[智能应用]深度访谈1250名职场人，揭示AI在工作中的真实影响 [复制链接]

↑阅读之前记得关注+星标⭐️，，每天才能第一时间接收到更新
Anthropic刚刚发布了一款名为Anthropic Interviewer的新工具，旨在规模化地理解人们对AI的看法
为了测试这款工具，他们已经用它对1250名专业人士进行了一场大规模访谈，覆盖普通职场人、科学家和创意工作者三大群体
研究的核心发现是什么？一言以蔽之：
普遍乐观，局部悲观：在受访样本中，人们对AI在工作中的作用持乐观态度。但少数话题，如教育融合、艺术家替代和安全问题，则带有更多悲观情绪
普通打工人：希望保留定义其职业身份的核心任务，将重复性工作委托给AI。他们设想的未来是，AI负责自动化常规任务，而自己的角色转变为监督AI系统
创意工作者：尽管面临同行评判和对未来的焦虑，他们仍在使用AI提高生产力，同时也在应对AI使用带来的污名化、经济替代和人类创意身份被侵蚀的深层担忧
科学家：渴望与AI建立伙伴关系，但目前还无法信任它执行核心研究。他们普遍希望AI能生成假设和设计实验，但实际使用仅限于撰写文稿或调试代码等辅助任务
Anthropic表示，这项研究的数据（经参与者同意）将全部公开发布。
现在，让我们深入了解这项研究是如何进行的，以及它还揭示了哪些细节。
用AI面试官，规模化探究AI影响
数以百万计的人每天都在使用AI。作为AI开发公司，Anthropic希望了解用户如何及为何使用AI，以及这对他们产生了什么影响。这不仅是为了开发更好的产品，更是为了解答“人与AI的互动”这一我们时代最重大的社会学问题之一。
此前，Anthropic的工具只能分析Claude对话框内发生的事情。但对话结束后呢？人们如何使用Claude的输出？他们对此有何感受？他们如何想象AI在自己未来工作中的角色？
要获得全面的图景，就需要直接与人交流。传统上，这意味着要进行数百次人工访谈。
这一次，Anthropic让AI来帮忙。
他们构建了一款由Claude驱动的访谈工具——Anthropic Interviewer。它能以前所未有的规模自动进行详细访谈，并将结果反馈给人类研究员进行分析。
研究方法
本次初步测试的核心是探索工作者如何将AI融入专业实践，以及他们对AI未来角色的感受。
参与者
Anthropic Interviewer共访谈了1250名专业人士。这些参与者通过众包平台招募，但他们的主业均非众包工作。
普通职场人群（1000人）：样本未限定特定职业。其中最大的子群体来自教育（17%）、计算机与数学（16%）以及艺术、设计、娱乐和媒体（14%）
创意工作者（125人）：主要包括作家（48%）和视觉艺术家（21%），以及电影制作人、设计师、音乐家等
科学家（125人）：包括物理学家（9%）、化学家（9%）、化学工程师（7%）和数据科学家（6%），覆盖超过50个不同的科学学科。
之所以选择创意和科学这两个专业领域，是因为AI在这些领域的角色仍充满争议且在迅速演变。
所有参与者均同意其访谈数据用于研究分析并公开发布。
Anthropic Interviewer如何工作？
整个流程分为三步：规划、访谈和分析。
1.规划（Planning）：AI首先创建一个访谈框架。这个框架既能保证所有访谈都围绕核心研究问题展开，又足够灵活，能适应个别访谈中出现的不同话题和方向。研究人员通过系统提示（System Prompt）设定研究假设和访谈最佳实践，然后AI生成具体问题和对话流程，最后由人类研究员与AI协作完成最终方案。
2.访谈（Interviewing）：AI随后根据访谈计划进行实时、自适应的访谈。每次访谈在Claude.ai上进行，持续约10-15分钟。
3.分析（Analysis）：访谈结束后，人类研究员与AI协作分析访谈记录。AI根据最初的访谈计划，输出研究问题的答案和相关的引言。同时，一个独立的AI分析工具会识别出访谈中涌现的普遍主题，并量化其出现频率。
研究目标
本次测试的主要研究目标如下：
普通职场人群：了解个人如何将AI工具整合到专业工作流中，探索使用模式、任务偏好和互动方式
创意工作者：了解创意专业人士目前如何将AI融入创作过程，以及他们对AI与人类创造力未来关系的看法
科学家：了解AI系统如何融入科学家的日常研究工作流，考察其在科学过程不同阶段的使用模式、感知价值、信任水平和采用障碍。
研究发现
AI对普通职场人群的影响
总体而言，普通职场样本的成员将AI视为生产力助推器。86%的受访者表示AI为他们节省了时间，65%的人对AI在工作中的作用感到满意。
一个普遍的主题是工作场所动态对AI采纳的影响。69%的专业人士提到，在工作中使用AI工具可能会带来社会污名。一位事实核查员说：

