究，或提供更粗略洞察的政府统计数据。我们将追踪这些估算如何随时间变化，以在能力和采用持续进步的过程中获得对这些问题的动态理解。

## 引言

作为 [Anthropic 经济指数](https://www.anthropic.com/economic-index)的一部分，我们记录了人们如何在不同任务、行业和地点使用 Claude。我们捕捉了使用的广度——人们如何使用 Claude 进行法律、科学和编程任务——但没有捕捉深度。人们使用 Claude 处理的任务有多重要？Claude 为他们节省了多少时间？

当前版本的经济指数无法捕捉这种任务内的异质性——例如，它无法区分需要五分钟的报告编写任务和需要五天的报告编写任务，或者需要一下午的财务建模任务和需要几周的财务建模任务。这使得评估 AI 的经济影响变得困难：一个软件开发者可能一天用 Claude 写十个拉取请求，但如果九个是小的文档更新，一个是关键的基础设施变更，仅仅计算用 Claude 完成的任务数量就失去了意义。

不仅如此，随着模型能力的提升，我们想了解它们是否在做更有价值的工作。要理解 AI 如何重塑工作和生产力，我们不仅需要知道 Claude 处理哪些任务，还需要知道这些任务的重要性和时间节省有多大。

一些团队已经开始进行随机对照试验，以测量狭窄领域内的生产力提升，包括[软件](https://arxiv.org/abs/2302.06590)[工程](https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4945566)[任务](https://metr.org/blog/2025-07-10-early-2025-ai-experienced-os-dev-study/)、[写作](https://www.science.org/doi/10.1126/science.adh2586)和[客户服务](https://www.nber.org/papers/w31161)。METR 关于[测量 AI 完成长任务的能力](https://metr.org/blog/2025-03-19-measuring-ai-ability-to-complete-long-tasks/)的工作表明，AI 系统可以独立处理扩展的、多步骤的挑战。但这些评估考虑的是狭窄的问题集，而不是广泛的真实世界使用。要评估 AI 对经济的整体影响，我们需要一种方法来分析成百上千个真实的 AI 应用。

本报告朝这个目标迈出了第一步。它使用 Claude 来估算人类完成 Claude 处理的任务需要多长时间，将其与 Claude 和人类一起花费的时间进行比较，从而计算 AI 节省了多少时间。虽然 AI 模型缺乏关于用户专业知识、工作流程和约束的背景信息，但我们发现，对于软件工程任务的数据集，模型估算的时间相对于人类估算的完成时间和时间追踪的结果显示出有希望的准确性。

接下来，我们介绍估算任务级时间节省的方法，对照真实数据验证我们的方法，然后使用这些估算来评估哪些任务和职业从 AI 中获得最大的生产力提升。然后，我们探讨当 AI 开始在整个经济中被采用时，我们的任务级估算对总体生产力的含义。

## 估算任务长度和时间节省

使用我们的[保护隐私的分析系统](https://www.anthropic.com/research/clio)，我们分析了来自 Claude.ai（免费版、专业版和 Max 版）的 100,000 条对话记录，以测量 Claude 处理的任务的长度和时间节省。我们为每个任务生成了两个核心估算：

- 没有 AI 的时间估算：人类专业人员在没有 AI 辅助的情况下完成任务所需的小时数
- 有 AI 的时间估算：使用 AI 辅助完成任务所花费的时间

我们使用 Claude 为每个对话生成这些估算。按照我们的[经济指数方法论](https://www.anthropic.com/news/the-anthropic-economic-index)，我们随后通过取每个任务时间估算的中位数，将这些单独的聊天对话聚合到 [O*NET](https://www.onetcenter.org/database.html) 分类中的任务。这使我们能够探索这些时间估算如何随经济中的任务和职业而变化。分类提示见附录。

分析真实世界的记录使我们能够考虑任务内的变化。例如，即使设计制造设备任务的总体份额保持不变，记录级别的信息让我们能够看到人们是否随着时间的推移用 AI 处理更复杂、时间跨度更长的项目（或获得更大的时间节省）。我们的[经济指数](https://www.anthropic.com/economic-index)将追踪这些估算如何随时间演变，并分享聚合数据集，供研究人员用来做出自己的预测和结论。

