מדד אנתרופיק הכלכלי: הקצב שבו AI נכנס לחיינו ועבודתנו

דוח מדד אנתרופיק הכלכלי: קצבים

מבוא

לפני שנה, רוב השימוש בקלוד התבצע בצורת שיחה בין משתמש לסוכן. עם הצמיחה המהירה של Claude Code ו-Cowork, סשנים של קלוד מורכבים כיום יותר ויותר ממשימות סוכני ארוכות-טווח. תיעודי צ'אט כבר לא לוכדים באופן מלא את האופן שבו אנשים משתמשים ב-AI, ושיטות המחקר שלנו להבנת ההשפעות הכלכליות של קלוד נאלצו להתאים את עצמן.

כדי לעמוד בקצב, ביצענו מספר שינויים בצינור הנתונים שלנו עבור המדד הכלכלי. בגרסה זו, אנו:

• דוגמים נתונים בקצב גבוה יותר, מה שמאפשר לנו לצפות בדפוסי שימוש עד לרמה השעתית.
• מציגים סווג חדש המזהה את התוצר של כל שיחה.
• משתפים נתונים מפורטים יותר, ומפרקים תוצאות עבור שיחות צ'אט ו-Cowork (יחד, "שיחות קלוד") ו-API 1P, במצטבר ברמה חודשית.

אנו מתארים שינויים מתודולוגיים נוספים בנספח. יחד, שינויים אלו מספקים תמונה ברורה יותר של האופן שבו AI משקף ומתפשט אל תוך החיים הכלכליים.

בנוסף, בעבר חסרה לנו נראות לגבי השפעת קלוד מחוץ לסשני משתמשים. כיצד אנשים תופסים את שינוי עבודתם על ידי AI, או את ההזדמנויות העומדות בפניהם? האם השימוש שלהם ב-AI מעצב את ציפיותיהם? בעולם אידיאלי, מה ירצו מה-AI? אנו מדווחים על ממצאים ראשוניים מסקר מדד אנתרופיק הכלכלי, שהושק באפריל 2026.

אנו מציגים תצוגה מקדימה של הממצאים העיקריים שלנו להלן:

• בפרק 1, אנו מראים כיצד קצבי העולם החיצוני מעצבים את השימוש בקלוד. שאילתות הקשורות לעבודה פוחתות בסוף השבוע, אם כי פחות באופן דרמטי במקצועות בעלי השכר הגבוה ביותר; אנשים נוטים לבקש חדשות בבוקר, וייעוץ שינה מגיע לשיא בסביבות השעה 5 בבוקר; בקשות הקשורות למס מזנקות סביב מועדי ההגשה.
• פרק 2 בוחן את התוצרים הממשיים שאנשים לוקחים מסשני קלוד שלהם. אלו תלויים מאוד באיזה מוצר הם משתמשים. צ'אט ו-Cowork מספקים יותר הסברים מ-Claude Code, לדוגמה. אופי התוצר גם מעצב את האינטראקציות של אנשים עם קלוד. בניית אתר אינטרנט משאירה הרבה יותר לשיקול דעתו של קלוד מאשר תרגום מסמך, שבו התשובה נקבעת במידה רבה על ידי הטקסט. אנו רואים גם שיותר כוח חישוב קשור ל-Artifacts בעלי ערך רב יותר; הטוקנים שתוצר נתון צורך עולים עם הערך המשוער של העבודה.
• פרק 3 מציג את התוצאות הראשונות מסקר מדד אנתרופיק הכלכלי, אותו אנו מקשרים לנתוני השימוש בקלוד באמצעות המערכת שומרת הפרטיות שלנו. ציפיות וחוויות משתנות באופן שיטתי עם האופן שבו אנשים משתמשים בקלוד: אנשים המשתמשים בקלוד בצורה האוטומטית ביותר מצפים שה-AI ייקח על עצמו יותר ממשימותיהם בשנה הבאה, אך מרגישים הכי אופטימיים לגבי משמעות הדבר עבור עבודתם, וצופים השפעות חיוביות על שכר, ביטחון תעסוקתי ומשמעות.

קצבים

הטלמטריה החדשה שלנו, ששומרת על פרטיות ודוגמת ברציפות נתח משיחות מדי יום, מאפשרת לנו לחקור דפוסים יומיים ושעתיים בשימוש, בניגוד לדגימות של שבעה ימים שעליהן התבססו דוחות המדד הכלכלי הקודמים. ניתוחים אלה לוכדים עליות ומורדות בדפוסי העבודה ברחבי העולם.

אנו מוצאים כי השימוש בקלוד משקף את שבוע העבודה, כאשר פרומפטים אישיים מזנקים בסוף השבוע. הנתונים השעתיים לוכדים דפוסים תוך-יומיים – אנשים לרוב מבקשים ייעוץ שינה בסביבות השעה 5 בבוקר ומתכונים בסביבות השעה 6 בערב. אנו רואים גם שימוש המשקף תאריכים מרכזיים. לדוגמה, בקשות הקשורות למס זינקו רגע לפני המועד האחרון להגשה בארה"ב ב-15 באפריל.

שבוע העבודה

שיעור שיחות הצ'אט ו-Cowork המסווגות כשימוש אישי מזנק מכ-35% בימי חול לכמעט 50% בסופי שבוע במהלך תקופת הדגימה (איור 1.1). מחוץ לשבוע העבודה, שיחות המשתמשים עוברות מתכתובת עסקית, תוכן שיווקי ומצגות, לתמיכה רגשית, שאלות רפואיות וייעוץ השקעות. שינוי זה בולט במיוחד במדינות בעלות הכנסה גבוהה.



