Báo cáo Chỉ số Kinh tế Anthropic: Nhịp điệu
Một năm trước, hầu hết các phiên sử dụng Claude đều diễn ra dưới dạng hội thoại giữa người dùng và trợ lý. Với sự phát triển nhanh chóng của Claude Code và Cowork, các phiên Claude ngày càng bao gồm các tác vụ tác nhân kéo dài. Bản ghi chat không còn phản ánh đầy đủ cách mọi người sử dụng AI, và các phương pháp nghiên cứu tác động kinh tế của Claude cũng phải thích ứng.
Để theo kịp, chúng tôi đã thực hiện một số thay đổi đối với quy trình dữ liệu cho Chỉ số Kinh tế. Trong phiên bản này, chúng tôi:
Chúng tôi mô tả các thay đổi phương pháp bổ sung trong Phụ lục. Cùng nhau, những thay đổi này mang lại bức tranh rõ ràng hơn về cách AI phản ánh và lan tỏa vào đời sống kinh tế.
Ngoài ra, trước đây chúng tôi thiếu khả năng quan sát tác động của Claude bên ngoài các phiên người dùng. Mọi người nhận thấy AI đang thay đổi công việc của họ hay các cơ hội dành cho họ như thế nào? Việc sử dụng AI có định hình kỳ vọng của họ không? Trong một thế giới lý tưởng, họ muốn gì từ AI? Chúng tôi báo cáo các phát hiện ban đầu từ Khảo sát Chỉ số Kinh tế Anthropic, được triển khai vào tháng 4 năm 2026.
Chúng tôi xem trước các phát hiện chính dưới đây.
Phương pháp đo từ xa mới bảo vệ quyền riêng tư của chúng tôi, liên tục lấy mẫu một phần các cuộc hội thoại mỗi ngày, cho phép chúng tôi nghiên cứu các mô hình sử dụng hàng ngày và hàng giờ, trái ngược với các mẫu bảy ngày mà mỗi báo cáo Chỉ số Kinh tế trước đây dựa vào. Các phân tích này ghi lại sự lên xuống trong mô hình làm việc trên toàn thế giới.²
Chúng tôi thấy rằng việc sử dụng Claude phản ánh tuần làm việc, với các lời nhắc cá nhân tăng vọt vào cuối tuần. Dữ liệu hàng giờ ghi lại các mô hình trong ngày—mọi người thường hỏi về lời khuyên ngủ vào khoảng 5 giờ sáng và công thức nấu ăn vào khoảng 6 giờ chiều. Chúng tôi cũng thấy việc sử dụng phản ánh các ngày quan trọng. Ví dụ, các yêu cầu liên quan đến thuế tăng vọt ngay trước hạn nộp hồ sơ tại Mỹ vào ngày 15 tháng 4.
Tỷ lệ các cuộc hội thoại chat và Cowork³ được phân loại là sử dụng cá nhân tăng từ khoảng 35% vào ngày thường lên gần 50% vào cuối tuần trong giai đoạn mẫu (Hình 1.1). Ngoài giờ làm việc, các cuộc hội thoại của người dùng chuyển từ thư từ kinh doanh, nội dung tiếp thị và bài thuyết trình sang hỗ trợ tinh thần, câu hỏi y tế và lời khuyên đầu tư. Sự thay đổi này lớn nhất ở các quốc gia có thu nhập cao.
Một mô hình tương tự cũng xuất hiện trong Claude Code và lưu lượng API 1P (tức là lưu lượng API được định tuyến trực tiếp qua Anthropic), mặc dù cả hai đều có tỷ lệ sử dụng cá nhân cơ bản thấp hơn.⁴
Các cụm yêu cầu⁵ cho phép chúng tôi đi sâu hơn một cấp độ và xem các tác vụ Claude Code cụ thể nào dao động nhiều nhất giữa ngày thường và cuối tuần. Vào cuối tuần, các cụm sử dụng Claude Code giảm nhiều nhất bao gồm kiến trúc backend, gỡ lỗi API và lưu trữ dữ liệu. Các cụm tăng nhiều nhất bao gồm thiết kế tác nhân AI, giao dịch định lượng và trò chơi.