### 验证

估算任务持续时间对[人类来说也是出了名的困难](https://web.mit.edu/curhan/www/docs/Articles/biases/67_J_Personality_and_Social_Psychology_366,_1994.pdf)。AI 模型的任务更加困难，因为它们缺乏关于任务更广泛背景的关键信息（尽管我们预计随着[记忆](https://www.anthropic.com/news/memory)和[外部集成](https://www.anthropic.com/news/claude-and-slack)等功能变得更加全面，这种背景信息会随着时间的推移而增加）。为了评估 Claude 的估算是否有信息量，我们进行了两项验证分析。

自一致性测试：首先，我们评估 Claude 是否在不同对话样本或提示变化中产生稳定的任务长度估算。

我们创建了多个提示变体——例如，询问"具有适当技能的员工"与"熟练的专业人员"——以评估估算对提示措辞方式的敏感程度。我们使用每个变体分析了 1,800 个对话（用户同意与我们分享这些对话），并计算了不同提示变体之间的相关性。结果显示强烈的自一致性，变体之间的对数尺度相关性为 r=0.89–0.93。

外部基准测试：如果模型的预测与现实不符，自一致性就不太重要。为了检查这一点，我们测试了 Claude 的时间估算能力，使用了一个包含数千个真实世界[软件开发任务](https://zenodo.org/records/7022735)的数据集，这些任务来自开源仓库的 JIRA 工单，包含开发者估算和实际追踪的完成时间。

这对 Claude 来说是一个非常具有挑战性的任务，因为 Claude 只收到 JIRA 工单的标题和描述，而人类开发者拥有代码库和工单的完整背景，并且知道类似任务需要多长时间完成。在这个基准测试的 1000 个任务子集上：

- 人类开发者自身与实际时间的 Spearman 相关性为 ρ=0.50，对数值的 Pearson 相关性为 r_log=0.67，表明中等强度的相关性（两个值越高越好）。
- Claude Sonnet 4.5 达到 ρ=0.44 和 r_log=0.46
- 带有十个任务及其真实时间长度示例的 Claude Sonnet 4.5 显示出更差的 ρ=0.39，但改进的 r_log=0.48

这一分析表明，Claude 的估算提供了方向性信息，仅略差于软件开发者自身的估算。然而，我们观察到 Claude 的估算比人类的估算更加压缩——对短任务预测相对较长的时间，反之亦然——并且总体上更容易高估。这表明任务之间实际长度的差异可能比我们报告的要大，实际任务长度可能略短。总体而言，这些发现表明模型预测与现实世界结果具有有意义的相关性，至少在这个领域如此，使它们对于比较一个任务与另一个任务或追踪随时间的变化很有用。我们还观察到 Claude Sonnet 4.5 比 Claude Sonnet 4 具有更高的相关性，表明这些估算可能随着模型能力的提升而继续改进。

## 结果

我们首先使用上述方法估算任务级节省，然后将这些聚合为对整个经济影响的估算。

### 任务级节省

查看职业内的单个任务，可以具体了解 AI 可能在哪些方面以及如何节省时间。在最极端的情况下，我们看到用户完成 Claude 认为需要 4.5 小时的课程开发任务，仅用了 11 分钟。基于教师的平均时薪，这些任务的隐含劳动力成本为 115 美元。

人们还使用 AI 来节省编写发票、备忘录和其他文档所需时间的 87%（至少对于 Claude 被要求处理的那种文档而言）。最后，AI 在财务分析师任务（如解释财务数据）上节省了 80% 的时间，这些任务通常需要 31 美元的工资成本。

人类时间估算显示，Claude 处理的任务长度因职业而异。在下面的图表中，我们展示了每个职业类别中使用 Claude 的任务子集的平均值¹。使用 Claude 的平均管理任务（例如选择投资）估计需要人类 2.0 小时完成，其次是法律（1.8 小时）、教育（1.7 小时）和艺术/媒体任务（1.6 小时）。在另一端，食品准备任务（例如规划或定价菜单项）、安装/维护和运输任务平均需要 0.3-0.5 小时，表明任务范围更有限，或等待时间更少。鉴于 Claude 的时间估算倾向于低估长任务和高估短任务，这些差异在实践中可能更大。