דפוס דומה קיים גם ב-Claude Code ובתעבורת ה-API 1P (כלומר, תעבורת API המנותבת ישירות דרך אנתרופיק), אם כי בשניהם שיעורי שימוש אישי נמוכים יותר.

אשכולות בקשות מאפשרים לנו ללכת רמה אחת עמוק יותר ולראות אילו משימות ספציפיות ב-Claude Code משתנות ביותר בין ימי חול לסופי שבוע. בסופי שבוע, אשכולות השימוש ב-Claude Code שיורדים באופן המשמעותי ביותר כוללים ארכיטקטורת בקאנד, דיבוג API ואחסון נתונים. אלה שעולים באופן המשמעותי ביותר כוללים עיצוב סוכני AI, מסחר כמותי וגיימינג.

סופי השבוע עשויים גם ליצור מרחב לאנשים לרדוף אחר מיזמים חדשים. בכל המדינות, שיחות הקשורות להקמת עסק הן הגבוהות ביותר בשבת וראשון. עם זאת, פעילויות בקשת עבודה יורדות בסוף השבוע יחד עם משימות אחרות הקשורות לעבודה.

קצבים יומיים

שעה אחר שעה, השימוש בקלוד משקף את קצבי חיי היומיום. איור 1.2 מציג את התדירות השעתית של אשכולות בקשות שונים ביחס לממוצע הכולל שלהם בתעבורה הגלובלית.

אנשים מבקשים חדשות בשעה 7 בבוקר לפי שעון מקומי. תכתובת עסקית (לדוגמה, ניסוח מיילים) עוקבת אחר קשת יום העבודה, עם שיא קל בשעות 10–11 בבוקר. אחד הזינוקים הגדולים ביותר הוא בקשות למתכונים, שהן בתדירות גבוהה פי 2.3 בשעה 6 בערב בהשוואה לממוצע. המלצות מדיה מרוכזות ביותר בערב, בעוד שאנשים מחפשים ייעוץ שינה בשעות ספורות לפני עלות השחר.



בלילות ובסופי שבוע, כאשר אנשים אכן פונים לקלוד לעבודה, המשימות נוטות למקצועות בעלי שכר גבוה יותר (איור 1.3). אף על פי שאיננו יכולים לזהות באופן חד משמעי את משרותיהם של האנשים המבצעים בקשות אלו, ייתכן שזה משקף את העובדה שאנשים במקצועות בעלי שכר גבוה יותר – כמו מנהלי שיווק או מתכנתי מחשבים – נוטים יותר לעבוד מחוץ לשעות המסורתיות. לעומת זאת, משימות הקשורות למשרות בשני הקוורטילים התחתונים – כמו טלמרקטינג ועבודות פקידות – יורדות לחלק קטן יותר מסך השיחות. דפוס זה אינו מונע אך ורק על ידי משימות מחשב ומתמטיקה: כאשר הסרנו מקצועות אלו מהניתוח בבדיקת יציבות, משימות בקוורטילים גבוהים יותר עדיין עלו בלילות ובסופי שבוע.



יום המס

תקופת הדגימה של דוח זה מכסה את מועדי הגשת דוחות המס לאנשים בארצות הברית. איור 1.4 מציג זינוק גדול בשיעור השיחות הקשורות למס סביב מועד ההגשה. ב-14 באפריל, אשכולות הקשורים למס היו נפוצים פי שמונה מאשר ביום ממוצע בחודש מאי ונשארו גבוהים בערך באותה מידה ב-15 באפריל. ב-16 באפריל, הם ירדו בחדות.



Artifacts

בפרק זה, אנו מסווגים כל שיחה בצ'אט וב-Cowork (להלן "שיחות קלוד") לפי ה-Artifacts שלה, אותם אנו ממיינים ליותר מ-30 קטגוריות. אנו מתייחסים לתוצר העיקרי שקלוד מייצר בשיחה – מסמך, הסבר, קטע קוד, מאמר אקדמי וכן הלאה, בין אם מוצג בחלון צ'אט או כמסמך נפרד – כ-Artifact. הרשימה המלאה של Artifacts נמצאת בנספח.

הסווג שלנו זיהה כי 93% משיחות קלוד יצרו Artifact (איור 2.1). ה-Artifacts הנפוצים ביותר הם הסברים (17% מהשיחות), מסמכים ודוחות (15%), והכוונה (11%). תוצרים שיחתיים (כמו הסברים או הכוונה) ותוצרי מסירה כתובים (כמו מסמכים או מצגות) מהווים כל אחד כשליש מהשיחות; קוד ועבודה טכנית (כמו אפליקציות או סקריפטים) מהווים כששית.



מהו תוצר אינו אומר למה הוא מיועד: אותו Artifact יכול להיות תוצר עבודה או פרויקט אישי. אנו בוחנים את הפיצול הזה בהמשך.

לשם מה משמש כל Artifact?

מדד אנתרופיק הכלכלי של ינואר הציג פרימיטיב המסווג כל שיחה כעבודה, אישית או קורס. כאן, אנו מיישמים פיצול זה על ה-Artifacts המיוצרים בשיחות קלוד (איור 2.2).

