Claude appeared in at least one quarter of tasks for 36% of occupations. Only 4% reached three quarters of their tasks, and none reached complete coverage. Broad contact with work is not the same as automating a whole job.
Claude apareció en al menos una cuarta parte de las tareas del 36% de las ocupaciones. Solo 4% alcanzó tres cuartas partes de sus tareas y ninguna llegó a una cobertura completa. Un contacto amplio con el trabajo no equivale a automatizar un empleo completo.
About 332 occupations showed use in at least one-quarter of tasks, but roughly 295 of them did not reach three-quarter coverage and none reached complete coverage.
Unas 332 ocupaciones mostraron uso en al menos una cuarta parte de sus tareas, pero aproximadamente 295 no alcanzaron una cobertura de tres cuartas partes y ninguna llegó a la cobertura completa.
The index does not simply count prompts. It maps conversation patterns to tasks listed in O*NET and classifies how the person and model worked together. Clio performs that aggregation while protecting the underlying conversations.
El índice no se limita a contar instrucciones. Vincula patrones conversacionales con las tareas de O*NET y clasifica cómo trabajaron juntos la persona y el modelo. Clio realiza esa agregación mientras protege las conversaciones subyacentes.
Public debate about AI and jobs needs a clear distinction between tasks and occupations.
El debate público sobre la IA y el empleo exige distinguir claramente entre tareas y ocupaciones.
Computer and mathematical tasks alone represented 37.2% of classified use. Arts and media reached 10.3%, while education and libraries reached 9.3%. The index gives its clearest view of digital knowledge work, not an even cross-section of the economy.
Las tareas informáticas y matemáticas representaron por sí solas 37,2% del uso clasificado. Artes y medios llegaron a 10,3%, mientras educación y bibliotecas alcanzaron 9,3%. El índice ofrece su visión más clara del trabajo intelectual digital, no una muestra uniforme de la economía.
Anthropic classified 57% of observed interactions as augmentation and 43% as automation. Human involvement was more common, but delegated completion remained a substantial minority. Neither pure assistance nor complete automation describes all use.
Anthropic clasificó 57% de las interacciones observadas como aumento de capacidades y 43% como automatización. La participación humana fue más común, pero la finalización delegada siguió siendo una minoría considerable. Ni la asistencia pura ni la automatización completa describen todo el uso.
Among US adults reporting recent Claude use, 80% lived in households earning at least $100,000. The comparable figure was 37% for Meta AI users and about 50% nationally. A Claude usage index begins with a materially different user base.
Entre los adultos estadounidenses que reportaron uso reciente de Claude, 80% vivía en hogares con ingresos de al menos US$100.000. La cifra comparable fue 37% para usuarios de Meta AI y cerca de 50% a nivel nacional. Un índice del uso de Claude parte de una base de usuarios materialmente distinta.
Reported AI use at work rose from 20% of US employees in 2023 to 40% in the later observation. Behavioral measurement is becoming more important as adoption spreads. It also becomes more important not to confuse usage with productivity or employment.
El uso laboral reportado de IA aumentó de 20% de los empleados estadounidenses en 2023 a 40% en la observación posterior. Medir el comportamiento gana importancia a medida que se extiende la adopción. También importa más no confundir el uso con la productividad o el empleo.
The evidence that follows is ultimately about people using tools inside real workflows.
La evidencia que sigue trata, en última instancia, de personas que usan herramientas en flujos de trabajo reales.
Inside the model's capability frontier, GPT-4 users completed 12.2% more tasks and worked 25.1% faster. Their output quality was rated more than 40% higher. These gains are substantial, but they cannot be generalized to every task.
Dentro de la frontera de capacidades del modelo, los usuarios de GPT-4 completaron 12,2% más tareas y trabajaron 25,1% más rápido. La calidad de sus resultados fue valorada más de 40% mejor. Son mejoras importantes, pero no pueden generalizarse a todas las tareas.
In a 95-person experiment, Copilot users completed a standardized coding task 55.8% faster. In a separate METR study, 16 experienced developers took 19% longer on 246 repository tasks. The opposite results expose the jagged capability frontier.
