AI访谈人类：Anthropic Interviewer揭示职业情绪图谱

人工智能正迈入新阶段，不仅能回答问题，还能主动采访人类。Anthropic推出的Interviewer工具让模型与1250名真实用户深度对话，自动生成提纲、实时追问、进行聚类分析，最终绘制出一张‘人类情绪雷达图’。这一次，人类成为了AI的深入研究对象。

难以想象，有一天AI真的开始系统性采访人类了。 

内容绝非‘你今天过得怎么样’这类日常闲聊，而是遵循一套完整的质性研究方法。

自主撰写提纲，动态追问，执行主题聚类与情绪分析，最后输出跨行业的‘人类情绪雷达图’。

这就是Anthropic最新发布的Interviewer，一个充满未来感的工具。

它在一周内与1250名真实的职场人士、创作者、科学家对话。

所有细节都被完整记录，再被AI压缩成可量化的结构。

这是一幅AI时代的‘群体心理画像’，也是大模型首次真正深入人类内心世界。

AI精通访谈艺术，甚至超越人类专业水平

Anthropic推出的Interviewer，表面看是普通功能更新，实则悄然跨越了一条技术界线。

它不再仅是回答问题的模型，而是能像一位训练有素的研究者般工作。

带着明确假设与研究目标，主动发起访谈、实时追问、整理情绪，最终将所有内容转化为可量化数据。

过去，这套流程仅能依赖人类研究团队完成，如今首次由AI接手。

访谈从一个看似简单的问题开始，背后却有完整规划过程。

Interviewer会根据研究目标自动生成访谈提纲。哪些主题重要、应在何处追问、哪些情绪信号需捕捉，都在模型内部预先组织。

然后，它以自然开场进入对话：

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；当用户犹豫或绕开时，它会及时将对话拉回主线。

访谈结束后，Interviewer将完整记录交给分析器，自动进行主题聚类、提取关键观点、识别情绪倾向，并根据职业、行业、角色生成可视化‘情绪雷达图’。

Anthropic的自动主题聚类工具Clio。用虚构对话示例说明Clio的分析步骤概述

过去研究团队需数周完成的质性工作，现在AI能在规模化场景中稳定产出。

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

根据受访者反馈，工具稳定性远超预期：超过97%参与者给出高满意度评价，几乎所有人都认为访谈‘准确捕捉了自己的想法’。

这项研究揭示了AI的另一种潜能：自第一次大规模问卷诞生以来，人类质性研究方法首次出现扩展。

对AI行业而言，这是另一方向的突破——不仅能理解文本，还能理解人。

1250份深度访谈，AI首次洞察人类复杂性

在结果出炉前，人们都自以为能猜到大众对AI的看法。

事实却是，不同职业人群正以截然不同的方式迎接同一未来。

Anthropic将1250份访谈按主题聚类后，绘制的情绪倾向气泡图。蓝色越多代表越悲观，黄色越多代表越乐观，气泡越大代表该主题提及人数越多

普通职场人：追求效率，亦需体面

在普通职场人访谈中，谈及最多的是‘效率’。

他们的描述惊人一致：AI能节省时间，让繁琐工作变轻松，甚至重新带来些许‘掌控感’。

高达86%受访者称它加快工作速度，65%对当前使用状况感到满意。

加速流程、减少机械任务，这是他们最直接的体验。

但当访谈深入，另一更隐蔽情绪浮现——他们害怕显得‘过度依赖AI’。

69%受访者坦言，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，从而影响团队地位。

这种矛盾也体现在数据中：他们在访谈中将AI使用描述为协作式：

我仍主导工作，只是让AI加速某些程序。

但Anthropic对Claude使用记录的分析显示，更大比例使用实为自动化——将任务直接交给模型完成，再自行微调。

即便如此，他们仍反复强调‘关键部分还得我来做’，并称此为‘监督AI、管理流程、保留判断’。

受访者的自我描述与实际使用之间的差异。上方为‘协作’，下方为‘自动化’。蓝色越深表示任务更复杂

数据表明，人们在描述AI使用方式时，更倾向强调‘控制感’，但实际行为中自动化比例更高。

创作者：效率驱动下的奔跑

在1250名创作者访谈中，几乎每个情绪点都成对出现——效率与焦虑并行，灵感与身份危机共存。

创作者样本的情绪主题可视化。蓝色越多代表越悲观，黄色越多代表越乐观，气泡越大代表该主题提及人数越多。来源：Anthropic创作者群体访谈分析

摄影师修片周期从12周缩至3周，以往难以实现的效率现成常态。

内容写作者描述一天能完成过往两倍产量；音乐制作人让模型生成一长串词组，从中寻找灵感。

这些案例显示，AI确实压缩了创作的前期门槛与后期流程。

但效率越高，他们反而越不安。

70%创作者担心客户认为作品‘太像AI生成’，担忧品牌受损，怕被同行视为放弃原创。

