Anthropic重磅新研究：當AI采訪了1250人，它看見了人類的「職業(yè)軟肋」

新智元報道

編輯：傾傾

【新智元導(dǎo)讀】AI不僅能回答問題，還能采訪人類了。Anthropic讓模型與1250名真實用戶深度對話，自動寫提綱、追問、做聚類分析，最后畫出一張「人類情緒雷達圖」。這一次，人類成了AI的研究對象。

很難想象，有一天AI真的開始采訪人類了。

內(nèi)容也不是「你今天過得怎么樣」這種日常閑聊，而是遵循一套完整的訪談方法。

自己寫提綱，追問，做主題聚類、情緒分析，最后給出跨行業(yè)的「人類情緒雷達圖」。

這就是Anthropic最近發(fā)布的Interviewer，一個帶著未來氣息的工具。

它在一周內(nèi)和1250名真實的職場人、創(chuàng)作者、科學(xué)家對話。

所有細節(jié)都被記錄下來，再被AI壓成可量化的結(jié)構(gòu)。

這是一張AI時代的「群體畫像」，也是大模型第一次真正走進人的心里。

AI會采訪人了，而且比人類還專業(yè)

Anthropic推出的Interviewer，看上去是一個普通的功能更新，實際卻悄悄跨過了一條技術(shù)線。

不只是回答問題的模型，而是能像一位受過專業(yè)訓(xùn)練的研究者。

它帶著明確的假設(shè)與研究目標，主動發(fā)起訪談、實時追問、整理情緒，并最終把所有內(nèi)容轉(zhuǎn)成可量化的數(shù)據(jù)。

在過去，這套流程只能靠人類研究團隊完成，如今首次被AI接手。

訪談從一個看似簡單的問題開始，背后有完整的規(guī)劃過程。

Interviewer會根據(jù)研究目標自動寫出訪談提綱。哪些主題重要、應(yīng)該在哪里追問、哪些情緒信號需要捕捉，都在模型內(nèi)部提前被組織好。

然后，它會以一個自然的開場進入對話：

這是一場持續(xù)10–15分鐘的深度訪談。

AI會根據(jù)回答調(diào)整節(jié)奏；當用戶猶豫、繞開時，它會及時把對話拉回主線。

在訪談結(jié)束之后，Interviewer會把完整的訪談記錄交給分析器，自動做主題聚類、提取關(guān)鍵觀點、識別情緒傾向，并根據(jù)職業(yè)、行業(yè)、角色生成一套可視化的「情緒雷達圖」。

