Anthropic Economic Index Connector：职业与任务数据怎么查、哪些结论不能下
编辑标准与来源政策: 编辑标准, 团队. 内容均链至原始来源，见 方法论.
Last checked: 2026-07-27.
“哪些工作已经能交给 AI？”Connector 能帮你问得更好，但不能替你下结论
Anthropic 在 2026 年 7 月 22 日把 Economic Index Connector 接入 Claude.ai。管理者可以直接用自然语言查询 AI 与工作的公开数据，例如哪些任务更常以自动化方式完成，哪些更像人机协作。完整数据集仍然免费开放，Connector 只是一个更容易使用的查询入口。
最关键的限制也应该在开头讲清楚：它观察的是 Claude 使用行为，不是整个劳动力市场。六月报告中 chat 和 Cowork 的相关样本窗为 2026-04-10 至 2026-06-10；报告还会在不同章节比较 Claude Code 等使用表面。时间窗、产品入口和分母变化时，数字不能直接拼在一起。
| 先分清三类数据 | 它回答什么 | 不适合直接回答什么 |
|---|---|---|
| Claude 使用数据 | 用户把哪些任务交给 Claude，以及互动方式 | 某职业全部工作中有多少已经被 AI 替代 |
| Public Record 调查 | 超过 50,000 名美国人的全国代表性调查结果 | 某家公司内部流程的实际工时与质量 |
| 企业内部数据 | 员工工时、复核率、错误率、客户结果 | 整个市场未来会发生什么 |
图：Anthropic Economic Index Connector 发布页，访问于 2026-07-27。它展示了在 Claude.ai 中用自然语言查询数据的方式，具体结论仍应打开回答所引用的数据表。
自动化不等于岗位替代
在 Economic Index 的分类里，自动化大致指用户把一个完整任务交给 Claude，后续只提供很少输入；增强则包括来回协作、学习、验证和共同修改。两者描述的是一次任务如何完成，不是岗位是否消失。
比如，用户让 Claude 起草完整回复，可能被归入自动化；但回复是否发送、是否合规、客户是否满意，仍可能由人负责。反过来，一个员工与 Claude 多轮讨论方案，会被归入增强，但这也不能说明 AI 只承担了很少工作。要判断岗位变化，必须把任务分类与工时、质量、责任和业务结果放在一起。
报告引用的一项调查显示，超过 35% 的受访者预计 AI 在未来 12 个月能完成其大部分工作。这是受访者的预期，不是就业预测。另一个需要注意的样本提示是，关联受访样本中女性占 12%；这个比例不能直接当作总体女性使用率。
数据是怎么处理的
Anthropic 描述的方法包括隐私保护分类器：由另一 Claude 实例读取对话并分类，稀疏单元格会被过滤，以降低重识别风险。这里既有隐私设计，也有模型分类的不确定性。查询结果最好保留原始表格、分类定义、时间窗和分母，而不是只复制一段自然语言摘要。
Connector 的价值恰恰在这里：它让非数据分析师更容易提出问题，也能把答案链接回公开数据。它不是把数据变成“无需核验的结论机器”。如果回答没有表格引用，或者两次比较换了分母，就应该停下来重新查。
查询前先写一份分母字典
同一句“使用占比上升”，分母可能是全部 Claude 对话、某个产品入口、某个职业、某类任务、某个国家或一个调查样本。团队应在查询前写一份分母字典，为每个指标固定五件事：统计对象、时间窗、产品入口、地理范围和过滤规则。回答里的数字只有五项都一致时才适合做趋势比较。
还要区分三个分析层级。一次对话是交互层，一项任务是工作单元层，一个职业则由许多任务组成。对话数量增加不能直接推出任务工时下降，某类任务更常自动化也不能直接推出整个职业被替代。若要从任务走到岗位，必须补上该任务在岗位中的工时权重、发生频率、质量要求和责任归属。
最后保存查询原句和导出的表格，而不只是 Connector 的自然语言回答。这样下次报告更新后，可以判断变化来自真实数据、分类定义还是查询措辞。无法还原分母的漂亮结论，不应进入董事会材料或人力规划。
客服运营负责人：180 名员工、27 类任务
假设一位客服运营负责人管理 180 名员工，内部已经把工作拆成 27 类任务。她可以用 Connector 查询外部 Claude 使用中相近任务的自动化与增强模式，但第一步不是删除岗位，而是把外部分类与内部定义对齐。
每次查询都保存来源表、时间窗、分母和任务定义，再把结果与企业内部的工时、错误率、主管复核、客户满意度并列。若外部数据显示某任务常被完整委托，而内部仍需要大量复核，这个差异应变成试点问题：是知识库、流程、风险要求还是样本不同？
最终可进入试点的，是那些内部数据也显示输入稳定、质量可验收、责任清晰的任务。使用份额不能直接换算成裁员人数，职业和任务不能混用，相关性也不能写成“AI 导致了某种就业变化”。这些情况一出现，分析就该暂停。
适合用它做什么
Economic Index Connector 适合发现问题、寻找对照和检查假设。例如：某类任务更常是自动化还是增强？不同职业的使用模式是否不同？某个变化发生在哪个时间窗？它不适合直接回答“公司应该裁多少人”“某岗位何时消失”或“AI 导致了某个宏观结果”。
对管理者而言，最好的用法不是寻找一个替代率，而是找到值得在内部验证的任务，再用真实工时、质量和客户结果做决定。