Indeks Ekonomi Anthropic memberikan analisis mendalam tentang bagaimana organisasi dan individu memanfaatkan model bahasa besar, khususnya AI-nya, Claude. Laporan ini didasarkan pada data dari satu juta interaksi konsumen dan satu juta panggilan API perusahaan, semuanya tercatat pada November 2025. Berbeda dengan survei tradisional, angka-angka ini berasal dari pengamatan langsung, menawarkan gambaran yang lebih jelas tentang penggunaan AI.
Temuan menunjukkan bahwa penggunaan Claude terkonsentrasi pada sejumlah tugas terbatas, dengan sepuluh tugas teratas menyumbang hampir 25% dari interaksi konsumen dan hampir sepertiga dari lalu lintas API perusahaan. Secara khusus, terdapat penekanan yang signifikan pada penggunaan Claude untuk tugas pemrograman, yang tetap konsisten dari waktu ke waktu. Ini menunjukkan bahwa efektivitas model ini terutama terkait dengan aplikasi tertentu, bukan rentang penggunaan yang luas.
Di platform konsumen, pengguna cenderung terlibat dalam interaksi kolaboratif dengan AI, memperbaiki pertanyaan mereka dengan cara percakapan. Sebaliknya, penggunaan API perusahaan lebih fokus pada otomatisasi tugas untuk mencapai penghematan biaya. Namun, laporan mencatat bahwa meskipun Claude berkinerja baik pada tugas yang lebih sederhana dan lebih pendek, efektivitasnya menurun pada tugas yang lebih kompleks yang memerlukan waktu pemrosesan yang lebih lama.
Untuk meningkatkan tingkat keberhasilan, pengguna dianjurkan untuk membagi tugas yang lebih besar menjadi komponen yang lebih kecil dan dapat dikelola. Pendekatan iteratif ini, baik melalui interaksi langsung atau panggilan API, telah terbukti meningkatkan hasil secara signifikan. Laporan ini juga menyoroti bahwa sebagian besar pertanyaan yang diarahkan ke model bahasa terkait dengan profesi kantoran, dengan variasi pola penggunaan di berbagai wilayah.
Laporan lebih lanjut menyarankan bahwa klaim tentang AI yang berkontribusi pada peningkatan produktivitas tenaga kerja tahunan sebesar 1,8% selama satu dekade mungkin terlalu optimis, dengan perkiraan yang lebih realistis berada di antara 1% dan 1,2%. Penyesuaian ini memperhitungkan tambahan tenaga kerja dan biaya yang terkait dengan penerapan AI. Pada akhirnya, efektivitas AI dalam menggantikan tugas manusia tergantung pada kompleksitas pekerjaan, menekankan pentingnya bagaimana pengguna merumuskan permintaan mereka kepada AI untuk mencapai hasil yang sukses.