人工智慧正在執行哪些經濟任務？——基於數百萬對話的實證分析

關鍵章節標題列表

1. 引言
2. 背景與相關研究
3. 方法與分析
4. 任務層面的人工智慧使用分析
5. 職業技能的呈現
6. 按薪資與入行門檻劃分的人工智慧使用情況
7. 自動化與增強使用者能力的對比分析
8. 不同模型類型的使用模式
9. 討論
10. 結論

文件簡介

儘管人工智慧對勞動力市場的潛在影響引發廣泛討論，但關於AI系統在實際經濟任務中應用的系統性實證證據仍較為匱乏。現有預測模型、受控實驗及週期性調查等方法，難以動態追蹤AI能力演進與現實應用之間的關聯，這一研究缺口凸顯了開展大規模實證分析的必要性。

本研究提出了一種新穎的實證框架，透過對Claude.ai平台上數百萬條真實對話的隱私保護分析，結合美國勞工部O*NET資料庫的職業分類體系，首次實現了對AI在經濟任務中應用模式的大規模量化研究。該框架不僅能夠識別當前AI的使用特徵，還能為預判技術演進對經濟領域的潛在影響提供早期指標。

研究數據來源於2024年12月至2025年1月期間收集的Claude.ai免費版與專業版對話，借助Clio隱私保護分析工具，將對話內容映射至O*NET資料庫中的職業任務、技能要求及互動模式等維度。分析過程中建構了任務層級分類體系，確保對近20,000項獨特任務的精準匹配，並透過嚴格的隱私控制措施保障數據合規性。

核心研究發現顯示，AI使用主要集中在軟體開發與寫作任務，二者合計佔總使用量的近一半；約36%的職業中至少四分之一的任务涉及AI應用，而僅4%的職業中AI覆蓋了75%以上的任務。認知技能（如閱讀理解、寫作和批判性思維）在人機對話中佔比最高，而體力技能和管理技能的佔比極低。薪資層面，AI使用在薪資上四分位區間達到峰值，極高薪與低薪職業的使用率均相對較低；入行門檻方面，需本科及以上學歷的職業（Job Zone 4）AI使用率最高。

在應用模式上，57%的人機互動體現為對人類能力的增強（如任務迭代、知識學習），43%則表現為自動化特徵（如直接任務執行、回饋循環）。不同AI模型呈現出差異化應用場景：Claude 3.5 Sonnet更常用於編碼與技術任務，而Claude 3 Opus在創意寫作與教育內容開發中佔比更高。

本研究的方法論為動態追蹤AI在經濟領域的應用演進提供了自動化、精細化的實證基礎，其發現可為政策制定者、企業及研究者理解AI對工作場景的實際影響提供關鍵參考，同時也為應對技術變革帶來的勞動力市場調整提供了決策依據。