A Anthropic divulgou seu relatório de índice econômico em 15 de setembro de 2025, analisando padrões de adoção de IA desiguais geograficamente e em empresas. O estudo examina as alterações de uso de Claude.AI, introduz o Índice de Uso Antrópico de AI para métricas per capita em mais de 150 países e todos os estados dos EUA e fornece a primeira visão em larga escala do tráfego de API corporativo, desenhando dados de dados de primeira parte para revelar implantações específicas de tarefas. O relatório destaca a velocidade de adoção sem precedentes da IA em comparação com as tecnologias históricas. Nos Estados Unidos, 40 % dos funcionários relataram usar a IA no trabalho até setembro de 2025, uma duplicação de 20 % em 2023, de acordo com a pesquisa de 2025 da Gallup sobre o uso da IA no trabalho. Esse aumento ocorre dois anos após a linha de base de 2023. A aceitação rápida decorre da utilidade da IA em diversas aplicações, sua integração com a infraestrutura digital existente e sua acessibilidade através de digitações ou palestras simples, não exigindo treinamento especializado. As melhorias contínuas nos modelos de IA da Frontier aceleram ainda mais essa adoção, aumentando a utilidade, a implantabilidade e a facilidade de uso. As tecnologias históricas se difundiam mais lentamente. A eletricidade atingiu as áreas urbanas primeiro, mas levou mais de 30 anos para se estender às famílias da fazenda, conforme detalhado na análise de Lewis e Severnini em 2020 sobre o lançamento da rede elétrica dos EUA. O primeiro computador pessoal do mercado de massa apareceu em 1981 para os primeiros adotantes, mas levou mais 20 anos para entrar na maioria das casas dos EUA. A Internet, apesar de sua rápida disseminação, exigiu cerca de cinco anos para alcançar as taxas de adoção que a IA correspondeu em apenas dois anos, por bick, Blandin e o estudo de 2024 de Deming sobre os benchmarks generativos de adoção de IA contra PCs e a Internet. Vários fatores explicam essas linhas históricas mais lentas. As novas tecnologias precisam de tempo para se espalhar por toda a economia, reduzir a concentração geográfica na adoção do consumidor e solicitar às empresas reestruturar operações para uso ideal. A adoção no nível da empresa começa com tarefas estreitas antes de expandir para aplicações de uso geral, um processo que impulsiona a transformação econômica mais ampla, conforme descrito em Kalyani, Bloom, Carvalho, Hassan, Lerner e Ahmed Tahoun 2025 sobre difusão tecnológica. As fases de adoção precoce normalmente se concentram em regiões geográficas específicas e tarefas limitadas nas empresas. O relatório antrópico documenta a IA após esse padrão no século XXI, embora em cronogramas compactados e com intensidade aumentada em relação às tecnologias do século XX. Para explorar essas dinâmicas, o relatório estende o índice econômico antrópico, incorporando a análise geográfica de conversas de Claude.ai e um novo exame do uso da API corporativa. Ele rastreia a evolução do uso de Claude, as diferenças regionais e as implantações de negócios da Frontier AI para solução de problemas. Nos oito meses anteriores ao relatório, os padrões de uso de Claude.AI mudaram em meio a aprimoramentos de capacidade do modelo, novos recursos e uma base de consumidores em expansão. A codificação permaneceu a categoria dominante em 36 % do uso total. As tarefas educacionais aumentaram de 9,3 % para 12,4 %, refletindo a crescente dependência da IA para atividades de aprendizagem, como resumir materiais, explicar conceitos ou gerar auxiliares de estudo. As tarefas científicas aumentaram de 6,3 % para 7,2 %, abrangendo aplicativos como análise de dados, formulação de hipóteses ou revisões de literatura em áreas como biologia, física e química. Os usuários concederam cada vez mais Claude mais autonomia em interações. Conversas diretivas, onde os indivíduos delegam tarefas inteiras à IA, subiram de 27 % para 39 %. Na codificação especificamente, a criação do programa aumentou 4,5 pontos percentuais, enquanto a depuração diminuiu em 2,9 pontos percentuais. Essas mudanças indicam que os usuários completam os objetivos com mais eficiência em trocas únicas, alavancando uma precisão de modelo aprimorada para ignorar as correções iterativas. O relatório apresenta quebras geográficas de Claude.Ai Uso pela primeira vez, cobrindo mais de 150 países e todos os Estados dos EUA. Para quantificar a difusão, ela define o índice de uso de IA antropia (AUI) como uma medida do uso de Claude.AI em relação à população em idade ativa em cada área. Uma AUI acima de 1,0 sinais de super-representação, enquanto abaixo de 1,0 indica sub-representação, fornecendo uma métrica padronizada para comparar a intensidade da adoção entre as economias. A AUI exibe uma forte correlação com os níveis nacionais de renda. Cingapura registra o mais alto em 4,6 vezes o uso esperado com base em sua população em idade