成本估算放大了 AI 影响的这种变化：时间估算最长的任务也往往具有最高的劳动力成本。我们通过将每个任务的中位时间乘以 OEWS 2024 年 5 月数据中相关职业的平均工资来计算这些成本估算。平均管理任务需要专业人员花费 133 美元，而法律任务为 119 美元，食品准备和服务相关任务为 8 美元。商业和金融任务平均为 69 美元，而计算机和数学任务平均为 82 美元。

在我们观察的所有任务中，我们估算 Claude 处理的每个对话中，雇佣专家完成工作所需的专业劳动力成本中位数为 54 美元。当然，当前模型的实际表现可能在许多任务上不如人类专家，尽管最近的研究表明[差距正在缩小](https://openai.com/index/gdpval/)，涵盖广泛的不同应用。

在主要职业组中，我们观察到样本中任务/职业的平均时薪与 Claude 被要求处理的任务的人类时间等效持续时间之间存在正相关。例如，管理和法律职业类别在平均时薪方面排名最高——这与 Claude 在复杂知识工作方面的优势一致。

我们的人类时间和成本估算捕捉了人们用 AI 处理的任务的重要性。但时间节省——Claude 对使用 AI 完成工作快了多少的估算——反映了使用 AI 处理这些任务可能带来的生产力提升。

中位对话经历了估计 84% 的时间节省，尽管我们在任务和类别之间看到了相当大的变化。例如，检查诊断图像的任务仅显示 20% 的时间节省，很可能因为这是专家在没有 AI 辅助的情况下已经可以快速完成的任务。相比之下，从报告中编译信息的任务看到大约 95% 的时间节省，很可能因为 AI 系统可以比人类快得多地阅读、提取和引用信息。总体而言，按任务节省的时间分布集中在 50-95% 范围内，峰值在 80-90% 之间。

这些巨大的时间节省与 Claude 比人类快得多的读写能力相符。然而，我们的方法没有考虑人们需要做的额外工作来将 Claude 的输出完善到最终状态，或者他们是否在多个会话中继续迭代工作产品——这两者都会导致更小的时间节省。过去的随机对照试验通常发现更小的时间节省，包括不同应用中的 [56%](https://arxiv.org/abs/2302.06590)、[40%](https://www.science.org/doi/10.1126/science.adh2586)、[26%](https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4945566)、[14%](https://www.nber.org/papers/w31161) 甚至[负值](https://metr.org/blog/2025-07-10-early-2025-ai-experienced-os-dev-study/)——可能是由于这些效应，或者因为这些研究考察的是早期模型。

### 从任务级效率提升到整个经济的生产力影响

上述估算捕捉了任务级的 AI 驱动生产力提升。为了理解宏观层面的影响，本节模拟了这些提升如何在整个经济中聚合，假设它们按照 Claude 的估算展开。

为了估算整个经济的生产力影响，我们使用 Hulten 定理，这是一种标准方法，允许我们将任务级的效率提升聚合到更广泛的美国经济²。如 [Acemoglu (2024)](https://economics.mit.edu/sites/default/files/2024-04/The%20Simple%20Macroeconomics%20of%20AI.pdf) 的"基线"方法，我们将劳动生产率的隐含增长建模为任务级生产力提升的加权平均值——这一建模选择隐含地假设资本投资将因与 AI 采用相关的全要素生产率（TFP）增加而增加。在这个框架中，隐含的 TFP 增长是劳动生产率增长乘以劳动收入份额³。

任务构成：对于每个职业，我们从 O*NET 获得工作任务列表。然后我们使用 Claude 来估算工人在每个任务上花费的时间比例。例如，Claude 估算程序员花费 23% 的时间编写和维护代码，15% 的时间分析和重写程序，以及较小比例的时间用于测试、文档和会议。

任务级生产力改进：在上一节中，我们提供了可以用来计算每个任务在 AI 辅助下完成速度的估算。我们取没有 AI 的时间与有 AI 的时间之间的对数差，以生成生产力改进值，并保守地将样本中未观察到的任务分配为零改进。

整个经济估算：我们使用两个因素对每个任务的隐含生产力提升进行加权，以反映其经济重要性：(i) Claude 估算的职业在该任务上花费的时间比例（如上所述），以及 (ii) 该职业在美国总工资账单中的份额（该职业类别中就业人数乘以平均工资，然后除以所有职业的总工资账单）。对于总工资账单，我们使用 2024 年 5 月的 OEWS 数据。这种方法隐含地假设 Claude 产生的时间估算代表了每个任务所有实例的可靠平均值，并且 Claude 或类似的 AI 系统将在整个美国经济中被采用。

