当我们在 2025 年发布 Claude Code 时，我们惊讶地发现有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，用它创建智能体来整理文件夹、去重文件，以及编写电子表格公式。

但对另一些人来说，终端仍然是一个略显吓人的地方——一个不折不扣的“黑箱”。我们构建 Claude Cowork 的目的，就是让 Claude Code 的智能体能力延伸至人们已经习惯与 Claude 对话的同一个聊天界面。

自从我们在 1 月发布 Claude Cowork 以来，它已成为那些专注于信息创建与交换工作的人（许多人称之为“知识工作者”）的一款特别强大的工具。人们用它处理各种并非特定岗位标志性任务的工作，而是围绕岗位的衔接性工作——这些工作推动项目前进、维持业务运转。这意味着像起草状态更新、制作幻灯片、或将大量研究压缩成一份报告这类任务。

在这篇文章中，我们分享了 2026 年 5 月一批 Claude Cowork 会话样本的数据，并探讨了这些数据告诉我们：人们在日常工作中（超越终端之外）是如何使用 AI 的。

数据揭示了什么

我们对2026年5月11日至31日期间抽样了120万次匿名且聚合的Claude Cowork会话，并根据20种不同工作类别的分类法进行了分类。在我们的发现中，最大的使用类别是“业务流程与运营”——例如将分散的更新汇总到单一报告、构建入职检查清单以及核对电子表格等——占33.4%。这很合理，因为业务运营任务涉及多种不同角色：例如财务、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撰写——即需要综合大量信息的商务沟通工作，如撰写草稿、制作演示文稿、撰写帖子和提案——占16.4%。面对空白页面往往是开始工作的首要障碍，而Claude Cowork是将思路和信息梳理成初稿的有用工具。这类任务同样跨越不同角色：市场营销、传播、业务拓展和项目管理等领域的人员，都可能会在完成这些任务时与Claude Cowork协作。

接下来的主要类别是：软件开发（8.7%）、DevOps与基础设施（7%）、研究与情报（6.4%）、数据分析与商业智能（5.8%）、文档处理与提取（4.1%），以及销售与营收运营（4%）。

所有其他类别在数据集中占比均低于4%，包括个人助理（3.8%）、教育（2.4%）和会议智能（1.8%）。

知识工作者如何使用AI

值得注意的是，使用量最高的两大类别——业务流程与运营、内容创作与文案写作——加起来占了 Claude Cowork 总使用量的大约一半。这些类别在本质上几乎都是连接性的：电子表格将分散的数据点汇总到一个可以阅读、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拥有不同背景知识的更广泛受众；入职检查清单则帮助新员工获取机构知识。

我们的数据表明，人们正在使用 Claude Cowork 来整合和结构化信息，以便利用自己的专业知识采取行动。例如，律师可能会用 Claude Cowork 处理文档格式和归档，从而将更多时间用于运用法律判断来处理疑难案件。招聘经理可能会用 Claude Cowork 安排会议并综合面试反馈，从而将更多时间用于与候选人交谈和评估工作样本。团队负责人可能会用 Claude Cowork 制作解释某个艰难决策的幻灯片，从而腾出时间真正去做出那些艰难决策。

这种使用模式与 Claude Code 形成了有趣的对比——Claude Code 最常被软件开发者用于其岗位的核心部分：构建、调试和交付代码。因此，软件开发在 Claude Cowork 的使用中占比如此之小，或许并不意外。开发者更可能使用 Claude Code 而非 Claude Cowork 来编写代码，但他们在 Claude Cowork 中完成的工作是围绕每个岗位（包括软件工程）的连接性、以沟通为重点的工作。

AI 在知识工作中的兴起

尽管编码仍然是 AI 最受关注的用途之一（这可以理解），但 AI 在日常商务工作中的应用正在上升，而且人们发现它最有帮助的任务类型也日益清晰。人们正转向 Claude Cowork，借助它完成那些跨团队跟踪和沟通信息与想法的任务：状态报告、演示文稿、追踪表格等。

这仅仅是一次快照，而且 Claude Cowork 仍属新产品，其用途正在迅速演变。我们的目标是让正在摸索如何将 AI 产品融入日常工作的人们有一个参考点，并展示使用最集中的领域。我们计划随着使用量的增长和变化持续发布数据，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》即可开始使用。

++++

关于我们研究的更多细节

以下是我们如何开展本次 Claude Cowork 用户调查的更多信息。

我们如何衡量

本次分析基于一个由自动系统按照 20 类工作分类法进行分类的 Claude Cowork 会话样本。数据通过一种保护隐私的分析工具收集，该工具保持所有用户信息匿名；没有任何单个会话被人工分析师读取，我们仅处理聚合的类别级统计数据。

样本以限速方式收集——即每小时固定最大会话数量——而不是以流量的固定百分比采集。因此，本报告中的每个数字都是样本会话的占比，而非绝对数量。数据收集于 2026 年 5 月 11 日至 31 日，涵盖来自超过 60 万个组织的 120 万个采样会话。

局限性

• 分类粒度：我们使用的分类法按所做工作对会话进行分类，而非按执行者的职位头衔。有几个类别清晰地对应了可识别的知识工作职能，例如研究与情报工作（占会话的 6.4%）、数据分析与商业智能（5.8%）、销售与营收运营（4%）、以及法律与合规工作（1.3%）。会议与对话智能（1.8%）和客户支持（0.8%）也出现在其中。但分类法在细分能力上存在局限。没有独立的营销、财务或人力资源类别——这些职能最贴合“业务流程与运营”这一类别，这很可能也是该类别占据总使用量三分之一的原因。
• 份额与数量：由于样本受到速率限制，样本中的会话和组织数量并不能反映总的 Cowork 使用量或增长情况，而且一天中较繁忙时段的使用情况相对于较空闲时段而言有所低估。
• 时间窗口选择：我们使用了最近三个完整的星期，而不是更长的时间跨度，因为类别份额在 5 月 11 日前后发生了变动，这种变动与我们标注管线的变化相符，而非用户行为的变化。这里报告的份额完全是在变动后计算的，无论哪种解释都是正确的。
• 工作与个人使用的混合：样本覆盖的是外部组织内的使用情况，而非个人。但抽样的 Claude Cowork 会话中包含一些个人非工作用途（个人助理、爱好和陪伴型对话共约占会话总数的 5%），因此该样本并不纯粹代表工作场所活动。
• 自动分类：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。当会话可能适合多个类别时，结果取决于我们分类体系中的定义；我们在上文“分类体系粒度”要点中指出了这些定义对解读影响最大的地方。

‍

用 Claude 改变您组织的运作方式