Anthropic 把 AI 焦慮變政策

我把 Anthropic 的首份公開 AI 調查拆成一份能直接拿去用的政策模板，重點放在工作焦慮、信任和監管。

我看 AI 研究文章看久了，最煩的就是兩種：一種只講給重度使用者聽，另一種把一般人的感受寫成一坨模糊的「大家都很期待」。這份就不一樣，但也不是完美，反而有點亂，亂得有用。Anthropic 這次真的去問一般人怎麼看 AI，不是只問 Claude 使用者，也不是只抓網路上那群永遠很有意見的人。結果很直白：大家想要好處，像醫療、無障礙、日常省事；但他們也正盯著失業、依賴、假訊息這些風險。

我一直覺得這種混合訊號最值得看。它不是「AI 很棒」也不是「AI 很爛」，而是「你先把好處講清楚，然後別把風險丟給我自己吞」。對做產品、做內部導入、做政策的人來說，這比空泛的 AI 願景實用太多。我下面拆的是 Anthropic 的 Results from first Anthropic Public Record，發表於 2026 年 6 月 12 日。

大家不是在幻想科幻，是在要喘口氣

“Nearly half (48%) of Americans ranked curing diseases like cancer or Alzheimer’s as one of their top three hopes for AI.”

翻譯一下就是，大家對 AI 的期待不是什麼寫詩、取代全辦公室，而是先解決真實痛點。疾病、失能、日常麻煩，這些比「AI 會改變一切」更能打動人。

我喜歡這點，因為它把很多 builder 自嗨直接打回地面。我們很愛把產品包裝成智能、代理式、自動化，但一般人的語言其實很簡單：這東西有沒有幫到我、家人、或我認識的人？

Anthropic 說，最前面的期待是治療疾病 48%、幫助身心障礙者 36%，再來才是科技進步和讓生活更方便，兩者都是 23%。相反地，治療孤獨、陪伴這類敘事排得很後面。這代表一件事：大眾不是在求 AI 裝成人，他們要的是實際改善。

我之前看很多產品簡報，最常出現的毛病就是先講能力，不講結果。這份調查告訴我，外部溝通最好直接翻成結果，不要先丟技術名詞。

實操寫法很簡單：如果你在對內提案或對外宣傳，先講一個人能感受到的問題，再講 AI 怎麼幫。能做無障礙、能省醫療行政、能縮短搜尋、能減少重複工，這些都比「我們有 agent」有用。

• 把功能翻成可感知的結果。
• 一個提案只講一個 job-to-be-done。
• 除非你真的有理由，不然別硬推「AI 陪伴」敘事。

失業焦慮不是某個族群的情緒，是預設值

“AI-induced job loss was the most common fear in every state, held by 64% of Americans.”

也就是說，失業焦慮不是某個州、某個政黨、某個城市才有的偏見，它是預設值。Anthropic 說這個擔心遍布全美，而且幅度很緊：民主黨 67%、共和黨 62%，州層級從 Iowa 的 71% 到 Mississippi 的 57%。

我在公司推 AI 助手時也看過一模一樣的反應。主管講的是效率，員工聽到的是替代。老實說，員工也不是想太多。你把自動化塞進工作流，第一個看得到的結果如果是「少人就能做」，大家當然會自己算帳。

Anthropic 還發現一個我覺得很該注意的點：教育程度越高，越擔心失業。研究所以上的人，比高中以下的人大概多將近 10 個百分點。這不是隨便的細節，因為最懂工作內容的人，通常也最先看出 AI 會從哪裡咬進來。

實操上，別把 job fear 當成不理性。你要做的是把任務講清楚、把護欄講清楚、把哪些事不會自動化講清楚。如果你現在還不知道，那就老實說不知道。人可以接受不確定，但很難接受包裝。

• 講清楚哪些是輔助，不是只講哪些會自動化。
• 把再訓練、角色重設計、留任安排放進 rollout。
• 高風險工作要保留人工審核。

真的每天在用的人，反而沒那麼怕

“People who use AI at work every day are notably less worried about job loss than people who don’t use AI at all: 54% versus 70%.”