### 发现

假设 AI 需要 10 年时间在美国经济中达到普遍采用——并使用当前模型——我们计算出 Claude 的估算意味着美国劳动生产率年增长 1.8%。这将使当前长期增长率几乎翻倍，自 1947 年以来平均每年 2.1%，自 2019 年以来平均每年 1.8%。假设劳动占全要素生产率的份额为 0.64，这意味着全要素生产率每年总体增长 1.1%。鉴于自 2000 年代初以来 TFP 增长往往低于 1%，这些估算表明，即使当前 AI 系统的广泛部署也可能使增长翻倍：达到 1990 年代末以及 1960 年代和 1970 年代的水平⁵。

任务级效率提升所隐含的总体劳动生产率增长估算，在 AI 对生产力潜在影响的近期估算范围内，尽管它位于上端（Filippucci, Gal, and Schief, 2024）。

重要的是，这个练习假设 AI 能力（以及人类使用 AI 的有效性）在未来 10 年内与我们采样时保持不变。然而，这似乎不太可能成立：我们认为 AI 将在未来几年[继续快速改进](https://www.anthropic.com/news/core-views-on-ai-safety)。

因此，这个估算应被视为基于当前使用模式探索可能发生的情况的练习，而不是对实际最可能发生的生产力影响的预测。正如我们在其他工作中所写的，我们仍然高度警惕 AI 导致重大劳动力市场混乱的可能性，这很可能与 AI 带来的更大生产力增长相关。随着模型的进步，这可能代表 AI 生产力影响的一个近似下限，尽管我们的估算没有考虑采用的不均匀性，这可能会在短期内减少现实世界的生产力提升。

反映[某些任务和职业在我们的数据中出现频率远高于其他任务和职业](https://assets.anthropic.com/m/218c82b858610fac/original/Economic-Index.pdf)的事实，我们在职业对劳动生产率增长的贡献中也观察到类似现象。软件开发者对 AI 带来的总劳动生产率增长贡献最大（19%）。总经理和运营经理（约 6%）、市场研究分析师和营销专家（5%）、客户服务代表（4%）和中学教师（3%）构成了前五名。

相比之下，餐厅、医疗保健服务、建筑和零售对整体生产力影响的贡献要小得多。这主要是因为它们的任务很少出现在我们的数据中——很大程度上是因为这些职业在我们的样本中相关的任务很少。

### AI 可能如何改变工人花费时间的方式？

如果工人能够用 AI 加速其职业任务的一个子集，那么 AI 提供较少加速的任务可能会在这些职业的工作中占据更大、更重要的份额。例如，AI 可能帮助房屋检查员准备报告，但如果检查员仍然需要花费相同的时间亲自前往房产进行检查，这可能使检查成为整体工作中更大的一部分。

下图说明了几个职业的情况。对于软件开发者，AI 加速了软件开发、测试、文档和数据处理的过程。但我们目前没有看到 AI 在协调系统安装或监督其他技术人员或工程师工作方面的有意义使用。对于教师，我们看到 AI 协助课程和活动规划，但不协助赞助课外俱乐部或在课堂上执行规则。

从增长的角度来看，这些观察与 [Aghion, Jones, and Jones](https://www.nber.org/papers/w23928) 最近的观察一致："增长可能不是受限于我们擅长什么，而是受限于什么是必要的却又难以改进的。"

## 局限性

我们的方法有几个局限性，我们认为值得在这个主题上进行进一步研究：

- **Claude 的预测并不完美，而且我们缺乏对 Claude 时间估算的真实世界验证**：AI 系统并非完美的预测器，也无法看到用户与模型互动结束后发生的活动。虽然我们预计这些估算会随着模型能力的提升而改善，但使用模型估算会引入显著的噪音来源。尽管我们的估算显示，模型在估算任务时间方面正接近人类水平，而人类本身也远非完美，但我们缺乏真实世界的数据来验证 Claude 提供的估算。