En un experimento con 95 personas, los usuarios de Copilot completaron una tarea estandarizada 55,8% más rápido. En otro estudio de METR, 16 desarrolladores experimentados tardaron 19% más en 246 tareas de repositorios. Los resultados opuestos revelan la frontera irregular de capacidades.
The average support agent gained 14% productivity. Novice and lower-skilled agents gained about 34%, roughly 2.4 times the average improvement. AI acted like a tutor here, transferring parts of experienced workers' know-how.
El agente de soporte promedio mejoró su productividad 14%. Los agentes novatos y menos cualificados mejoraron cerca de 34%, aproximadamente 2,4 veces el aumento promedio. Aquí la IA actuó como un tutor, transfiriendo parte del conocimiento de los trabajadores experimentados.
Raw interaction scale and worker-level identification are different assets; millions of conversations cannot substitute for experiments that observe outcomes.
La escala bruta de interacciones y la identificación a nivel del trabajador son activos distintos; millones de conversaciones no sustituyen experimentos que observan resultados.
The consultant research contained a hard reversal. On a task outside GPT-4's capability frontier, assisted participants were 19 percentage points less likely to answer correctly. The tool pushed performance in the wrong direction.
La investigación con consultores contenía una inversión contundente. En una tarea fuera de la frontera de GPT-4, los participantes asistidos tuvieron 19 puntos porcentuales menos de probabilidad de acertar. La herramienta empujó el rendimiento en la dirección equivocada.
The ILO estimated potentially automatable employment at 7.8% for women in high-income countries, compared with 2.9% for men. For women in low-income countries, the estimate was only 0.4%. Exposure follows the structure of work and access.
La OIT estimó el empleo potencialmente automatizable en 7,8% para mujeres en países de ingresos altos, frente a 2,9% para hombres. Para mujeres en países de ingresos bajos, la estimación fue solo 0,4%. La exposición sigue la estructura del trabajo y del acceso.
Internet use reached 93% in high-income countries in 2023, compared with 27% in low-income countries. The worldwide figure was 67%. Access determines who can enter the AI economy before skills, workflows or workplace policy matter.
El uso de internet alcanzó 93% en países de ingresos altos en 2023, frente a 27% en países de ingresos bajos. La cifra mundial fue 67%. El acceso determina quién puede entrar en la economía de la IA antes de que importen las habilidades, los procesos o la política laboral.
After normalizing by internet adoption, the high-income women's index is 2.7 times the high-income men's index and 5.7 times the low-income women's index.
Tras normalizar por adopción de internet, el índice de las mujeres en países de ingreso alto es 2,7 veces el de los hombres del mismo grupo y 5,7 veces el de las mujeres en países de ingreso bajo.
Internet use approached 95% in both countries by 2024. Their paths differed, but they ended in nearly the same place. For most workers in these economies, the next barriers are skills, product access and workflow design.
El uso de internet se acercó a 95% en ambos países para 2024. Sus trayectorias fueron distintas, pero terminaron casi en el mismo lugar. Para la mayoría de los trabajadores de estas economías, las siguientes barreras son las habilidades, el acceso al producto y el diseño de procesos.
India and Nigeria tracked closely for years, with Nigeria often ahead. India then accelerated sharply, reaching 64.9% in 2024 and 70% in 2025. Nigeria stood at 41.2% in 2024. That divergence changes who can participate in digital AI adoption.
India y Nigeria avanzaron de forma cercana durante años, con Nigeria a menudo por delante. India se aceleró después y alcanzó 64,9% en 2024 y 70% en 2025. Nigeria se situó en 41,2% en 2024. Esa divergencia cambia quién puede participar en la adopción digital de IA.
India trailed Nigeria on this measure for much of 2005 to 2018. The relationship then reversed sharply. By 2024, Hanademi's calculation placed India 23.73 percentage points ahead.
India estuvo por detrás de Nigeria en esta medida durante gran parte de 2005 a 2018. Después, la relación se invirtió con fuerza. Para 2024, el cálculo de Hanademi situó a India 23,73 puntos porcentuales por delante.
Both economies grew strongly on this measure, but the US pulled further ahead. By 2025, the US reached about $90,027 per person and the UK $64,606. Those resources shape infrastructure, training and firms' ability to redesign work.
