15 september 2025 – In een baanbrekende analyse van de inzet van kunstmatige intelligentie benadrukt het nieuwste Economic Index-rapport van Anthropic de ongekende adoptiesnelheid van de technologie, terwijl het tegelijkertijd de grote geografische en sectorale verschillen onderstreept. Het rapport is gebaseerd op uitgebreide gegevens over het gebruik van Claude.ai en het zakelijke API-verkeer en documenteert hoe AI de workflows in geconcentreerde sectoren transformeert, waardoor zorgen ontstaan over mogelijke economische verschillen als de huidige patronen blijven bestaan.
Het onderzoek, getiteld ‘Uneven Geographic and Enterprise AI Adoption’, bouwt voort op eerdere iteraties door geografische uitsplitsingen in meer dan 150 landen en alle Amerikaanse staten op te nemen, naast een baanbrekend onderzoek naar first-party (1P) API-gebruik. Dankzij deze uitbreiding kunnen onderzoekers niet alleen consumentenpatronen volgen, maar ook hoe bedrijven programmatisch AI-modellen zoals Claude in hun bedrijfsvoering integreren. De bevindingen van het rapport zijn gebaseerd op geanonimiseerde, geaggregeerde gegevens van miljoenen interacties, in kaart gebracht in beroepstaxonomieën zoals O*NET, en benadrukken het dubbele karakter van AI als zowel een automatiseringstool als een productiviteitsverhoger.
De kern van het rapport is de observatie dat de uitrol van AI sneller versnelt dan historische precedenten. In de Verenigde Staten is het AI-gebruik van werknemers op het werk bijna verdubbeld, van 20% in 2023 naar 40% in september 2025, volgens gegevens van Gallup die in het rapport worden aangehaald. Deze golf overtreft de verspreiding van transformerende technologieën zoals elektriciteit, die er meer dan dertig jaar over deed om huishoudens op het platteland in de VS te bereiken na de adoptie in de stad, of personal computers, die na hun debuut in 1981 twintig jaar nodig hadden om door te dringen in de meerderheid van de huizen. Zelfs het internet, vaak geprezen om zijn snelle verspreiding, had ongeveer vijf jaar nodig om een vergelijkbaar penetratieniveau te bereiken.
Deze snelheid komt voort uit de inherente voordelen van AI: de brede toepasbaarheid ervan op verschillende taken, de naadloze integratie met bestaande digitale tools en intuïtieve interfaces waarvoor geen gespecialiseerde training nodig is – alleen het typen of uitspreken van aanwijzingen. Het rapport schrijft een verdere impuls toe aan de snelle vooruitgang in grensmodellen, die voortdurend de mogelijkheden uitbreiden en een bredere gebruikersbasis aantrekken. Dit enthousiasme in een vroeg stadium maskeert echter de onderliggende concentraties: het gebruik van AI blijft gericht op een beperkt aantal taken binnen bedrijven en is geografisch geclusterd, in navolging van patronen die te zien zijn in innovaties uit de 20e eeuw, maar gecomprimeerd in kortere tijdlijnen.
Om deze dynamiek te kwantificeren introduceert het rapport de Anthropic AI Usage Index (AUI), een maatstaf die de conversatievolumes van Claude.ai vergelijkt met de bevolking in de werkende leeftijd in specifieke regio’s. Deze index laat een sterke correlatie zien tussen de adoptie van AI per hoofd van de bevolking en het economische inkomensniveau, wat potentiële risico’s voor de mondiale ongelijkheid aangeeft. Landen met een hoog inkomen, zoals Singapore en Canada, zijn koploper met AUI-scores van respectievelijk 4,6 keer en 2,9 keer het verwachte gebruik, gebaseerd op de bevolkingsomvang. Daarentegen blijven de opkomende economieën aanzienlijk achter: Indonesië registreert 0,36 keer het verwachte gebruik, India 0,27 keer en Nigeria slechts 0,20 keer.
Binnen de VS weerspiegelen de adoptie-hotspots de lokale economische kracht. Washington D.C. staat bovenaan de lijst met 3,82 keer het verwachte gebruik, gedreven door de vraag naar documentbewerking en loopbaanondersteuning binnen het beleids- en professionele dienstencentrum. Utah volgt met 3,78 keer de voet op de voet en profiteert van een snelgroeiend technologie-ecosysteem. Californië vertoont een verhoogde IT-gerelateerde toepassingen, terwijl Florida een grotere afhankelijkheid ziet van taken op het gebied van de financiële dienstverlening. Deze regionale verschillen illustreren hoe de inzet van AI is toegesneden op sectorale behoeften, waarbij codering domineert in technologiegebieden en administratieve functies prominent aanwezig zijn in servicegerichte gebieden.
Het rapport duikt dieper in gebruikspatronen en brengt een evolutie in Claude.ai-interacties gedurende de afgelopen acht maanden in kaart, die samenviel met modelupgrades en functieverbeteringen. Codering blijft met 36% van het totale gebruik de grootste categorie, wat de rol van AI in de softwareontwikkeling onderstreept. Niet-technische toepassingen winnen echter terrein: onderwijstaken zijn gestegen van 9,3% naar 12,4%, wat een weerspiegeling is van studenten en professionals die AI inzetten voor onderwijs en onderzoek. Wetenschappelijke taken zijn eveneens gestegen van 6,3% naar 7,2%, wat wijst op een toenemende integratie in data-analyse, simulaties en het testen van hypothesen.