- **任务分类的局限性**：真实的工作比 O*NET 任务列表要复杂得多，我们为每项任务估算的时间分配也只是近似值。工作中的许多重要方面——如隐性知识、人际关系、不确定性下的判断——并不出现在这些正式的任务描述中，而且任务之间的联系对生产力的影响，可能和单独节省任务时间一样重要，甚至更重要。虽然我们展示了单个任务有大幅的时间节省，但[一项最近的随机对照试验](https://metr.org/blog/2025-07-10-early-2025-ai-experienced-os-dev-study/)研究端到端的软件功能时，并未发现 AI 带来的时间节省。

- **结构性假设**：在我们上面的计算中，我们比较了专业人士在没有 AI 的情况下完成某项任务所需的时间，与使用 AI 所需的时间。但这可能低估了生产力提升——因为雇佣员工和传达背景信息需要额外的资源，而我们没有考虑进去；也可能高估了，如果 AI 的工作质量比人类差的话。

- **组织重构**：历史上，单个公司最大的生产力提升往往来自于[重组业务运营](https://www.jstor.org/stable/2006600)以采用新技术。我们的模型可以帮助预测这种重组的影响，但无法预测公司会如何决定重组，或者这个过程会有多快。

- **创新的作用**：技术创新是经济增长的[引擎](https://www.jstor.org/stable/1926047)。我们的模型没有捕捉到 AI 系统如何加速甚至自动化科学过程，也没有捕捉到这对生产力、增长和工作结构的影响。

- **数据有限**：我们的数据集仅来自 [Claude.ai](http://claude.ai/redirect/website.v1.2397298e-a2be-4064-bedd-12fd760d437d) 的对话。这个样本并不能代表 AI 使用的全貌，而且可能存在某种选择效应，即人们使用 Claude 的任务往往是他们认为 Claude 最有用的那些。此外，由于样本量有限，我们可能会遗漏一些不太常见的 AI 任务。

我们在这里开发的测量基础设施，能够持续大规模追踪 AI 对时间节省的影响。随着模型改进和更好的方法解决这些局限性，我们可以重新估算这些时间节省，并识别这些能力提升如何转化为更广泛的经济影响。我们预计在未来几个月和几年内追踪这些变化。

## 结论

Claude 处理的任务复杂度差异很大——从只需几分钟就能完成的简单食物准备问题，到需要数小时的复杂法律和管理任务。但这些工作的总体效果如何？

基于 Claude 对每项任务的时间估算（并假设未来 10 年内实现普遍采用），我们发现，使用当前模型意味着美国劳动生产率每年可能增长 1.8%——这是近期劳动生产率增长速度的两倍。基于当前的 AI 使用情况，这些收益将集中在技术、教育和专业服务领域，而零售、餐饮和交通行业受到的影响微乎其微。随着模型能力、产品和采用率的持续发展，我们将作为 [经济指数](https://www.anthropic.com/economic-index) 的一部分，持续追踪这些变化。

这些生产力提升来自于让现有任务完成得更快。然而，历史上，变革性的生产力提升——来自电气化、计算机或互联网——并非源于加快旧任务的速度，而是源于从根本上重组生产。在这样的未来中，AI 不仅让实现功能更快，而且公司会重组会议和代码审查，以更快地验证和发布这些功能，无论是通过 AI 还是其他方式。

我们的框架可以用来帮助估算这种重组的效果，但无法预测会发生哪些变化，或者变化的速度有多快。未来工作的一个重要方向是理解这个问题——更好地了解公司何时以及如何围绕新兴的 AI 能力进行重组。答案将决定 AI 何时从提供显著但有限的生产力提升，转变为代表那种历史上定义了技术革命的结构性变革。

### Bibtex

如果你想引用这篇文章，可以使用以下 Bibtex 键：

```
@online{tamkinmccrory2025productivity,
author = {Alex Tamkin and Peter McCrory},
title = {Estimating AI productivity gains from Claude conversations},
date = {2025-11-05},
year = {2025},
url = {https://www.anthropic.com/research/estimating-productivity-gains},
}
```

## 附录

### Claude 的估算与其他估算的比较

### 用于时间估算的提示词

人类时间估算提示词

```
Human: 考虑以下对话：

<conversation>
{{TRANSCRIPT}}
</conversation>

估算一位称职的专业人士完成助手所完成的任务需要多少小时。
假设他们具备：
- 必要的领域知识和技能
- 所有相关的背景和上下文信息
- 所需工具和资源的访问权限

在给出最终答案之前，请使用 <thinking> 标签分解你的推理过程：
<thinking>
2-5 句推理，估算完成任务需要多少小时。
</thinking>

按以下格式输出：
<answer>代表小时数的数字（短任务可以使用小数，如 0.5）</answer>

Assistant: <thinking>
```