Ambas economías crecieron con fuerza en esta medida, pero Estados Unidos amplió su ventaja. Para 2025, Estados Unidos llegó a cerca de US$90.027 por persona y Reino Unido a US$64.606. Esos recursos influyen en la infraestructura, la formación y la capacidad de las empresas para rediseñar el trabajo.
Nigeria stayed ahead of India on this measure for 3 decades. India then crossed above Nigeria in 2021 and continued pulling away. By 2025, India reached $11,748 and Nigeria $9,532.
Nigeria se mantuvo por delante de India en esta medida durante 3 décadas. India superó a Nigeria en 2021 y siguió alejándose. Para 2025, India alcanzó US$11.748 y Nigeria US$9.532.
Hanademi's calculation makes the crossing explicit. The difference changed sign in 2021 and reached $2,216.31 by 2025. India and Nigeria also followed different recent paths in internet access.
El cálculo de Hanademi hace explícito el cruce. La diferencia cambió de signo en 2021 y llegó a US$2.216,31 en 2025. India y Nigeria también siguieron trayectorias recientes distintas en acceso a internet.
China's agricultural employment share fell from 59.6% in 1991 to 21.7% in 2025. The US moved from 2.9% to 1.5%. A conversation-based index therefore covers economies with radically different amounts of physical work.
La proporción del empleo agrícola de China cayó de 59,6% en 1991 a 21,7% en 2025. Estados Unidos pasó de 2,9% a 1,5%. Por tanto, un índice basado en conversaciones cubre economías con cantidades radicalmente distintas de trabajo físico.
El trabajo informático está enormemente sobrerrepresentado en Claude, mientras que la agricultura alcanza como máximo dos tercios de la representación que implicaría su peso en el empleo.
Agriculture still represented 41.6% of employment in India and 33.5% in Nigeria in 2025. Both shares have fallen, but physical work remains central. A chatbot can discuss farming without observing harvesting, transport or manual care.
La agricultura aún representaba 41,6% del empleo en India y 33,5% en Nigeria en 2025. Ambas proporciones han caído, pero el trabajo físico sigue siendo central. Un chatbot puede hablar de agricultura sin observar la cosecha, el transporte o los cuidados manuales.
Nigeria began the series with a smaller agricultural employment share than China. The relationship reversed in 1995 and widened for decades. Hanademi's calculation puts the 2025 difference at 11.86 percentage points.
Nigeria comenzó la serie con una proporción de empleo agrícola menor que China. La relación se invirtió en 1995 y se amplió durante décadas. El cálculo de Hanademi sitúa la diferencia de 2025 en 11,86 puntos porcentuales.
Japan fell for 2 decades, then recovered and passed both peers. Germany climbed after the mid-2000s, while the UK peaked around 2019 before easing. Labor-market outcomes have long national histories that a usage snapshot cannot replace.
Japón cayó durante 2 décadas, luego se recuperó y superó a ambos pares. Alemania subió después de mediados de los años 2000, mientras Reino Unido alcanzó un pico alrededor de 2019 antes de bajar. Los resultados laborales tienen largas historias nacionales que una instantánea de uso no puede reemplazar.
Services rose from 66.8% of UK employment in 1991 to 83.2% in 2025. That shift expanded the share of work conducted through information, communication and digital systems. It helps explain why chatbot usage can illuminate some economies better than others.
Los servicios subieron de 66,8% del empleo británico en 1991 a 83,2% en 2025. Ese cambio amplió la proporción del trabajo realizado mediante información, comunicación y sistemas digitales. Ayuda a explicar por qué el uso de chatbots puede iluminar mejor unas economías que otras.
Output per worker rose over 3 decades but suffered visible setbacks in 2009 and 2020. It reached about $125,086 in 2025. Measuring whether AI changes this path requires years of economic data, not conversation counts alone.
La producción por trabajador aumentó durante 3 décadas, pero sufrió retrocesos visibles en 2009 y 2020. Llegó a cerca de US$125.086 en 2025. Medir si la IA cambia esta trayectoria requiere años de datos económicos, no solo conteos de conversaciones.