כמה קטגוריות של Artifacts הן כמעט תמיד אישיות. למעלה מ-80% מהשיחות המייצרות כתיבה יצירתית, הכוונה ומתכונים סווגו כאישיות. בתוך קטגוריות, השימושים האישיים והקשורים לעבודה יכולים להיראות שונים למדי. כתיבה יצירתית אישית, למשל, נשלטת על ידי פאנפיקשן, בניית עולמות ושירה; ה-13% שהם קשורים לעבודה הם בעיקר בצורת תסריטי וידאו קצרים, תסריטאות ונאומים. קטגוריות שסביר ביותר שיהיו קשורות לעבודה כוללות יצירת תוכן שיווקי (80%), יצירת בלוגים או מאמרים (81%) וכתיבת שאילתות מסדי נתונים (82%).

תוצרים רבים סבירים באותה מידה לשימוש אישי ועבודה, כולל יצירת תוכניות או אסטרטגיות (44% קשורות לעבודה, 49% אישיות) או תרגום (42% עבודה, 44% אישי). לדוגמה, הסוגים הנפוצים ביותר של Artifacts תכנון אישי כוללים מסלולי טיול ולוחות זמנים לאימונים, בעוד שתוכניות הקשורות לעבודה מתייחסות לרוב לאסטרטגיות יזמיות או תוכן.

לבסוף, Artifacts שאופייניים לעבודות קורס כוללים יצירת מאמרים ותזות אקדמיות, חומרי לימוד ושאילתות מתמטיות, אם כי חלק לא מבוטל מכל אחד מהם נכנס גם לקטגוריות עבודה וגם לקטגוריות אישיות.



אנו יכולים גם להפוך את השאלה. במקום לשאול למה משמש כל תוצר, אנו יכולים לשאול אילו סוגי Artifacts שיחות עבודה, אישיות ועבודות קורס נוטות לייצר. שיחות עבודה לרוב מייצרות מסמכים ודוחות (20%), ואחריהן הסברים (9%), טיוטות מייל (7%) וניתוחים וסיכומים (6%). שיחות עבודות קורס נראות דומות באופן כללי, עם מסמכים ודוחות המובילים גם שם (21%), ואחריהם מקרוב הסברים (20%), חומרי לימוד (11%) ומאמרים אקדמיים (6%). לעומת זאת – ולא מפתיע – רק 6% מהשיחות האישיות מייצרות מסמך. במקום זאת, התוצאות הנפוצות ביותר הן הסברים (25%) והמלצות (22%).

עלות עוקבת אחר ערך העבודה

ייצור תוצרים אלה דורש כוח חישוב, ואנו מוצאים שכוח חישוב נוטה להתרחב עם ערך העבודה. אנו מודדים את עלויות החישוב של כל שיחה בטוקנים – כמות הטקסט שעובד ונוצר, כולל החשיבה הפנימית של קלוד – ומשווים בין מקצועות על ידי מיפוי המשימה המסווגת של כל שיחה למקצוע שבדרך כלל מבצע אותה. לאורך סעיף זה, אנו מגבילים את הניתוח שלנו לשיחות הקשורות לעבודה.

הפאנל השמאלי של איור 2.3 מציג קשר חיובי בין המספר החציוני של טוקנים ברמת השיחה לבין השכר החציוני במקצוע הממופה. לדוגמה, מנהלי שיווק מרוויחים בערך פי שניים מעורכים (80$ לעומת 37$ לשעה) ושיחות הממופות למשימותיהם צורכות בערך פי 2.5 יותר טוקנים. אמנם, הקשר רועש וישנם חריגים בולטים. רוקחים, למשל, מרוויחים כמעט פי שלושה מעוזרים סטטיסטיים (68$ לעומת 24$ לשעה), אך שיחות הממופות למשימות רוקחים משתמשות רק בכעשרים אחוז ממספר הטוקנים.



הטוקנים הנצרכים ליצירת סוגים שונים של Artifacts מספרים סיפור דומה. תוצרים מורכבים ויקרים יותר נוטים לצרוך באופן משמעותי יותר טוקנים מתוצרים פשוטים יותר. לדוגמה, שיחות על בניית אפליקציות משתמשות ביותר מפי שלושה טוקנים מהשיחה החציונית. בקצה השני של הספקטרום, הסבר טיפוסי משתמש בכחמישית מהטוקנים של השיחה החציונית. כ-44% משיפוע השכר בצריכת הטוקנים מוסבר על ידי תמהיל התוצרים – מקצועות בעלי שכר גבוה נוטים יותר לייצר Artifacts עתירי כוח חישוב.

מדוע זה חשוב מבחינה כלכלית? בשיחות הממופות למקצועות בעלי שכר גבוה, קלוד מייצר יותר (פי 1.34 תפוקה לסיבוב), בעוד שמשתמשים מעורבים יותר (פי 1.53 יותר סיבובים) ומאפשרים חשיבה מורחבת לעיתים קרובות יותר (34% מהשיחות לעומת 31%; טבלה 2.4). חשוב לציין, אלו נעים יחד: יותר ייצור מצד קלוד אינו אומר פחות מצד המשתמש. אם האדם נשאר מעורב במשימות בעלות הערך הגבוה ביותר, הדפוס נראה יותר כמעצים עבודה מאשר מחליף עבודה. זה גם מראה, במידה מסוימת, שתוצרים בעלי ערך רב יותר עולים יותר. הסעיף הבא בוחן כמה מקבלת ההחלטות בתוך כל שיחה מואצל לקלוד.



עד כמה קלוד אוטונומי בקבלת החלטות?