Anthropic的自動主題聚類工具Clio。用虛構(gòu)的對話示例來說明Clio的分析步驟概述

過去研究團隊需要數(shù)周才能完成的質(zhì)性工作，現(xiàn)在AI能在規(guī)?；瘓鼍袄锓€(wěn)定產(chǎn)出。

Anthropic采訪了1250人，并將訪談內(nèi)容匿名公開，讓外部研究者也能使用這批數(shù)據(jù)。

根據(jù)受訪者反饋，這個工具的穩(wěn)定性遠超預(yù)期：超過97%的參與者給出了高滿意度評價，幾乎所有人都覺得訪談「準確捕捉了自己的想法」。

這項研究發(fā)掘出AI的另一種可能性：自第一次大規(guī)模問卷誕生以來，人類的質(zhì)性研究方法第一次出現(xiàn)了擴展。

對于AI行業(yè)來說，這是另一個方向的突破——不僅能理解文本，還能理解人。

1250份訪談，AI第一次看見人的復(fù)雜

在結(jié)果出來之前，人們都以為自己能猜到大家對AI的看法。

事實卻是，不同職業(yè)里的人，正以完全不一樣的方式迎接同一個未來。

Anthropic將1250份訪談按主題聚類后，繪制的情緒傾向氣泡圖。藍色越多代表越悲觀，黃色越多代表越樂觀，氣泡越大代表該主題提及人數(shù)越多

普通職場人：要效率，也要體面

在普通職場人的訪談里，談到最多的是「效率」。

他們的描述出奇地一致：AI能節(jié)省時間，讓某些煩瑣的工作輕松下來，甚至重新讓人看到一點點「掌控感」。

高達86%的受訪者說它讓工作變快，65%對現(xiàn)在的使用狀況感到滿意。

加快流程、減少機械任務(wù)，這是他們最直接的體驗。

但當訪談持續(xù)深入，另一個更隱蔽的情緒開始浮出來——他們害怕顯得自己「太依賴AI」。

69%的受訪者坦言，自己會刻意壓低使用痕跡，擔心被同事認為不夠?qū)I(yè)、郵件像AI代寫、從而影響自己在團隊里的位置。

這種矛盾也體現(xiàn)在數(shù)據(jù)里：他們在訪談中把自己的AI使用描述為協(xié)作式的：

我還是主要做主導(dǎo)，只是讓AI加快一些程序。

但Anthropic對Claude使用記錄的分析顯示，更大比例的使用其實是自動化——把任務(wù)直接交給模型完成，然后再自己稍作調(diào)整。

即便如此，他們依然會反復(fù)強調(diào)「關(guān)鍵的部分還得我來做」，并把這稱作「監(jiān)督AI、管理流程、保留判斷」。

受訪者的自我描述與實際使用之間的差異。上方為「協(xié)作」，下方為「自動化」。藍色越深表示任務(wù)更復(fù)雜

數(shù)據(jù)也說明，人們在描述自己使用AI的方式時，會更傾向于強調(diào)「控制感」，但實際行為里自動化比例更高。

創(chuàng)作者：被效率推著跑

在1250名創(chuàng)作者的訪談里，幾乎每個情緒點都成對出現(xiàn)——效率與焦慮并行，靈感與身份危機并存。

創(chuàng)作者樣本的情緒主題可視化。藍色越多代表越悲觀，黃色越多代表越樂觀，氣泡越大代表該主題提及人數(shù)越多。來源：Anthropic創(chuàng)作者群體訪談分析

攝影師的修片周期從12周縮到3周，以前根本做不到的效率現(xiàn)在成了常規(guī)。

內(nèi)容寫作者描述自己一天能完成過往兩倍的產(chǎn)量；音樂制作人會讓模型給出一長串詞組，然后從中找靈感。

這些例子說明，AI的確把創(chuàng)作的前期門檻和后期流程都壓縮了。

但是效率越高，他們反而越不安。

70%的創(chuàng)作者擔心客戶會覺得自己的作品「太像AI生成」，擔心品牌受損，擔心被同行視為不再堅持原創(chuàng)。

更扎心的是收入。配音行業(yè)的某些工種已經(jīng)被模型直接頂?shù)簦划a(chǎn)品攝影正在加速被替換。

有創(chuàng)意總監(jiān)坦言：

我知道我用AI的每一次，都意味著某個攝影師再少了一天的收入。

創(chuàng)作者一邊覺得AI是工具，說自己仍然掌握最終決定權(quán)，但下一句又會不自覺承認：有時候，它給的方向比我想到的還清晰。

創(chuàng)作者樣本的六維情緒雷達圖?？梢钥吹綕M意度很高，但信任和安全感較弱，擔憂明顯高于其他群體

科學(xué)家：不擔心被替代，但不敢把核心交出

科學(xué)家們不像創(chuàng)作者那樣焦慮經(jīng)濟壓力，也不像普通職場人那樣擔心「形象問題」。

他們的最大顧慮是可靠性。79%的科學(xué)家明確表示：在重要任務(wù)上，AI還不夠穩(wěn)定，不足以承擔生成假說或設(shè)計實驗的責任；27%認為模型的理論能力仍明顯不足。

于是，他們更多在文獻綜述、代碼調(diào)試、論文寫作這些環(huán)節(jié)使用AI。

而決定實驗方向、判斷數(shù)據(jù)異常、根據(jù)細微現(xiàn)象推斷這些關(guān)鍵步驟，仍保留在人工手中。

科學(xué)家們也不太擔心失業(yè)。

他們經(jīng)常舉出的例子是那些無法被數(shù)字化的tacit knowledge：細胞培養(yǎng)顏色的微妙變化、某些儀器的「操作手感」、實驗室里未寫入SOP的經(jīng)驗判斷。

