Anthropic Interviewer：1250名专业人士对AI工作的真实声音

蛋炒饭9527
81 阅读12分钟

我本来想着用cladue code做Java面试，除了我自己的实践，我还要看看官方有没有类似的实践，然后发现了这个好玩的访谈，感兴趣的可以在末尾，点击链接参加。

文章概述

基本信息

  • 标题：Introducing Anthropic Interviewer: What 1,250 professionals told us about working with AI

  • 发布时间：2024年12月4日

  • 研究机构：Anthropic

  • 研究类型：大规模AI访谈研究

研究背景

随着AI技术的普及，数百万人每天都在使用AI。作为AI系统开发公司，Anthropic希望了解人们如何使用AI、为什么使用AI，以及AI如何影响他们。这不仅是开发更好产品的需要，更是理解人类与AI交互这一重大社会学问题的必然要求。

研究创新点

为了进行这项研究，Anthropic构建了一个名为Anthropic Interviewer的AI驱动访谈工具，该工具能够：

  • 以前所未有的规模自动运行详细访谈
  • 将结果反馈给人类研究人员进行分析
  • 实现了AI与人类协作进行社会学研究的创新模式

研究方法

样本构成

总计1,250名专业人士参与访谈，分为三个群体：

1. 普通职业群体（N=1,000）

  • 教育指导（17%）
  • 计算机和数学职业（16%）
  • 艺术、设计、娱乐和媒体（14%）

2. 创意专业人士（N=125）

  • 作家和作者（48%）
  • 视觉艺术家（21%）
  • 其他：电影制作人、设计师、音乐家、手工艺人等

3. 科学工作者（N=125）

  • 物理学家（9%）
  • 化学家（9%）
  • 化学工程师（7%）
  • 数据科学家（6%）
  • 涵盖50多个科学学科

Anthropic Interviewer工作流程

该工具采用三阶段工作流程：

阶段一：规划（Planning）

  • 创建访谈提纲，确保跨数百或数千次访谈聚焦相同研究问题
  • 灵活适应个别访谈中的变化和分歧
  • 开发系统提示，为AI模型提供方法论指导
  • 人类研究人员与AI协作完善计划

阶段二：访谈（Interviewing）

  • 实时、适应性访谈
  • 在Claude.ai上进行
  • 每次访谈持续约10-15分钟
  • 遵循访谈计划并应用最佳实践

阶段三：分析（Analysis）

  • 人类研究人员与AI协作分析访谈记录
  • 输入初始访谈计划
  • 输出研究问题的答案及示例引言
  • 结合主题分析进行深度解读

主要研究发现

一、AI对普通职业群体的影响

积极影响

  • 86% 的专业人士报告AI节省了他们的时间

  • 65% 表示对AI在工作中的作用感到满意

  • AI被视为生产力的推动者

挑战与担忧

  • 69% 的人提到使用AI工具时面临的社会 stigma（污名化）

  • 案例：一位事实核查员说："一位同事最近说他们讨厌AI，我什么都没说。我不告诉任何人我的工作流程，因为我知道很多人对AI的看法。"

焦虑与应对

  • 41% 的人感到工作安全，认为人类技能不可替代

  • 55% 表达对AI未来影响的焦虑

  • 25% 设定AI使用边界（如教育工作者始终坚持自己创建课程计划）

  • 25% 调整工作角色，承担更多责任或追求更专业的任务

  • 8% 有焦虑但没有明确的补救计划

工作方式多样化

  • 数据质量经理选择学习而非自动化："我尝试将其视为学习外语——仅仅使用翻译应用不会教你任何东西，但有一个能够回答问题并根据你的需求定制的导师真的会帮助你。"

  • 营销人员采取灵活方法："我试图在保持强大专业性的同时实现多元化。"

  • 译员准备完全离开该领域："我相信AI最终将取代大部分译员...所以我已经在准备职业转换。"