אנו מודדים זאת בסולם של 1-5, מ"אף אחד" ל"קיצוני". משימות שקל לתאר או לציין כרוכות באוטונומיה מועטה: התוצרים בעלי האוטונומיה הנמוכה ביותר הם מתמטיקה או חישובים, תרגומים ושאלות ותשובות. משימות אוטונומיות גבוהות הן אלו הדורשות בחירה מבין אפשרויות רבות, למשל, יצירת אפליקציות ואתרים, משחקים או מצגות. עבודה כזו, הדורשת שיקול דעת מתמשך, הייתה קשה לאוטומציה מבחינה היסטורית. על ידי השוואת רמת האוטונומיה בצ'אט ו-Cowork של קלוד ל-Claude Code, אנו מראים שזה מתחיל להשתנות.

כמעט בכל סוגי התוצרים (26 מתוך 31 תוצרים המוצגים) רמת האוטונומיה של ה-AI גבוהה יותר ב-Claude Code מאשר בצ'אט או Cowork. לדוגמה, שיחות המייצרות סקריפטים וקטעי קוד כרוכות ב-0.53 נקודות יותר אוטונומיה (בממוצע, בסולם 1-5) כאשר נוצרות עם Claude Code מאשר שיחות המייצרות את אותו תוצר בצ'אט או Cowork. בכל השיחות ההבדל הממוצע באוטונומיה הוא 0.37 נקודות, ויש לו שני מקורות עיקריים.

כשני שלישים מההבדל מוסברים על ידי אותן משימות המבוצעות עם יותר האצלה ב-Claude Code. פוסטים ומאמרים בבלוג מדגימים זאת: הבקשות והמשימות שמאחוריהן דומות בשני הממשקים, אך אופן העבודה של אנשים עם קלוד שונה בחדות. שיחת הצ'אט וה-Cowork החציונית המייצרת פוסט או מאמר בבלוג כרוכה ב-13 סבבים של הלוך ושוב, בעוד שסשן Claude Code החציוני המייצר בלוג מכיל פרומפט אנושי אחד. השליש הנותר משקף את התמהיל השונה של סוגי תוצרים בין שני הממשקים.



אפשר לחשוד שהבדל זה פשוט משקף בחירת מודל. סשנים של Claude Code פועלים על המודלים המסוגלים ביותר לעיתים קרובות יותר (54% מופעלים על ידי Opus, לעומת 10% משיחות הצ'אט וה-Cowork). עם זאת, הפער נשמר כאשר אנו משווים שיחות המופעלות על ידי אותו מודל. לדוגמה, בקרב שיחות המשתמשות ב-Sonnet, סשנים של Claude Code עדיין מציגים 0.26 נקודות יותר אוטונומיה, מה שמעיד שהמוצר המשמש חשוב יותר מהמודל הבסיסי.

במבט רחב יותר מהשוואת הממשקים, סוגי התוצרים שבהם משתמשים מאצילים הכי הרבה הם אותם אלו הצורכים הכי הרבה כוח חישוב: בכל ה-Artifacts, אוטונומיה ממוצעת ושימוש חציוני בטוקנים עולים יחד (r = 0.68 בצ'אט וב-Cowork; נספח איור א.2).

קלוד עונה ברמה גבוהה יותר מהנדרש

עבור כל שיחה, סווג מעריך שתי רמות קריאה – אחת עבור פרומפט המשתמש, ואחת עבור תגובת קלוד – המבוטאות כשנות ההשכלה הנדרשות כדי להבין את הטקסט. אנו מוצאים שרמת הקריאה משתנה מאוד בהתאם לסוג ה-Artifact. שאילתה ממוצעת המביאה למאמר אקדמי תדרוש יותר מ-16 שנות השכלה, בערך שווה לרמת תואר ראשון, ו-15% משיחות אלה הן ברמת דוקטורט ומעלה (20 שנות השכלה או יותר). בקצה השני של הספקטרום נמצאות שיחות המביאות למתכונים או להכוונה, שבהן נדרשות פחות מ-10 שנות השכלה כדי להבין את הפרומפט.

באופן כללי, לסוגי Artifacts עם תוצרים ברמת קריאה גבוהה יותר יש גם פרומפטים ברמת קריאה גבוהה יותר (מתאם של 0.87 בין שיחות). עם זאת, אנו גם מבחינים שבכמעט כל קטגוריה, התוצר של קלוד הוא ברמת הבנה גבוהה יותר מהפרומפט, בממוצע בכשנת לימודים אחת. הפער הוא הרחב ביותר כאשר משתמשים מתארים משהו לבנייה, כמו תמונות וגרפיקה (+2.6 שנים), משחקים (+1.9) ואפליקציות ואתרים (+1.7). חלק מהפער עשוי להיות פשוט סגנוני; פרומפטים הם לעיתים קרובות קצרים ולא רשמיים, בעוד שקלוד נוטה להשיב בפרוזה מלוטשת. עם זאת, הפער קרוב לאפס עבור כתיבה המיועדת לקהל (בלוגים -0.1, מאמרים אקדמיים +0.0, מיילים +0.3), ייתכן משום שפרומפטים לרוב מנסחים שפה או חומר מקור שנכתב באותו סגנון כמו התוצר המיועד.



תפיסות

שני הפרקים הראשונים מראים כיצד אנשים משתמשים בקלוד, אך אינם מספקים תובנה רבה לגבי האופן שבו אנשים חווים AI בעבודה – כיצד הם מצפים שתפקידיהם ומקומות העבודה שלהם ישתנו, כיצד הם מרגישים לגבי ההשפעה הנוכחית והפוטנציאלית של AI, ומה הם מקווים מהטכנולוגיה. הראיונות שלנו עם 81,000 משתמשי קלוד, שנערכו בדצמבר 2025 באמצעות Anthropic Interviewer, סיפקו תמונה: המשיבים דיווחו על עליות גדולות בפריון, אך גם הביעו דאגה מפני החלפה. דאגות אלו התרכזו בקרב עובדים בתחילת דרכם ובמקצועות שבהם אנו רואים את קלוד מבצע את מירב העבודה.

