8 月 26 日，Anthropic 公布了一項試點計畫的結果：把 Claude 的真實使用資料開放給三個外部機構做獨立研究，並將三項研究的綜合結論一併公開。
參與單位是史丹佛大學社會與語言技術實驗室、牛津大學人類資訊處理實驗室，以及非營利評估機構 METR。分析樣本為 2026 年 4 月到 5 月間、來自 Claude.ai 和 Claude Code 的約 25 萬則對話。
研究團隊全程沒看過原始對話
就流程而言，研究團隊自始至終沒有接觸過對話的原始內容。他們透過與 Anthropic 內部同款的 Insights 工具提交分析需求，拿回來的只有彙整後的結果，而且這些結果還得先通過法務與隱私審查才能帶出。合約載明的審查範圍限定在四項：使用者隱私、政策違規、機密資訊、研究準確性——並不包含「結論對公司是否有利」。
隱私面另外請帝國理工學院做了第三方稽核。三項研究的彙整資料，已經以 Anthropic/enabling-independent-research 為名發布在 Hugging Face Datasets 上。
模型公司公布使用洞察早已是常態，OpenAI 和 Anthropic 自己都做過好幾輪。差別在於分析的主導權握在誰手上。廠商自己寫的報告，問題怎麼問、樣本怎麼切、指標怎麼定義，全都由一方決定，外界只能選擇信或不信；把工具跟資料一併交出去，至少讓第三方有機會問出廠商自己不會問的問題。
三條與既有印象對不上的結論
第一條關於任務的份量。既有研究多半認為，人們主要把責任輕、風險低的雜事丟給 AI。這批資料給出的結論恰恰相反：超過一半的對話涉及委託有實際後果的任務。研究團隊的原話是「People bring high-stakes work to AI more than expected」（人們把高風險工作交給 AI 的比例超出預期）。
第二條關於主導權。四分之三的對話裡，人處在指揮的位置，模型只是協助的角色，並不是由模型獨立跑完全程。這跟「代理人正在接管工作」這種流行說法明顯對不上。
第三條關於摩擦。研究團隊發現，人機協作中卡關其實是常態，但這類摩擦多半是有產出的——使用者被模型頂回去之後，往往會重新整理自己的需求該怎麼講。
還有一個數字值得留意：涉及政策違規的對話占比不到 5%。不過這個口徑本身仍有討論空間，因為判定標準仍是 Anthropic 一方訂的，外部研究團隊拿到的只是判定完之後的結果。
對實務的意義
各地推動企業導入 AI 的團隊，最常碰到的問題都是「究竟哪些工作能真的交給模型」。目前能參考的公開資料，大多來自廠商自家的行銷素材，樣本、口徑、動機都不透明。這次的資料集掛在公開儲存庫上，彙整顆粒度雖然粗，至少提供了一個不是業務部門起草的基準。
有一點得留意：這 25 萬則對話都來自 Claude.ai 和 Claude Code 的使用者，這群人本來就偏開發者、偏英語語境，把結論直接套用到其他市場或非技術性的商業場景，容易失真。它比較適合當對照參考，而不是直接當結論用。
試點結束後，Anthropic 沒有說這套機制之後會不會常態化，也還沒公布下一批合作機構。三家參與單位裡，METR 的角色比較特別——它平常做的是模型能力評估，這次拿到手的卻是使用面的資料。同一家機構同時看到能力和用法兩端，對外部監督來說是個不小的位置變化。
參考來源：Anthropic 研究部落格、CocoLoop、Hugging Face Datasets；樣本規模、參與機構名單與隱私稽核安排，均已對照官方公告內容核實。