Báo cáo Chỉ số Kinh tế Anthropic: Việc áp dụng AI không đồng đều theo địa lý và doanh nghiệp

Giới thiệu

AI khác biệt so với các công nghệ trước đây ở tốc độ áp dụng chưa từng có. Chỉ riêng tại Hoa Kỳ, 40% nhân viên báo cáo sử dụng AI tại nơi làm việc, tăng từ 20% vào năm 2023 cách đây hai năm.[1] Sự áp dụng nhanh chóng như vậy phản ánh mức độ hữu ích của công nghệ này đối với nhiều ứng dụng, khả năng triển khai trên cơ sở hạ tầng kỹ thuật số hiện có và tính dễ sử dụng — chỉ bằng cách gõ hoặc nói — mà không cần đào tạo chuyên sâu. Sự cải thiện nhanh chóng của AI tiên tiến có khả năng củng cố việc áp dụng nhanh chóng trên các khía cạnh này.

Trong lịch sử, các công nghệ mới phải mất hàng thập kỷ để đạt được sự chấp nhận rộng rãi. Điện mất hơn 30 năm để đến các hộ nông dân sau khi điện khí hóa đô thị. Chiếc máy tính cá nhân sản xuất hàng loạt đầu tiên đến tay những người chấp nhận sớm vào năm 1981, nhưng phải mất thêm 20 năm nữa mới đến được phần lớn các hộ gia đình ở Hoa Kỳ. Ngay cả Internet được chấp nhận nhanh chóng cũng phải mất khoảng 5 năm để đạt được tỷ lệ chấp nhận mà AI đạt được chỉ trong 2 năm.[2]

Tại sao lại như vậy? Nói tóm lại, các công nghệ mới — ngay cả những công nghệ mang tính biến đổi — cũng cần có thời gian để lan tỏa khắp nền kinh tế, để việc chấp nhận của người tiêu dùng trở nên bớt tập trung về mặt địa lý và để các công ty tái cấu trúc hoạt động kinh doanh nhằm phát huy tốt nhất các khả năng kỹ thuật mới. Việc áp dụng của doanh nghiệp, trước tiên là đối với một bộ nhiệm vụ hẹp, sau đó là đối với các ứng dụng đa dụng hơn, là một cách quan trọng để các công nghệ có ảnh hưởng lan rộng và tạo ra các tác động kinh tế mang tính biến đổi.[3]

**Nói cách khác, đặc điểm nổi bật của việc áp dụng công nghệ sớm là nó tập trung — cả ở một số ít khu vực địa lý và ở một số ít nhiệm vụ trong các doanh nghiệp. ** Như chúng tôi đã ghi nhận trong báo cáo này, việc áp dụng AI dường như đang tuân theo một mô hình tương tự trong thế kỷ 21, mặc dù với các mốc thời gian ngắn hơn và cường độ cao hơn so với sự lan tỏa của các công nghệ trong thế kỷ 20.

Để nghiên cứu các mô hình áp dụng AI sớm như vậy, chúng tôi đã mở rộng Chỉ số Kinh tế Anthropic theo hai chiều quan trọng, giới thiệu phân tích địa lý về các cuộc trò chuyện Claude.ai và lần đầu tiên kiểm tra việc sử dụng API của doanh nghiệp. Chúng tôi cho thấy việc sử dụng Claude đã phát triển như thế nào theo thời gian, các mô hình áp dụng khác nhau như thế nào giữa các khu vực và — lần đầu tiên — các công ty đang triển khai AI tiên tiến để giải quyết các vấn đề kinh doanh như thế nào.

Chương 1: Sự thay đổi trong việc sử dụng Claude.ai theo thời gian

Trong chương đầu tiên của báo cáo này, chúng tôi xác định những thay đổi đáng chú ý trong việc sử dụng Claude.ai trong tám tháng qua, diễn ra song song với những cải tiến về khả năng mô hình cơ bản, các tính năng sản phẩm mới và việc mở rộng cơ sở người dùng Claude.