באפריל 2026, השקנו את סקר מדד אנתרופיק הכלכלי כדי לבנות על עבודה זו. הסקר מאפשר לנו לשאול אנשים ישירות על ניסיונם עם AI ועבודה, ולחקור כיצד התגובות משתנות עם השימוש בקלוד. אנו מקשרים תגובות סקר לנתוני שימוש מאמצע מאי ועד תחילת יוני באמצעות שיטות שומרות פרטיות. כדי לאפיין את דפוסי השימוש של כל משיב, אנו דוגמים באופן אקראי עד 20 סשנים לאדם בתוך חלון זמן זה (בכל Claude.ai, Cowork ו-Claude Code, כך שתמהיל הסשנים ישקף את השימוש הטיפוסי של כל אדם בין ממשקים). אנו לא כוללים משיבים עם פחות מחמישה סשנים כדי להפחית רעש דגימה. מדגם הנתונים המקושר הסופי שלנו מורכב מכ-9,700 משיבי סקר.

אנו מוצאים שרוב המשיבים מצפים להתקדמות משמעותית של ה-AI בשנה הקרובה. בעוד שתפיסת יכולות ה-AI תלויה בניסיונם של אנשים, במקום מגוריהם, ובמידת חשיפת עבודתם ל-AI, ציפיותיהם לגבי קצב ההתקדמות העתידי אחידות באופן בולט, ועקביות עם "גאות עולה", שבה יכולות ה-AI משתפרות באופן נרחב.

הדעות לגבי משמעות ההתקדמות הזו עבור הקריירה שלהם פחות אחידות. עובדים בתחילת דרכם מדווחים שה-AI יכול לבצע את החלק הגבוה ביותר מעבודתם ומביעים את הדאגה הגדולה ביותר מאובדן עבודה. עם זאת – בניגוד לחשש נפוץ – האנשים שמאצילים לקלוד הכי הרבה הם האופטימיים ביותר לגבי תוצאות שוק העבודה העתידיות שלהם, ומרגישים שמיומנויותיהם הולכות וגדלות בערכן. ולמרות (או אולי בגלל) קרבתם לחזית ה-AI, תקוותיו של המשיב הממוצע לעשור הבא מתמקדות לא בהחלפה אלא בשיתוף פעולה. הם מקווים שה-AI יוכל לשמר עבודה משמעותית ולאוטמט את המשימות השגרתיות, ושהרווחים ממנו יחולקו באופן נרחב.

מי הגיב לסקר המדד הכלכלי

סקר המדד הכלכלי אינו מייצג את האוכלוסייה הכללית. אנו מגיעים למדגם אקראי של משתמשי קלוד, ייתכן שיש בחירה במי שמשלים את הסקר, ואנו מסננים משתמשים לא תדירים מהניתוח שלנו. איור 3.1 מציג את תמהיל המקצועות של משיבי הסקר (כתום) לצד התעסוקה בארה"ב (אפור). מקצועות מחשבים ומתמטיקה מיוצגים יתר על המידה באופן משמעותי, ומהווים כ-30% ממשיבי הסקר – בדומה לשיעורם בשימוש בקלוד, אך הרבה מעל שיעורם של 4% בתעסוקה בארה"ב. ניהול, ב-23% מהמשיבים, מיוצג אף הוא יתר על המידה באופן משמעותי יחסית לשיעור התעסוקה שלו של 7%, אף על פי שהוא מהווה רק 4% מהסשנים. פער זה עקבי עם מנהלים המשתמשים בקלוד למשימות שאינן ניהול עצמו: בסקר, שיקול דעת וניהול מוזכרים על ידי משיבים רבים (במיוחד אלה עם יותר ניסיון) כיכולות חסרות ל-AI. קטגוריות מקצועות פיזיים כמו תחבורה והובלת חומרים, הכנת והגשת מזון, ובנייה וחילוץ מיוצגות כולן בחסר בסקר, כפי שהן גם בסשני קלוד.



AI ומשימות עבודה

מחקר על השפעות AI מתמקד לעיתים קרובות בחשיפה תעסוקתית, או איזה חלק מהמשימות בתוך עבודה נתונה ניתנות לביצוע עם AI. בעבודה קודמת, בנינו מדד של חשיפה נצפית, הלוכד את שיעור המשימות התעסוקתיות שאנו כבר רואים מבוצעות עם קלוד. השווינו אותו למדד נפוץ של חשיפה תיאורטית, או שיעור המשימות התעסוקתיות שמודל שפה גדול יכול תיאורטית לבצע.

דרך נוספת להבין חשיפה תעסוקתית היא פשוט לשאול אנשים כמה מעבודתם מסוגל ה-AI לבצע לחלוטין בכוחות עצמו כיום (להלן חשיפה מדווחת), ואיזה שיעור הם מצפים שהוא יטפל בו בעוד 12 חודשים (חשיפה צפויה), עם אפשרות לבחור מתוך חמש רמות הנעות בין "כמעט כלום" ל"כמעט הכל". קרוב ל-6 מתוך 10 משיבים בחרו רמה גבוהה יותר לשנה הבאה מאשר להיום. למעלה משליש מצפים שה-AI יוכל לבצע את רוב או כמעט את כל משימות העבודה שלהם בשנה הבאה (איור 3.2).