這些任務(wù)，機器根本無法感知。

科學(xué)家對AI的不同研究環(huán)節(jié)態(tài)度分布。藍色越多越悲觀，黃色越多越樂觀，氣泡越大代表該主題提及人數(shù)越多

有趣的是，他們并不排斥AI，相反，91%的科學(xué)家期待未來有一個真正的AI研究伙伴。

他們的不信任，是來自技術(shù)的不成熟，而不是職業(yè)焦慮。

科學(xué)家樣本的六維情緒雷達圖。滿意度高、挫折明顯、信任偏低，擔憂相對較弱

AI照亮了每個職業(yè)的「脆弱中心」

把這三類人的訪談擺在一起時，就會發(fā)現(xiàn)情緒的差異已經(jīng)不足以解釋他們的選擇。

這些態(tài)度背后，其實是他們各自工作結(jié)構(gòu)里的壓力點。

普通職場人之所以小心翼翼，是因為他們身處的是高度依賴印象管理的組織環(huán)境。

AI對他們來說不是一個純粹的工具，而是一種會改變「別人如何看我的專業(yè)性」的信號。

他們的謹慎，不是來自對技術(shù)的恐懼，而是來自對關(guān)系網(wǎng)里位置松動的害怕。

創(chuàng)作者的緊張感來自完全不同的結(jié)構(gòu)：他們的收入、風格、作品價值，本質(zhì)上都在市場中直接競爭。

AI對他們造成的壓力不是要不要用，而是「用了之后，會不會削弱我所出售的那部分人格與原創(chuàng)性」。

科學(xué)家的態(tài)度則屬于另一端：他們的專業(yè)身份不靠「可見的成果速度」來維持，而是靠長期積累的判斷力與可靠性。

AI在這里不是競爭者，而是一種可能犯錯的系統(tǒng)。

他們的謹慎更多來自學(xué)科本身——錯誤的代價太高，無法輕易托付出去。

如果把這三種結(jié)構(gòu)擺在一起，就會看到一個更本質(zhì)、更深刻的分野：每個群體真正關(guān)注的，都不是AI有多強大，而是AI觸碰了他們哪一塊「不可替代的核心」。

AI本身沒有惡意，也沒有傾向，它只是把每個人最脆弱的那塊悄悄顯了形。

同樣的技術(shù)落在不同的工作結(jié)構(gòu)里，卻引發(fā)了三種完全不同的心理震動。

所以，這三類人對AI的態(tài)度差異，并不是技術(shù)本身造成的，而是由他們各自的職業(yè)結(jié)構(gòu)、評價體系與生存方式?jīng)Q定的。

AI只是讓這些隱性的分野第一次浮出水面。

未來的AI不只是更聰明，而是更懂人

訪談只是能看得見的部分，真正關(guān)鍵的是那些一直被忽略的「關(guān)系變量」。

Anthropic真正想要的，是過去所有模型開發(fā)者都看不見、卻極其關(guān)鍵的一部分：人們在聊天窗口之外，如何和AI建立關(guān)系。

Anthropic之前的經(jīng)濟指數(shù)只能分析聊天行為本身，卻無法觸達用戶對技術(shù)的感受、期望與邊界感。

而恰恰是這些看不見的變量，才是決定大模型未來影響力的最關(guān)鍵部分。

Anthropic Interviewer是他們第一次試圖補上這一塊。

它放棄了傳統(tǒng)問卷那樣預(yù)設(shè)問題的做法，而是采用深度訪談的方式，讓用戶在對話中自然地把隱含的信息說出來：

他們?nèi)绾纹胶庑逝c身份，他們?nèi)绾谓忉屪约旱腁I使用方式，他們在擔心什么，又愿意交出什么。

這些內(nèi)容不會出現(xiàn)在聊天記錄里，但卻會決定人們，愿不愿意繼續(xù)使用 AI、能信不信任它、允許它進入工作流的哪個部分。

對Anthropic來說，這些「隱性變量」不僅影響產(chǎn)品迭代，也影響他們?nèi)绾卫斫馊伺c模型的合作關(guān)系會往哪里走。

這一研究真正想回答的，是當AI越來越像工作伙伴，它要如何被訓(xùn)練，才能進入不同人的生活，而不破壞原有的結(jié)構(gòu)。

這1250份訪談，是Anthropic第一次把視角徹底放回人身上。

未來的模型，將更像是從這種「人與AI的關(guān)系」中長出來的，而不只是從技術(shù)里長出來。

這一輪深度訪談，把一個靜默而深刻的事實呈現(xiàn)在臺面上：

AI并不是在取代誰，它是在以一種最直接的方式，逼著不同的人去回答同一個問題——我在工作里的核心到底是什么？

普通職場人在關(guān)系里找答案，創(chuàng)作者在作品里找答案，科學(xué)家在可靠性里找答案。

Anthropic正在做的，就是把這些隱藏在工作背后的情緒與心理邊界收集下來，讓未來的模型不只滿足于回應(yīng)任務(wù)，更能對使用它的人保持足夠的敏感。

1250份訪談只是一個開始。

而我們，也正在通過這些訪談，慢慢看清自己正在成為怎樣的群體。

參考資料：

https://www.anthropic.com/research/anthropic-interviewer?source=i_email&medium=email&content=Nov2024ClaudeStyles&messageTypeId=140367

秒追ASI

?點贊、轉(zhuǎn)發(fā)、在看一鍵三連?

點亮星標，鎖定新智元極速推送！