India's gross tertiary enrollment ratio rose from 9.9% in 2000 to 34.4% in 2025. That expansion changes the number of people positioned for digital knowledge work. It also shows why AI exposure can shift as education systems change.
La tasa bruta de matrícula terciaria de India subió de 9,9% en 2000 a 34,4% en 2025. Esa expansión cambia el número de personas preparadas para el trabajo intelectual digital. También muestra por qué la exposición a la IA puede variar cuando cambian los sistemas educativos.
The ratio rose from 0.05 in 2000, crossed 1 in 2019, and reached 2.03 in 2025, showing digital access expanding much faster than formal higher education.
La razón subió de 0,05 en 2000, superó 1 en 2019 y alcanzó 2,03 en 2025, lo que muestra que el acceso digital se expandió mucho más rápido que la educación superior formal.
China's research and development spending rose from 0.88% of GDP in 2000 to 2.58% in 2023. That long investment arc provides context for how technical capabilities and adoption ecosystems evolve. It does not tell us which individual tasks AI can perform safely.
El gasto chino en investigación y desarrollo subió de 0,88% del PIB en 2000 a 2,58% en 2023. Esa larga trayectoria de inversión aporta contexto sobre cómo evolucionan las capacidades técnicas y los ecosistemas de adopción. No indica qué tareas individuales puede realizar la IA de forma segura.
The IMF estimated AI exposure at almost 40% of global employment and about 60% in advanced economies. Separately, the OECD placed 27% of member-country employment in occupations at highest automation risk. Neither estimate is a layoff forecast, and the concepts are not interchangeable.
El FMI estimó la exposición a la IA en casi 40% del empleo mundial y cerca de 60% en economías avanzadas. Por separado, la OCDE situó 27% del empleo de sus países miembros en ocupaciones con mayor riesgo de automatización. Ninguna estimación es una previsión de despidos y los conceptos no son intercambiables.
La proporción con alguna cobertura observada de tareas se acerca al titular de exposición, pero la proporción con cobertura amplia observada cae al 4%.
Employers surveyed by the World Economic Forum projected 170 million jobs created and 92 million displaced by 2030. The resulting net increase is 78 million. The net figure hides the people, places and skills caught between the two flows.
Los empleadores encuestados por el Foro Económico Mundial proyectaron 170 millones de empleos creados y 92 millones desplazados para 2030. El aumento neto resultante es de 78 millones. La cifra neta oculta a las personas, lugares y habilidades atrapados entre ambos flujos.
McKinsey modeled $2.6 trillion to $4.4 trillion in potential annual value across 63 use cases. That range describes possible economic value under modeled adoption. It does not specify how many jobs will be created, displaced or redesigned.
McKinsey modeló entre US$2,6 y 4,4 billones de valor anual potencial en 63 casos de uso. Ese rango describe valor económico posible bajo una adopción modelada. No especifica cuántos empleos se crearán, desplazarán o rediseñarán.
Anthropic used Clio to aggregate and classify approximately 4,000,000 raw conversations without publicly releasing the underlying transcripts. That privacy design protects users. It also means independent researchers cannot fully reproduce the classification from the raw material.
Anthropic utilizó Clio para agregar y clasificar aproximadamente 4.000.000 conversaciones originales sin publicar las transcripciones subyacentes. Ese diseño protege a los usuarios. También impide que investigadores independientes reproduzcan por completo la clasificación desde el material bruto.
La conectividad es casi universal, pero la composición de usuarios de Claude se aparta del referente nacional de ingresos mucho más que el déficit restante de acceso.
Task penetration is not the disappearance of whole occupations. The index connects private conversations to standardized economic tasks.
