Anthropic 扒了几百万条对话，发现大多数人把 AI 用成了废铁

如果我说你和你朋友圈里某个「AI 用得特别溜」的人用的是同一款 AI同一个模型、同一个版本、花一样的钱但对方能用它产出一整天的工作量你只能得到一个下午的量你觉得问题出在哪里大部分人会说他用的提示词更刁钻他找到了我没找到的模板他充了更贵的会员或者干脆他本来就比我聪明AI 在他手里当然更强。都不是。而且真正的答案比你猜的任何一个都要简单也都要残酷。论文PDF链接https://www.anthropic.com/research/anthropic-economic-index-january-2026-reportAnthropic 第四份经济指数报告里有一个让人不舒服的发现用户的提问质量和 AI 的回答质量之间的相关性超过了0.92论文P34近乎完美。你丢一句「帮我写个方案」它就给你泛泛的空壳你把背景、目标、约束写清楚它给你的东西就完全不一样。同样的模型。同样的算力。但这还只是第一层。光把问题问清楚还不够真正拉开差距的是你和 AI 之间是一种「命令-执行」关系还是一种「协作-迭代」关系。我看到这个数据的时候突然想起我一个朋友。他之前跟我吐槽说 AI 写出来的东西太烂了我问你怎么用的他说「我就跟它说帮我写一篇公众号文章」。我说你有没有告诉它你要写什么主题、写给谁看、大概什么调性、有什么不能写的他说没有啊AI 不是应该自己知道吗。我当时就愣住了。。。不是哥们你是认真的吗。怎么说呢这个朋友不是不聪明他写文章比我厉害多了。但他对 AI 有一个默认假设他觉得 AI 是一个能自动理解他意图的智能体而不是一个需要被正确调度、被充分给上下文的工具。这其实是现在很普遍的一个错觉AI 越来越强了所以使用门槛越来越低了。但这份报告告诉我们的恰好相反AI 越强提问的质量就越重要因为同一个模型的能力天花板比你以为的高得多而你能摸到多高取决于你怎么去够它。不过光会问还不够。Anthropic 报告里还有个数据蛮有意思他们也分析了 Claude.ai 上用户的使用模式把对话分成两类一类叫augmentation协作式就是你把 AI 当成协作对象给反馈、改方向、追问、验证来回迭代另一类叫automation全自动式就是你给它一个任务撒手不管等它自己跑完。这个数据在报告发出来的时候出现了很有意思的变化Claude.ai 上 augmentation 的比例回升到了 52%automation 降到了 45%。协作式使用重新超过了全自动式使用。你想想看Claude.ai 的工具能力越来越强按理说大家应该更倾向于放手让 AI 自己跑才对。但真实的使用数据告诉你真正高频使用 AI 的人并不是把 AI 放得更远而是把自己更深地放进流程里。他们不是少操作而是更多地在协作。这个发现让我想起一个更根本的问题。如果协作真的这么重要那同一个模型不同用法差距到底能有多大接下来是论文中最硬核的部分。Anthropic 在这份报告里做了一个很厉害的分析。他们不是笼统地说「AI 能帮你省时间」而是用了任务成功率来做衡量看一个任务在多长时间内AI 有 50% 的概率能成功完成。他们把这个叫「有效任务地平线」。然后他们分别看了两个数据来源一个是 Claude 的 API用户通过应用程序接口单次调用大多是单轮输入输出另一个是 Claude.ai就是聊天界面用户可以直接多轮对话、补充信息、追问细节。结果是这样的。API 单轮指令的使用模式下50% 成功率的有效任务地平线大约是 3.5 小时你要让 AI 做超过 3.5 小时的任务成功率就开始低于一半了。而 Claude.ai 多轮对话的使用模式下这个数字被推到了大约 19 小时。同一个模型同样的底层能力。差了将近4 倍当然我要说明一下19 小时这个数据是基于拟合线的外推估计不是一个精确的测量值。但这个差距的方向和量级已经足够说明问题了。坦率的讲我看到这个数据的时候真的被震了一下。不是模型进步带来的差距不是新版本带来的差距就是纯纯的「你怎么用它」的差距。你把它当一次性执行引擎它就是个 3.5 小时的工具。你把它当协作伙伴一轮一轮拆、一轮一轮纠、一轮一轮补充背景它能陪你走将近一天的工作。同一模型API 单轮指令蓝线的任务地平线约 3.5 小时Claude.ai 多轮对话黄线能推到 19 小时。