AI 技术的讨论越来越偏向“模型能力”“性能跑分”“参数规模”，但一个更重要、常被忽视的问题是：
人，究竟是如何真实地使用 AI 的？他们对 AI 的感受、角色定位、焦虑与期待是什么？
Anthropic 用了一种非常有意思、也非常前沿的方法来回答这个问题 -- 让 AI 去采访人类。
他们构建了一个名为 Anthropic Interviewer 的系统，让 AI 代替传统研究员，对 1,250 名来自不同行业的专业人士（包括创意工作者与科学家）进行深度结构化访谈。所有访谈匿名公开、数据用于分析，最终输出了一份非常真实、非常“人本”的 AI 影响图景。
01. Anthropic Interviewer 是什么？
简单来说，它是一种 “AI 采访人类” 的定性研究系统。
传统想做这类研究，需要大量人力访谈、转录、编码 (coding)、主题聚类、分析，非常耗时与昂贵。而 Anthropic 用 AI 完成了大部分流程，从问题设计到访谈，再到初步分析，最后由研究员审阅。
流程分为三步：
① 规划阶段：AI 帮忙生成访谈提纲
AI 根据研究目的（如“用户如何使用 AI”、“AI 在工作中扮演的角色”），生成访谈框架、问题清单、追问逻辑，由研究员审核。
② 访谈阶段：AI 实时与用户聊天
- 每人 10-15 分钟
- AI 会根据用户回答灵活追问
- 全过程类似高级的“深度访谈机器人”
③ 分析阶段：AI + 人类研究员联合分析
- AI 做主题聚类
- 人类做编码、验证与结论
- 输出：主题、大量引用、概率分布、情绪差异等结构化结果
最终，Anthropic 成功在短时间内系统采访了：
- 1000 名普通职业者
- 125 名创意工作者（作家、设计师、视频制作等）
- 125 名科学家（生物学、经济学、计算机科学等）
这种规模的深度定性访谈，在过去几乎不可能完成。
02. 访谈中，人类到底说了些什么？
Anthropic 发现：AI 对不同职业的影响巨大，但真正的感受非常复杂。
让我们按群体看。
03. 普通职业者：效率提升巨大，但“使用 AI 很丢脸”
普遍受益：节省时间、提升效率
- 86% 说 AI 帮他们节省了大量时间
- 65% 对 AI 在工作中的角色感到满意
很多例子非常接地气：
“我不再需要每天写枯燥报告了，AI 做草稿，我再润色十分钟。” “它帮我查资料、帮我写邮件、写总结，我效率高太多。”
但也出现一个显著社会现象--使用 AI 很“丢脸”
特别令人意外的是：
👉 69% 的受访者认为在工作中使用 AI 会被同事“看不起”。
例如：
“同事最近批评 AI，我就闭嘴了。我不告诉任何人我用了 Claude，因为人们会觉得你偷懒。”
AI 工作为一个能力增强工具，却伴随着污名化，这是之前极少被量化的数据。
关于未来：焦虑真实存在
- 55% 对 AI 是否会影响自己的职业前景感到焦虑
- 很多人开始主动“划边界”：哪些任务要自己做、哪些可以给 AI
例如教师中，有人说：
“我坚持自己写课表，这是我专业的一部分，不能让 AI 来。”
也有人准备“转型”：监督 AI、做流程设计，而不是直接做产出。
自我认知 vs 真实行为：严重错位
- 自报：65% augmentation（与 AI 协作） / 35% automation（把任务交给 AI）
- 实际模型日志分析：47% augmentation / 49% automation
也就是说：
🔥 人们低估了自己让 AI“替他们干活”的程度。
他们以为 AI 只是助手，但在对话中 AI 其实在大量执行核心任务。
04. 创意工作者：生产力飙升，但身份危机最强烈
创意行业对 AI 的情绪是最复杂、最矛盾的。
效率爆炸性提升
- 97% 节省时间
- 68% 认为作品质量更高
一些极端案例：
- 写作者：日写作量从 2,000 → 5,000+ 字
- 摄影师：后期编辑周期从 12 周 → 3 周
- 内容创作者：AI 做 research + outline，使创作速度翻倍
但他们同时深陷“身份危机与行业危机”
访谈内容非常直白：
