人们如何使用Claude Cowork：知识工作者的AI应用洞察

人们如何使用Claude Cowork

当我们于2025年发布Claude Code时，我们惊讶地发现许多非技术用户开始尝试使用它。那些从未打开过终端的人正在用它创建代理来整理文件夹、去重文件以及编写电子表格公式。但对其他人来说，终端仍然是一个略显令人生畏的地方——一个名副其实的“黑箱”。我们构建了Claude Cowork，将Claude Code的代理能力扩展到人们已经用来与Claude对话的同一个聊天界面。

自一月份推出Claude Cowork以来，它已成为那些专注于信息创建和交换（许多人称之为“知识工作”）的人特别有力的工具。人们将其用于各种不一定属于特定角色标志性任务的工作，而是代表围绕一个角色的连接性工作，这些工作推动项目前进并维持业务运转。这意味着诸如起草状态更新、构建幻灯片组、或将大量研究浓缩成一份报告等任务。

在这篇文章中，我们分享来自2026年5月Claude Cowork会话样本的数据，并探讨这些数据告诉我们人们在日常工作中（超越终端）如何使用AI。

数据所揭示的

我们采样了2026年5月11日至31日期间120万次匿名和聚合的Claude Cowork会话，并根据20个不同的工作类别分类。在我们的发现中，最大的使用类别是“业务流程与运营”——比如将分散的更新整合成一份报告、构建入职清单、以及核对电子表格——占比33.4%。这很合理，因为业务运营任务跨越许多不同角色：例如，金融、人力资源和行政岗位的人员都可能为这类任务使用Claude Cowork。

其次是内容创作与文案写作——合成密集的业务沟通工作，如制作草稿、幻灯片组、帖子和提案——占比16.4%。面对空白页面通常是开始工作的第一个障碍，而Claude Cowork是将思路和信息编织成初稿的有用工具。这些类型的任务也跨越角色：市场营销、沟通、业务发展和项目管理等领域的人员都可能与Claude Cowork合作完成这些任务。

接下来的主要类别是软件开发，占比8.7%；DevOps与基础设施，占比7%；研究与情报，占比6.4%；数据分析与商业智能，占比5.8%；文档处理与提取，占比4.1%；以及销售与收入运营，占比4%。

所有其他类别占数据集的比例低于4%，包括个人助理3.8%、教育2.4%和会议情报1.8%。

在最近的一项研究中，业务流程与运营占Claude Cowork采样会话的三分之一（33.4%），是第二大类别（内容创作与文案写作，16.4%）的两倍多。

知识工作者如何使用AI

具有启示意义的是，前两大使用类别——业务流程与运营，以及内容创作与文案写作——占所有Claude Cowork使用量的大约一半。这些类别本质上是连接性的：电子表格将分散的数据点收集到一个可以读取、比较和跟踪的上下文中；演示文稿将某个想法或决策传达给具有不同背景的更广泛受众；入职清单帮助新员工利用机构知识。

我们的数据表明，人们正在使用Claude Cowork来组装和构建他们可以用来运用其专业知识的信息。例如，律师可能使用Claude Cowork处理文档格式和归档，从而有更多时间将法律判断应用于具有挑战性的案件。招聘经理可能使用Cowork安排会议并综合面试反馈，从而有更多时间进行候选人对话和评估工作样本。团队领导可能使用Claude Cowork制作解释艰难决策的幻灯片组，从而腾出时间真正做出那些艰难决定。

这种使用模式与Claude Code形成了有趣的对比，后者最常被软件开发人员用于其角色的关键部分：构建、调试和发布代码。因此，软件开发在Claude Cowork使用中所占份额如此之小或许并不令人惊讶。开发人员更可能使用Claude Code而非Claude Cowork来编写代码，但他们在Claude Cowork中完成的工作是连接性的、以沟通为中心的工作，这些工作围绕每个角色，包括软件工程。

AI在知识工作中的兴起

尽管编码——可以理解——仍然是AI最受关注的使用场景之一，但AI在日常业务工作中的使用正在增加，人们发现它最有帮助的任务类型也日益清晰。人们正在转向Claude Cowork来帮助完成那些跟踪和跨团队沟通信息与想法的任务：状态报告、演示文稿、跟踪器等。

这只是一张快照，而Claude Cowork仍然很新；它的用途正在迅速演变。我们的目标是使其成为那些正在摸索如何将AI产品融入日常工作的人们的一个参考点，并展示使用最集中的地方。我们计划随着使用量的增长和变化继续发布数据，并报告随时间推移发生的变化。

开始使用Cowork

Claude Cowork对所有Claude用户开放。了解更多信息或参加我们的Claude Cowork入门课程以开始使用。

++++

关于我们研究的更多细节

请参阅下方关于我们如何开展此次Claude Cowork用户调查的更多信息。

我们如何测量

此分析基于一个由自动化系统按20个工作类别分类的Claude Cowork会话样本。数据通过一个保护隐私的分析工具收集，该工具保持所有用户信息匿名；没有单个会话被人为分析师阅读，我们仅处理聚合的类别级统计数据。

样本以固定速率收集——每小时固定最大会话数——而非流量的固定百分比。因此，本报告中的每个数字都是采样会话的份额，而非绝对数量。数据收集于2026年5月11日至31日，覆盖来自超过60万家组织的120万次采样会话。

局限性

- 分类颗粒度：我们使用的分类法按所完成的工作对会话进行分类，而非按执行者的工作头衔。几个类别清晰映射到可识别的知识工作职能，如研究与情报工作（会话的6.4%）、数据分析与商业智能（5.8%）、销售与收入运营（4%），以及法律与合规工作（1.3%）。会议与对话情报（1.8%）和客户支持（0.8%）也出现。但分类法在细分方面存在局限性。没有独立的营销、金融或人力资源类别——这些职能最好由“业务流程与运营”类别代表，这可能是它占据所有使用量三分之一的部分原因。

- 份额与数量：由于采样按速率限制，采样会话和组织计数并不反映Cowork总使用量或增长，且一天中繁忙时段的使用量相较于安静时段略显代表性不足。

- 时间窗口选择：我们使用了最近的三个完整周而非更长的时间跨度，因为类别份额在5月11日附近发生了变化，这一变化与我们的标记管道改变一致，而非用户行为变化。本报告中的份额完全是在变化后计算的，在两种解释下都是正确的。

- 工作与个人使用的混合：样本覆盖外部组织的使用，而非个人。但采样的Claude Cowork会话包括一些个人、非工作用途（个人助理、爱好和陪伴式对话总计约占会话的5%），因此样本并不纯粹代表工作场所活动。

- 自动化分类：类别标签由自动化系统应用，而非人工审核，任何分类器都可能存在错误。当会话可能合理符合多个类别时，结果取决于我们分类法中包含的定义；我们在上面的“分类颗粒度”要点中指出了这些定义最影响解释的地方。