专题 · FULL STORY

Anthropic 开放真实 Claude 使用数据

Anthropic 宣布首次向外部研究者开放脱敏的真实 Claude 对话数据，随后基于约 40 万次 Claude Code 会话发布实证研究，揭示人类与 AI 分工协作的真相：懂业务的用户从 AI 获益更多。

2026-08-27 ~ 2026-08-28 · 2 集 · 15 条

第 1 集 · Anthropic 首次开放真实 Claude 数据，25 万对话揭示人机协作真相(2026-08-27,13 条)

Anthropic 宣布首次向外部研究人员和机构开放经隐私保护的真实 Claude 使用数据，通过 Anthropic Insights（前称 Clio）以聚合遥测数据形式提供。Jack Clark 表示，AI 系统极为复杂，仅靠实验室内部评估是傲慢且错误的，必须将系统属性及平台交互数据外部化。试点期间已有三组外部研究机构利用这些数据完成独立分析，这是此类此前仅限 AI 实验室内部的研究首次外部化，为独立评估 AI 的真实社会影响提供了新范式。

已确认

  • 数据开放形式：Anthropic Insights（前称 Clio）提供聚合、脱敏、隐私保护的遥测使用数据，首批试点面向外部研究员与机构，用于研究 AI 的实际影响。
  • 试点成果：三组外部研究机构基于该数据完成独立分析；其中斯坦福 Diyi Yang 团队开展名为 "Human–AI Collaboration at Scale" 的大规模人机协作研究。
  • 研究规模：基于 249,834 次真实 Claude 对话。
  • 任务关键性发现：与"用户只把低责任任务交给 AI"的旧观点相反，用户在法律、金融等关键、难以逆转的领域高频委托任务；且风险越高，用户适应或批评 AI 输出的意愿反而降低，更多转向试图理解输出。
  • 协作模式：AI 主要作为增强而非全自动工具；人类主导的协作占 72%，任务越重要人类参与越深；67% 的对话中 AI 表现出教学行为，这类互动建立在理解之上。
  • 摩擦现象：49.7% 的对话包含某种形式的摩擦；部分摩擦具有生产力，能带来澄清或学习；用户在 78.7% 的摩擦对话中会主动尝试恢复。最有效的恢复策略包括质疑模型推理、要求简化输出、纠正事实错误，而单纯道歉等策略效果较差。

为什么重要

  • Diyi Yang 团队总结称，尽管研究最初关注任务关键性、代理权和摩擦力等假设，最终结论都指向"人"这一因素：仅提升 AI 能力不足以实现强人机协同。
  • 数据外部化打破了 AI 实验室对使用数据的垄断，让外部团队能够独立研究 AI 的实际影响，为评估 AI 的真实社会影响提供了新范式。

第 2 集 · Anthropic 研究 40 万次 Claude 会话：懂业务者用 AI 效果更佳(2026-08-28,2 条)

Anthropic 发布基于约 40 万次 Claude Code 会话、覆盖约 23.5 万用户、跨度 7 个月的实证研究。发现人类与 AI 呈分工模式：人类承担约 70% 的规划决策（做什么），AI 承担约 80% 的执行决策（怎么做）。研究还显示，具备领域知识的专家使用 Claude Code 的成功率明显更高，说明懂业务比单纯懂代码更能发挥 AI 编程助手的效用。