“最近一个同事说他讨厌AI，我什么也没说。我不会告诉任何人我的工作流程，因为我知道很多人对AI的看法。”

在工作安全感方面，41%的受访者认为自己的工作很安全，相信人类技能是不可替代的；而55%的人则对AI的未来影响表示焦虑。在感到焦虑的群体中，25%的人选择为AI使用设定界限（如教育工作者坚持自己制定教学计划），另有25%的人则通过承担额外职责或追求更专业的任务来调整自己的工作角色。
应对策略也多种多样。一位数据质量经理选择学习而非自动化：“我把它看作学习外语——只用翻译App学不到任何东西，但有一位能回答问题、为你定制内容的导师则大有裨益。”一位市场营销人员采取了灵活策略：“我正努力在保持强大专业优势的同时实现多元化。”一位口译员已经准备转行：“我相信AI最终会取代大多数口译员……所以我已经在为职业转换做准备了。”
值得注意的是，只有8%的焦虑者没有明确的应对计划。
情感分析图表显示，不同职业的情感特征非常一致，均表现出高满意度。然而，这也伴随着挫败感，表明专业人士在发现AI有用性的同时，也遇到了显著的实施挑战。
在之前的分析中，AI的使用被分为增强（AI与用户协作完成任务）和自动化（AI直接执行任务）。在本次访谈数据中，65%的参与者将AI的主要作用描述为增强，35%描述为自动化。
这与此前对Claude实际使用情况的分析（47%增强 vs 49%自动化）存在显著差异。可能的原因包括：样本差异、用户在对话后对AI输出进行了再加工、用户为不同任务使用不同AI、自我报告与实际使用存在偏差等。
对于未来，专业人士设想的是一种增强与自动化并存的模式：自动化处理常规、行政性任务，同时保留人类的监督。48%的受访者考虑将自己的职业转向管理和监督AI系统，而非直接从事技术工作。
AI对创意行业的影响
创意专业人士同样报告了AI带来的生产力提升。97%的人表示AI节省了时间，68%的人认为AI提高了作品质量。
一位小说家解释说：“我感觉写作速度变快了，因为研究工作不再那么令人望而生畏。”一位摄影师提到AI处理了常规的编辑任务，将周转时间从“12周缩短到大约3周”。
与普通职场人群相似，70%的创意工作者提到他们需要应对来自同行的评判压力。一位地图艺术家说：“我不想让我的品牌和商业形象与AI及其附带的污名紧密相连。”
经济焦虑贯穿了创意工作者的访谈。一位配音演员直言：

“由于AI的兴起，配音行业的某些领域，比如工业配音，基本上已经消亡了。”

一位作曲家担心，平台可能会“利用AI技术和他们的发行曲库无限生成新音乐”，从而用廉价的替代品充斥市场。另一位艺术家表达了类似的担忧：“现实地说，我担心我需要继续使用生成式AI，甚至开始销售生成内容，才能在市场上跟上步伐，维持生计。”
一位创意总监也表示：“我完全理解，我的收益就是另一位创意工作者的损失。我过去每天要付2000美元的产品摄影师，现在接不到我的生意了。”（值得注意的是，Claude不生成图像、视频或音乐，因此参与者表达的焦虑是针对广义的AI。）
所有125名创意工作者都提到希望保持对创作成果的控制权。然而，这一界限在实践中并不稳定。许多参与者承认，在某些时刻，AI主导了创意决策。一位艺术家承认：“AI驱动了很大一部分概念；我只是试着引导它……60%是AI，40%是我的想法。”
情感分析显示，不同创意领域的情感特征存在差异：游戏开发者和视觉艺术家报告了高满意度，但同时也伴随着高度的担忧。设计师则呈现出相反的模式，以挫败感为主，满意度极低。所有领域的信任度都持续偏低。满意度与担忧之间的紧张关系，可能正反映了创意工作者既拥抱AI工具，又对人类创造力的未来感到忧虑的矛盾处境。
AI对科学工作的影响
在对化学、物理、生物和计算领域研究人员的访谈中发现，AI目前还无法处理他们研究的核心环节，如假设生成和实验设计。科学家主要将AI用于文献回顾、编码和写作等辅助任务。
信任和可靠性问题是79%访谈中提到的主要障碍。一位信息安全研究员指出：“如果我必须仔细检查并确认AI给出的每一个细节以确保没有错误，那让AI来做这项工作就失去了意义。”一位数学家也表示：“在我花时间验证AI的输出后，花费的时间基本上和自己做差不多。”一位化学工程师则提到了AI的“迎合奉承”问题，解释说AI会根据用户提问的方式改变答案，这种不一致性让他对AI的回答持怀疑态度。
情感分析显示，大多数科学领域报告了高满意度，但挫败感模式各不相同：物理学家和数据科学家的挫败感更高。这可能反映了计算领域与实验领域在尝试将AI整合到核心工作流中的差异。
与创意工作者不同，科学家们对AI的担忧程度相对较低，这与他们对AI目前无法完成核心研究任务的挫败感相符。他们普遍不担心因AI而失业。
原因包括：研究中存在难以数字化的隐性知识（一位微生物学家举例说，有些实验步骤需要根据细胞呈现的特定颜色来判断，这种颜色差异必须亲眼所见才能理解）；以及研究决策的内在人性。外部限制，如安全规定和预算/时间限制，也构成了AI替代的障碍。
尽管如此，91%的科学家表示渴望在研究中获得更多AI辅助。大多数人希望AI能在整个研究过程中提供支持：评估实验设计、访问科学数据库、运行分析等。一个共同的愿望是，希望AI能产生新的科学思想。
一位医学科学家说：

