What 81,000 people told us about the economics of AI

What 81,000 people told us about the economics of AI

Что 81 000 человек рассказали нам об экономике ИИ

Key findings:

Ключевые выводы:

Наш недавний опрос 81 000 пользователей Claude показывает, что люди, работающие в ролях с большей подверженностью ИИ, сильнее обеспокоены вытеснением с работы из-за ИИ. Эти опасения также выше среди респондентов на ранних этапах карьеры.Работники в самых высокооплачиваемых и самых низкооплачиваемых профессиях сообщают о наибольшем приросте продуктивности — чаще всего за счёт расширения круга задач (выполнения новых задач).Респонденты, испытывающие наибольшее ускорение работы благодаря ИИ, выражают более высокую обеспокоенность вытеснением с работы.

In order to inform the public about the economic changes we’re observing with AI, our Economic Index shares what work Claude is being asked to do, and in which jobs Claude is doing the largest share of tasks. To date, however, we’ve lacked information on how these usage patterns map onto people’s thoughts and impressions of AI.

Чтобы информировать общественность об экономических изменениях, которые мы наблюдаем в связи с ИИ, наш Economic Index рассказывает, какую работу просят выполнять Claude и в каких профессиях Claude делает наибольшую долю задач. Однако до сих пор нам не хватало данных о том, как эти паттерны использования соотносятся с мыслями и впечатлениями людей об ИИ.

Our recent survey study with 81,000 Claude users provides a way to connect people’s economic concerns with what we’ve quantified in Claude traffic.

Наше недавнее опросное исследование с участием 81 000 пользователей Claude позволяет связать экономические опасения людей с тем, что мы количественно измерили в трафике Claude.

The survey asked people about their visions and fears around advances in AI. Many of the thoughts that people shared touched on economic topics. We learned that many people fear job displacement—though they also feel more productive and empowered at work. In some cases, AI has enabled them to start businesses, or given them time for more important things; in others, AI feels stifling, or imposed on them by their employers.

Опрос задавал людям вопросы об их видениях и страхах относительно прогресса в ИИ. Многие мысли, которыми поделились респонденты, касались экономических тем. Мы узнали, что многие боятся потери работы — хотя они также чувствуют себя более продуктивными и наделёнными возможностями на работе. В одних случаях ИИ позволил им запустить бизнес или освободил время для более важных вещей; в других — ИИ ощущается как нечто сковывающее или навязанное работодателем.

The survey’s results provide initial evidence that observed exposure (our measure of AI displacement risk) is correlated with economic concern around AI. People in highly exposed occupations—as defined by the tasks Claude is observed performing—were more nervous about economic displacement. This is consistent with people being broadly aware of AI’s diffusion and potential impacts. We expand on our findings below.

Результаты опроса дают первые свидетельства того, что observed exposure (наша мера риска вытеснения ИИ) коррелирует с экономической тревогой вокруг ИИ. Люди в профессиях с высокой подверженностью — определяемых по задачам, которые выполняет Claude, — больше нервничали по поводу экономического вытеснения. Это согласуется с тем, что люди в целом осознают распространение ИИ и его возможные последствия. Ниже мы подробнее раскрываем наши выводы.

Who worries about job displacement?

Кто беспокоится о потере работы?

“Well like anyone who has a white collar job these days I'm 100% concerned, pretty much 24/7 concerned about losing my job eventually to A.I.”—Software engineer.¹

«Ну, как и любой человек с офисной работой в наше время, я обеспокоен на 100%, практически 24/7, что в конечном счёте потеряю работу из-за ИИ». — Инженер-программист.1

One fifth of the respondents in our survey voiced concern about economic displacement. Some worried about this in the abstract: one software developer cautioned about “the possibility of AI in its current state being used to replace junior positions.” Others lamented that their jobs, or aspects of their jobs, were being automated away. One market researcher said, “In terms of improving my capability, it's no doubt. [B]ut in the future AI may replace my work.” In some jobs, people felt it made their work harder. One software developer observed that “when AI arrived, the project managers started giving harder and harder tickets and bugs to solve.”

