Anthropic 20 万对话揭密：AI 普及让统计产出翻倍

据 Woofun AI 消息， 于 11 月 5 日正式发布一份重磅研究报告，该报告基于对 20 万 7,049 次科研相关的 与 对话进行深度剖析，旨在揭示科学家如何利用 AI 工具。核心发现显示，若现有 AI 能力得以全面普及，统计研究产出有望实现翻倍增长，这一结论为理解 AI 在学术界的实际效能提供了关键数据锚点。

在样本构成与数据隐私机制方面，报告涵盖的对话数据取自 2026 年 8 月 2 日至 9 月 30 日期间的个人方案用户。具体而言，其中包含 12 万 8,914 次 Claude 对话以及 7 万 8,135 次 Claude Code 对话。为了确保研究过程中的数据隐私，Anthropic 采用了一种特殊的处理流程：由模型对每段对话进行领域与研究任务的标注，而研究团队仅能获取这些标签信息，无法直接查看具体的研究内容。

这种设计既保证了分析的准确性，又严格保护了用户的隐私边界。

从领域分布与任务偏好差异来看，形式科学领域如资工、数学、统计的使用频率显著高于需要进实验室或面对病人的医学与化学领域。尽管资工研究者仅占全球研究人员的 4.3%，却占据了 Claude Code 科研对话的 32.7%。在任务类型上，资料分析在 Claude 对话中占比 33.7%，在 Claude Code 中更高达 48.1%，这明显高于研究者实际花费在这项任务上的 27.6% 时间。写作与沟通在 Claude 对话中占比 32.0%，而研究者实际仅花费 16.0% 的时间。

值得注意的是，搜集资料与提出假说这两项任务在 AI 对话中的占比相对较低，分别为 11.5% 和 4.2%（Claude Code 为 2.1%），尽管研究者在这两项任务上分别花费了 28.6% 和 7.1% 的时间。

Woofun AI 整理数据显示，针对低频任务与科学家调查洞察，Anthropic 进一步调查了 528 位积极使用 AI 的科学家，多数来自生命与健康科学领域。调查结果显示，受访者认为对重要研究成果最关键的任务，恰恰是提出点子与搜集资料。报告解释称，搜集资料往往需要动手进行实验，而点子生成较少使用 AI，可能是因为科学家更偏好独立思考，也可能是 AI 在选题与研究设计方面确实存在局限。相比之下，专为科研设计的 在提出点子与假说方面的对话占比达到 8%，这与研究者花费在这项任务上的时间比例大致相当，显示出专用工具在特定任务上的潜在优势。

在现有能力普及下的产出估算方面，报告首先评估了每项研究任务中"AI 理论上做得多好"的分数，发现这与实际使用量高度相关。分数前 20% 的任务，如资料视觉化、统计检定，其 Claude 使用量是研究者时间比例的 2 倍，Claude Code 则高达 4 倍；而分数最低的 20% 任务，如纯化反应混合物，几乎无人使用 Claude。基于经济模型的推估，若现有 AI 能力普及，AI 能接手一项新研究所需研究者时间的 27% 到 52%，各领域中位数为 38%。

换算成同样预算下的研究产出，统计领域将增长至 2.02 倍，资工为 1.96 倍，化学为 1.41 倍，人类学为 1.36 倍，艺术为 1.35 倍。增幅有限的原因在于，目前的 AI 主要扮演辅助角色，研究者在各个步骤仍需投入大量时间。差距主要源于两点：农业、生医、化学、材料等实验与田野科学有 38% 到 41% 的时间花在动手步骤，各领域中位数仅为 4%；而艺术与历史虽动手步骤少，但其思考型工作的 AI 评分偏低。