哪些工作正在被 AI 自動化？Claude 把 Economic Index 變成可查詢資料庫
企業討論 AI 對工作的影響時，最常出現兩種極端說法：AI 將取代大量工作，或 AI 只是另一個提高效率的工具。
問題是，兩邊通常都缺乏真實使用資料。
Anthropic Economic Index 嘗試從 Claude 的實際使用模式回答這個問題。現在，使用者可以直接向 Claude 詢問哪些職業最常使用 AI、哪些任務偏向自動化，以及不同時間和地區的使用差異，回答會引用 Economic Index 的公開資料。
從閱讀報告變成追問資料
過去使用 Economic Index，需要閱讀長篇報告、下載 dataset，再自行處理職業分類與 automation 指標。把資料接進 Claude 後，入口變成自然語言：
- 哪些職業最常使用 Claude？
- 軟體工作偏向 automation 還是 augmentation？
- 週末最常增加哪些類型的任務？
- 高所得國家與其他地區的使用模式有何差異？
這降低了探索門檻，但沒有消除分析責任。Claude 可以協助找到資料，使用者仍需確認樣本期間、產品範圍、分類方式與指標定義。
Automation 和 augmentation 不是同一條直線
Economic Index 把互動分成五種模式，再歸為兩大類。
Automation 包括 directive 與 feedback loop：使用者交付任務，Claude 完成大部分工作，必要時接受修正。
Augmentation 包括 learning、task iteration 與 validation：使用者學習、共同迭代或請 Claude 檢查自己的成果。
但「自動化程度」與「模型自主性」也不是同一件事。請模型把一段文字翻成法文，互動上高度自動化，卻不需要太多判斷；請 Agent 設計一個網站，可能需要多輪合作，同時把大量設計決策交給模型。
企業若只問「這個職位會不會被取代」，就會錯過真正可操作的層級：一個職位包含多種任務，而每個任務需要的判斷、責任與回饋頻率不同。
最新資料透露了哪些工作節奏
2026 年 6 月報告加入更高頻率的 privacy-preserving telemetry，開始觀察日與小時層級的使用變化。
幾個值得注意的現象包括：
- 個人用途在平日約占 35%，週末上升到接近 50%。
- 新聞查詢集中在早上，食譜集中在傍晚，睡眠建議則在清晨增加。
- 美國報稅截止日前，稅務相關對話達到五月平均日的八倍。
- 週末 Claude Code 的 backend architecture、API debugging 與 data storage 任務下降，但 AI Agent 設計、量化交易與遊戲相關任務增加。
這些資料不只是在描述聊天偏好，也顯示 AI 使用已開始反映工作週期、法規期限與個人創作時間。
對工具開發者而言，這意味著需求不是均勻分布的。企業 Agent 可能需要在工作日處理大量重複流程；個人生產力產品則可能在夜間與週末迎來更複雜、探索性更高的任務。
這份資料不能代表所有工作者
Economic Index 的最大限制，是資料來自 Claude 使用者，而不是整體勞動市場。
Claude 的使用者分布、付費能力、地區、職業與數位技能都可能造成偏差。某項任務在資料中很少，可能是因為模型不擅長，也可能是該職業尚未採用 Claude，或工作根本不能透過文字介面完成。
此外，分類由模型與隱私保護流程產生。它適合觀察大方向，不應被拿來判定單一員工的績效或預測某個職位何時消失。
閱讀時至少要問四個問題：
- 資料來自 Claude.ai、Claude Code、Cowork 還是 API？
- 取樣期間是否涵蓋特殊事件或季節？
- 指標測量的是任務頻率、對話數，還是實際經濟產出？
- 分類結果是否能跨國家與職業直接比較？
企業可以怎麼使用這套方法
Economic Index 最值得企業借鏡的，不是照抄全球排名，而是建立自己的 task-level AI observability。
可以從三張表開始：
- 任務表：員工實際交給 AI 的工作類型。
- 協作表：每個任務偏向 automation 或 augmentation。
- 結果表：節省時間、人工修改量、錯誤率與交付品質。
這樣才能回答真正重要的問題：AI 是把低價值工作移除，還是把錯誤藏進更快的流程？員工因此獲得更多判斷空間，還是只承擔最後審查責任？
結論
把 Economic Index 變成可查詢資料庫，讓更多人能從真實使用模式討論 AI 與工作，而不只依賴預測。
但自然語言介面越方便，越需要保留來源與方法意識。Claude 可以協助探索資料，不能替使用者決定資料代表什麼。
對企業最有價值的下一步，是把同樣的 task-level 方法帶回內部：追蹤哪些任務正在被自動化、哪些工作需要人機協作，以及成果品質是否真的提高。