Пятая часть респондентов нашего опроса выразила обеспокоенность экономическим вытеснением. Некоторые беспокоились абстрактно: один разработчик предостерёг от «возможности того, что ИИ в его нынешнем виде будет использоваться для замены младших позиций». Другие сетовали, что их работа или её отдельные аспекты автоматизируются. Один маркетинговый исследователь сказал: «С точки зрения улучшения моих возможностей — без сомнений. Но в будущем ИИ может заменить мою работу». В некоторых профессиях люди чувствовали, что ИИ усложняет их работу. Один разработчик заметил: «Когда появился ИИ, проджект-менеджеры начали выдавать всё более сложные тикеты и баги для решения».

Throughout this report, we use Claude-powered classifiers to infer people’s attributes and sentiments from their responses. For example, many participants mention their line of work in passing or give informative details about their work life, which allows us to infer their occupation. Similarly, we quantify concerns about job loss by prompting Claude to identify and interpret direct quotes in which respondents indicate that their own role is at risk of AI-driven displacement. We give example prompts in the Appendix.

На протяжении всего этого отчёта мы используем классификаторы на базе Claude, чтобы выводить характеристики и настроения людей из их ответов. Например, многие участники мимоходом упоминают свой род занятий или дают информативные детали о своей работе, что позволяет нам определить их профессию. Аналогично, мы количественно измеряем опасения по поводу потери работы, поручая Claude находить и интерпретировать прямые цитаты, в которых респонденты указывают, что их собственной роли угрожает вытеснение ИИ. Примеры промптов мы приводим в Приложении.

Respondents’ perceived threat from AI was correlated with our own measure of observed exposure, which reflects the percentage of a job’s tasks for which Claude is used. A respondent was more concerned about AI when our observed exposure measure for that respondent was higher. Elementary school teachers were less worried about their own displacement than software engineers, for example, consistent with the fact that Claude usage skews toward coding tasks.

Воспринимаемая респондентами угроза со стороны ИИ коррелировала с нашей собственной мерой observed exposure, которая отражает процент задач в профессии, для решения которых используется Claude. Респондент был более обеспокоен ИИ, если наш показатель observed exposure для него был выше. Учителя начальных классов, например, меньше беспокоились о собственном вытеснении, чем инженеры-программисты, что согласуется с тем фактом, что использование Claude смещено в сторону задач по программированию.

We show this in Figure 1 below. The y-axis is the percentage of respondents in a given occupation who said that AI is already replacing their role or is likely to do so soon. The x-axis is observed exposure. The plot shows that, on average, people in more exposed occupations tended to express more concern about their jobs being automated away. For every 10-percentage-point increase in exposure, perceived job threat increased by 1.3 percentage points. People in the top 25% of exposure mentioned the worry three times as often as those in the bottom 25%.

Мы показываем это на Рисунке 1 ниже. По оси Y — процент респондентов в данной профессии, заявивших, что ИИ уже заменяет их роль или, вероятно, сделает это вскоре. По оси X — observed exposure. График показывает, что в среднем люди в профессиях с большей подверженностью склонны чаще выражать обеспокоенность по поводу автоматизации своей работы. На каждое увеличение подверженности на 10 процентных пунктов воспринимаемая угроза работе возрастала на 1,3 процентных пункта. Люди в верхних 25% по подверженности упоминали эту тревогу в три раза чаще, чем люди в нижних 25%.

Another important worker characteristic is career stage. In previous research, we reported tentative signs of a slowdown in the hiring of recent graduates and early-career workers in the United States. For about half of respondents in this survey, we were able to infer career stage from their answers.² We found that early-career respondents were much more likely to express concern about job displacement than senior workers.

Ещё одной важной характеристикой работника является этап карьеры. В предыдущем исследовании мы сообщали о предварительных признаках замедления найма недавних выпускников и работников на ранних этапах карьеры в США. Примерно для половины респондентов этого опроса мы смогли вывести этап карьеры из их ответов.2 Мы обнаружили, что респонденты на ранних этапах карьеры гораздо чаще выражали обеспокоенность вытеснением с работы, чем старшие специалисты.

Who benefits from AI?

Кому выгоден ИИ?