איור 3.3 משווה חשיפה מדווחת וצפויה לחשיפה נצפית ותיאורטית. אנו שואלים האם מה שאנשים מדווחים וצופים שה-AI יכול לעשות מתיישב עם מדדי החשיפה הנצפית והתיאורטית בין מקצועות, והאם משיבים שמקצועותיהם מדורגים גבוה יותר במדדי חשיפה נצפית או תיאורטית מצפים להתקדמות מהירה יותר בשנה הבאה. על השאלה הראשונה, התשובה היא כן: חשיפה מדווחת (נקודות אפורות) מתואמת באופן חיובי עם חשיפה נצפית ותיאורטית כאחד. על השאלה השנייה, התשובה היא לא: הקווים הטובים ביותר להתאמה עבור חשיפה מדווחת וצפויה בעוד 12 חודשים (נקודות כתומות) מקבילים למעשה, כלומר שאנשים בתפקידים עם חשיפה נצפית או תיאורטית גבוהה מצפים בערך לאותה עלייה בחלק ממשימות עבודתם שה-AI יכול לבצע בשנה הבאה כמו אלה בתפקידים עם פחות חשיפה נצפית ותיאורטית. במילים אחרות, מהנדס תוכנה ומנהל בנייה צופים בערך את אותה עלייה בהתקדמות בתוך המקצוע שלהם.

ראוי לציין גם שחשיפה מדווחת עולה באופן שיטתי על חשיפה נצפית. הסבר אחד לכך הוא שלא כולם מבצעים כל משימה במקצוע, והסקר שלנו מגיע באופן לא פרופורציונלי לאלה המשתמשים ב-AI יותר. באופן אנלוגי, מכיוון שחשיפה תיאורטית היא חסם עליון למה שאפשרי במקום מדד של שימוש נוכחי, חשיפה תיאורטית מציגה באופן שיטתי נתונים גבוהים יותר מחשיפה מדווחת.



אנו בוחנים גם כיצד תפיסות היכולות הנוכחיות והעתידיות של AI קשורות למאפיינים ולדפוסי השימוש של המשיבים. הפאנל השמאלי של איור 3.4 מראה שתפיסות יכולות ה-AI מתואמות באופן שלילי עם התמ"ג במדינה: שיעור המשימות הממוצע שאנשים מדווחים שה-AI יכול לבצע עבורם כיום נמוך בכ-10 נקודות אחוז במדינות בעלות הכנסה גבוהה. דפוס זה עקבי עם האפשרות שה-AI מחליף חלק גדול יותר מהמשימות שעובדים במדינות בעלות הכנסה נמוכה מבצעים ביום-יום, גם אם מדדי חשיפה ברמת המקצוע – הנוטים להיות גבוהים יותר בכלכלות מפותחות – מצביעים על אחרת. ואכן, קרן המטבע הבינלאומית ציינה כי בעוד שכלכלות מתקדמות עומדות בפני חשיפה רחבה יותר ל-AI באופן כללי, לעובדים במדינות בעלות הכנסה נמוכה עשויה להיות פחות גישה למיומנויות ותשתיות משלימות המאפשרות ל-AI להעצים במקום להחליף את עבודתם. בעבודה קודמת תיעדנו כי כלכלות בעלות הכנסה נמוכה נוטות להשתמש בקלוד בדרכים אוטומטיות יותר גם כאשר מתאימים להבדלים בתמהיל המשימות.

הפאנל האמצעי מראה שחשיפה מדווחת וצפויה מתואמות גם באופן שלילי עם שנות ניסיון בעבודה. אנשים עם לפחות 15 שנות ניסיון מציבים את שיעור המשימות שה-AI יכול לבצע בכ-10 נקודות אחוז נמוך יותר מאלה שבשנת עבודתם הראשונה. אנו מוצאים עדויות לכך שזה עשוי להיות משום שעובדים מנוסים צברו מומחיות סמויה או ספציפית להקשר שקשה ל-AI לחקות. בשאלות מעקב, שאלנו אנשים אילו משימות לדעתם ה-AI לעולם לא יוכל לבצע ולמה; התשובות הנפוצות ביותר הדגישו של-AI חסר שיקול הדעת, המודעות ההקשרית וההסקה המצבית הנדרשות לעבודתם. משיבים, ובאופן לא פרופורציונלי אלה עם לפחות 15 שנות ניסיון, הצביעו גם על הממדים היחסיים והבינאישיים של עבודתם – בניית אמון וניהול אנשים – כדברים שה-AI אינו יכול לשכפל.

כמו בחשיפה תעסוקתית ל-AI, אנו מוצאים שתפיסות לגבי שיפורים עתידיים ביכולות ה-AI כמעט ואינן מתואמות עם התמ"ג לנפש ושנות הניסיון. שיעור המשימות הצפוי שה-AI יוכל לבצע בעוד 12 חודשים גבוה באופן אחיד מתפיסות לגבי יכולות ה-AI כיום.



בהמשך נבחן את הקשר בין האופן שבו אנשים מתקשרים עם קלוד לבין תפיסותיהם הנוכחיות לגבי יכולות קלוד. כמו בדוחות קודמים, אנו מבחינים בין מצבי "אוטומציה" ו"העצמה" בשיתוף פעולה עם קלוד. אנו מזהים שיחות כאוטומטיות כאשר קלוד מתבקש להשלים משימה עם מעט מאוד או ללא קלט מהמשתמש. באופן קונקרטי, שיעור האוטומציה הוא שיעור השיחות שהדפוס שלהן הוא הנחיה ("תרגם מסמך זה") או לולאת משוב ("ערוך מייל זה... הפוך אותו ליותר קז'ואלי").