Chúng tôi nhận thấy:

• Tỷ lệ chia sẻ sử dụng giáo dục và khoa học đang tăng lên: Mặc dù các tác vụ máy tính và toán học vẫn chiếm ưu thế trong tổng số lượt sử dụng (36%), các tác vụ giáo dục đã tăng từ 9,3% lên 12,4%, và các tác vụ khoa học từ 6,3% lên 7,2%.
• Người dùng ngày càng tin tưởng giao nhiều quyền tự chủ hơn cho Claude: Các cuộc trò chuyện “chỉ thị”, trong đó người dùng ủy thác hoàn toàn nhiệm vụ cho Claude, đã tăng từ 27% lên 39%. Chúng tôi thấy số lượng tạo chương trình trong mã hóa tăng (+4,5 điểm phần trăm) và số lượng gỡ lỗi giảm (-2,9 điểm phần trăm) — cho thấy người dùng có thể đạt được nhiều mục tiêu hơn trong một lần trao đổi.

Chương 2: Sự lan tỏa của Claude trên toàn cầu và Hoa Kỳ

Việc AI được áp dụng ở đâu trước tiên — và cách thức sử dụng nó — sẽ định hình kết quả kinh tế trên toàn thế giới. Bằng cách phân tích các mô hình sử dụng Claude trên hơn 150 quốc gia và tất cả các tiểu bang của Hoa Kỳ, chúng tôi đã phát hiện ra ba động lực chính: nơi ở của những người chấp nhận sớm, họ đang sử dụng AI cho việc gì và việc sử dụng phát triển như thế nào khi việc áp dụng trưởng thành. Các mô hình địa lý này cung cấp bằng chứng thực tế về sự lan tỏa kinh tế của AI, giúp theo dõi xem các khu vực khác nhau có đang hội tụ hay phân kỳ trong việc áp dụng AI hay không và tiết lộ cách các đặc điểm kinh tế địa phương định hình việc triển khai công nghệ.

Dữ liệu của chúng tôi, dựa trên phân tích bảo toàn quyền riêng tư[1] về 1 triệu cuộc trò chuyện Claude.ai[2], đã xác nhận một số kỳ vọng của chúng tôi trong khi thách thức những kỳ vọng khác. Hoa Kỳ chiếm phần lớn tổng lượt sử dụng toàn cầu (21,6%), điều này không có gì đáng ngạc nhiên khi xét đến quy mô và thu nhập cao của nước này. Nhưng ngay cả khi điều chỉnh theo quy mô dân số trong độ tuổi lao động, các quốc gia có thu nhập cao hơn có xu hướng sử dụng nhiều hơn. Ví dụ, tỷ lệ sử dụng của Singapore gấp 4,5 lần so với dân số trong độ tuổi lao động, trong khi các khu vực lớn trên thế giới cho thấy việc sử dụng tối thiểu. Điều thú vị là, ở Hoa Kỳ, DC và Utah vượt qua California về số lượt sử dụng trên đầu người.

Chúng tôi cũng quan sát thấy những thay đổi trong các trường hợp sử dụng AI khi việc áp dụng trên đầu người tăng lên. Các quốc gia có tỷ lệ áp dụng AI trên đầu người thấp hơn tập trung chủ yếu vào các tác vụ mã hóa — hơn một nửa tổng số lượt sử dụng ở Ấn Độ, so với khoảng một phần ba trên toàn cầu. Khi việc áp dụng trưởng thành, việc sử dụng trở nên đa dạng hơn, với sự nhấn mạnh ngày càng tăng vào giáo dục, khoa học và hoạt động kinh doanh.

Thậm chí còn đáng chú ý hơn: các thị trường trưởng thành có xu hướng sử dụng AI theo cách hợp tác hơn, trong khi các thị trường mới nổi có nhiều khả năng ủy thác hoàn toàn các tác vụ cho nó — có lẽ phản ánh sự khác biệt trong cách AI được triển khai bởi các nền kinh tế ở các giai đoạn khác nhau của quá trình chuyển đổi cơ cấu. Dữ liệu của chúng tôi cung cấp một cái nhìn thoáng qua về các mô hình này trên các khu vực địa lý, và trong tương lai, sẽ cho phép chúng tôi theo dõi xem liệu các khoảng cách áp dụng này có thu hẹp lại, mở rộng ra hay thay đổi cấu trúc theo thời gian hay không.