Cuối tuần cũng có thể tạo không gian cho mọi người theo đuổi các dự án mới. Trên khắp các quốc gia, các cuộc hội thoại liên quan đến khởi nghiệp cao nhất vào thứ Bảy và Chủ Nhật. Tuy nhiên, các hoạt động nộp đơn xin việc giảm vào cuối tuần cùng với các tác vụ liên quan đến công việc khác.⁶
Theo từng giờ, việc sử dụng Claude phản ánh nhịp điệu của cuộc sống hàng ngày. Hình 1.2 cho thấy tần suất hàng giờ của các cụm yêu cầu khác nhau so với mức trung bình tổng thể trong lưu lượng toàn cầu.⁷
Mọi người hỏi tin tức lúc 7 giờ sáng theo giờ địa phương. Thư từ kinh doanh (ví dụ: soạn thảo email) theo đường cong của ngày làm việc, với đỉnh nhẹ lúc 10–11 giờ sáng. Một trong những đỉnh lớn nhất là yêu cầu công thức nấu ăn, cao gấp 2,3 lần vào lúc 6 giờ chiều so với mức trung bình. Các đề xuất phương tiện truyền thông tập trung nhiều nhất vào buổi tối, trong khi mọi người tìm kiếm lời khuyên về giấc ngủ trong vài giờ trước bình minh.
Vào ban đêm và cuối tuần, khi mọi người
Mọi người thường dùng Claude cho công việc, và các tác vụ thường nghiêng về các ngành nghề có thu nhập cao hơn (Hình 1.3). Dù chúng tôi không thể xác định chính xác công việc của những người đưa ra yêu cầu này, điều này có thể phản ánh thực tế rằng những người làm trong các ngành lương cao—như quản lý tiếp thị hay lập trình viên máy tính—có xu hướng làm việc ngoài giờ hành chính. Ngược lại, các tác vụ liên quan đến công việc ở hai nhóm thu nhập thấp nhất—như tiếp thị qua điện thoại và công việc văn phòng—chiếm tỷ lệ nhỏ hơn trong tổng số cuộc hội thoại. Xu hướng này không chỉ do các tác vụ máy tính và toán học: khi chúng tôi loại bỏ các ngành nghề đó khỏi phân tích trong một kiểm tra độ bền, các tác vụ ở nhóm thu nhập cao vẫn tăng vào ban đêm và cuối tuần.
Khoảng thời gian lấy mẫu cho báo cáo này bao gồm các hạn chót nộp thuế cho người dân ở Hoa Kỳ. Hình 1.4 cho thấy một sự gia tăng lớn trong tỷ lệ các cuộc hội thoại liên quan đến thuế vào gần hạn chót. Vào ngày 14 tháng 4, các cụm chủ đề về thuế phổ biến gấp tám lần so với ngày trung bình trong tháng 5 và vẫn ở mức cao tương tự vào ngày 15 tháng 4. Vào ngày 16 tháng 4, chúng giảm mạnh.
Trong chương này, chúng tôi phân loại mỗi cuộc hội thoại trên chat và Cowork (sau đây gọi là "cuộc hội thoại Claude")8 theo artifact của nó, mà chúng tôi sắp xếp thành hơn 30 danh mục. Chúng tôi gọi đầu ra chính mà Claude tạo ra trong một cuộc hội thoại—một tài liệu, một lời giải thích, một đoạn mã, một bài báo học thuật, v.v., dù được trình bày trong cửa sổ chat hay như một tài liệu riêng—là artifact. Danh sách đầy đủ các artifact có trong Phụ lục.