增强与自动化的平衡

  • 48% 的受访者考虑转向专注于管理和监督AI系统的职位

  • 专业人士设想了一个既有增强也有自动化的未来——自动化常规、行政任务，同时保持人类监督

  • 一位牧师说："如果我使用AI并提升我的技能，它可以在管理方面为我节省大量时间，这将让我有更多时间与人在一起。"

二、AI对创意职业的影响

生产力提升

  • 97% 的创意人士报告AI节省了时间

  • 68% 表示AI提高了工作质量

具体案例

  • 一位小说家解释："我觉得我可以写得更快，因为研究不再那么令人生畏。"

  • 一位网络内容写作者报告他们"从每天能够生产2000字的专业内容增加到超过5000字。"

  • 一位摄影师注意到AI处理常规编辑任务——将周转时间从"12周减少到大约3周"——让他们"有意识地做出之前可能错过或没有时间进行的编辑和调整。"

面临的压力

  • 70% 的创意人士提到试图管理关于AI使用的同行评判
  • 一位地图艺术家说："我不想让我的品牌和商业形象与AI及其周围的污名如此紧密地联系在一起。"

经济焦虑

  • 经济焦虑贯穿创意人士的访谈
  • 一位配音演员表示："由于AI的兴起，配音行业的某些领域基本上已经消失，比如工业配音。"
  • 一位作曲家担心平台可能"利用AI技术及其发布库[无限生成新音乐]"，用廉价的人工生产音乐替代品淹没市场
  • 另一位艺术家表达了类似的担忧："现实地说，我担心我需要继续使用生成式AI，甚至开始销售生成内容只是为了在市场上保持竞争力，以便我能维持生计。"
  • 一位创意总监说："我完全理解我的收益是另一个创意人的损失。那位我以前每天要付2000美元的产品摄影师现在不再得到我的业务。"

控制权的挣扎

  • 所有125名参与者都提到希望保持对其创意输出的控制

  • 然而，这种边界在实践中被证明是不稳定的

  • 许多参与者承认AI驱动创意决策的时刻

  • 一位艺术家承认："AI驱动了大部分概念；我只是试图引导它...60% AI，40% 我的想法"

  • 一位音乐家说："我讨厌承认这一点，但插件在使用时控制了大部分内容。"

情感分布差异

  • 不同学科表现出不同的情感分布
  • 游戏开发者和视觉艺术家报告高满意度，同时伴随高度担忧
  • 设计师表现出相反的模式，以沮丧为主，满意度明显较低
  • 所有学科的信任度始终较低，表明对AI长期影响存在共同的不确定性

三、AI对科学工作的影响

当前应用局限

  • AI尚无法处理核心研究要素，如假设生成和实验
  • 科学家主要将AI用于文献综述、编码和写作等任务
  • 这是AI公司需要改进的关键领域

信任与可靠性问题

  • 79% 的访谈中，信任和可靠性问题是主要障碍

  • 27% 的访谈中提到当前AI系统的技术限制

专家证言

  • 一位信息安全研究员指出："如果我必须仔细检查和确认[AI]代理给我的每一个细节以确保没有错误，这基本上就失去了让代理做这项工作的意义。"
  • 一位数学家呼应了这种沮丧："在我必须花时间验证AI输出后，基本上最终花费的时间是相同的[数量]。"
  • 一位化学工程师注意到对迎合的担忧，解释说："AI倾向于迎合[用户]的感受并根据他们问题的措辞改变答案。不一致性往往让我对AI响应持怀疑态度。"

学科差异

  • 大多数科学领域报告高满意度，但有不同的沮丧模式
  • 物理学家和数据科学家表现出更高的沮丧感
  • 化学和机械工程师表现出最小的沮丧感
  • 这可能反映了计算领域与实验领域尝试将AI集成到核心研究工作流程中的差异

对工作替换的相对不担忧

  • 科学家总体上不担心AI导致的工作替换
  • 一些人指出抵制数字化的隐性知识
  • 一位微生物学家解释："我曾使用一种细菌菌株，你必须在细胞达到特定颜色时启动各个步骤。颜色的差异必须看到才能理解，而且[说明]很少在任何地方写下来。"
  • 其他人强调研究决策的固有 human nature
  • 一位生物工程师说："实验和研究也是...本质上取决于我"
  • 注意到"研究过程的某些部分不幸地与AI不兼容，即使它们是最方便自动化的部分，比如运行实验。"