更现实的是收入。配音行业某些工种已被模型直接取代；产品摄影正加速被替换。

有创意总监坦言：

我知道每次使用AI，都意味着某位摄影师少了一天收入。

创作者一边视AI为工具，称自己掌握最终决定权，但下一句又不自觉承认：有时，它给的方向比我想到的更清晰。

创作者样本的六维情绪雷达图。可见满意度高，但信任和安全感较弱，担忧明显高于其他群体

科学家：不忧替代，却拒交核心

科学家们不像创作者那样焦虑经济压力，也不像普通职场人担心‘形象问题’。

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

因此，他们更多在文献综述、代码调试、论文写作等环节使用AI。

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

科学家们也不太担心失业。

他们常举那些无法数字化的隐性知识例子：细胞培养颜色的微妙变化、某些仪器的‘操作手感’、实验室未写入SOP的经验判断。

这些任务，机器根本无法感知。

科学家对AI在不同研究环节的态度分布。蓝色越多越悲观，黄色越多越乐观，气泡越大代表该主题提及人数越多

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

他们的不信任，源自技术不成熟，而非职业焦虑。

科学家样本的六维情绪雷达图。满意度高、挫折明显、信任偏低，担忧相对较弱

AI照亮各职业的‘脆弱核心’

将这三类人访谈并列时，情绪差异已不足以解释他们的选择。

这些态度背后，实则是各自工作结构中的压力点。

普通职场人之所以小心翼翼，是因身处高度依赖印象管理的组织环境。

AI对他们并非纯粹工具，而是会改变‘他人如何看待我专业性’的信号。

他们的谨慎，非来自技术恐惧，而是来自关系网中位置松动的担忧。

创作者的紧张感源自完全不同结构：他们的收入、风格、作品价值，本质上在市场中直接竞争。

AI造成的压力不是用不用，而是‘用了后，会否削弱我所出售的人格与原创性’。

科学家的态度则属另一端：他们的专业身份不靠‘可见成果速度’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，而是可能犯错的系统。

他们的谨慎更多来自学科本身——错误代价太高，无法轻易托付。

将这三种结构并列，可见更本质分野：每个群体真正关注的，都不是AI多强大，而是AI触动了他们哪一块‘不可替代的核心’。

AI本身无恶意亦无倾向，它只是悄无声息地让每个人最脆弱的部分显形。

同一技术落在不同工作结构，却引发三种截然不同的心理震动。

因此，这三类人对AI的态度差异，非技术本身造成，而是由各自职业结构、评价体系与生存方式决定。

AI只是让这些隐性分野首次浮出水面。

未来AI不止更智能，更需懂人心

访谈仅是可见部分，真正关键的是那些一直被忽略的‘关系变量’。

Anthropic真正追求的，是过去所有模型开发者看不见却至关重要的部分：人们在聊天窗口外，如何与AI建立关系。

Anthropic之前的经济指数仅能分析聊天行为，却无法触及用户对技术的感受、期望与边界感。

而正是这些看不见的变量，才是决定大模型未来影响力的关键。

Anthropic Interviewer是他们首次尝试补全这一块。

它放弃传统问卷预设问题的做法，采用深度访谈，让用户在对话中自然流露隐含信息：

他们如何平衡效率与身份，如何解释AI使用方式，担忧什么，又愿意交出什么。

这些内容不会出现在聊天记录，但却决定人们是否愿继续使用AI、能否信任它、允许它进入工作流哪部分。

对Anthropic而言，这些‘隐性变量’不仅影响产品迭代，也影响他们理解人与模型的合作走向。

这一研究真正想回答的是，当AI越来越像工作伙伴，它该如何被训练，才能融入不同人的生活而不破坏原有结构。

这1250份访谈，是Anthropic首次将视角彻底回归人本身。

未来的模型，将更像从这种‘人与AI关系’中生长，而非仅从技术中诞生。

此轮深度访谈，将一个静默而深刻的事实呈现在台面：

AI并非在取代谁，而是以最直接的方式，迫使不同人群回答同一问题——我在工作中的核心究竟是什么？

普通职场人在关系中寻找答案，创作者在作品中寻找答案，科学家在可靠性中寻找答案。

Anthropic正在做的，就是收集这些隐藏在工作背后的情绪与心理边界，让未来模型不只满足于回应任务，更能对使用者保持足够敏感。

1250份访谈仅是一个开端。

而我们，也正通过这些访谈，逐渐看清自己正在成为怎样的群体。

参考资料： 

https://www.anthropic.com/research/anthropic-interviewer?source=i_email&medium=email&content=Nov2024ClaudeStyles&messageTypeId=140367