摘要：Anthropic 对 80,508 名 Claude 用户的开放式访谈说明，企业 AI 的下一阶段竞争不在模型更大，而在可靠、可控、能进入业务流程的 AI 工作系统。
过去一年，AI 行业的叙事几乎被“更大模型、更强推理、更长上下文、更低价格”占满。OpenAI、Anthropic、Google、Meta、DeepSeek 等公司不断刷新模型能力，媒体和投资机构也习惯用排行榜、跑分、上下文长度和价格来判断谁领先。
但 Anthropic 在 2026 年 3 月发布的《What 81,000 people want from AI》，给这个叙事补上了另一面：当真正使用 AI 的人被问到“你希望 AI 为你做什么”时，他们的答案并不是“再给我一个更大的模型”，而是更具体、更现实，也更接近企业落地的本质。
用户真正关心的是：减少无效劳动、提升专业能力、释放时间、帮助完成复杂任务，同时要可靠、可控，不能让人失去判断力。
这项研究基于 2025 年 12 月的一周开放式访谈。Anthropic 邀请 Claude 用户与一个 AI 访谈员对话，询问他们如何使用 AI、希望 AI 带来什么、又担心 AI 造成什么影响。最终有 80,508 份访谈达到质量门槛，覆盖 159 个国家、70 种语言。Anthropic 称，这是他们所知规模最大、语言最多元的定性研究之一。
这件事值得写，不只是因为它提供了一份 AI 用户画像，而是因为它揭示了一个越来越清晰的产业信号：AI 的竞争正在从“模型能力竞争”转向“任务价值竞争”。企业真正需要的，不是一个会说更多话的模型，而是一个能稳定进入业务流程、帮助员工完成工作、又能被治理和审计的智能系统。
用户最想要的不是替代人，而是减少低价值劳动
Anthropic 对用户回答做了分类。在“希望 AI 带来什么”这个维度里，排名第一的是 Professional excellence，占比 18.8%。这类用户希望 AI 处理日常重复任务，让自己把精力转向更高价值的战略工作、复杂问题解决和专业能力提升。
这个结果很关键，因为它和很多外部叙事并不一样。
外部讨论 AI 时，经常把焦点放在“AI 会不会替代人”。但真实用户的首要期待并不是“让 AI 完全替代我”，而是“让 AI 帮我承担掉那些消耗时间、消耗注意力、但并不真正体现专业价值的工作”。
医生希望 AI 减少文书负担，把时间还给患者；律师希望 AI 帮忙梳理合同，把注意力放到判断上；工程师希望 AI 处理重复代码、资料整理和上下文搜索，把精力放到架构、验证和创新上。
这和企业 AI 落地高度一致。企业员工每天大量时间并不花在真正的专业判断上，而是花在资料查找、表格整理、会议纪要、报告撰写、流程填报、邮件沟通、系统录入和跨部门协调上。
AI 如果只是回答问题，价值有限；如果能真正进入这些流程，减少重复劳动，就会立刻产生可感知的效率收益。
AI 真正的风险不是“太弱”，而是“不可靠”
这份调研最值得企业重视的地方，是用户担心的问题。
在 Anthropic 的分类中，用户最大的担忧不是失业，而是 Unreliability，占比 26.7%。其中包括幻觉、不准确、假引用，以及用户为了验证 AI 结果反而增加额外负担。
这个发现对企业尤其重要。
很多企业一开始接触 AI，最容易被模型演示震撼：它能写方案、能翻译、能总结、能生成代码、能分析表格。但真正部署到业务中，最先遇到的问题往往不是“模型不够聪明”，而是“模型不够可靠”。
它可能回答得很流畅，但引用错了制度条款；它可能生成了一份看似完整的报告，但关键数据没有来源；它可能写出一段代码，但没有考虑真实系统约束；它可能总结会议纪要，但遗漏了最重要的责任人和截止时间。
对于个人用户，这可能只是一次体验失败；对于企业，这可能意味着错误决策、合规风险、质量事故甚至客户损失。
所以，企业 AI 的核心问题不是“能不能生成”，而是“能不能可信生成”。不是“会不会回答”，而是“能不能在正确的数据、权限、流程和责任边界内执行”。
这也是为什么大模型进入企业以后，必须和知识库、数据库、权限系统、日志系统、审批流程、工具调用和人工确认结合起来。只靠一个大模型接口，不可能完成严肃业务闭环。
企业需要的是可控智能体，不是万能聊天框
Anthropic 的调研里，用户第三大担忧是 Autonomy & agency，占比 21.9%。用户担心 AI 在缺乏监督的情况下替人做决定，也担心人在强制使用 AI 的环境里变得被动。
这恰好击中了企业智能体建设的关键矛盾。
现在很多公司都在讲 Agent，但如果 Agent 只是“让模型自己做更多事”，风险会很大。真正可落地的企业 Agent，必须是可控的执行系统。它可以自主规划任务，但不能越权；可以调用工具，但必须留下日志；可以生成建议，但关键动作要有人确认；可以持续学习，但不能突破企业数据安全和业务规则。
换句话说，企业不需要一个“什么都敢做”的 AI，而需要一个“在边界内可靠完成任务”的数字员工。
这也是当前 AI 产品从 ChatBot 向 Agent 演进时必须补上的工程能力：身份认证、权限控制、任务编排、工具治理、数据隔离、结果校验、审计追踪、异常回滚。
