当我们在2025年发布了Claude Code时，惊讶地发现许多非技术用户开始尝试使用它。许多从未打开过终端的人，利用Claude Code创建了能够整理文件夹、去重文件和编写电子表格公式的智能代理。
但对一些人来说，终端依然是一个略显神秘和令人畏惧的“黑盒子”。因此，我们开发了Claude Cowork，将Claude Code的代理能力扩展到用户已经习惯的聊天界面中，让更多人能方便地与Claude互动。
自2026年1月推出Claude Cowork以来，它成为专注于信息创建和交流的“知识工作者”的强大工具。人们用它完成各种任务，这些任务不一定属于某个特定岗位的核心职责，而是推动项目进展、维持业务运转的连接性工作，比如撰写状态更新、制作幻灯片或将大量研究内容浓缩成报告。
本文分享了2026年5月Claude Cowork部分使用数据，探讨人们如何在日常工作中（不局限于终端）利用AI。
数据揭示
我们抽样分析了2026年5月11日至31日共120万条匿名聚合的Claude Cowork会话，按照20个不同工作类别进行分类。结果显示，最大使用类别是“业务流程与运营”，占比33.4%。这包括将分散的更新汇总成报告、制作入职清单、对账电子表格等任务。此类任务跨越多个岗位，如财务、人力资源和行政人员都可能使用Claude Cowork完成这些工作。
其次是内容创作与文案写作，占16.4%。这类工作通常需要大量信息整合，如撰写草稿、制作幻灯片、发布帖子和提案。面对空白页时，Claude Cowork帮助用户理清思路，形成初稿。此类任务同样跨岗位，市场营销、传播、业务拓展和项目管理人员都可能使用它。
其他主要类别包括软件开发（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%）。
其余类别占比均低于4%，例如个人助理（3.8%）、教育（2.4%）和会议智能（1.8%）。
知识工作者如何利用AI
值得注意的是，业务流程与运营以及内容创作与文案写作这两个类别合计约占Claude Cowork使用量的一半。这些任务本质上是连接性的：电子表格将分散数据整合成可读、可比较、可追踪的格式；幻灯片向不同背景的受众传达想法或决策；入职清单帮助新员工快速掌握机构知识。
数据表明，人们利用Claude Cowork来整理和结构化信息，从而更好地发挥专业能力。例如，律师可能用它处理文档格式和归档工作，从而有更多时间专注于复杂案件的法律判断；招聘经理用它安排面试和整合反馈，腾出时间与候选人深入交流和评估工作样本；团队负责人用它制作解释复杂决策的幻灯片，释放精力做出关键决策。
这种使用模式与Claude Code形成鲜明对比，后者主要被软件开发者用于构建、调试和发布代码。因此，软件开发在Claude Cowork中的占比较小也就不足为奇。开发者更倾向于用Claude Code写代码，而在Claude Cowork中完成的是围绕各岗位的连接性和沟通工作。
AI在知识工作中的崛起
尽管编程仍是AI应用中最受关注的领域之一，但AI在日常业务工作中的应用正在快速增长，且其最有价值的任务类型逐渐明朗。人们借助Claude Cowork处理跨团队的信息跟踪和沟通任务，如状态报告、幻灯片、跟踪表等。
这只是一个初步快照，Claude Cowork仍处于发展初期，使用场景在不断演变。我们的目标是为用户提供一个参考，帮助他们了解如何将AI产品融入日常工作，并展示使用的集中领域。随着使用量的增长和变化，我们将持续发布数据报告，跟踪趋势变化。
开始使用Claude Cowork
Claude Cowork对所有Claude用户开放。您可以了解更多或参加Claude Cowork入门课程开始体验。
++++
研究详情
以下是我们进行Claude Cowork用户调研的更多信息。
测量方法
本分析基于自动分类系统对Claude Cowork会话进行的20类工作分类。数据通过隐私保护分析工具收集，保证所有用户信息匿名，未有人工查看单个会话，仅使用汇总的类别级统计数据。
样本采集采用速率限制方式——每小时采集固定最大会话数，而非固定比例。因此报告中的数字均为采样会话的比例，而非绝对数量。数据覆盖2026年5月11日至31日，涉及120万采样会话，来自超过60万个组织。
局限性
- 分类粒度：分类依据工作内容而非执行者职位。部分类别对应明确的知识工作职能，如研究与情报（6.4%）、数据分析与商业智能（5.8%）、销售与营收运营（4%）、法律与合规（1.3%）。会议与对话智能（1.8%）和客户支持（0.8%）也被涵盖。但分类无法细分市场、财务或人力资源等职能，这些通常归入“业务流程与运营”，可能导致该类别占比偏高。
- 比例与数量：由于采样速率限制，采样会话和组织数量不代表Cowork总使用量或增长，且高峰时段使用可能被低估。
- 时间窗口选择：采用最近三周完整数据，因5月11日左右分类标签系统调整，数据反映调整后状态，确保准确性。
- 工作与个人使用混合：样本涵盖外部组织使用，但部分会话为个人用途（如个人助理、兴趣爱好、陪伴对话约占5%），非纯粹职场活动。
- 自动分类：类别由自动系统标注，可能存在误差。多类别适用时结果依赖分类定义，详见分类粒度说明。