Bộ phân loại của chúng tôi xác định 93% cuộc hội thoại Claude tạo ra một artifact (Hình 2.1).9 Các artifact phổ biến nhất là lời giải thích (17% cuộc hội thoại), tài liệu và báo cáo (15%), và hướng dẫn (11%). Đầu ra dạng hội thoại (như lời giải thích hoặc hướng dẫn) và sản phẩm viết (như tài liệu hoặc bài thuyết trình) mỗi loại chiếm khoảng một phần ba cuộc hội thoại; mã và công việc kỹ thuật (như ứng dụng hoặc tập lệnh) chiếm khoảng một phần sáu.
Đầu ra là gì không cho bạn biết nó dùng để làm gì: cùng một artifact có thể là sản phẩm công việc hoặc dự án cá nhân. Chúng tôi sẽ xem xét sự phân chia đó tiếp theo.
Chỉ số Kinh tế tháng 1 của chúng tôi đã giới thiệu một nguyên tắc cơ bản phân loại mỗi cuộc hội thoại thành công việc, cá nhân hoặc học tập. Ở đây, chúng tôi áp dụng sự phân chia đó cho các artifact được tạo ra trong cuộc hội thoại Claude (Hình 2.2).
Một số danh mục artifact hầu như luôn là cá nhân. Hơn 80% cuộc hội thoại tạo ra văn bản sáng tạo, hướng dẫn và công thức nấu ăn được phân loại là cá nhân. Trong các danh mục, việc sử dụng cá nhân và liên quan đến công việc có thể khá khác biệt. Ví dụ, văn bản sáng tạo cá nhân chủ yếu là fanfiction, xây dựng thế giới và thơ ca; 13% liên quan đến công việc chủ yếu ở dạng kịch bản video ngắn, viết kịch bản phim và bài phát biểu. Các danh mục có khả năng liên quan đến công việc cao nhất bao gồm tạo nội dung tiếp thị (80%), tạo blog hoặc bài viết (81%), và viết truy vấn cơ sở dữ liệu (82%).
Nhiều đầu ra có khả năng được sử dụng cho cả mục đích cá nhân và công việc, bao gồm tạo kế hoạch hoặc chiến lược (44% liên quan đến công việc, 49% cá nhân) hoặc dịch thuật (42% công việc, 44% cá nhân). Ví dụ, các loại artifact kế hoạch cá nhân phổ biến nhất bao gồm lịch trình du lịch và lịch tập luyện, trong khi kế hoạch liên quan đến công việc thường liên quan đến chiến lược kinh doanh hoặc nội dung.
Cuối cùng, các artifact đặc trưng của học tập bao gồm tạo bài báo học thuật và luận văn, tài liệu giáo dục và các truy vấn liên quan đến toán học, mặc dù một phần không nhỏ trong mỗi loại rơi vào cả hai nhóm công việc và cá nhân.
Thể loại.
Chúng ta cũng có thể đảo ngược câu hỏi. Thay vì hỏi mỗi đầu ra được dùng để làm gì, chúng ta có thể hỏi loại sản phẩm nào mà các cuộc trò chuyện công việc, cá nhân và học tập thường tạo ra. Các cuộc trò chuyện công việc thường tạo ra tài liệu và báo cáo (20%), tiếp theo là giải thích (9%), bản nháp email (7%), và phân tích cùng tóm tắt (6%). Các cuộc trò chuyện học tập nhìn chung tương tự, với tài liệu và báo cáo cũng dẫn đầu (21%), theo sát là giải thích (20%), tài liệu giáo dục (11%), và bài báo học thuật (6%). Ngược lại—và không có gì ngạc nhiên—chỉ 6% các cuộc trò chuyện cá nhân tạo ra tài liệu. Thay vào đó, kết quả phổ biến nhất là giải thích (25%) và đề xuất (22%).
Việc tạo ra các đầu ra này đòi hỏi sức mạnh tính toán, và chúng tôi nhận thấy rằng sức mạnh tính toán thường tỷ lệ thuận với giá trị của công việc. Chúng tôi đo chi phí tính toán của mỗi cuộc trò chuyện bằng token—lượng văn bản được xử lý và tạo ra, bao gồm cả suy luận nội bộ của Claude—và so sánh giữa các ngành nghề bằng cách ánh xạ e