---

Chương 3: Triển khai AI doanh nghiệp qua API

Cho dù các khả năng AI tiên tiến có làm chúng ta tăng năng suất, định hình lại thị trường lao động và đẩy nhanh tăng trưởng hay không sẽ phụ thuộc vào thời điểm và cách các doanh nghiệp lựa chọn triển khai AI. Ngay cả khi các doanh nghiệp nhận ra tiềm năng của AI, việc áp dụng có lợi nhuận có thể đòi hỏi phải tái cấu trúc tốn kém các quy trình sản xuất, đào tạo nhân viên mới và các khoản đầu tư chi phí cố định khác để tạo điều kiện triển khai hiệu quả.[1]

Để hiểu các mô hình áp dụng AI của doanh nghiệp, chúng tôi chuyển sang một nguồn dữ liệu mới: khách hàng API của Anthropic (1P) — một lần nữa dựa trên các phương pháp bảo toàn quyền riêng tư[2]. API của chúng tôi cho phép khách hàng tích hợp Claude trực tiếp vào các sản phẩm và ứng dụng của riêng họ, và tính phí theo từng token được sử dụng, thay vì phí đăng ký cố định. Điều này thể hiện trải nghiệm sản phẩm khác biệt về cơ bản so với Claude.ai, mà chúng tôi tập trung vào trong hai chương trước.

Sự trì trệ của tổ chức, cùng với chi phí cố định của việc áp dụng, cho thấy rằng các ví dụ sớm về việc sử dụng AI của doanh nghiệp có khả năng tập trung vào các nhiệm vụ chuyên biệt nơi việc triển khai dễ dàng, khả năng mạnh mẽ và lợi ích kinh tế từ việc áp dụng cao.

Thật vậy, chúng tôi thấy những bằng chứng theo hướng này trong dữ liệu được trình bày trong chương này. Phân tích của chúng tôi tiết lộ một số mô hình:

• Doanh nghiệp sử dụng Claude theo những cách tương tự nhưng chuyên biệt hơn người dùng cá nhân: Doanh nghiệp tập trung sử dụng vào các nhiệm vụ mà việc triển khai AI phù hợp với việc truy cập chương trình, chẳng hạn như mã hóa hoặc các tác vụ hành chính. So với người dùng Claude.ai, doanh nghiệp sử dụng Claude ít hơn cho các tác vụ giáo dục hoặc sáng tạo và sử dụng theo cách tự động hóa nhiều hơn nói chung.
• Khách hàng API có xu hướng ưu tiên các nhiệm vụ có chi phí cao hơn: Mặc dù các nhiệm vụ có chi phí khác nhau đáng kể, các nhiệm vụ đắt tiền nhất có xu hướng sử dụng nhiều hơn, cho thấy khả năng của mô hình, tính dễ dàng triển khai và giá trị kinh tế của việc tự động hóa quyết định việc áp dụng nhiều hơn chi phí của tương tác đó.
• Khả năng tiếp cận thông tin ngữ cảnh phù hợp là cần thiết cho việc triển khai tinh vi: Chúng tôi tìm thấy bằng chứng về một nút thắt cổ chai tiềm năng quan trọng đối với tính hữu ích của AI đối với doanh nghiệp. Khách hàng API sử dụng Claude cho các nhiệm vụ phức tạp có xu hướng cung cấp đầu vào dài cho Claude. Điều này có thể đại diện cho một rào cản đối với việc triển khai doanh nghiệp rộng rãi hơn đối với một số nhiệm vụ quan trọng dựa vào ngữ cảnh phân tán không được tập trung hóa hoặc số hóa trước đó. Việc khắc phục nút thắt cổ chai này có thể đòi hỏi các công ty phải tái cấu trúc tổ chức của họ, đầu tư vào cơ sở hạ tầng dữ liệu mới và tập trung hóa thông tin để triển khai mô hình hiệu quả.