“我担心我作为插画师的价值，会被无限生成内容稀释。” “平台完全可以用 AI + 库存作品，自动生成无限音乐，那我们怎么办？” “我需要用 AI 来保持竞争力，但我不确定这是不是未来。”
创意圈的 AI 污名更严重
70% 创作者说：
“同行 / 粉丝会批评你用 AI，会说你不是‘真正的艺术家’。”
这是一个真实存在的行业社会压力。
最矛盾的地方是：他们说想掌控，但 AI 已占据主导
有创作者坦言：
“概念都是 AI 生成的，我只是筛选。这算谁的作品？” “音乐插件里，AI 做的部分比我多。”
他们既想保持创作主导权，但也在被 AI 主导的生产机制中不可避免地参与。
这一段内容非常具有未来人类创造力讨论价值。
05. 科学家：看好潜力，但目前不敢完全信任
科学家对 AI 的整体态度是：
👉 “我知道它很强，但我还不敢让它做最核心的事。”
科学家愿意让 AI 做：
- 文献综述
- 手稿撰写草稿
- 调试代码
- 分析脚本编写
- 例行性质的辅助任务
但不愿让 AI 做：
- 假设生成
- 关键实验设计
- 高风险判断
- 核心专业推断
主要原因：
① 准确性担忧（Hallucination）
“我不能信赖模型给出的结论，它可能捏造数据。”
② 隐私 / 商业敏感数据顾虑
尤其是在生物、医药、材料等领域。
③ 专业责任风险太大
科学家普遍相信 AI 会在科研中扮演关键角色，但 不是现在。
06. 这项研究告诉我们的核心洞察
Anthropic 总结的核心并不是“AI 很强”或“AI 会替代人”。
而是更深一层的内容：
① AI 的影响是“情绪 + 社会 + 经济”的组合，不是技术本身的作用
例如：
- 提效带来满足
- 污名带来羞耻
- 不确定带来焦虑
- 专业价值受威胁带来身份危机
- AI 变成行业标准带来适应压力
这些全都是真实的“人类因素”。
② 人们说一套、做一套：认知与行为存在巨大偏差
特别是协作 vs 自动化的部分。
说明未来 AI 使用研究应更多关注 行为数据，而非自我报告。
③ AI 工具设计不能只关注效率，而要关注心理与社会接受度
无论是污名化、公开使用的风险、还是行业规范问题，都说明：
👉 AI 使用是一个社会过程，而不是一个技术过程。
④ AI 访谈是一种全新的、可扩展的社会科学研究方法
它让我们可以首次在大规模层面上听到真实的用户声音。
过去，几百人的深度访谈要半年，现在可能只需要几天。原创文章，更多AI科技内容，微信搜索橙市播客小程序
这将改变：
- AI 产品设计
- 技术伦理研究
- AI 政策制定
- 未来技能培训
- 劳动力市场预测
07. 局限性：为什么我们需要谨慎解读
Anthropic 也明确说明了研究的局限：
① 样本偏差
参与者来自 crowdworker 平台，可能比普通大众更熟悉 AI。
② 社会期望偏差
回答 AI 时，可能给出“他们觉得该说的话”。
③ 只能看到一个时间点
情绪、习惯会随着 AI 技术演进而变化。
④ 文本访谈的局限
缺少语气、表情、动作等非语言信息。
⑤ 自报 vs 行为差异
问题回答和真实行为常常不一致。
因此，这不是“最终答案”，只是一个重要的起点。
原创文章，更多AI科技内容，微信搜索橙市播客小程序08. 写在最后：为什么这项研究值得重视？
Anthropic Interviewer 展示了一个非常关键的观点：
AI 的发展不能只看模型本身，更要看“人”如何与 AI 共处。
它不仅告诉我们“AI 在工作中做了什么”，更告诉我们：
- 它改变了人们的身份感受
- 它改变了职业路径
- 它造成新的社会压力
- 它提升效率，但也制造焦虑
- 它带来创造力，但也冲击行业
- 它被使用，却可能变成秘密
这些信息的重要性，甚至不亚于模型能力本身。
在未来的 AI 发展中，谁能真正理解用户、理解人类体验，谁就能设计出更被信任、更有温度的 AI。
Anthropic 给我们展示了一种新方法： 让 AI 主动倾听人。
我相信，这会成为未来 AI 研究与产品设计的重要基础。
原创文章，更多AI科技内容，微信搜索橙市播客小程序
微信扫描下方的二维码阅读更多精彩内容
声明：本站所有文章，如无特殊说明或标注，均为橙市播客原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。