ativa, seguida pelo Canadá 2,9 vezes. Esses números sugerem integração robusta da IA nos fluxos de trabalho diários em ambientes de alta renda. Por outro lado, as economias emergentes mostram índices mais baixos: a Indonésia a 0,36 vezes, a Índia em 0,27 vezes e a Nigéria em 0,20 vezes. Tais disparidades destacam barreiras como acesso à infraestrutura, alfabetização digital ou prioridades econômicas que limitam a penetração de IA em regiões de baixa renda. Nos Estados Unidos, Washington, DC, supera o uso per capita, com uma AUI de 3,82 vezes sua participação na população, de perto por Utah em 3,78 vezes. As variações regionais estão alinhadas com as estruturas econômicas locais. A Califórnia mostra o uso elevado para tarefas de tecnologia da informação, incluindo desenvolvimento de software e otimização do sistema. Os padrões da Flórida enfatizam os serviços financeiros, como avaliação de riscos e relatórios de conformidade. Em Washington, DC, edição de documentos e assistência profissional dominam, apoiando os setores governamentais e de serviços profissionais. Esses alinhamentos demonstram como a adoção da IA reflete as necessidades e oportunidades específicas da indústria em cada localidade. A diversidade de uso varia de acordo com o nível de adoção. Os países com pontuações mais baixos de AUI concentram-se fortemente na codificação, que constitui mais de 50 % das tarefas na Índia em comparação com cerca de um terço globalmente. Os países de alta adoção exibem aplicações mais amplas, tarefas de educação, ciência e negócios em abrangência. Essa diversificação aponta para uma integração mais madura, onde a IA suporta várias facetas de produtividade profissional e pessoal, em vez de uma única função. Depois de ajustar a composição de tarefas entre os países, os estilos de colaboração diferem. Os países baixos da AUI favorecem a automação, com taxas mais altas de delegar tarefas completas à IA. As áreas de alta adoção se inclinam para o aumento, enfatizando o aprendizado das saídas da IA e das interações iterativas de Human-AI. Por exemplo, os usuários das regiões principais podem refinar o conteúdo gerado pela IA através do diálogo de entrada e partida, aumentando os resultados ao criar habilidades, enquanto o uso focado na automação prioriza a execução de mão-de-obra para a eficiência. Esses padrões geográficos ecoam as tendências históricas em tecnologias transformadoras. A eletrificação, o mecanismo de combustão interna e o encanamento interno impulsionaram o crescimento econômico moderno no final do século XIX e início do século XX, mas também ampliaram as lacunas padrão globais de vida, conforme documentado na análise de divergência econômica de Pritchett em 1997. O exame de Gordon em 2012 sobre o crescimento econômico dos EUA compara as inovações do início e do final do século XX, observando seus impactos desiguais de produtividade. A análise corporativa do relatório oferece informações sem precedentes sobre o tráfego de API de primeira parte, onde as empresas acessam Claude programaticamente e não através da interface da Web. Esses dados revelam como os primeiros adotantes integram a Frontier AI nas operações. As tarefas de codificação dominam a API e o uso de Claude.Ai, mas o tráfego da API se distorce em áreas especializadas. O uso da API excede o Claude.ai para tarefas de codificação e escritório/administração, como entrada de dados, agendamento ou geração de relatórios. Por outro lado, Claude.ai lidera tarefas educacionais, como aulas particulares ou de construção de habilidades e tarefas de redação, incluindo criação ou edição de conteúdo. A automação caracteriza 77 % dos usos da API de negócios, em comparação com aproximadamente 50 % para os usuários do Claude.Ai. Essa disparidade surge do design programático da API, que permite a delegação de tarefas perfeita sem intervenção humana, ideal para processos de negócios escaláveis. Os exemplos incluem geração automatizada de código para tubulações de software ou processamento em lote de documentos administrativos. A implantação de negócios prioriza os recursos do modelo sobre considerações de custo. As tarefas frequentemente usadas nos dados da API incorrem em custos mais altos devido a demandas computacionais, mas o uso persiste. Esse padrão indica fraca sensibilidade ao preço, com decisões impulsionadas pela capacidade da IA de lidar com operações complexas e pelo valor econômico de automatizar funções específicas. Por exemplo, tarefas de alto valor, como modelagem financeira avançada, justificam preços premium devido aos ganhos de produtividade que eles oferecem. Os fatores contextuais limitam as aplicações avançadas. A curadoria de dados de dados apropriados se mostra essencial para o desempenho eficaz da IA em domínios complexos, como análise jurídica ou diagnóstico médico. O relatório identifica a modernização dos dados e os investimentos organizacionais para