---

Kết luận

Phân tích của chúng tôi về các mô hình sử dụng Claude trên các khu vực địa lý đã tiết lộ một số hiểu biết quan trọng. Một trong những điều nổi bật nhất là sự tập trung địa lý của việc sử dụng Claude. Sự dẫn đầu của Hoa Kỳ và California về tổng thể việc sử dụng Claude, và mối tương quan mạnh mẽ giữa việc sử dụng Claude và thu nhập bình quân đầu người, gợi ý sự tương đồng với các công nghệ trong quá khứ mà sự tập trung địa lý ban đầu và việc sử dụng chuyên biệt là một đặc điểm chính. Việc rút ra sự tương đồng với các mô hình khuếch tán của các công nghệ trước đây có thể giúp chúng ta hiểu rõ hơn về sự khuếch tán và tác động của AI.

Đáng ngạc nhiên, địa lý không chỉ định hình những gì các công cụ AI được sử dụng cho mà còn cách thức chúng được sử dụng. Người dùng ở các nền kinh tế có tỷ lệ sử dụng trên đầu người tương đối thấp có ưu thế tương đối trong việc ủy thác nhiệm vụ cho Claude (tự động hóa), trong khi người dùng ở các nền kinh tế có tỷ lệ sử dụng cao có nhiều khả năng thích các tương tác hợp tác hoặc học hỏi hơn với Claude (tăng cường), ngay cả khi kiểm soát kết hợp nhiệm vụ. Tương tự như sự chuyên môn hóa cục bộ trong việc sử dụng nhiệm vụ, sự chuyên môn hóa cục bộ trong các mô hình cộng tác AI gợi ý rằng tác động của AI có thể rất khác nhau ở các khu vực khác nhau.

Các mô hình áp dụng AI theo địa lý — nơi nó được sử dụng, cho nhiệm vụ nào và cách thức — gợi ý rằng để hiện thực hóa tiềm năng của AI nhằm mang lại lợi ích cho mọi người trên toàn cầu, các nhà hoạch định chính sách cần chú ý đến sự tập trung cục bộ của việc sử dụng và áp dụng AI, và giải quyết rủi ro làm sâu sắc thêm khoảng cách kỹ thuật số.

---

Tác giả và Lời cảm ơn

Tác giả

Ruth Appel*, Peter McCrory*, Alex Tamkin*

Miles McCain, Tyler Neylon, Michael Stern

*Tác giả chính. Đóng góp ngang nhau vào báo cáo này

Lời cảm ơn

Các nhận xét, thảo luận và hỗ trợ hữu ích khác: Alex Sanchez, Andrew Ho, Ankur Rathi, Asa Kittner, Ben Merkel, Bianca Lindner, Biran Shah, Carl De Torres, Cecilia Callas, Daisy McGregor, Dario Amodei, Deep Ganguli, Dexter Callender III, Esin Durmus, Evan Frondorf, Heather Whitney, Jack Clark, Jakob Kerr, Janel Thamkul, Jared Kaplan, Jared Mueller, Jennifer Martinez, Kaileen Kelly, Kamya Jagadish, Katie Streu, Keir Bradwell, Kelsey Nanan, Kevin Troy, Kim O’Rourke, Kunal Handa, Landon Goldberg, Linsey Fields, Lisa Cohen, Lisa Rager, Maria Gonzalez, Mengyi Xu, Michael Sellitto, Mike Schiraldi, Olivia Chen, Paola Renteria, Rebecca Jacobs, Rebecca Lee, Ronan Davy, Ryan Donegan, Saffron Huang, Sarah Heck, Stuart Ritchie, Sylvie Carr, Tim Belonax, Tina Chin, Zoe Richards

Trích dẫn

bibtex @online{appelmccrorytamkin2025geoapi, author = {Ruth Appel and Peter McCrory and Alex Tamkin and Michael Stern and Miles McCain and Tyler Neylon], title = {Anthropic Economic Index report: Uneven geographic and enterprise AI adoption}, date = {2025-09-15}, year = {2025}, url = {www.anthropic.com/research/anthropic-economic-index-september-2025-report}, }

Link bài viết gốc

• Tags:
• Ai
• Sep 15, 2025
• Www.anthropic.com