Using Claude to assess the survey responses, we rated the extent of people’s self-reported productivity gains from AI on a 1–7 scale, where 1 is “less productive,” 2 is “no change,” and each subsequent level denotes a larger gain. Responses that scored 7 included testimonials like, “It used to take months to make the website I [made] in 4-5 days”; Claude gave a 5 to statements like, “What might have taken four hours was accomplished in half the time,” and a 2 to ones like, “Personally, I had AI help me fix code on a website. But it took multiple passes to get the result I was after.”³

Используя Claude для оценки ответов опроса, мы оценивали степень самоотчётного прироста продуктивности от ИИ по шкале от 1 до 7, где 1 — «менее продуктивен», 2 — «без изменений», а каждый последующий уровень означает больший прирост. Ответы, получившие 7, включали отзывы вроде: «Раньше уходили месяцы на создание сайта, который я [сделал] за 4–5 дней»; Claude ставил 5 за высказывания типа: «То, что могло бы занять четыре часа, было сделано за половину этого времени», и 2 за фразы вроде: «Лично мне ИИ помог исправить код на сайте. Но потребовалось несколько подходов, чтобы получить нужный результат».3

Overall, people reported meaningful productivity gains on average. The mean productivity rating was 5.1, corresponding to “substantially more productive.” Our respondents were, of course, active Claude users who were willing to take a survey. This could make them more likely to report productivity benefits than the average user. Some 3% reported negative or neutral impacts, and 42% did not give a clear indication on productivity.

В целом люди в среднем сообщали о значимом приросте продуктивности. Средняя оценка продуктивности составила 5,1, что соответствует «существенно продуктивнее». Наши респонденты, разумеется, были активными пользователями Claude, согласившимися пройти опрос. Это может делать их более склонными сообщать о выгодах в продуктивности, чем средний пользователь. Около 3% сообщили об отрицательных или нейтральных эффектах, а 42% не дали чёткого указания на продуктивность.

This splits somewhat across income lines. The left panel in Figure 3 shows that people in high-paying jobs, like software developers, conveyed the largest productivity gains from AI. This result is not driven only by coding; it holds when we leave out computer and math occupations. It echoes a previous Economic Index finding that also favored higher-paid workers: in tasks requiring greater levels of education, Claude tended to reduce the time taken to complete a task (relative to doing it without AI) by a higher percentage.

Это в некоторой степени разделяется по уровню дохода. Левая панель Рисунка 3 показывает, что люди на высокооплачиваемых работах, например разработчики ПО, сообщали о наибольшем приросте продуктивности от ИИ. Этот результат обусловлен не только программированием; он сохраняется и при исключении профессий из сферы вычислений и математики. Это перекликается с предыдущим выводом Economic Index, также благоприятствовавшим более высокооплачиваемым работникам: в задачах, требующих более высокого уровня образования, Claude обычно сокращал время выполнения задачи (по сравнению с её выполнением без ИИ) на больший процент.

Some of the lowest-paid workers describe high productivity gains as well. This included a customer service representative using “AI to save me a lot of time with creating a response based on another one.” And in some cases, people in low-wage jobs were using AI on technical side projects. One delivery driver, for example, was using Claude to start an e-commerce business, and a landscaper was building a music application.

Часть самых низкооплачиваемых работников также описывает высокий прирост продуктивности. Это включало представителя клиентской поддержки, использовавшего «ИИ, чтобы сэкономить много времени на создании ответа на основе другого ответа». А в некоторых случаях люди на низкооплачиваемых работах использовали ИИ для технических побочных проектов. Один водитель доставки, например, использовал Claude, чтобы запустить e-commerce-бизнес, а ландшафтный дизайнер строил музыкальное приложение.

We look at this in more detail in the right panel of Figure 3, showing the inferred productivity gain by major occupational group. At the top are management occupations. These respondents are mostly entrepreneurs using Claude to build a business.⁴ The next highest category is computer and math, which includes software developers. The two groups exhibiting the mildest productivity improvements were workers in scientific and legal professions. Some lawyers worried about AI’s ability to follow precise instructions. For example: “I have given very specific rules about what is where, how to read a legal document, what I want it to do… but it diverges every time.”

Мы рассматриваем это подробнее в правой панели Рисунка 3, показывая выведенный прирост продуктивности по основным профессиональным группам. Наверху — управленческие профессии. Эти респонденты — в основном предприниматели, использующие Claude для построения бизнеса.4 Следующая по величине категория — вычисления и математика, куда входят разработчики ПО. Две группы, демонстрирующие наиболее скромное улучшение продуктивности, — это работники научных и юридических профессий. Некоторые юристы беспокоились о способности ИИ следовать точным инструкциям. Например: «Я давал очень конкретные правила о том, что где находится, как читать юридический документ, что я хочу, чтобы он сделал… но он каждый раз отклоняется».

