81% 在用 AI，只有 20% 真正放手——社会科学编程智能体采用率的真相

八成在用，两成敢托

Anthropic 上周发了一篇调查，数字很扎眼：1,260 名定量社会科学家，81% 用过 AI 聊天机器人辅助研究，但只有 20% 在常规使用编程智能体——每周至少一次，让 Claude Code 或 Codex 这种工具自主写代码、跑分析、读结果。

我在这两个数字之间停了很久。

81% 不意外。谁没让 ChatGPT 帮忙润色过摘要、查过文献？这和让实习生改改措辞没本质区别。但编程智能体是另一回事。它不是帮你改句子，而是帮你做研究：给一个想法和一份数据，自己写分析代码、自己跑模型、自己解释输出、自己迭代。

在经验研究里，编码、跑回归、调模型、读结果——这些是研究者每天的核心动作。编程智能体第一次让这些动作可以被整块委托出去。Stanford 的 Andy Hall 用 Claude Code 一小时复制并扩展了自己关于邮寄投票的论文。Brookings 说这东西”像货运火车一样冲向社会科学”。

但 81% 到 20% 的落差说明：大多数人愿意让 AI 碰文字，不愿意让 AI 碰数据和模型。文字是门面，数据才是地基。你不让装修工人动承重墙。

这两个数字之间差了四倍。大多数人愿意让 AI 碰文字，不愿意让 AI 碰数据和模型。文字出了问题，你一眼能看出来；数据和模型出了问题，你可能根本不知道。

生产力在加速，但只加速了前半段

编程智能体用户里，97% 拿它写代码，但只有三分之一用过 AI 起草文稿。工具的核心价值不在文字润色，在分析管线。

这带来了实实在在的生产力差异。调查比较了编程智能体用户和非用户在研究流程各阶段的产出：前者多发了 75% 的工作论文，多启动了约 10% 的实证项目，也交了更多基金申请。

但在期刊投稿上——零差异。

这个数字让我反复想了很久。75% 的工作论文增量，零投稿增量。如果工具真像宣传的那样强大，为什么最后一公里没缩短？

一个可能：编程智能体加速的是”起手式”。开始一个项目、跑通初步分析、产出一版像样的结果——这些确实快了。但把初步结果打磨到能投期刊，需要的不是更快的代码生成，而是判断力、耐心、无数次反复推翻。这些，目前还是纯人力的活。

另一个可能更扎心：那些早期采用者本来就更猛。不是因为有了编程智能体才高产，而是高产的人恰好更早用上了编程智能体。调查是横截面数据，分不开因果。

不管哪种解释，指向同一个结论：编程智能体加速的是项目启动，不是项目完成。*启动靠冲劲和算力，完成靠判断和耐心。*后者目前没有捷径。

METR 今年 5 月的调查也印证了这一点：技术工作者自报的中位生产力增益是 1.4 到 2 倍。听起来不少。但 METR 特意区分了”速度增益”和”价值增益”——完成任务更快，不等于创造了更多价值。这两者之间的差，就是”跑得快”和”跑得对”之间的距离。

谁在吃第一口螃蟹

第二个让人不舒服的数字：男性名字的研究者，编程智能体采用率是女性名字研究者的两倍。这个差距比一般 AI 使用的性别差距还大。也就是说，不只是”男性更爱试新工具”——在已经尝试过 AI 的人群中，男性仍然更愿意把研究任务交给智能体。

加上 Top 25 大学比普通院校高 40%、经济学 39% 而教育学 4%。这张采用率地图几乎是学术界既有不平等的等比例缩小。

编程智能体不是什么开箱即用的消费品。它需要命令行基础、配置经验、以及在工具出错时知道往哪里钻的能力。这些技术前置在学科间分布极不均匀。经济学和计算机科学的博士生写代码是日常训练，教育学和社会工作专业的训练重心不在这儿。

性别差距的两倍更值得警惕。“Vibe Researching”论文（arxiv 2602.22401）讨论过这个问题：当 AI agent 把研究管线自动化时，谁有能力监督、谁没有，决定了谁受益、谁掉队。当一个能让生产力翻倍的新技术在性别间以两倍速度分化传播，这不是技术扩散的故事，是研究不平等加剧的故事。

博士生和博后的采用率超过 25%，终身教授不到一半。这看起来像代际更替的自然节奏——年轻人总是先拥抱新技术。但换个角度：恰恰是面临最大发表压力、最需要产出的群体，最积极地采用了这些工具。是拥抱还是被迫，界限很模糊。

