【新智元导读】AI 不仅能回答问题，还能采访人类了。Anthropic 让模型与 1250 名真实用户深度对话，自动写提纲、追问、做聚类分析，最后画出一张「人类情绪雷达图」。这一次，人类成了 AI 的研究对象。

很难想象，有一天 AI 真的开始采访人类了。

内容也不是「你今天过得怎么样」这种日常闲聊，而是遵循一套完整的访谈方法。

自己写提纲，追问，做主题聚类、情绪分析，最后给出跨行业的「人类情绪雷达图」。

这就是 Anthropic 最近发布的 Interviewer，一个带着未来气息的工具。

它在一周内和 1250 名真实的职场人、创作者、科学家对话。

所有细节都被记录下来，再被 AI 压成可量化的结构。

这是一张 AI 时代的「群体画像」，也是大模型第一次真正走进人的心里。

AI 会采访人了，而且比人类还专业

Anthropic 推出的 Interviewer，看上去是一个普通的功能更新，实际却悄悄跨过了一条技术线。

不只是回答问题的模型，而是能像一位受过专业训练的研究者。

它带着明确的假设与研究目标，主动发起访谈、实时追问、整理情绪，并最终把所有内容转成可量化的数据。

在过去，这套流程只能靠人类研究团队完成，如今首次被 AI 接手。

访谈从一个看似简单的问题开始，背后有完整的规划过程。

Interviewer 会根据研究目标自动写出访谈提纲。哪些主题重要、应该在哪里追问、哪些情绪信号需要捕捉，都在模型内部提前被组织好。

然后，它会以一个自然的开场进入对话：

这是一场持续 10 – 15 分钟的深度访谈。

AI 会根据回答调整节奏；当用户犹豫、绕开时，它会及时把对话拉回主线。

在访谈结束之后，Interviewer 会把完整的访谈记录交给分析器，自动做主题聚类、提取关键观点、识别情绪倾向，并根据职业、行业、角色生成一套可视化的「情绪雷达图」。