A key question as AI diffuses through the economy is where the benefits will accrue—to workers, their managers, consumers, or corporations. Respondents indicated the recipient of these gains in about a quarter of interviews. Overall, most of these people cited benefits to themselves, through faster tasks, expanded scope, and freed-up time.⁵ But 10% of respondents who named a recipient said that employers or clients were asking for and getting more work. A smaller share mentioned benefits to AI companies, and an even smaller share said that AI would be a net negative. This depended on career stage: only 60% of early-career workers indicated that they personally benefited from AI, compared to 80% of senior professionals.

Ключевой вопрос по мере распространения ИИ в экономике — где будут аккумулироваться выгоды: у работников, их менеджеров, потребителей или корпораций. Респонденты указывали получателя этих выгод примерно в четверти интервью. В целом большинство этих людей называли выгоды для самих себя — через ускорение задач, расширение круга обязанностей и освобождение времени.5 Но 10% респондентов, назвавших получателя, сказали, что работодатели или клиенты требуют и получают больше работы. Меньшая доля упоминала выгоды для ИИ-компаний, и ещё меньшая — что ИИ окажется чистым минусом. Это зависело от этапа карьеры: лишь 60% работников на ранних этапах карьеры указали, что лично получили выгоду от ИИ, по сравнению с 80% старших специалистов.

Scope and speed

Круг задач и скорость

Respondents also shared where they experienced gains in productivity. We separate this into scope, speed, quality, and cost. For example, many people using AI for coding tasks said things like, “I’m a non tech guy but now I’m a full stack developer.” This is an expansion of scope; AI unlocks new abilities for them. In contrast, some users sped up tasks they were already doing, like the accountant who said, “I built a tool that helps me finish a financing task in 15 minutes that used to take 2 hours.” Quality gains often came from more thorough checks of code, contracts, and other paperwork. And a small share of respondents mentioned the low cost of using AI: “[I]f I hire a social media manager it’s over my budget.”

Респонденты также делились тем, в чём именно они получили прирост продуктивности. Мы разделяем это на круг задач (scope), скорость, качество и стоимость. Например, многие, использующие ИИ для задач программирования, говорили: «Я не технарь, но теперь я fullstack-разработчик». Это расширение круга задач; ИИ открывает им новые возможности. В отличие от этого, некоторые пользователи ускоряли задачи, которые уже выполняли, как бухгалтер, сказавший: «Я построил инструмент, который помогает мне завершить финансовую задачу за 15 минут вместо прежних 2 часов». Прирост качества часто шёл от более тщательной проверки кода, договоров и других документов. И небольшая доля респондентов упоминала низкую стоимость использования ИИ: «Если я найму SMM-менеджера, это превысит мой бюджет».

We find that the most common productivity enhancement is in scope, which was cited by 48% of users who explicitly mentioned productivity effects. 40% of users who mentioned productivity emphasized speed.

Мы обнаружили, что самое распространённое улучшение продуктивности — это расширение круга задач, которое назвали 48% пользователей, явно упомянувших эффекты на продуктивность. 40% пользователей, упомянувших продуктивность, делали акцент на скорости.

People’s experience with Claude might also shape their concerns about AI. To assess this, we measured the speedup reported by respondents, by extracting whether their work was now much slower (which we coded as 1), showed no change in speed (4), or had become much faster (7).

Опыт людей с Claude также может влиять на их опасения по поводу ИИ. Чтобы оценить это, мы измеряли ускорение, о котором сообщали респонденты, выделяя, стала ли их работа теперь намного медленнее (мы кодировали как 1), не изменилась по скорости (4) или стала намного быстрее (7).

We found that the relationship between speedup and perceived job threat is U-shaped (see Figure 6). The leftmost bar shows respondents who reported that AI slowed them down. These respondents were more likely to indicate that AI posed a significant threat to their livelihoods. For example, some creative workers, like fine artists and writers, found AI too stifling and rigid to help them at their own work. At the same time, they feared the diffusion of AI into creative fields would make it harder for them to find work.

