當 AI 能接手更多工作，你還剩下什麼？

AI 越來越強。

所以你拚命學新工具、新模型、新工作流，怕慢一步就被取代。

但如果每個人都會用同一套工具，客戶為什麼還要選你？

答案不在你會多少指令。

在你累積了多久的判斷、看懂了多少情境，還有多少人願意相信你。

Anthropic 在 2026 年 6 月發布的 Economic Index，看起來是一份關於 Claude 如何被使用的經濟研究。

但如果你正在經營個人品牌，它其實還回答了另一個更迫切的問題：

當 AI 能接手更多工作，你還剩下什麼？

這份報告最先拆的，不是職業，而是時間。

Anthropic 透過保護隱私的遙測方式，把使用資料切到每天、每小時，觀察人在什麼時候把什麼事交給 Claude。

結果很像一張人類生活的心電圖。

平日的 Claude 對話裡，約 35% 被分類為個人使用；到週末，這個比例上升到接近 50%。人們平日要 Claude 處理商務書信、行銷文案和簡報，週末則轉向情緒支持、醫療問題與投資建議。

談創業的對話，在週六與週日最多。

早上 7 點，人們問新聞。上午 10 到 11 點，商務書信出現小高峰。晚上 6 點，食譜請求是平均的 2.3 倍。接近清晨時，睡眠建議開始上升。

甚至連稅務截止日都留下痕跡。在美國報稅截止日前一天，稅務相關對話是 5 月平均水準的 8 倍，截止日過後又快速下降。

這些數據提醒我們，AI 不是一個獨立的技術世界。

它已經嵌進人們的工作、焦慮、創業衝動、晚餐和失眠裡。

對品牌來說，這也是第一個警訊：如果你只在談工具有什麼功能，卻沒有看見人在哪個時刻、帶著什麼壓力使用它，你還沒有真正看懂市場。

報告的第二個重點，是「artifact」，也就是人從對話中帶走的具體產出。

它可能是一份文件、一段程式、一篇論文、一份報告，也可能只是一段說明。

Anthropic 的分類器認為，93% 的 Claude 對話都有產生某種具體結果。最常見的是說明，佔 17%；文件與報告佔 15%；建議與指引佔 11%。

但同一種產出，用途可能完全不同。

創意寫作、建議與食譜類對話，超過 80% 屬於個人用途。相對地，產生行銷內容的對話有 80% 和工作有關，部落格與文章是 81%，資料庫查詢是 82%。

這代表 AI 已經不只是「幫我想想」的對話框。

它正在交付可以被送出、彙報、上線與使用的成品。

所以問題已經不是「AI 能不能幫我工作」。

而是「當 AI 能交付成品，我還要為什麼負責」。

這份報告最容易被忽略的發現，在計算量與工作價值的關係裡。

在對應到高薪職業的對話中，Claude 每一輪產生的內容是低薪組的 1.34 倍，使用者來回互動次數則是 1.53 倍。高薪組使用 extended thinking 的比例是 34%，低薪組是 31%。