没有这些能力，Agent 就只能停留在演示阶段，很难进入真实生产系统。
对于制造业、金融、医疗、政务等高风险行业尤其如此。一个客服 Agent 回答错一句话，可能带来投诉；一个财务 Agent 操作错一笔款项，可能带来损失；一个工程 Agent 误判设计参数，可能影响产品安全。因此，企业 AI 不是简单追求“更自主”，而是追求“可治理的自主”。
AI 价值的主线，是从效率工具走向能力放大器
这份调研中，除了专业卓越，用户还提到了个人成长、生活管理、时间自由、财务独立、社会转型、创业、学习成长和创意表达等愿望。Anthropic 在总结中指出，很多愿景背后其实是一个更底层的期待：AI 不只是帮助人工作更快，而是帮助人生活得更好。
在企业场景里，这至少对应三层价值。
第一层是效率提升。AI 帮助员工更快完成资料整理、文本生成、代码编写、表格处理、会议总结、信息检索。这是目前最容易落地的一层。
第二层是能力扩展。AI 让非专业人员获得部分专业能力，让小团队具备大团队的执行能力。一个创业者可以同时完成市场分析、产品设计、文案撰写、代码原型和客户沟通；一个工程师可以借助 AI 快速理解陌生标准、调用工具、生成初步方案。
第三层是组织重构。AI 不再只是个人效率工具，而是嵌入企业流程，改变岗位分工、协作方式和知识流动。未来很多岗位不会消失，但工作内容会被重新拆分：重复性任务交给 AI，判断性任务交给人，跨系统执行由 Agent 协同完成。
这对企业管理者提出了新要求。不能只问“买哪个模型”，而要问“哪些流程值得 AI 重构”；不能只问“员工会不会用 Prompt”，而要问“企业有没有把知识、数据、工具、权限和流程准备好”。
对工业智能的启示
从工业智能角度看，这份调研尤其有价值。
制造业企业并不缺 AI 概念，缺的是可落地的任务场景。很多企业上来就讨论大模型参数、私有化部署、知识库规模，但真正应该从业务出发：哪些岗位每天被低价值劳动拖住？哪些流程存在大量人工复制粘贴？哪些工程知识沉淀在老师傅脑子里？哪些质量问题需要跨系统追溯？哪些售后问题反复出现但没有形成知识闭环？
这些问题，才是工业 AI 的入口。
例如，研发设计环节可以做工程知识助手、标准查询、方案生成、仿真任务编排；工艺环节可以做工艺卡片生成、参数推荐、异常分析；质量环节可以做检测报告生成、缺陷归因、问题追溯；售后环节可以做故障诊断、维修建议、备件推荐。
每一个场景都不是简单问答，而是“知识 + 数据 + 工具 + 流程”的组合。
这也解释了为什么工业智能不能只做一个通用聊天框。工业场景需要的是岗位智能体、流程智能体和工程智能体。它们要懂行业知识，也要懂企业数据；要能生成内容，也要能调用 CAD、CAE、MES、PLM、ERP、LIMS 等系统；要能给建议，也要能形成可审计的任务记录。
Anthropic 用户最担心“不可靠”，制造业最不能接受的也正是不可靠。工业 AI 一旦进入设计、生产、质量和安全环节，就必须具备来源可追溯、结果可验证、责任可划分的能力。
这意味着未来工业 AI 平台的核心竞争力，不是模型本身，而是行业知识组织能力、工具集成能力和闭环交付能力。
企业 AI 的竞争焦点正在改变
这份 8.1 万人调研最重要的产业信号是：AI 行业已经不能只用技术指标定义价值。
模型当然还会继续进步，推理能力会更强，上下文会更长，工具调用会更稳定。但对企业而言，真正决定采购和持续使用的，不是模型发布会上的参数，而是几个更朴素的问题：
它能不能减少员工的重复劳动？它能不能提高专业工作的质量？它能不能稳定接入企业知识和业务系统？它能不能在权限边界内执行任务？它能不能降低风险，而不是制造新的验证负担？它能不能形成业务闭环，而不是只给一段建议？
如果这些问题没有解决，再强的模型也只是演示工具；如果这些问题解决了，即使模型不是排行榜第一，也能产生真实价值。
所以，Anthropic 这项调研真正告诉我们的，并不是“用户喜欢 AI”或者“用户害怕 AI”这么简单。它揭示的是 AI 落地的主线：人们希望 AI 帮自己拿回时间、提升能力、减少负担，但同时要求它可靠、可控、有边界。
这正是企业 AI 下一阶段的方向：从聊天机器人走向智能体，从内容生成走向任务执行，从模型能力走向业务价值，从单点工具走向组织级智能基础设施。
一句话总结：企业真正需要的不是更大的模型，而是更可靠的 AI 工作系统。谁能把模型能力转化为可执行、可治理、可复用的业务能力，谁才会在下一阶段 AI 落地中真正胜出。
参考资料
-
Anthropic：What 81,000 people want from AI，2026-03-18
https://www.anthropic.com/features/81k-interviews -
Anthropic：Appendix to “What 81,000 people want from AI”，2026-03（见官方文章页面 Appendix 链接）
-
Anthropic：Anthropic Economic Index，2025-09
https://www.anthropic.com/economic-index