Мы обнаружили, что связь между ускорением и воспринимаемой угрозой работе U-образная (см. Рисунок 6). Самый левый столбец показывает респондентов, сообщивших, что ИИ их замедлил. Эти респонденты чаще указывали, что ИИ представляет значительную угрозу их источнику дохода. Например, некоторые работники творческих профессий, такие как художники и писатели, считали ИИ слишком сковывающим и жёстким, чтобы помогать им в их собственной работе. В то же время они опасались, что распространение ИИ в творческих сферах усложнит им поиск работы.

For the remaining respondents, perceived job threat increases consistently with the level of speedup implied by their answers. This makes some economic sense: if the time required to do one’s tasks is shrinking quickly, there may be more uncertainty about the future viability of the role.

Для остальных респондентов воспринимаемая угроза работе последовательно растёт с уровнем ускорения, подразумеваемым их ответами. В этом есть определённый экономический смысл: если время, необходимое для выполнения задач, быстро сокращается, может возрасти неопределённость относительно будущей жизнеспособности роли.

Discussion

Обсуждение

The Economic Index reveals what people do with AI. But another key input for understanding AI’s economic impact is to hear directly from people about their experience. The responses explored here show that people’s intuitions track the usage data: they worry most about AI’s effect in the jobs where we observe Claude doing the most work. We also find higher levels of economic anxiety among early-career workers, which aligns with past research.

Economic Index показывает, что люди делают с ИИ. Но ещё один ключевой источник для понимания экономического влияния ИИ — услышать напрямую от людей об их опыте. Изученные здесь ответы показывают, что интуиции людей соответствуют данным об использовании: они больше всего беспокоятся о влиянии ИИ в тех профессиях, где мы наблюдаем, что Claude выполняет больше всего работы. Мы также выявили более высокий уровень экономической тревожности среди работников на ранних этапах карьеры, что согласуется с прошлыми исследованиями.

There are also signs that Claude empowers its users. People are most likely to talk about benefits flowing to themselves rather than to employers or AI companies. High-wage workers were the most enthusiastic about the productivity impacts of AI, but people with low-wage jobs and lower levels of education also reported large productivity gains. Most respondents reported that Claude enhanced their capabilities in the form of broadening the scope of their work or speeding it up. But users experiencing the largest speedups were also the most nervous about AI’s job impacts.

Есть также признаки того, что Claude расширяет возможности своих пользователей. Люди чаще всего говорят о выгодах, идущих к ним самим, а не к работодателям или ИИ-компаниям. Высокооплачиваемые работники наиболее восторженно отзывались о влиянии ИИ на продуктивность, но люди на низкооплачиваемых работах и с более низким уровнем образования также сообщали о значительном приросте продуктивности. Большинство респондентов сообщили, что Claude расширил их возможности, расширяя круг их работы или ускоряя её. Но пользователи, испытывающие наибольшее ускорение, также сильнее всех нервничали по поводу влияния ИИ на занятость.

There are key caveats to our analysis, owing to the nature of the data. First, our survey is limited to users of personal accounts on Claude.ai who chose to respond. Among other potential biases, these users could be more likely to perceive the benefits as flowing to themselves. Second, the users weren’t asked directly about many of the derived variables here, so our inferences on occupation, career stage, and other variables from contextual clues could be wrong. Relatedly, because the survey is open-ended, our measures are based on what respondents happen to mention; these findings should be confirmed in structured surveys that ask about these topics directly.

К нашему анализу есть ключевые оговорки, обусловленные природой данных. Во-первых, наш опрос ограничен пользователями личных аккаунтов на Claude.ai, согласившимися ответить. Среди прочих возможных смещений эти пользователи могут быть более склонны воспринимать выгоды как идущие к ним самим. Во-вторых, пользователей напрямую не спрашивали о многих из выведенных здесь переменных, поэтому наши выводы о профессии, этапе карьеры и других переменных по контекстным подсказкам могут быть ошибочными. С этим связано и то, что, поскольку опрос открытого формата, наши измерения основаны на том, что респонденты случайно упомянули; эти результаты должны быть подтверждены структурированными опросами, прямо задающими вопросы по этим темам.

Still, the interviews surface real insights about people’s feelings around the economics of AI, showing how qualitative data can surface quantitative hypotheses. And the large share of economic-related concerns is a strong signal in itself.

Тем не менее интервью выявляют реальные инсайты о чувствах людей вокруг экономики ИИ, показывая, как качественные данные могут порождать количественные гипотезы. И сама по себе большая доля опасений, связанных с экономикой, — это сильный сигнал.