交互时间估算提示词

```
Human: 考虑以下对话：

<conversation>
{{TRANSCRIPT}}
</conversation>

估算用户与模型一起完成任务所花费的分钟数。
考虑：
- 用户消息的数量和复杂度
- 阅读 Claude 回复的时间
- 思考和构思问题的时间
- 审查输出和迭代的时间
- 实际的打字/阅读速度
- 在对话之外实施建议或运行代码的时间（仅当与任务直接相关时）

在给出最终答案之前，请使用 <thinking> 标签分解你的推理过程：
<thinking>
2-5 句推理，估算用户花费了多少分钟。
</thinking>

按以下格式输出：
<answer>代表分钟数的数字</answer>

Assistant: <thinking>
```

软件开发时间估算提示词

```
Human: 你正在为开源项目估算软件开发任务。只提供一个以小时为单位的数字（例如，0.3、1.6、15）。不要解释。
任务：{task}
描述：{description}：
估算（小时）：
Assistant:
```

任务时间估算提示词

```
你正在估算职业 "{occupation_title}" 中的工人在每项工作任务上花费的时间。

以下是该职业的完整任务列表。对于每项任务，估算一名典型工人每周花费多少小时。

重要提示：不必担心小时数总和恰好为 40 或任何特定总数——我们之后会进行归一化处理。只需根据实际情况，独立给出你对每项任务的最佳估算。

任务：
{tasks}

只返回一个 JSON 对象，将每个 task_id 映射到你估算的每周小时数，不要添加任何额外的文本、解释或评论。格式：
{{
  "task_id_1": 小时数,
  "task_id_2": 小时数,
  ...
}}"""
```

1. Claude 容易产生关于时间跨度和成本的异常估算；例如，它会把某些编程任务归类为需要人类数年才能完成，或者价值数百万美元。虽然这有可能，但为了产生更保守的估算，我们取每项任务中位数的平均值，并按每项任务中的对话数量进行加权。

2. Hulten 定理指出，在没有扭曲的竞争均衡中，微观层面生产力提升对全要素生产率的贡献，在一阶近似下与该生产要素的 Domar 权重成正比。一个要素的 Domar 权重是其总产出价值与 GDP 的比率。在 Acemoglu (2024) 提出的基于任务的模型中，劳动密集型任务的 Domar 权重等于该任务在工资总额中的份额乘以劳动收入份额。关于 Hulten 定理的最新处理和扩展，请参见 Baqaee 和 Farhi (2019)。公式上，Hulten 定理指出，TFP 的对数变化等于微观生产力对数变化的 Domar 加权和。在我们的案例中，对数变化取为 ln(无 AI 完成时间) 减去 ln(有 AI 完成时间)。

3. TFP 的增长比劳动生产率的增长更基础。劳动生产率是每个工人的产出比率，即使 TFP 不变，它也可能因劳动力以外的其他生产要素增加而提高。

4. [Acemoglu 2024](https://www.nber.org/papers/w32487) 计算出 AI 暴露行业的劳动份额为 0.57；为简单起见，我们使用整个经济体的份额 0.6，因为两者非常接近。

5. 关于全要素生产率的历史数据，请参见旧金山联邦储备银行的估算：[https://www.frbsf.org/research-and-insights/data-and-indicators/total-factor-productivity-tfp/](https://www.frbsf.org/research-and-insights/data-and-indicators/total-factor-productivity-tfp/)。2015 年至 2024 年 TFP 的平均增长率为 0.7%。二十年前，1995 年至 2004 年 TFP 的平均增长率为 1.6%。

## 相关内容

### AI 模型中双重用途知识的关闭开关

### 语言模型中的全局工作空间

新的可解释性研究揭示了 Claude 中一个新兴的心理工作空间，它持有不出现在模型输出中的内部想法。

### Anthropic 经济指数报告：节奏

在我们最新的经济指数报告中，我们首次按小时抽样，以询问：人们什么时候来找 Claude？他们用它做什么？他们如何看待 AI 对其工作的影响？

---

英文原文：[Estimating AI productivity gains](https://www.anthropic.com/research/estimating-productivity-gains)