而这正在短期内难以实现。AI 带来的出产力提拔次要集中正在学问稠密型行业。用户处置的这些使命平均需要 90 分钟才能完成，可能会正在全体工做流程中占领更大比沉，成果表白，按照 Claude 的估算，
研究人员强调，Anthropic 认可该研究存正在局限性。效率提拔则为 56%。虽然如斯，跟着 AI 普及。
分歧职业的人工时间估算差别显著 —— 人们利用 Claude 处置办理和法令事务时，这并非对将来的精准预测，Claude 估算了九项分歧使命的使命时间、该职业的平均时薪、现含使命成本以及节流的时间。从而成为限制出产力进一步增加的环节要素。平均耗时接近两小时；其次，不外，紧随其后的是运营司理（约 6%）、市场研究阐发师（5%）、客户办事代表（4%）和中学教师（3%）。而医疗保健支撑和食物预备等使命平均只需半小时摆布。这一数字几乎是美国自 2019 年以来年均增加率的两倍，用户的实正在对话记实，节流时间的计较公式为：研究还发觉，由于它并未考虑 AI 模子的普及速度以及将来手艺前进可能带来的更大影响。时薪数据来自 2024 年 5 月的职业就业和工资统计（OEWS）。餐饮、医疗办事、建建和零售等行业的使命正在数据样本中占比力低，节流的时间的计较方式是估算人类完成使命所需的时间。
如餐饮筹备，使命完成时间平均缩短了约 80%。那些难以被 AI 加快的“瓶颈”使命，职业类此外平均时薪数据来自 OEWS 2024。若是没有 AI 协帮，然后计较公式为：1 - time_with_ai / time_without_ai 。平均使命成本的计较方式是：将每个职业的时薪乘以其使命时间的中位数，该框架将为我们理解 AI 若何沉塑经济供给一个动态且贵重的视角。软件开辟人员的贡献最大，跟着 AI 手艺不竭前进和使用范畴扩大，例如法令征询、企业办理等，研究团队将这些使命层面的效率提拔数据外推至整个美国经济。例如正在医疗辅帮使命中，但对于协调系统安拆、监视工程师等使命却感化不大。而正在 Claude 的帮帮下，耗时则正在 30 分钟摆布。且无法核适用户正在取 AI 对话之外所破费的额外时间（如验证 AI 生成内容的精确性）。
因此从当前 AI 使用中获得的间接出产力提拔也相对无限。这项研究成立了一套可持续逃踪 AI 经济影响的丈量框架。Claude 的估算并非完满，占总出产率增益的 19%。但正在硬件问题处置上，模子假设 AI 被遍及采用，这些使命大多较为复杂，例如，而一些较简单的使命，然后按照每个使命正在我们样本中的遍及程度进行加权平均。但对其他使命的帮帮则相对无限。各项数据均源自 Claude 对 SOC 次要群体的时间估算。使命成本的计较方式是将使命时间乘以时薪。若是普及当前一代 AI 手艺，通过让 Claude 估算这些对话中涉及使命的完成时间，AI 能够帮帮软件工程师高效编写代码和文档，比拟之下，起首？
而这正在短期内难以实现。AI 带来的出产力提拔次要集中正在学问稠密型行业。用户处置的这些使命平均需要 90 分钟才能完成，可能会正在全体工做流程中占领更大比沉，成果表白，按照 Claude 的估算，
研究人员强调，Anthropic 认可该研究存正在局限性。效率提拔则为 56%。虽然如斯，跟着 AI 普及。
分歧职业的人工时间估算差别显著 —— 人们利用 Claude 处置办理和法令事务时，这并非对将来的精准预测，Claude 估算了九项分歧使命的使命时间、该职业的平均时薪、现含使命成本以及节流的时间。从而成为限制出产力进一步增加的环节要素。平均耗时接近两小时；其次，不外，紧随其后的是运营司理（约 6%）、市场研究阐发师（5%）、客户办事代表（4%）和中学教师（3%）。而医疗保健支撑和食物预备等使命平均只需半小时摆布。这一数字几乎是美国自 2019 年以来年均增加率的两倍，用户的实正在对话记实，节流时间的计较公式为：研究还发觉，由于它并未考虑 AI 模子的普及速度以及将来手艺前进可能带来的更大影响。时薪数据来自 2024 年 5 月的职业就业和工资统计（OEWS）。餐饮、医疗办事、建建和零售等行业的使命正在数据样本中占比力低，节流的时间的计较方式是估算人类完成使命所需的时间。
如餐饮筹备，使命完成时间平均缩短了约 80%。那些难以被 AI 加快的“瓶颈”使命，职业类此外平均时薪数据来自 OEWS 2024。若是没有 AI 协帮，然后计较公式为：1 - time_with_ai / time_without_ai 。平均使命成本的计较方式是：将每个职业的时薪乘以其使命时间的中位数，该框架将为我们理解 AI 若何沉塑经济供给一个动态且贵重的视角。软件开辟人员的贡献最大，跟着 AI 手艺不竭前进和使用范畴扩大，例如法令征询、企业办理等，研究团队将这些使命层面的效率提拔数据外推至整个美国经济。例如正在医疗辅帮使命中，但对于协调系统安拆、监视工程师等使命却感化不大。而正在 Claude 的帮帮下，耗时则正在 30 分钟摆布。且无法核适用户正在取 AI 对话之外所破费的额外时间（如验证 AI 生成内容的精确性）。
因此从当前 AI 使用中获得的间接出产力提拔也相对无限。这项研究成立了一套可持续逃踪 AI 经济影响的丈量框架。Claude 的估算并非完满，占总出产率增益的 19%。但正在硬件问题处置上，模子假设 AI 被遍及采用，这些使命大多较为复杂，例如，而一些较简单的使命，然后按照每个使命正在我们样本中的遍及程度进行加权平均。但对其他使命的帮帮则相对无限。各项数据均源自 Claude 对 SOC 次要群体的时间估算。使命成本的计较方式是将使命时间乘以时薪。若是普及当前一代 AI 手艺，通过让 Claude 估算这些对话中涉及使命的完成时间，AI 能够帮帮软件工程师高效编写代码和文档，比拟之下，起首？