翻譯一下就是，真的碰過的人，恐懼會變得比較具體。每天用 AI 的人，對它搶工作的焦慮比較低，可能是因為他們已經知道哪裡有用、哪裡很爛。這不代表恐懼消失，只是從抽象變成具體。

我自己也遇過。團隊第一次拿到 AI 工具時，大家腦中同時跑出最壞和最好的劇本。幾週後，語氣就變了，沒人再講魔法，開始講品質、穩定、哪裡真的省時間。這種轉變很重要，因為它把神話換成證據。

Anthropic 的模式其實一致：每天用的人，不只比較不怕失業，也比較不怕依賴。這可以解讀成熟悉感帶來信心，也可以解讀成他們看清工具邊界後，不再把它想成全能威脅。

實操寫法：不要一口氣全公司鋪開。先從低風險、看得見成果的工作流開始，讓人先摸到工具，再慢慢加深。使用者一旦親手碰過，很多幻想會自己消掉。

大家接受 AI 很會做事，但不代表想讓它插手自己的工作

“On most tasks, a majority of Americans did not want AI involved in their jobs.”

這句很重要，因為它直接拆掉一個常見誤會：能做，不等於應該做。人們可能覺得 AI 在研究、資料分析上表現不差，但這不代表他們想讓 AI 預設插進自己的工作裡。

Anthropic 說，75% 的美國人認為 AI 在研究上跟人類一樣好或更好，44% 對客服與支援也這樣看。但就算能力看起來不錯，還是有接近一半的人不想讓 AI 介入自己的工作。這就是很多產品團隊會漏掉的洞：會做，不代表有權進來。

我看過不少內部導入死在這裡。demo 很漂亮，大家點頭，結果上線後沒人用，因為 rollout 根本沒處理信任、控制權、情境感。人不想要一個黑盒子直接落到自己已經負責的工作裡。

實操上，能 opt-in 就別預設強制，控制權要看得見。讓使用者自己選擇要多少協助、能檢查輸出、能拒絕建議，而且不會因此被懲罰。只要碰到核心工作，使用者就得感覺自己是 owner，不是乘客。

依賴感是真的，但多半是先怕起來

“Of the 56% of Americans who expressed some worry over dependence, only roughly 1/5 would feel significant disruption if AI became unavailable.”

也就是說，很多人是在還沒真的依賴之前，就先開始擔心自己會依賴。這不奇怪，反而很合理。人會先想像未來某一天自己失去某種技能、習慣，或原本能承受的思考摩擦。

Anthropic 把這叫 cognitive dependency 的預期性焦慮，我覺得很準。調查還說，教育工作者特別常在學生身上看到認知退化的跡象。這種細節比空泛的焦慮更可信，因為它指向真實場景，不是嘴上喊危機。

還有一個很怪但很重要的發現：在那些不擔心依賴的人裡，反而有更高比例說如果 AI 明天消失，自己會受到明顯影響。這表示「怕不怕依賴」不是實際使用程度的乾淨指標，人常常是先怕，後依賴。

實操寫法：把 graceful degradation 當成基本設計。模型掛了怎麼辦、慢了怎麼辦、答錯怎麼辦，先想好。你如果讓人最後連底層任務怎麼做都忘了，那不是 UX 小問題，是營運風險。

大家要政府進場，不想只靠廠商自律

“71% of Americans say the government should be involved in the development and regulation of AI.”