capturar detalhes contextuais como potenciais gargalos. As empresas podem precisar investir em bancos de dados estruturados ou ferramentas de extração de conhecimento para fornecer aos modelos um plano de fundo relevante, permitindo saídas mais precisas e impactantes. Sem tais preparações, a implantação da IA permanece confinada a tarefas mais simples e menos dependentes do contexto. Para facilitar um estudo mais aprofundado, o Anthropic tem de origem aberta do conjunto de dados subjacente ao relatório. Isso inclui padrões de uso de nível de tarefa para tráfego de API claude.ai e de primeira parte, mapeado para a taxonomia ocupacional líquida e categorias de baixo para cima personalizadas. Ele também abrange modos de colaboração por tarefa e documentação metodológica completa. Atualmente, os dados geográficos se aplica apenas ao Claude.ai, excluindo o tráfego da API por motivos de privacidade. Os pesquisadores podem acessar isso para explorar as ramificações econômicas da IA de forma independente. Os dados de código aberto suportam investigações em várias áreas. Os efeitos do mercado de trabalho local incluem consequências para trabalhadores e empresas do uso e adoção da IA, como mudanças nos requisitos de trabalho ou estruturas salariais. Os determinantes da adoção abrangem países e regiões dos EUA, com estratégias em potencial para ampliar os benefícios além das economias de alta renda. O custo por tarefa influencia os padrões corporativos, esclarecendo a dinâmica de substituição. A viabilidade da automação explica por que algumas tarefas integram a IA, enquanto outras resistem, informando as perspectivas de emprego para diferentes tipos de trabalhadores. A estrutura do relatório se aprofunda nesses temas nos capítulos. O capítulo 1 examina o uso de Claude.AI ao longo do tempo, detalhando mudanças nas tarefas econômicas, o crescente papel das aplicações educacionais e científicas e como novas capacidades influenciam os padrões. Ele enfatiza a aceleração da automação diretiva, onde os usuários atribuem responsabilidades completas à IA para obter resultados simplificados. O capítulo 2 abrange o uso de Claude nos Estados Unidos e globalmente, analisando a difusão, métricas per capita, contrastes entre países líderes e emergentes e variações na colaboração humana-AI geograficamente. Ele ressalta como os níveis de renda moldam a adoção e a profundidade. O capítulo 3 se concentra na implantação da API Enterprise, destacando usos especializados entre clientes antrópicos, diferenças na segmentação ocupacional versus foco na tarefa, automação versus aumento nas transcrições, análises de custos por tarefa e padrões de substituição. Conclui, vinculando -os a desafios mais amplos de implantação. Os autores do relatório são Ruth Appel, Peter McCrory e Alex Tamkin como protagonistas, com contribuições de Miles McCain, Tyler Neylon e Michael Stern. Acknowledgments extend to a extensive team including 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, and Zoe Richards. Para citação, o relatório é referenciado como: Appel, McCrory, Tamkin, et al. (2025). Relatório do Índice Econômico Antrópico: Adoção geográfica e corporativa desigual. Disponível em https://www.anthropic.com/research/antrópica-economic-index-september-2025-report. Notas de rodapé fornecem referências de suporte. A estatística de uso da IA do funcionário dos EUA se baseia em Gallup (2025), o uso da IA no trabalho quase dobrou em dois anos. Os benchmarks históricos de adoção vêm de Bick, Blandin e Deming (2024), a rápida adoção de IA generativa e Lewis e Severnini (2020), impactos de curto e longo prazo da eletrificação rural. As idéias de difusão de tecnologia são de Kalyani et al. (2025), difusão de novas tecnologias. Discussões de divergência econômica Referência de Gordon (2012), o crescimento econômico dos EUA acaba? e Pritchett (1997), Divergência, Big Time. Evidências recentes de convergência aparecem em Kremer, Willis e você (2022), convergindo em convergência, ao lado de Jones, Jones e Aghion (2017) sobre IA e crescimento econômico. Essa terceira iteração do índice econômico antrópico captura a dinâmica de adoção da IA em um momento crucial. Claude e sistemas de fronteira similares se aplicam amplamente às atividades econômicas, com as capacidades avançadas ampliando seu alcance. O uso concentra -se em tarefas e regiões selecionadas, correlacionando -se fortemente com a renda, particularmente internacionalmente. Os dados da API revelam 77 % da automação em contextos de negócios, mais altos que os 50 % no uso do consumidor, com tarefas de codificação e administrador proeminentes. O conjunto de dados de código aberto, agora incluindo detalhes geográficos de Claude.ai e padrões de API classificados por categorias líquidas e personalizadas, permite uma análise rigorosa dos impactos da mão-de-obra, fatores de adoção, funções de custo e barreiras de automação de tarefas.