过去研究团队需要数周才能完成的质性工作，现在 AI 能在规模化场景里稳定产出。

Anthropic 采访了 1250 人，并将访谈内容匿名公开，让外部研究者也能使用这批数据。

根据受访者反馈，这个工具的稳定性远超预期：超过 97% 的参与者给出了高满意度评价，几乎所有人都觉得访谈「准确捕捉了自己的想法」。

这项研究发掘出 AI 的另一种可能性：自第一次大规模问卷诞生以来，人类的质性研究方法第一次出现了扩展。

对于 AI 行业来说，这是另一个方向的突破——不仅能理解文本，还能理解人。

1250 份访谈，AI 第一次看见人的复杂

在结果出来之前，人们都以为自己能猜到大家对 AI 的看法。

事实却是，不同职业里的人，正以完全不一样的方式迎接同一个未来。

普通职场人：要效率，也要体面

在普通职场人的访谈里，谈到最多的是「效率」。

他们的描述出奇地一致：AI 能节省时间，让某些烦琐的工作轻松下来，甚至重新让人看到一点点「掌控感」。

高达 86% 的受访者说它让工作变快，65% 对现在的使用状况感到满意。

加快流程、减少机械任务，这是他们最直接的体验。

但当访谈持续深入，另一个更隐蔽的情绪开始浮出来——他们害怕显得自己「太依赖 AI」。

69% 的受访者坦言，自己会刻意压低使用痕迹，担心被同事认为不够专业、邮件像 AI 代写、从而影响自己在团队里的位置。

这种矛盾也体现在数据里：他们在访谈中把自己的 AI 使用描述为协作式的：

我还是主要做主导，只是让 AI 加快一些程序。

但 Anthropic 对 Claude 使用记录的分析显示，更大比例的使用其实是自动化——把任务直接交给模型完成，然后再自己稍作调整。

即便如此，他们依然会反复强调「关键的部分还得我来做」，并把这称作「监督 AI、管理流程、保留判断」。

数据也说明，人们在描述自己使用 AI 的方式时，会更倾向于强调「控制感」，但实际行为里自动化比例更高。

创作者：被效率推着跑

在 1250 名创作者的访谈里，几乎每个情绪点都成对出现——效率与焦虑并行，灵感与身份危机并存。

摄影师的修片周期从 12 周缩到 3 周，以前根本做不到的效率现在成了常规。

内容写作者描述自己一天能完成过往两倍的产量；音乐制作人会让模型给出一长串词组，然后从中找灵感。

这些例子说明，AI 的确把创作的前期门槛和后期流程都压缩了。

但是效率越高，他们反而越不安。

70% 的创作者担心客户会觉得自己的作品「太像 AI 生成」，担心品牌受损，担心被同行视为不再坚持原创。

更扎心的是收入。配音行业的某些工种已经被模型直接顶掉；产品摄影正在加速被替换。

有创意总监坦言：

我知道我用 AI 的每一次，都意味着某个摄影师再少了一天的收入。

创作者一边觉得 AI 是工具，说自己仍然掌握最终决定权，但下一句又会不自觉承认：有时候，它给的方向比我想到的还清晰。

科学家：不担心被替代，但不敢把核心交出

科学家们不像创作者那样焦虑经济压力，也不像普通职场人那样担心「形象问题」。

他们的最大顾虑是可靠性。79% 的科学家明确表示：在重要任务上，AI 还不够稳定，不足以承担生成假说或设计实验的责任；27% 认为模型的理论能力仍明显不足。

于是，他们更多在文献综述、代码调试、论文写作这些环节使用 AI。

而决定实验方向、判断数据异常、根据细微现象推断这些关键步骤，仍保留在人工手中。

科学家们也不太担心失业。

他们经常举出的例子是那些无法被数字化的 tacit knowledge：细胞培养颜色的微妙变化、某些仪器的「操作手感」、实验室里未写入 SOP 的经验判断。

这些任务，机器根本无法感知。

有趣的是，他们并不排斥 AI，相反，91% 的科学家期待未来有一个真正的 AI 研究伙伴。

他们的不信任，是来自技术的不成熟，而不是职业焦虑。

AI 照亮了每个职业的「脆弱中心」

把这三类人的访谈摆在一起时，就会发现情绪的差异已经不足以解释他们的选择。

这些态度背后，其实是他们各自工作结构里的压力点。

普通职场人之所以小心翼翼，是因为他们身处的是高度依赖印象管理的组织环境。

AI 对他们来说不是一个纯粹的工具，而是一种会改变「别人如何看我的专业性」的信号。

他们的谨慎，不是来自对技术的恐惧，而是来自对关系网里位置松动的害怕。

创作者的紧张感来自完全不同的结构：他们的收入、风格、作品价值，本质上都在市场中直接竞争。

AI 对他们造成的压力不是要不要用，而是「用了之后，会不会削弱我所出售的那部分人格与原创性」。

科学家的态度则属于另一端：他们的专业身份不靠「可见的成果速度」来维持，而是靠长期积累的判断力与可靠性。

AI 在这里不是竞争者，而是一种可能犯错的系统。

他们的谨慎更多来自学科本身——错误的代价太高，无法轻易托付出去。

如果把这三种结构摆在一起，就会看到一个更本质、更深刻的分野：每个群体真正关注的，都不是 AI 有多强大，而是 AI 触碰了他们哪一块「不可替代的核心」。

AI 本身没有恶意，也没有倾向，它只是把每个人最脆弱的那块悄悄显了形。

同样的技术落在不同的工作结构里，却引发了三种完全不同的心理震动。

所以，这三类人对 AI 的态度差异，并不是技术本身造成的，而是由他们各自的职业结构、评价体系与生存方式决定的。

AI 只是让这些隐性的分野第一次浮出水面。

未来的 AI 不只是更聪明，而是更懂人

访谈只是能看得见的部分，真正关键的是那些一直被忽略的「关系变量」。

Anthropic 真正想要的，是过去所有模型开发者都看不见、却极其关键的一部分：人们在聊天窗口之外，如何和 AI 建立关系。

Anthropic 之前的经济指数只能分析聊天行为本身，却无法触达用户对技术的感受、期望与边界感。

而恰恰是这些看不见的变量，才是决定大模型未来影响力的最关键部分。

Anthropic Interviewer 是他们第一次试图补上这一块。

它放弃了传统问卷那样预设问题的做法，而是采用深度访谈的方式，让用户在对话中自然地把隐含的信息说出来：

他们如何平衡效率与身份，他们如何解释自己的 AI 使用方式，他们在担心什么，又愿意交出什么。

这些内容不会出现在聊天记录里，但却会决定人们，愿不愿意继续使用 AI、能信不信任它、允许它进入工作流的哪个部分。

对 Anthropic 来说，这些「隐性变量」不仅影响产品迭代，也影响他们如何理解人与模型的合作关系会往哪里走。

这一研究真正想回答的，是当 AI 越来越像工作伙伴，它要如何被训练，才能进入不同人的生活，而不破坏原有的结构。

这 1250 份访谈，是 Anthropic 第一次把视角彻底放回人身上。

未来的模型，将更像是从这种「人与 AI 的关系」中长出来的，而不只是从技术里长出来。

这一轮深度访谈，把一个静默而深刻的事实呈现在台面上：

AI 并不是在取代谁，它是在以一种最直接的方式，逼着不同的人去回答同一个问题——我在工作里的核心到底是什么？

普通职场人在关系里找答案，创作者在作品里找答案，科学家在可靠性里找答案。

Anthropic 正在做的，就是把这些隐藏在工作背后的情绪与心理边界收集下来，让未来的模型不只满足于回应任务，更能对使用它的人保持足够的敏感。

1250 份访谈只是一个开始。

而我们，也正在通过这些访谈，慢慢看清自己正在成为怎样的群体。