הפאנל הימני של איור 3.4 מראה שחשיפה מדווחת וצפויה עולות עם שיעור האוטומציה. זה יכול להיות מכיוון שהאצלה מספקת מידע על יכולות – אנשים המוסרים משימות שלמות צופים ישירות במה שה-AI יכול להשלים בכוחות עצמו – או מכיוון שאנשים שכבר מאמינים שה-AI יכול לבצע את עבודתם הם אלה הנכונים ביותר למסור אותה. אותם דפוסים נשמרים כאשר אנו מחליפים את שיעור האוטומציה בשיעור הסשנים המוקדשים למשימות עבודה, או בשיעור המתבצע ב-Claude Code.

AI ותפקידים

אנו שואלים גם כיצד אנשים חושבים שתפקידיהם ישתנו ב-12 החודשים הבאים. למעלה משליש מהמשיבים אמרו שזה סביר או סביר מאוד שאחריות תשתנה באופן משמעותי (עבור עצמם, עמית, עמית זוטר ועמית בכיר). 10% דירגו את איבוד תפקידם כסביר או סביר מאוד. נתון זה נמוך במקצת משיעור הסיכון השנתי של אובדן עבודה בארה"ב; עם זאת, מכיוון שהמשיבים שלנו נוטים להיות עובדי ידע בעלי תעסוקה יציבה (קבוצה שסביר להניח שחווה סיכון נמוך מהממוצע לניתוק מראש), זה עדיין עשוי להצביע על סיכון נתפס מוגבר. כשנשאלו שאלה פתוחה על מה מניע את התחזיות שלהם, 38% מהמשיבים שדירגו את אובדן תפקידם כסביר או סביר מאוד ייחסו את תחזיותיהם ל-AI. ראוי לציין, שהמשיבים היו מודאגים יותר בממוצע מאובדן עבודה עבור אחרים מאשר עבור עצמם. המשיבים דאגו במיוחד מאובדן עבודה עבור עמיתיהם הזוטרים, כאשר למעלה משליש הצהירו שהסבירות שעמית זוטר יאבד את תפקידו בשנה הבאה היא למעלה מ-60%. המשיבים דאגו גם יותר מאובדן עבודה (עבור כולם) במדינות בעלות הכנסה נמוכה יותר.



האם אנשים המשתמשים בקלוד בדרכים אוטומטיות יותר מודאגים גם יותר מאובדן עבודה? אנו בוחנים מה אמרו אנשים על ההשפעה הצפויה של ה-AI בשנה הבאה על שישה ממדים של עבודה: שכר, ביטחון תעסוקתי, יכולת למצוא עבודה חדשה (ממדים כלכליים) ומשמעות, אוטונומיה ואינטראקציה אנושית (ממדים פנימיים); ובודקים כיצד ציפיות אלה נבדלות לפי שיעור האוטומציה בשימוש בקלוד.

בכל ששת הממדים, אנשים עם שיעור גבוה יותר של סשנים אוטומטיים מרגישים אופטימיים יותר לגבי השפעת ה-AI על תוצאות תפקידם בשנה הבאה בהשוואה לאלה המשתמשים בקלוד באופן מעצים יותר. ראינו את ההשפעות הגדולות ביותר על הציפיות לגבי השפעות חיוביות על שכר עתידי ויכולת למצוא עבודה.



שאלה טבעית היא מדוע שימוש אוטומטי וסנטימנט נעים יחד. ייתכן שקשר זה מוסבר על ידי בחירה, שאנשים הנלהבים ביותר מ-AI הם גם הנכונים ביותר למסור לו משימות שלמות. איננו יכולים לשלול זאת לחלוטין, אך הערכות אלו אינן משתנות באופן משמעותי כאשר אנו שולטים על משך השימוש של המשתמש ב-Claude.ai – שאותו אנו יכולים לחשוב כפרוקסי להתלהבות, מכיוון שהוא לוכד מאמצים מוקדמים לעומת מאמצים מאוחרים.

אפשרות נוספת היא שאנשים המשתמשים ב-AI בדרכים אוטומטיות יותר חווים כיום יותר מהיתרונות שלו. בהתאם לממצאים הקודמים שלנו, רוב גדול של אנשים מדווחים על עליות בפריון במהירות, בהיקף ובאיכות עבודתם (86%, 82% ו-69%, בהתאמה), בעוד ש-27% מדווחים על עליות באמצעות חיסכון בעלויות על שירותים שהיו צריכים לרכוש אחרת.

בנוסף לעליות פריון משמעותיות, רוב האנשים מדווחים גם על למידה רבה יותר עם AI (68%) ומרגישים שה-AI הפך את מיומנויותיהם לבעלות ערך רב יותר (57%). איור 3.7 מציג כיצד שתי תוצאות אלו משתנות עם שיעור הסשנים האוטומטיים. אנו רואים כי שיעור האנשים המדווחים שה-AI מגדיל את ערך השוק של מיומנויותיהם עולה עם שיעור האוטומציה, בעוד ששיעור המדווחים שהם לומדים יותר שטוח בערך.

חשש נפוץ לגבי האצלה הוא שמסירת משימות שלמות ל-AI פירושה ויתור על חשיבה, כאשר רווחים בתפוקה באים על חשבון למידה והתנוונות מיומנויות. איננו רואים דפוס זה כאן: האצילים כבדים יותר מדווחים על למידה באותו קצב כמו כולם. עם זאת, אלו הן הערכות עצמיות, ומיומנויות יכולות להישחק גם כאשר הן הופכות ליותר יקרות ערך וכאשר מישהו מדווח על למידה רבה יותר, כך שהנתונים אינם שוללים שחיקת מיומנויות.