換句話說，AI 產出更多，並沒有讓人投入更少。

在價值更高、判斷更複雜的工作裡，人和 AI 反而都投入更多。

這不足以證明 AI 一定會放大所有人的價值，但它不符合「AI 做得越多，人就一定做得越少」的簡單想像。

更像是：執行可以被放大，但判斷還需要人持續參與。

這就是個人品牌應該占住的位置。

不是和 AI 比誰打字快、誰能一次生二十個版本。

是讓別人看見，在二十個版本中，你為什麼選這一個。

報告用 1 到 5 分評估 Claude 在任務中擁有多少自主決定空間。

在列出的 31 種產出中，有 26 種在 Claude Code 上的 AI 自主性，高於一般對話或 Cowork。

寫部落格和文章是很有畫面的例子。

一般對話與 Cowork 產出文章時，中位數是 13 輪來回互動；用 Claude Code 產出文章時，中位數只有一個人類提示。

當然，Claude Code 使用高能力模型的比例也更高。54% 的 Claude Code 對話使用 Opus，一般對話與 Cowork 只有 10%。

但就算只比較同樣使用 Sonnet 的任務，Claude Code 的自主性仍高出 0.26 分。這表示差別不只是模型較強，也和使用什麼介面、如何授權有關。

而且，跨不同產出類型來看，AI 自主性和中位 token 使用量呈現正相關，相關係數是 0.68。越願意放手讓 AI 完成的產出，往往也消耗更多計算量。

對品牌來說，這裡有一條很重要的邊界。

你當然可以交出執行，甚至交出大部分製作決定。

但你不能交出「我為什麼值得被選擇」這個答案。

報告的第三章，將約 9,700 名受訪者的調查回答，與他們從 5 月中到 6 月初的 Claude 使用模式連結起來。每位受訪者最多隨機抽樣 20 個使用 session，少於 5 個 session 的人會被排除，以降低抽樣雜訊。

這裡必須先把限制說清楚。

這不是一份能代表所有工作者的調查。受訪者來自 Claude 使用者，而且電腦與數學職類佔約 30%，美國勞動市場中這類職業只約佔 4%。管理職類佔受訪者 23%，就業比例則約為 7%。

所以這些數據適合用來看 Claude 使用者中出現的模式，不能直接套到全部人口。

即使如此，有幾個結果仍然很值得看。

接近 6 成受訪者認為，12 個月後 AI 能完成的工作比例，會落在比今天更高的區間。超過三分之一認為，一年後 AI 可以完成他們大部分、甚至幾乎全部的工作任務。

他們不是覺得變化很遠。

他們覺得變化就在明年。

這份調查裡，工作 15 年以上的受訪者，認為 AI 現在能完成的工作任務比例，比剛進入職場第一年的人低約 10 個百分點。

這不一定代表資深工作者比較不懂 AI。

報告的後續訪問指向另一個可能：他們累積了更多難以說明、也難以模擬的默會知識。

他們最常提到 AI 難以取代的三件事，是判斷、情境意識與當下推理。

而且，工作至少 15 年的受訪者，更常指出建立信任、管理人這些人際工作，不是 AI 容易複製的東西。

把這個發現放到個人品牌上，會看到一個很清楚的差別。

「我會用 Claude」是技能。

「我知道什麼時候不該照 Claude 的答案做」才是判斷。

技能可以快速學會，也會快速普及。

判斷則來自你真正做過的事、犯過的錯、見過的例外，還有你願意為哪一種結果負責。

這些經驗如果只留在腦中，別人看不見。

當你透過內容公開你怎麼判斷、為什麼拒絕某個看起來正確的選項、哪個細節讓你改變決定，它們才會變成公開的品牌資產。

工具誰都可以用。

你怎麼做決定，才是別人會不會記住你的地方。

這份調查當然沒有只留下樂觀數字。

超過三分之一的受訪者認為，未來 12 個月內，自己或身邊同事的工作責任很可能出現顯著變化。10% 認為自己很可能或可能失去想保留的工作。

而且人們對別人的工作，比對自己更擔心。

超過三分之一的受訪者認為，初階同事未來一年失去工作的機率超過 60%。

這些不是可以輕輕帶過的焦慮。

但同一份報告裡，又出現另一個反直覺結果：把更多完整任務交給 Claude 的人，不是更悲觀，反而更看好 AI 對未來薪資、工作保障、找到新工作的能力、工作意義、自主性與人際互動的影響。

報告提供了兩種可能解釋。

第一，原本就看好 AI 的人，可能更願意放手交付任務。第二，更積極使用自動化的人，可能已經在當下感受到更多好處。

這是相關性，不是因果證明。

但它至少告訴我們，「交出更多任務」和「覺得自己更沒價值」，並沒有必然同時發生。

在生產力感受上，86% 的受訪者認為 AI 讓自己工作更快，82% 認為自己能處理更大範圍的任務，69% 認為工作品質提升。另有 27% 表示，AI 幫他們省下原本必須購買的外部服務成本。