“我希望AI能帮助生成或支持假设，或者寻找人类不易察觉的新颖互动/关系。”另一位科学家也表示：“我渴望一个能像有价值的研究伙伴一样的AI……能带来一些新东西。”

这次初步测试证明了Anthropic Interviewer在规模化研究方面的潜力，它使得原本耗时耗力的研究得以高效进行，并能提出和回答关于AI社会角色的新问题。
通过这项研究，Anthropic获得了超越聊天窗口使用数据的洞察，了解了人们对AI的感受、期望和未来构想。这些发现将被用于与经济顾问委员会和高等教育顾问委员会的讨论，并为产品开发和政策倡导提供信息
Anthropic也正在与特定社群展开合作，将他们的专业知识融入AI开发
Anthropic表示，通过大规模部署Anthropic Interviewer，他们希望在人们的AI体验和AI的开发之间建立一个反馈循环，最终构建出能反映公众观点和需求的AI系统

1250名职场人的深度访谈，AI对工作的真实影响可归纳为以下核心结论：

一、生产力提升成为普遍共识
效率显著优化
86%的受访者表示AI节省了工作时间，65%对其在工作中的作用感到满意。AI通过自动化文档处理（51%）、数据分析（35.7%）、会议记录（25.6%）等重复性任务，释放人力聚焦高价值工作。
能力增强效应
71.7%的职场人认为AI提升了工作效能，尤其在专业知识查询与技能学习（45.6%）和创意构思（24.1%）中作用突出，推动"人机共创"模式普及。
二、职业角色与需求深度重构
岗位分化加剧
初级岗位收缩：企业减少对基础岗位的招聘（如客服、翻译等），转向AI替代1217。
高阶岗位增值：算法、自然语言处理等技术管理岗年薪达250万-300万，接近企业高管水平13。
技能需求转向
硬技能：AI工具操作（如提示词优化）、数据分析能力成为新门槛。
软技能：创造力、人际沟通、领导力重要性凸显，成为对抗AI替代的核心壁垒320。
三、职场协作模式发生质变
人机关系重新定义
47.8%的职场人将AI视为"协作伙伴"，25.4%视其为"决策辅助者"。00后更依赖AI辅助决策（37%）8。
情感联结初现
超40%职场人向AI倾诉工作压力，市场/公关岗位中这一比例达58.3%，AI被赋予部分情感支持功能84。
四、潜在挑战与认知升级
能力退化风险
过度依赖AI可能导致深度思考能力减弱，尤其在创新整合、跨界联想等复杂任务中7。
认知误区调整
从"AI威胁论"（担忧替代）转向"机遇论"：60%职场人期待AI分担工作负担，仅2.8%强烈焦虑被取代

五、未来职场生存法则
差异化竞争力构建
深耕AI无法替代的领域：复杂决策、伦理判断、个性化服务（如"真实人际互动"的价值）315。
通过项目实践积累经验，避免沦为"指令输入者"7。
持续学习与工具适配
56.1%职场人愿为AI服务付费，高管更倾向投资高阶工具（24%愿付月费200元以上）8。
掌握"AI+行业"垂直工具（如Brox.ai 替代A/B测试），提升决策精准度5。
💡 关键启示：AI不是岗位的终结者，而是职业价值的"筛选器"。职场人需主动驾驭技术，将AI作为能力杠杆，而非被动替代的对象。在效率与人性化之间寻找平衡点，方能实现"人机共生"的最优解。

Anthropic Interviewer研究深度解析：AI在工作中的真实影响与未来展望

研究核心发现概览
Anthropic通过其自研AI访谈工具Anthropic Interviewer对1250名专业人士进行的大规模调查显示，整体呈现“普遍乐观，局部悲观”的态势。受访者普遍认可AI在提升工作效率方面的积极作用，但在教育融合、艺术家替代和安全问题等特定领域表现出明显担忧。不同职业群体对AI的态度和使用模式存在显著差异：

