"AI会取代我的工作吗？"之外，出现了更紧迫的问题。"同样用AI，为什么有些人用得好那么多？"Anthropic对Claude 100万次对话进行分析的3月报告用数据给出了答案。使用超过6个月的用户对话成功率高10%，这一差距在控制任务、模型和国家后仍然存在。 Axios将此称为"美国的下一场阶级战争：AI流利度（AI fluency）"。
3秒摘要
分析100万次对话→6个月+用户成功率高10%→熟练用户使用协作型方式→转向高价值任务→AI熟练度=新竞争力差距
这是什么？
Anthropic经济指数通过隐私保护系统（Clio）分析Claude的实际使用数据，追踪AI的经济影响。3月报告"Learning Curves"使用了2026年2月5〜12日的100万次对话样本。
−8.7%p
指令型（directive）使用频率减少
+3.6%p
迭代型（iteration）使用频率增加
+7%p
工作使用比例增加
有什么不同？
| 比较项目 | 上次报告（2025.11） | 本次报告（2026.02） |
|---|---|---|
| 前10任务集中度（Claude.ai） | 24% | 19%（多元化） |
| 个人使用比例 | 35% | 42%（大众化） |
| 平均任务价值 | $49.3/小时 | $47.9/小时 |
| API编程任务比例 | 基准 | +14%（API迁移加速） |
核心信息：对AI工具的访问正在变得平等，但从AI中提取的价值却随使用经验的积累而变得不平等。Anthropic将此解释为"技能偏向型技术变革（skill-biased technological change）"的渠道已经在运作。
要点整理：缩短AI学习曲线的方法
- 从"指令"切换到"迭代"
新用户会像"帮我写这封邮件"一样一次性委托结果。熟练用户会像"写个草稿 → 这里语气换一下 → 这部分加上数据"这样反复打磨AI的结果。 - 逐步提高任务复杂度
从搜索替代（体育分数、天气）开始，扩展到分析（整理研究、数据解释），再到创作（策划书草稿、战略制定）。 - 根据任务选择模型
复杂的编程和分析任务用Opus，简单查询和草稿用Sonnet。 - 将比重从个人使用转向工作使用
每周至少3次将AI投入实际工作——会议记录分析、市场调研整理、代码审查等。
