Economic Index от Anthropic показывает, как компании и обычные пользователи применяют большие языковые модели на практике. В отчете разобраны миллион взаимодействий посетителей Claude.ai и столько же вызовов корпоративного API — все данные за ноябрь 2025 года. Компания опирается именно на реальные наблюдения, а не на опросы руководителей или выборки из бизнеса.
Ограниченные сценарии доминируют
Применение моделей Anthropic сосредоточено на узком круге задач: десять самых популярных операций покрывают четверть всех потребительских сессий и треть трафика от бизнеса. Особо выделяется помощь Claude в написании и правке кода — как и можно было предположить.
Такая узкая специализация на инструментах разработки сохраняется со временем без изменений. Это значит, что ценность модели в основном исходит от этих направлений, а значимых сдвигов к другим применениям не наблюдается. Получается, широкие внедрения ИИ рискуют провалиться, в то время как целенаправленные проекты на проверенных задачах дают лучшие результаты.
Дополнение эффективнее автоматизации
Среди обычных пользователей чаще встречается совместная работа: они уточняют запросы в диалоге с ИИ, а не строят полностью автономные процессы. В корпоративных API картина обратная — там стремятся к автоматизации ради экономии. Однако Claude хорошо справляется с короткими заданиями, а вот при усложнении или необходимости долгого обдумывания качество падает.
Автоматизация работает лучше всего на рутинных задачах с четкими границами, малым числом шагов и быстрыми ответами. Задачи, которые у человека заняли бы часы, завершаются гораздо реже. Чтобы преуспеть с ними, приходится разбивать на части и править результаты по ходу.
Те, кто делит большие проекты на простые шаги и отправляет их по отдельности — интерактивно или через API, — добиваются заметно лучших показателей.
Наблюдения показывают: большинство обращений к моделям идет от специалистов интеллектуального труда, хотя в странах с низким доходом Claude чаще используют в учебе, чем в США. К примеру, агенты по туризму могут передать ИИ планирование поездок, но рутинные операции оставят себе, а вот управляющие недвижимостью наоборот отдают ИИ административку, а решения с высоким судом оставляют людям.
Прирост продуктивности снижается из-за надежности
Отчет подчеркивает: оценки роста производительности труда на 1,8% в год (за десять лет) стоит скорректировать до 1–1,2%, учитывая дополнительные усилия и расходы. Даже 1% за десятилетие имеет экономический вес, но проверки, исправления ошибок и доработки снижают эффективность, и менеджерам стоит это иметь в виду.
Выгода от ИИ в компании зависит от того, дополняет он работу или заменяет. При замене успех определяется сложностью задач.
Интересно, что между качеством промптов и успешностью результатов существует почти идеальная связь. Таким образом, подход пользователей определяет отдачу от ИИ.
Ключевые выводы для руководителей
- ИИ приносит пользу быстрее всего в четко очерченных областях.
- Комбинации ИИ+человек превосходят полную автоматизацию на сложных проектах.
- Проблемы с надежностью и лишняя работа вокруг ИИ уменьшают ожидаемый рост продуктивности.
- Изменения в штате зависят от набора задач и их сложности, а не от конкретных должностей.