Appendix

Приложение

See the final section of the linked PDF.

См. финальный раздел приложенного PDF.

Acknowledgements

Благодарности

We thank the 80,508 Claude users who shared their stories.

Мы благодарим 80 508 пользователей Claude, которые поделились своими историями.

Maxim Massenkoff led the analysis and wrote the blog post. Saffron Huang led the interview project and provided guidance throughout.

Maxim Massenkoff руководил анализом и написал пост в блоге. Saffron Huang руководила проектом интервью и оказывала наставническую поддержку на протяжении всей работы.

Zoe Hitzig and Eva Lyubich provided critical feedback and methodological guidance. Keir Bradwell and Rebecca Hiscott gave editorial support. Hanah Ho and Kim Withee contributed to design. Grace Yun, AJ Alt, and Thomas Millar implemented Anthropic Interviewer within Claude.ai. Chelsea Larsson, Jane Leibrock, and Matt Gallivan contributed to survey and experience design. Theodore Sumers contributed to the data processing and clustering infrastructure. Peter McCrory, Deep Ganguli, and Jack Clark provided critical feedback, direction and organizational support.

Zoe Hitzig и Eva Lyubich предоставили критически важную обратную связь и методологическое руководство. Keir Bradwell и Rebecca Hiscott оказали редакторскую поддержку. Hanah Ho и Kim Withee внесли вклад в дизайн. Grace Yun, AJ Alt и Thomas Millar реализовали Anthropic Interviewer внутри Claude.ai. Chelsea Larsson, Jane Leibrock и Matt Gallivan внесли вклад в дизайн опроса и пользовательский опыт. Theodore Sumers внёс вклад в инфраструктуру обработки и кластеризации данных. Peter McCrory, Deep Ganguli и Jack Clark предоставили критически важную обратную связь, направление и организационную поддержку.

Additionally, we thank Miriam Chaum, Ankur Rathi, Santi Ruiz, and David Saunders for their discussion, feedback, and support.

Кроме того, мы благодарим Miriam Chaum, Ankur Rathi, Santi Ruiz и David Saunders за их обсуждение, обратную связь и поддержку.

Footnotes

Сноски

Мы выводили профессии людей по первому вопросу опроса («Для чего вы в последний раз использовали ИИ-чатбота?») или по указаниям в других ответах.Это исходило из различных указаний в письменных ответах. Например, несколько пользователей упоминали использование Claude для домашних заданий, что относило их к группе ранней карьеры. А многие говорили о том, что управляют собственным бизнесом и участвуют в решениях по найму, что относило их к группе старших специалистов.Шкала не отцентрована, потому что большинство людей говорят положительные вещи о продуктивности, давая почти исключительно 6 и 7 по исходной шкале Лайкерта. Использованная нами здесь шкала шла от 1 = менее продуктивен, 2 = без изменений, 3 = немного более продуктивен, 4 = умеренно более продуктивен, 5 = существенно более продуктивен, 6 = намного более продуктивен, до 7 = трансформативно более продуктивен — ИИ фундаментально изменил то, что или сколько они могут производить.Удаление этих «соло-предпринимателей» по-прежнему оставляет управленческие профессии наравне с профессиями из сферы вычислений и математики по самой высокой выгоде в продуктивности.Главная оговорка, однако, в том, что этот опрос был разослан людям с личными аккаунтами Claude. Более репрезентативная картина включала бы и корпоративных пользователей, которые могут быть склонны чаще говорить, что ценность достаётся их работодателям.

Related content

Связанные материалы

2028: Two scenarios for global AI leadership

2028: два сценария глобального лидерства в ИИ

Our views on the AI competition between the US and China.

Наши взгляды на конкуренцию в области ИИ между США и Китаем.

Teaching Claude why

Учим Claude «почему»

New research on how we've reduced agentic misalignment.

Новое исследование о том, как мы снизили агентскую рассогласованность.

Natural Language Autoencoders: Turning Claude’s thoughts into text

Natural Language Autoencoders: превращение мыслей Claude в текст

AI models like Claude talk in words but think in numbers. In this study we train Claude to translate its thoughts into human-readable text.

ИИ-модели вроде Claude говорят словами, но думают числами. В этом исследовании мы обучаем Claude переводить свои мысли в читаемый человеком текст.