כיצד השימוש משתנה בין המגדרים

עד כה בחנו כיצד דפוסי השימוש קשורים לציפיות ולהתנהגות. כעת, אנו בוחנים מי משתמש בקלוד בדרכים שונות. ההבדלים הבולטים ביותר הם לפי מגדר. נשים, המהוות רק 12% ממדגם המשיבים המקושר שלנו, משתמשות בקלוד באופן שונה מגברים. גם לאחר התחשבות בהבדלים מקצועיים, הן נוטות פחות להשתמש בקלוד לעבודה, שיעור הסשנים שלהן ב-Claude Code נמוך ב-0.24 סטיות תקן (6.3 נקודות אחוז), ושיעור האוטומציה שלהן נמוך ב-0.33 סטיות תקן (7.3 נקודות אחוז). במקום זאת, נשים נוטות להשתמש בקלוד באופן איטרטיבי יותר, והן רושמות יותר זמן פעיל בצ'אט מגברים, סימן למעורבות שיתופית יותר.



למה אנשים מקווים מכלכלה שעוצבה על ידי AI?

סקר מדד אנתרופיק הכלכלי מציף שילוב של חוויות ורגשות חיוביים ושליליים ביחס ל-AI, אך אנו מסיימים את הסקר בנימה של תקווה. השאלה הפתוחה האחרונה מבקשת מהמשיבים "לחלום בגדול: איך לדעתכם תיראה כלכלה שעוצבה על ידי AI בעוד עשר שנים?" העברנו כל תגובת סקר דרך סווג שתיג את התגובות לנושאים רלוונטיים. אנו מציגים להלן את חמשת הנושאים המצוטטים ביותר. תיאורים נוספים של כל אחד מהם ניתן למצוא בנספח.



הנושא הנפוץ ביותר שהובע היה נושא העצמת העבודה באמצעות AI. למעלה ממחצית ממשיבי הסקר הביעו גרסה כלשהי של רצון לשתף פעולה עם AI בעבודה שמרגישה משמעותית, של רצון שהקריירה שלהם עדיין תהיה חשובה, ו/או תקווה שתעשיות חדשות יקומו ויצרו הזדמנויות עבודה חדשות. במקביל, קצת למעלה ממחצית מהמשיבים קיוו לאוטומציה של AI – במיוחד של החלקים המתישים של עבודתם – כדי שיוכלו לקבל יותר זמן פנוי ויותר מקום למשמעות מחוץ לעבודה. הנושא השלישי הנפוץ ביותר, שהובע על ידי כשליש ממשיבי הסקר, היה נושא של שגשוג משותף: התקווה שהרווחים הכלכליים מ-AI יחולקו באופן נרחב.

דיון

AI מתפשט במהירות בכל הכלכלה, על פני מספר הולך וגדל של ממשקים, עם תוצרים חכמים יותר ויותר. בממשקי צ'אט AI מוקדמים יותר, השימוש היה פשוט, כלול בחלון הצ'אט ללא חיפוש באינטרנט, קריאות כלים, Artifacts או תכונות אחרות. כעת, מודלי קלוד יכולים לפעול באופן אוטונומי במשך שעות באמצעות Claude Code ו-Cowork. ככל שצורות אלו משתנות, גם בסיס המשתמשים משתנה. מאמצים מוקדמים היו טכניים מאוד. המשתמשים האחרונים שלנו מיישמים את קלוד למשימות הדורשות שכר נמוך יותר בשוק העבודה.

בדוח זה, נקטנו מספר צעדים לקראת מדידה אינפורמטיבית יותר. ראשית, התחלנו למדוד יותר ויותר בתדירות גבוהה, ולעבד נתונים בדגימות שעתיות. זה חושף כיצד קצבי חיי היומיום חרוטים ביומני השימוש שלנו ופותח דרכים למחקר עתידי. שנית, התחלנו לתעד Artifacts, או את התוצרים שאנשים לוקחים מקלוד. אלה הופכים את תפוקת העבודה של קלוד לקריאה יותר, ומראים כמה דפוסים אינטואיטיביים.

לבסוף, נתוני שימוש נושאים רק מידע מוגבל. הסקר שלנו איפשר לנו, לראשונה, לשאול אנשים ישירות על האופן שבו הם משתמשים ב-AI וכיצד הם מרגישים לגביו. מצאנו שמשיבי הסקר שלנו משתמשים ב-AI ליותר ממה שאנו מייחסים לו – הם מדווחים שה-AI יכול לבצע חלק גבוה יותר מעבודתם ממה שמדד החשיפה הנצפית לתפקידם היה מציע. כשנשאלו לחזות את יכולות השנה הבאה, למעלה מ-35% חזו שה-AI יוכל לבצע את רוב עבודתם.

סיווג מדויק של העבודה שקלוד עושה יישאר יעד נע. לדוגמה, ככל שיכולות ה-AI יגדלו, בינות מלאכותיות עשויות לתקשר ולהחליף מידע זו עם זו יותר ויותר, אולי בדרכים בלתי ניתנות לפענוח על ידי בני אדם או סווגים פשוטים. בסופו של דבר, השפעת קלוד על הכלכלה תהיה גלויה במצרפים כלכליים כמו תעסוקה ופריון, כמו גם ביומני השימוש שלו. ובכל זאת, סביר להניח של-AI תהיה השפעה מוקדמת ביותר בתחומים שבהם הוא מבצע את מירב העבודה, כך ששפיכת אור על דפוסי שימוש משתנים אלה תישאר דרך מפתח ליידע את הציבור.

נספח

זמין כאן.