翻譯一下就是，公眾根本不相信公司自己會管好自己。這個信任落差很大。只有 15% 的人信任 AI 公司決定技術怎麼開發和使用，這數字比聯邦政府、州和地方政府、國際機構都低，也遠低於獨立專家。

我不意外。只要一家公司的成長靠的是更快上線，外界自然會懷疑安全是不是被拿去交換速度。這就是人性。Anthropic 的數字還顯示這種懷疑是跨黨派的，這點很重要，因為它少了常見的政治卸責空間。

調查也問了政府應該先管哪裡。隱私和兒少安全得到最強支持。這告訴我，大家不是要那種空泛的「AI 監管」，他們要的是能直接說清楚、也能直接感受到的保護。

實操上，不管你是在寫政策還是企業治理，先從具體領域下手。隱私、兒少安全、責任歸屬、可稽核性，這些都比喊 AI ethics 好懂。你如果沒辦法用一句話講完規則，那規則多半也撐不住現場。

• 治理規則要對準具體傷害，不要只談抽象原則。
• 每個風險域都要有 owner。
• 誰出事、誰負責，要寫清楚。

責任比口號重要，這點最不好聽

“Americans converged on two answers: hold AI companies legally liable for harm and prioritize safety over growth.”

也就是說，大家要的是後果，不是口頭保證。他們不是在拜託公司好好做，而是想要法律和經濟結構逼你做好。這對 builder 來說很刺耳，因為它代表「先衝再說」在出事時根本不是答案。

Anthropic 說，47% 的受訪者把法律責任放進前三優先，44% 選安全優先於成長。獨立監督機構和為安全放慢開發則排在後面。我覺得這個排序很有意思，因為它說明大家不是單純想慢一點，而是想要一個出事後不能拍拍屁股走人的系統。

如果你要寫內部 AI 政策，這段最值得抄。政策不能只寫「請負責任地使用 AI」，而是要寫誰批准、誰審核、誰能停掉、誰要在出事時對外說明。否則那只是裝飾文件。

可抄的模板

# AI rollout policy template inspired by Anthropic Public Record

## 1) 這個 AI 用來做什麼
我們使用 AI 協助：
- [具體任務 1]
- [具體任務 2]
- [具體任務 3]

我們不使用 AI 來：
- 取代 [高風險領域] 的人類判斷
- 對 [招募 / 金融 / 醫療 / 法務 / 安全] 做最終決策
- 在沒有指定人類 owner 的情況下自動化任何工作流

## 2) 為什麼要用
目標是改善：
- 重複工作速度
- 需要協助的使用者可近性
- 低風險任務的一致性

目標不是：
- 預設裁員
- 把責任藏在模型後面
- 為了速度犧牲安全

## 3) 人類控制
每個 AI 輔助工作流都必須有：
- 一位指定的人類 owner
- 一個在使用前檢查輸出的步驟
- 一個可以拒絕或編輯輸出的機制
- 一個模型不可用時的 fallback 流程

## 4) 風險規則
如果工作流碰到隱私、兒童、就業、金錢、健康或法律決策：
- 必須有明確批准
- 必須有文件化審核步驟
- 必須有記錄與可稽核性
- 必須有 rollback 計畫

## 5) 我們要怎麼對使用者和員工說
我們會講清楚：
- AI 做什麼
- AI 不做什麼
- 人類在哪裡仍然負責
- 使用了哪些資料
- 如何回報錯誤或傷害

## 6) 衡量方式
我們會追蹤：
- 錯誤率
- 使用者覆寫率
- 節省時間
- 事件或抱怨
- 人們使用這個工作流後是更有信心，還是更不安

## 7) 檢討頻率
這份政策每 [30/60/90] 天檢討一次，並在以下情況更新：
- 模型行為改變
- 法規改變
- 我們看到傷害、混淆或過度依賴

## 8) 白話承諾
AI 可以協助我們工作，但結果的責任仍然在人身上。

如果要我用一句話收尾這份調查，我會說：大家不是反對 AI，他們是想要好處，也想要有人負責。這不是叫你慢到不能動，而是叫你別再拿空話混過去。

原始來源是 Anthropic 的 Results from first Anthropic Public Record。我把調查內容重寫成適合開發者和產品團隊直接拿去用的版本；數字和原始觀點來自 Anthropic，框架整理和政策模板是我自己衍生的。