在學習與技能上，68% 表示自己透過 AI 學得更多，57% 認為 AI 讓自己的技能更有市場價值。

而且隨著自動化使用比例上升，覺得自己技能更值錢的人也變多；自評「學得更多」的比例則大致持平。

不過，Anthropic 也沒有把這寫成一個過度樂觀的結論。

這些都是受訪者的自我評估。一個人可能覺得技能更值錢、覺得自己學得更多，同時某些能力仍在不知不覺中退化。這份數據無法排除這種可能。

所以正確的問題不是：「我該不該自動化？」

而是：「當我自動化這件事，我準備把腾出來的注意力放在哪裡？」

如果答案是去練更深的判斷、建立更強的關係、解決更難說清楚的問題，那麼 AI 有可能放大你的價值。

如果腾出來的位置只用來產出更多一樣的東西，你只是更快地跑向同質化。

報告最後問受訪者：你希望十年後，一個被 AI 改變的經濟是什麼樣子？

最常出現的並不是「讓 AI 把所有人換掉」。

超過一半的受訪者，希望和 AI 一起做有意義的工作，希望自己的職涯仍然重要，也希望新產業能創造新機會。

同時，略超過一半的人希望 AI 自動化工作中煩瑣、重複的部分，讓人擁有更多自由時間，也有更多空間追求工作以外的意義。

約三分之一希望 AI 帶來的經濟成果，可以被更廣泛地分享。

這其實就是品牌的答案。

人們不只想要更快的工具。

他們想知道，工具變快以後，自己還能成為誰、還能創造什麼、還能不能過一個有意義的生活。

能夠持續回答這些問題的品牌，會比只會發布新功能的品牌更容易被記住。

常見做法：把個人簡介寫成工具清單。

會 ChatGPT、會 Claude、會 Midjourney、會自動化。

這些當然都是技能。

但當每個人都可以使用同一個模型、下載同一套工作流，「我也會」就很難成為記憶點。

結果是，每學會一個新工具，你就要重新改一次自己是誰。

你的品牌一直追著工具跑，卻沒有讓別人看見你能判斷什麼、負責什麼、為什麼值得信任。

工具換了，你的價值也跟著歸零。

你的品牌現在是不是也這樣——寫了一堆「我會什麼」，卻沒有一個「我怎麼判斷」？

不用刪掉工具清單。

先在旁邊加上一個你真正做過的判斷。

用這三句：

大多數人遇到 ___ 時，會直接做 ___。

我會先看 ___，因為我遇過 ___。

所以我在 ___ 的情況下，會選擇 ___。

把它變成你的下一篇內容。

不要只展示結果。公開你看見了什麼、排除了什麼，以及你怎麼做決定。

這才是 AI 越強時，會跟著你一起累積的品牌資產。

這份調查能代表所有工作者嗎？

不能。報告明確說明，受訪者來自 Claude 使用者，電腦與數學、管理職類明顯高估。這些數據適合觀察模式，不能直接推論到所有人。

資深工作者覺得 AI 能做的事較少，代表他們抵抗 AI 嗎？

不能這樣解讀。報告提出的可能性是，資深工作者擁有更多難以模擬的默會知識、情境、判斷與人際工作。

把更多工作交給 AI，就一定更不容易被取代嗎？

不一定。報告只顯示自動化使用與樂觀預期之間有關聯，無法證明因果。技能也可能在個人沒察覺時退化。

我還要不要在品牌上寫自己會用哪些工具？

可以寫，但工具只是證據的一部分。更重要的是，你用它解決過什麼問題、做過什麼判斷，以及有誰因此願意信任你。

我今天的第一步是什麼？

挑一個你最熟悉的工作情境，用「大多數人怎麼做／我先看什麼／所以我怎麼選」寫成三句話，發成你的下一篇內容。

AI 可以讓大家都做得更快。

但你累積過的判斷、情境與信任，才是別人會不會在需要時想起你的原因。