Антропік економічний індекс: аналіз останнього звіту, використання Claude у лютому 2026 року показує, що сценарії застосування Claude продовжують розширюватися, а середній рівень оплати за завдання трохи знизився. Стаття базується на дослідженні, опублікованому Anthropic, переклад і редагування — Динаміка ринку.
（Попередній огляд: Антропік запустив панель AI-ударів: введіть професію — миттєво дізнайтеся, скільки роботи забирає AI）
（Додатковий контекст: CZ: Вартість криптовалютних транзакцій у США занизька, шлях до крипто-столиці ще відкритий）
Зміст статті
Перемикач
- Зміни з попереднього звіту
- Крива навчання
- Розділ 1: Зміни з попереднього звіту
- Розмаїття сценаріїв використання Claude
- Нові автоматизаційні моделі
- Перевірка географічної конвергенції
- Розділ 2: Навчання використанню AI
- Вибір моделей
- Крива навчання
- Обговорення
- Примітки
Антропік економічний індекс за допомогою нашої системи захисту приватності аналізу даних відстежує застосування Claude у цілій економіці. Це один із наших ранніх кроків для розуміння впливу AI на економіку, щоб дослідники та політики мали достатньо часу для підготовки.
Останній звіт аналізує використання Claude у лютому 2026 року, базуючись на економічній структурі, створеній на основі даних листопада 2025 року. Вибірка охоплює період з 5 по 12 лютого, через три місяці після релізу Claude Opus 4.5, і співпадає з датою випуску Claude Opus 4.6.
Спершу зафіксовано зміни у застосуванні: частка інтерактивних сценаріїв (співпраця з AI для підвищення можливостей користувача) у трафіку Claude.ai та API зросла. У Claude.ai сценарії стали більш різноманітними, частка топ-10 завдань у загальному обсязі зменшилася — з 24% у листопаді до 19% у лютому. Це зумовлено перенесенням кодування у API, де робота розбита на кілька незалежних API-запитів. Хоча частка кодування у API зросла, загальний розподіл сценаріїв залишився стабільним.
Це частково пояснює зниження концентрації топ-завдань. Структура сценаріїв також змінилася: частка навчальних сценаріїв знизилася з 19% до 12%, натомість особисті запити зросли з 35% до 42%. Це пов’язано з зимовими канікулами та зростанням кількості нових користувачів, що використовують AI для розваг і особистих цілей.
Розмаїття професійних сценаріїв базується на вже існуючих моделях. Наші попередні дослідження показали, що 49% професій використовують Claude для щонайменше чверті завдань; цей показник майже не змінився. З’явилися нові сценарії, зокрема у сферах освіти, розваг, спорту, домашніх справ.
Зміни у географічному розподілі: застосування у США продовжує конвергувати, частка найактивніших штатів зменшилася з 40% до 38%. Глобально ж концентрація зросла: 20 найбільших країн тепер використовують AI більш рівномірно, їх частка зросла з 45% до 48%.
Розділ 1: Зміни з попереднього звіту
Розмаїття сценаріїв Claude
Ми аналізуємо сценарії, співставляючи кожну розмову з професійними задачами з бази O*NET, використовуючи методи захисту приватності. Вибірка — по мільйону діалогів з Claude.ai та API.
Кодування залишається найпопулярнішим сценарієм, 35% у Claude.ai — пов’язано з технікою та математикою.
З листопада 2025 до лютого 2026 року частка топ-10 завдань знизилася — з 24% до 19%. Це частково через перенесення кодування у API, де воно розбите на кілька API-запитів. Хоча частка кодування зросла у API, розподіл сценаріїв залишився стабільним.
Зміни у структурі сценаріїв: частка навчальних знизилася з 19% до 12%, особисті — з 35% до 42%. Це пов’язано з зимовими канікулами та зростанням нових користувачів.
Розмаїття професійних сценаріїв базується на вже існуючих моделях. 49% професій використовують Claude для щонайменше чверті завдань; цей показник майже не змінився. З’явилися нові сценарії, зокрема у сферах освіти, розваг, спорту, домашніх справ.
Згідно з даними, застосування у США конвергує, але швидкість зменшення концентрації знизилася: з 30% до 24% у період з серпня 2025 до лютого 2026. Глобально ж концентрація зросла — частка 20 найбільших країн збільшилася з 45% до 48%.
Графік 4: Тенденція конвергенції застосування Claude у США — частка топ-5 штатів зменшилася з 30% до 24%, швидкість зниження сповільнилася.
Графік 5: Глобальна нерівність у застосуванні за допомогою коефіцієнта Джині — зростання концентрації, нерівність зросла порівняно з попереднім звітом.
Розділ 2: Навчання використанню AI
Цей розділ досліджує, як користувачі навчаються та адаптують свої стратегії роботи з AI: вибір моделей та поведінка досвідчених користувачів.
Перший аспект — вибір моделей. Ми бачимо, що користувачі переважно обирають найрозумнішу модель Opus для високоприбуткових завдань, наприклад, програмування. У платних користувачів Claude.ai Opus використовується у 55% випадків для технічних завдань, тоді як для освітніх — лише 45%.
Досвідчені користувачі, що довше працюють з Claude, частіше використовують його для роботи, ніж новачки. Ті, хто працює понад 6 місяців, на 7% частіше застосовують Claude для професійних цілей, і їхні завдання мають вищий рівень освіти.