越往右任务越长差距越大。这就是使用方式的差距。顺着这个再往下想一层。如果连同一个模型都能差这么多那面对真正复杂的任务怎么做才能不翻车报告的第 4 章给了一个挺反直觉的回答。他们发现任务越复杂AI 带来的速度提升越大高中教育水平的任务 AI 能提速大约 9 倍大学教育水平的任务 AI 能提速大约 12 倍。但与此同时成功率在往下掉从大约 70% 掉到大约 66%。所以呢你会发现一个很有意思的矛盾AI 在复杂任务上帮你的速度更快但出错的概率也更高了。你想想看这个矛盾能说明什么。越复杂的任务你越不能「直接把 AI 的答案当成最终成品」。你要做的不是信任 AI 的输出而是信任 AI 能帮你加速每一步但每一步你都需要验证方向。把大任务拆成可验证的小步骤每一步让 AI 加速你负责判断方向有没有偏。这听起来像常识但我跟你说真正这么做的人很少。因为拆任务这个动作本身就需要理解任务、理解 AI 的能力边界、理解什么步骤适合交给 AI、什么步骤必须人来做。而这些理解不是「AI 自己会知道」的是需要你去学的。说实话我自己也还在学。每次觉得已经会用 AI 了过两天就发现一个新用法然后发现自己之前又浪费了不知道多少时间。这玩意就是这样你永远在追。聊到这儿我想再往上拉一层。很多人看这种 AI 报告的时候会很自然地想到一个问题AI 到底能替代多少工作。然后媒体会报一个数字说 AI 覆盖了某个职业 80% 或 90% 的任务。看起来是不是很唬人。但 Anthropic 这份报告提出了一个概念叫「有效 AI 覆盖率」。他们告诉你看 AI 对一份工作的影响不能只看 AI 在这份工作中有没有出现过你还要看三个东西这个任务在职业里有多重要、AI 用的频率高不高、AI 完成这个任务的成功率是多少。报告里的职业数据分析显示同样是 AI 渗透率很高的职业结果完全不一样数据录入员AI 覆盖了他们最耗时的那些核心工作而且这些任务是 AI 真正擅长的有效覆盖率就很高微生物学家AI 确实出现在很多任务里但那些最耗时、最关键的实验设备操作、数据采集环节AI 根本碰不到有效覆盖率就很低。你看同样的 AI同样的技术。不同职业、不同任务有效覆盖率的差距巨大。那这个差距是怎么来的呢。不是 AI 不行是你得知道你的工作中哪些部分 AI 真能干、哪些部分它只能表面覆盖、哪些部分它完全碰不到。这个判断能力本身就是使用方式的一部分。你如果对自己做的工作都没有拆解到那个颗粒度你当然会觉得「AI 好像什么都能做又好像什么都没做成」。覆盖了不等于能干成。这句话其实不只是说给企业听的也是说给每一个用 AI 的人听的。横轴是任务覆盖率AI 数据里出现过多少任务纵轴是有效覆盖率真正能干成的比例。有些职业 AI 出现了 90% 的任务但有效覆盖不到一半。写到最后我想回到开头那个问题。你以为用 AI 是点一个按钮但 Anthropic 整份报告从第一个数据到最后一个数据都在讲同一个道理每个按钮背后都是你理解到什么程度、拆解到什么程度、反馈了多少轮。报告里还有一个数据可以作为收尾他们做了一个生产力估计看起来 AI 每年能推动 1.8 个百分点的生产率提高但当你把任务成功率修正进去也就是只算 AI 真正能干成的事这个数字就缩到了 1.0 个百分点。差不多被高估了一半。那些被高估掉的部分就是你把 AI 当成按钮用的时候你以为它帮你省的时间。我再多说一句。报告还发现AI 使用越高的地区协作式使用的比例越高。GDP 越高的地区AI 使用越活跃。教育水平越高的地区AI 用得更深。这些不是独立的发现它们指向同一个方向AI 使用方式本身的差距正在变成一个新的社会筛选器。不是你有没有 AI而是你怎么用 AI。当屏幕前的你觉得 AI「直接用就行」的时候比你更会用 AI 的人已经在用同样的工具创造完全不同量级的结果。当然现在想明白这件事还不晚。AI 还远远没到用完所有可能性的阶段你现在开始学怎么把它当协作对象而不是问答按钮成本并不高。你就是需要重新理解一件事把问题说清楚、把任务拆开、让 AI 迭代、保留自己的判断这些不是附加技能它们是使用 AI 的核心。AI 的差距不在模型之间在你和你的使用方式之间。感谢阅读。点个关注不迷路我们后续会持续跟ai领域的前沿技术动态第一时间为你解读。