学徒制的隐性代价

Nature 5 月发了一篇文章，标题直击要害：“AI agents in research: when productivity comes at the cost of apprenticeship。”

AI 编程助手是完美的研究伙伴——随时在线、秒懂指令、几分钟 debug 完你卡了三天的代码。但文章问了一个不舒服的问题：当初级研究者把越来越多的核心任务委托给 AI 时，他们同时失去了什么？

答案是挣扎。

亲手做数据分析时学到的隐性知识——跑模型卡住时翻遍 Stack Overflow、结果不对时逐行检查数据、花三天才搞懂一个统计检验为什么不收敛——这些挣扎不是浪费时间，是训练研究直觉的唯一路径。

编程智能体把一周的挣扎压缩成几分钟。效率是上去了。但挣扎本身是能力形成的过程。跳过这个过程，短期看是省了时间，长期看可能是丢了能力。

会做饭和跟着菜谱 App 做饭，区别不在那道菜，在于你离了 App 还能不能凭手感判断盐该放多少。

但编程智能体和菜谱 App 有一个关键不同：菜谱 App 替你决定放多少盐，编程智能体替你决定用什么统计方法、怎么处理缺失值、哪些结果值得报告。后者的每一个决定都在影响研究结论的方向。如果你从一开始就没亲手做过这些决定，你怎么判断智能体的决定对不对？

Vibe Researching 论文给了一个有用的框架：研究任务的委托边界是认知的，不是顺序的。它不是”前期可以委托、后期不行”，而是在研究管线的每一个阶段里，都同时存在可以委托的机械性工作和不能委托的判断性工作。编程智能体擅长前者，但前者不是研究的瓶颈。

集体行动的囚徒困境

最后一个发现，也许是整篇调查里最让人坐不住的：88% 的受访者认为 AI 提高了自己写论文的生产力。但 70% 的人对领域整体影响的信心，低于对个人生产力的信心。

每个人都说：这东西帮了我。几乎同样多的人说：但它可能害了这个领域。

这是一个经典的囚徒困境。对我个人来说，AI 帮我更快写代码、处理数据、起草论文——我的生产力上去了。但对领域来说，更多论文意味着审稿系统更拥堵、学术记录里更多质量参差不齐的研究、更多”安全但平庸”的增量工作。每个人都理性地选择提高个人产出，集体结果可能是论文数量通胀、质量原地踏步。

Wilmers 和 Engzell 在”The Paper Factory”预印本里直接讨论了这个担忧：当论文生产成本趋近于零，学术发表系统的过滤机制就面临崩溃。审稿人已经超负荷了。更多投稿只会让瓶颈更紧，或者让质量标准悄悄下滑。

那些最早采用编程智能体的人——从中获益最多的人——恰恰是最先看到风险的人。他们不是伪善。他们是有能力同时看到个人收益和集体代价的人。这种清醒的矛盾感，比盲目的乐观或悲观都更值得关注。

回到那两个数字

81% 用聊天机器人，20% 用编程智能体。这两个数字之间隔着两种完全不同的信任方式。

聊天机器人是请求-应答式的：你提需求，它给结果，你决定是否采纳。控制权始终在你手上。编程智能体是委托式的：你把一个研究任务交出去，它自主执行，你审查产出。中间过程你看不见、也管不了那么多。

对于在学术期刊上署名、为每一个数字和结论承担学术责任的研究者来说，把数据分析委托给一个自主运行的 AI——意味着为你没有亲手验证过的过程签字。

80% 没跨过去的人，大概在算一笔很具体的账：我愿意为多大程度的委托承担多大的责任风险。

也许随着编程智能体变得更可靠、更可解释、审计工具更完善，这个门槛会降低。但也许这里触及了研究的一个本质特征——研究的目的不是产出论文，而是理解。理解不能被委托。不是技术上不能，而是逻辑上不能：你委托了做的过程，就跳过了理解的过程。

论文可以更多。理解不能。

---

你觉得十年后，一个从没用过编程智能体的社科博士生，在求职市场上会被视为”严谨”还是”落伍”？

原文参考

Lyttelton, T., Massenkoff, M., & Wilmers, N. (2026). Coding Agents in the Social Sciences. Anthropic Research Blog. https://www.anthropic.com/research/coding-agents-social-sciences