Суть
Компания Anthropic опубликовала свежий отчет Economic Index за март 2026 года, в котором анализируется, как именно люди используют модель Claude в экономике. Главный вывод заключается в том, что кривая обучения играет критическую роль: опытные пользователи решают более сложные задачи и достигают успеха на 10% чаще. Одновременно с этим наблюдается классическая кривая принятия технологий — по мере роста популярности платформы на нее приходят массовые пользователи с более простыми, бытовыми запросами.
Контекст
Anthropic регулярно выпускает Economic Index, используя систему анализа данных, сохраняющую конфиденциальность. Цель этого проекта — как можно раньше понять экономическое влияние искусственного интеллекта, чтобы исследователи и регуляторы имели время на подготовку. Текущий отчет сравнивает данные за февраль 2026 года с ноябрем 2025 года, охватывая период после релиза моделей Claude Opus 4.5 и 4.6.
Детали
Данные отчета раскрывают несколько важных тенденций в поведении пользователей:
Во-первых, сценарии использования диверсифицируются. В веб-версии Claude.ai доля топ-10 самых популярных задач снизилась с 24% до 19%. Это связано с тем, что программирование — исторически самый популярный юзкейс — активно мигрирует в программный интерфейс (API). Разработчики все чаще используют инструменты вроде Claude Code, которые разбивают работу на множество мелких автоматизированных запросов.
Во-вторых, средняя экономическая ценность задач в веб-интерфейсе немного снизилась. Anthropic оценивает этот показатель, сопоставляя задачи со средней почасовой оплатой труда в США. Снижение вызвано притоком новых пользователей, которые задают простые вопросы о спорте, погоде или покупках.
В-третьих, опыт работы с ИИ напрямую влияет на результат. Пользователи, работающие с Claude более шести месяцев, реже используют модель для личных нужд и чаще — для образовательных или сложных рабочих задач. Их уровень успешного завершения диалогов на 10% выше, что не объясняется просто выбором других задач или географией. Это прямое доказательство концепции обучения в процессе работы (learning-by-doing).
Также пользователи стали лучше понимать, какой инструмент им нужен. Для сложных задач, таких как программирование, они целенаправленно выбирают самую мощную модель семейства — Opus.
Анализ
Мы наблюдаем процесс взросления рынка генеративного ИИ. Ранние последователи, которые начинали с написания кода в чате, теперь переходят к созданию сложных автоматизированных систем через API. Чат-интерфейсы остаются точкой входа для широкой аудитории, чьи запросы менее специализированы.
Данные о кривой обучения подчеркивают важный экономический сдвиг. Эффективность использования ИИ — это не просто функция самой языковой модели (LLM), но и навык человека. Те, кто инвестирует время в эксперименты и изучение возможностей систем, получают непропорционально большую выгоду. Это может привести к новому виду профессионального неравенства, где преимущество получают не просто специалисты в своей области, а специалисты, умеющие эффективно дополнять свои навыки искусственным интеллектом.
Перспектива
В ближайшем будущем можно ожидать дальнейшего разделения пользовательского опыта. Профессиональные задачи будут все больше интегрироваться в агенто-ориентированные рабочие процессы (agentic workflows) через API, скрывая ИИ «под капотом» привычных программ. Веб-интерфейсы, в свою очередь, станут универсальными личными помощниками для повседневных задач. Главный вызов для индустрии образования и корпоративного обучения теперь состоит в том, чтобы помочь как можно большему числу людей пройти эту кривую обучения и научиться извлекать максимальную экономическую ценность из новых технологий.