外部约束

  • 分类环境中的研究人员指出："在使用代理框架甚至LLM之前，组织必须建立很多'注意事项'和许多以安全为导向的流程。"
  • 一位管理有限资源的机械工程师解释说，虽然"AI擅长提出实验设计"，但现实中"我的研究大部分都有预算/时间/标本限制，所以'理想'设计并不总是可行的。"

对未来AI的渴望

  • 91% 的科学家表示希望在未来研究中获得更多AI帮助

  • 即使他们认为当今的产品不符合要求

  • 大约三分之一想象主要在写作任务方面的帮助

  • 但大多数人希望在整个研究中得到支持：批评实验设计、访问科学数据库和运行分析

  • 对AI能够产生新科学思想的共同渴望

  • 一位医学科学家说："我希望AI能够...帮助生成或支持假设或寻找对人类来说不明显的 novel 交互/关系。"

  • 另一位呼应这种情绪，说："我希望有一个AI感觉像一个有价值的研究伙伴...能为桌面带来新东西。"

核心洞察与启示

1. AI采用的双面性

  • 积极面：生产力显著提升，时间节省明显，工作满意度较高

  • 挑战面：社会 stigma、信任问题、技术限制、经济焦虑

2. 职业身份的重新定义

  • 专业人士希望保留定义其职业身份的任务
  • 将常规工作委托给AI
  • 未来角色转向管理和监督AI系统

3. 行业差异显著

  • 创意工作者：效率提升与身份焦虑并存

  • 科学工作者：谨慎采用，专注辅助任务

  • 普通工作者：在积极与担忧之间寻求平衡

4. AI作为工具而非替代者

  • 人类仍然希望保持控制和监督
  • AI的最佳定位是增强人类能力，而非完全替代

5. 情感复杂性

  • 高满意度伴随高担忧
  • 对AI能力的认知与实际应用之间存在差距
  • 对未来的不确定性普遍存在

个人思考与评论

1. 研究设计评价

Anthropic Interviewer是一个创新的研究工具，它展示了AI不仅可以被研究对象，也可以成为研究工具的可能性。这种元应用（meta-application）本身就具有重要的方法论意义。

2. 行业差异的深层原因

创意工作者和科学工作者对AI的不同态度反映了两个领域的工作性质差异：

  • 创意工作：更多依赖个人表达和原创性，AI的可替代性威胁感更强

  • 科学研究：更多依赖客观数据和实验验证，AI被视为辅助工具

3. 人类角色的重新定义

多个群体都提到希望从执行者转向管理者的角色，这是一个积极的信号，表明人类正在寻找与AI协作而非竞争的方式。

4. 隐性知识的重要性

科学家提到的隐性知识（如颜色判断）不能轻易数字化，这提醒我们某些人类能力可能是AI永远无法替代的。

结语

Anthropic的这项研究为我们提供了关于AI如何影响工作场所的宝贵见解。通过Anthropic Interviewer这一创新工具，我们得以听到来自不同职业背景的1,250名专业人士的真实声音。

这些声音告诉我们，AI采用的现实比简单的"替代"叙事要复杂得多。人们在拥抱AI带来的效率提升的同时，也在努力保持自己的专业身份和价值。创意工作者在生产力与身份焦虑之间寻求平衡，科学工作者在谨慎采用与期待突破之间权衡，而普通工作者则在乐观与担忧之间找到自己的道路。

作为AI开发者、研究人员、政策制定者或普通用户，我们都有责任确保AI的发展真正服务于人类的福祉。这需要我们在技术进步的同时，保持对人性的深刻理解和尊重。

未来，AI将继续改变我们的工作方式。但最终，如何使用AI，以及我们从中创造什么样的未来，仍然取决于我们自己。

参考资料

avatar
文章
阅读
粉丝