Вивчення на практиці
Досвідчені користувачі отримують кращі результати у діалогах, що свідчить про навички та стратегії. Навіть після врахування типу завдання та географії, досвідчені користувачі мають на 3-4% вищий рівень успішності.
Вибір моделей
Моделі Claude — Haiku, Sonnet, Opus — мають різні характеристики. Opus — найпотужніша, але й найдорожча. Вибір залежить від складності завдання та бюджету. Наприклад, для високоприбуткових технічних завдань Opus використовується у 34% випадків, для освітніх — лише 12%.
Більш досвідчені користувачі, що цінують ефективність, частіше обирають Opus для складних завдань, тоді як для рутинних — використовують менш потужні моделі.
Зв’язок між рівнем зарплати та вибором Opus: у сфері програмування Opus застосовується у 34% випадків, у домашньому навчанні — лише 12%. З кожним додатковим 10 доларів годинної зарплати частка Opus зростає на 1.5%. Аналогічно, у API — у 2 рази сильніше реагує на складність завдання.
Графік 6: Відсоток використання Opus для різних сценаріїв — високі зарплати та технічні завдання схиляють до вибору Opus, освітні — менше.
Графік 7: Кореляція між зарплатою та часткою використання Opus — кожні 10 доларів підвищення зарплати збільшують його застосування на 1.5%.
Крива навчання
Перший модельний запуск Claude відбувся у березні 2023 року. З того часу зросла різноманітність користувачів — від перших користувачів до новачків. Досвідчені користувачі (з понад 6 місяців досвіду) частіше використовують Claude для роботи, менше — для особистих цілей. Вони застосовують його для більш складних завдань, отримують кращі результати.
Залежність між досвідом та результатами підтверджується аналізом: досвідчені користувачі мають на 5% вищий шанс успішно завершити діалог. Це може бути пов’язано з навичками або з тим, що вони виконують більш складні завдання.
Порівняння високорівневих та низькорівневих користувачів у однакових сценаріях показує, що досвідчені — більш успішні, навіть враховуючи тип завдання та регіон.
Результати з урахуванням фіксованих ефектів: високий досвід дає додаткові 3-4% успіху, що свідчить про важливість навичок та досвіду.
Графік 9: Аналіз успішності діалогів — досвідчені користувачі мають на 3-4% вищий рівень успіху, навіть враховуючи тип завдання та інші фактори.
Обговорення
Цей звіт оновлює ключові показники застосування Claude, зокрема — вибір моделей і їх вплив на успіх. З серпня 2025 року застосування API стало більш концентрованим: топ-10 сценаріїв зросли з 28% до 33%. У той час як сценарії Claude.ai стали більш різноманітними. Конвергенція у США триває, але швидкість зменшення концентрації знизилася. У країнах із низьким рівнем застосування — невелика перевага.
Модельна структура дозволяє простежити зміни у способах застосування: зменшення складності та автономності у діалогах, зростання застосування у менш складних сценаріях. Вартість завдань у Claude.ai знизилася з 49.30 до 47.90 доларів за годину, що пов’язано з ростом простих запитів та перенесенням кодування у API. Обидві платформи зосереджують складні завдання на потужнішій моделі Opus.
Досвідчені користувачі більше співпрацюють з AI, застосовують його для роботи, виконують складніші завдання і досягають кращих результатів. Це суперечить уявленню, що автоматизація переважає у найрозвинутіших користувачів; навпаки, досвідчені — більш схильні до ітеративної роботи. Це підтверджує ідею, що навички та досвід з AI зростають із часом.
Ще один аспект — груповий ефект або ефект виживання: ранні adopters, з високими технічними навичками, отримують більше користі. Тому, хоча всі стикаються з AI-ударом, перші користувачі — найбільші вигідники.
Результати можуть посилювати нерівність у ринку праці: висококваліфіковані працівники отримують більше вигод від AI, що може поглиблювати розриви. Це підтверджує ідею, що ранні adopters — висококваліфіковані фахівці, які отримують найбільше переваг.
Графік 10: Взаємозв’язок застосування Claude, кривої навчання та впливу на ринок праці — узагальнений огляд.
Примітки
- Автоматизація програмування у Claude Code врахована у загальному трафіку Claude.ai, оскільки вона базується на підписці.
- Під «особистим використанням» розуміємо сценарії з O*NET, що включають: 1) харчову підготовку та послуги (35-0000); 2) особистий догляд і послуги (39-0000); 3) мистецтво, дизайн, розваги, спорт, медіа (27-0000), лише для розваг/спорту; 4) сільське господарство, рибальство, лісове господарство (45-0000); 5) будівництво та обслуговування територій (37-0000); 6) соціальні служби (21-0000), переважно для особистого здоров’я/родини. Освітні завдання не враховуються.
- У цьому аналізі виключено користувачів без платної підписки Claude.ai.
- Для обчислення середньої зарплати за професіями з урахуванням кількості працівників і часу, витраченого на завдання.
- Для виявлення нових сценаріїв — обрано O*NET, що зросли у 2 рази або більше та з’явилися принаймні 300 разів.
- Вказані діапазони — різні оцінки з урахуванням або без вагових коефіцієнтів.
- Аналіз базується на лог-даних з рівнем приватності, описаному у додатку.
- Незалежно від визначення «високої кваліфікації», результати схожі.
- Період дослідження співпадає з виходом реклами на Супербоул, що сприяло залученню нових користувачів.