1. 普通职场人群：AI作为生产力助手与监督者的转变
- 核心诉求：保留定义职业身份的核心任务，将重复性工作委托给AI。
- 未来设想：AI负责自动化常规任务，人类角色转变为监督AI系统。
- 关键数据：
  - 86%认为AI节省了时间，65%对AI在工作中的作用感到满意。
  - 41%认为工作安全，55%存在焦虑，其中8%无明确应对计划。
  - 应对策略多样化：学习提升（如数据质量经理视AI为“导师”）、职业转型（口译员准备转行）、设定界限（教育工作者坚持自主制定教学计划）。

2. 创意工作者：生产力提升与身份焦虑并存
- 核心矛盾：积极使用AI提高生产力，同时面临同行评判、经济替代和创意身份被侵蚀的深层担忧。
- 关键数据：
  - 97%表示AI节省时间，68%认为提升作品质量。
  - 70%需应对同行评判压力，60%的创意决策由AI主导的情况普遍存在。
  - 经济焦虑突出：配音演员称行业部分领域“消亡”，作曲家担心市场被廉价AI音乐充斥。

3. 科学家：渴望伙伴关系但信任缺失
- 核心困境：渴望AI成为研究伙伴，但目前仅限于辅助任务，无法信任其执行核心研究。
- 关键数据：
  - 79%将信任和可靠性列为首要障碍。
  - 实际使用局限于文献回顾、编码、写作等辅助任务，核心环节（假设生成、实验设计）依赖人类。
  - 91%渴望更多AI辅助，希望AI能生成新假设、支持实验设计。

研究方法与工具创新
Anthropic Interviewer的推出标志着AI在社会科学研究领域的重大应用突破。其工作流程分为三个核心阶段：

1. 规划（Planning）
- AI基于系统提示（System Prompt）创建灵活的访谈框架，确保围绕核心研究问题展开，同时适应个性化话题。
- 研究人员与AI协作完成最终方案，平衡标准化与灵活性。

2. 访谈（Interviewing）
- 在Claude.ai平台上进行实时、自适应访谈，每次约10-15分钟。
- 支持大规模并发访谈，突破传统人工访谈的时间和人力限制。

3. 分析（Analysis）
- AI输出结构化结果，提取关键引言和答案。
- 独立AI分析工具识别普遍主题并量化频率，辅助人类研究员深度解读。

研究发现的细节与启示

普通职场人群的深度洞察
- 工作场所动态：69%提到使用AI可能带来社会污名，导致“隐瞒工作流程”的现象。
- 增强 vs 自动化：访谈数据显示65%为增强模式，35%为自动化模式，与Claude实际使用数据（47%增强 vs 49%自动化）存在差异。原因可能包括样本差异、用户对输出的二次加工、多AI工具使用习惯及自我报告偏差。
- 未来职业转向：48%考虑转向管理和监督AI系统，而非直接技术工作。

创意工作者的独特挑战
- 生产力提升的具体案例：小说家写作速度加快，摄影师编辑周期从12周缩短至3周。
- 控制权争夺：所有受访者强调保持创作控制权的重要性，但实践中常出现“60% AI主导，40%人类主导”的模糊边界。
- 情感分化：游戏开发者和视觉艺术家满意度高但担忧强；设计师挫败感高且满意度低。

科学家的信任与期待
- 信任障碍：科学家需手动验证AI输出导致效率丧失，“迎合奉承”问题（答案随提问方式变化）加剧怀疑。
- 隐性知识壁垒：实验中依赖感官判断（如细胞颜色变化）等难以数字化的知识阻碍AI深度介入。
- 理想伙伴画像：科学家期待AI能“带来新东西”，如生成新颖假设、发现人类不易察觉的关系。

数据公开与未来影响
Anthropic承诺公开所有经参与者同意的研究数据，这一举措将：
1. 推动学术界对人机协作的深入研究。
2. 为政策制定者提供制定AI伦理规范和劳动力转型政策的依据。
3. 引导AI开发者更贴近用户实际需求，构建更具人文关怀的技术。

总结
Anthropic Interviewer的研究揭示了AI正以复杂且多面的方式重塑职场。普通劳动者将其视为效率工具并积极适应；创意者在拥抱便利的同时警惕身份危机；科学家则在期待与谨慎间寻求平衡。正如Ilya大神在近期采访中所言，当前AI虽在特定任务上表现卓越，但泛化能力和信任仍是主要瓶颈。Anthropic通过这一工具不仅收集了宝贵数据，更开创了“用AI研究AI影响”的新模式，为理解人机共生关系提供了全新视角。随着技术的演进和社会适应的深化，“科幻般的现实”正逐步展开，而如何在变革中保持人类的独特价值，将是未来的核心命题。