Key findings
On a task outside GPT-4's capability frontier, AI-assisted consultants were 19 percentage points less likely to reach the correct answer. Harvard Business School
A randomized METR study found 16 experienced developers completing 246 repository tasks took 19% longer with early-2025 AI tools. Model Evaluation and Threat Research
Employment: the gap between agriculture (% of total employment) (modeled ILO estimate) in Nigeria and agriculture (% of total employment) (modeled ILO estimate) in China reached 12 in 2025. World Bank Open Data
GDP per capita, PPP: the gap between India and Nigeria reached 2216 current international $ in 2025. World Bank Open Data
Individuals using the Internet: the gap between India and Nigeria reached 24 % of population in 2024. World Bank Open Data
The inaugural analysis identified no occupation for which Claude appeared in every associated O*NET task. Anthropic
Computer and mathematical occupations generated 37.2% of classified Claude use while representing roughly 3% of United States employment. Anthropic
Anthropic classified 57% of observed interactions as augmentation and 43% as automation. Anthropic
In a 95-person randomized experiment, developers using GitHub Copilot completed a standardized coding task 55.8% faster than controls. Microsoft Research and GitHub
A study of 5,179 support agents found a 14% average productivity gain, with gains of approximately 34% for novice and lower-skilled workers. National Bureau of Economic Research
The 37.2% computer-task share was at least 37 times any physical occupational group contributing no more than 1% of measured use. Anthropic
In a 758-consultant experiment, GPT-4 users completed 12.2% more tasks, worked 25.1% faster, and produced outputs rated over 40% higher on suitable tasks. Harvard Business School
The argument
Early Claude use looks like a crowded knowledge-work district.
Claude behaved more like a power tool than an unattended factory.
Claude's observed audience is not an economic cross-section.
The index is observing a behavior spreading quickly through workplaces.
When the task fit the model, consultants did more, faster and better.
The workflow mattered more than the label attached to the tool.
This research is published in English and Spanish. Ver en español
La investigación detrás de esta presentación
La penetración en tareas no equivale a la desaparición de ocupaciones completas. El índice conecta conversaciones privadas con tareas económicas estandarizadas.
Hallazgos clave
En una tarea fuera de la frontera de GPT-4, los consultores asistidos por IA fueron 19 puntos porcentuales menos propensos a alcanzar la respuesta correcta. Harvard Business School
Un estudio aleatorio de METR encontró que 16 desarrolladores experimentados tardaron 19% más con herramientas de IA de inicios de 2025 en 246 tareas de repositorios. Model Evaluation and Threat Research
Employment: la brecha entre agriculture (% of total employment) (modeled ILO estimate) in Nigeria y agriculture (% of total employment) (modeled ILO estimate) in China alcanzó 12 en 2025. World Bank Open Data
GDP per capita, PPP: la brecha entre India y Nigeria alcanzó 2216 current international $ en 2025. World Bank Open Data
Individuals using the Internet: la brecha entre India y Nigeria alcanzó 24 % of population en 2024. World Bank Open Data
El análisis inaugural no identificó ninguna ocupación en la que Claude apareciera en todas las tareas asociadas de O*NET. Anthropic
Las ocupaciones informáticas y matemáticas generaron 37,2% del uso clasificado de Claude mientras representaban aproximadamente 3% del empleo estadounidense. Anthropic
Anthropic clasificó 57% de las interacciones observadas como aumento de capacidades y 43% como automatización. Anthropic
En un experimento aleatorio con 95 personas, desarrolladores con GitHub Copilot completaron una tarea estandarizada de programación 55,8% más rápido que el grupo de control. Microsoft Research and GitHub
Un estudio de 5.179 agentes de soporte encontró una mejora media de productividad de 14%, con mejoras cercanas a 34% para trabajadores novatos y menos cualificados. National Bureau of Economic Research
La participación informática de 37,2% fue al menos 37 veces la de cualquier grupo ocupacional físico que aportara como máximo 1% del uso medido. Anthropic
En un experimento con 758 consultores, los usuarios de GPT-4 completaron 12,2% más tareas, trabajaron 25,1% más rápido y produjeron resultados valorados más de 40% mejor. Harvard Business School
El argumento
El uso inicial de Claude parece un distrito intelectual congestionado.
Claude se comportó más como una herramienta eléctrica que como una fábrica desatendida.
La audiencia observada de Claude no representa a toda la economía.
El índice observa un comportamiento que se extiende rápidamente por los lugares de trabajo.
Cuando la tarea encajó con el modelo, los consultores hicieron más, más rápido y mejor.
El proceso de trabajo importó más que la etiqueta de la herramienta.
Esta investigación se publica en inglés y español. Read in English