Een opmerkelijke verschuiving is de opkomst van ‘directieve’ gesprekken, waarbij gebruikers volledige taken aan Claude delegeren in plaats van zich bezig te houden met iteratieve uitwisselingen. Deze op automatisering gerichte interacties zijn gestegen van 27% naar 39% van de sessies. Binnen het coderen manifesteert dit zich als een toename van 4,5 procentpunt in het maken van programma’s en een afname van 2,9 procentpunt in het aantal foutopsporingsverzoeken, wat erop wijst dat gebruikers resultaten efficiënter bereiken in afzonderlijke interacties. Deze trend sluit aan bij de rijping van AI, waardoor een grotere autonomie mogelijk wordt en de behoefte aan mensen afneemttoezicht op routinematige processen.
Geografische verschillen reiken verder dan de ruwe acceptatiegraad en de diversiteit en stijl van gebruik. In landen met een lage AUI, zoals India, is codering verantwoordelijk voor meer dan 50% van de interacties – veel meer dan het mondiale gemiddelde van ongeveer een derde – wat wijst op een beperkte focus op technische toepassingen en beperkte toegang tot bredere tools. Regio’s met een hoog adoptieniveau vertonen daarentegen meer gevarieerde portefeuilles: onderwijs-, wetenschaps- en bedrijfstaken claimen elk een aanzienlijk aandeel, wat uitgebreide productiviteitswinsten bevordert.
Na correctie voor de taaksamenstelling onthult het rapport uiteenlopende samenwerkingsmodi. Gebieden met een lage AUI neigen naar automatisering, waarbij gebruikers vaker volledige taken overdragen aan AI. Regio’s met een hoge AUI geven echter de voorkeur aan augmentatie – patronen waarbij sprake is van leren, iteratie en teamwerk tussen mens en AI – wat de ontwikkeling van vaardigheden en innovatie op de lange termijn kan versterken. Deze splitsing roept zorgen over billijkheid op: terwijl automatisering de efficiëntie stroomlijnt in omgevingen met beperkte middelen, zou uitbreiding in welvarende gebieden de kenniskloof en de economische kloof kunnen vergroten.
Het rapport verschuift naar bedrijfscontexten en biedt ongekend inzicht in 1P API-verkeer, dat programmatische toegang tot Claude door bedrijven en ontwikkelaars vertegenwoordigt. In tegenstelling tot het op chat gebaseerde Claude.ai onthult API-gebruik gespecialiseerde, schaalbare implementaties. Codering domineert opnieuw, maar API-patronen lopen uiteen: ze vertonen een hogere concentratie in codeer- en kantoor-/administratieve taken, terwijl Claude.ai zich meer richt op educatieve en schrijfactiviteiten. Dit weerspiegelt dat bedrijven prioriteit geven aan backend-automatisering boven consumentgerichte creativiteit.
Automatisering heeft de overhand in API-scenario’s, die 77% van het zakelijke gebruik omvatten, vergeleken met ongeveer 50% op Claude.ai. De programmatische interface maakt naadloze integratie in workflows mogelijk, zoals het genereren van rapporten of het verwerken van gegevens zonder tussenkomst van de gebruiker. Toch merkt het rapport op dat de kosten geen primaire barrière lijken te zijn; Veelgebruikte taken brengen vaak hogere kosten met zich mee vanwege de rekenvereisten, wat wijst op een lage prijsgevoeligheid. In plaats daarvan zijn implementatiebeslissingen afhankelijk van modelmogelijkheden en de tastbare waarde van het automatiseren van specifieke functies, zoals het verminderen van handmatige arbeid in domeinen waar veel op het spel staat.
Een belangrijk knelpunt dat wordt geïdentificeerd is contextuele datacuratie. Voor complexe bedrijfstoepassingen, zoals juridische analyse of optimalisatie van de toeleveringsketen, hangt de effectiviteit van AI af van het bieden van een rijke, relevante context. Het rapport suggereert dat veel bedrijven te maken krijgen met hindernissen bij de modernisering van data en organisatorische herstructureringen om deze input te kunnen leveren, waardoor de bredere adoptie mogelijk wordt afgeremd. Investeringen op deze gebieden zouden het potentieel van AI in geavanceerde sectoren kunnen ontsluiten, maar brengen aanzienlijke aanloopkosten met zich mee, vooral voor kleinere ondernemingen.
Deze inzichten worden versterkt door de open source van de dataset in het rapport, een streven naar transparantie dat onafhankelijk onderzoek uitnodigt. De release bevat classificaties op taakniveau voor zowel Claude.ai- als 1P API-gegevens, uitsplitsingen van samenwerking en geografische details voor consumentengebruik. Onderzoekers kunnen nu prangende vragen onderzoeken: welke invloed heeft de adoptie van AI op de lokale arbeidsmarkten? Welk beleid kan de toegang in regio’s met weinig adoptie democratiseren? Hebben taakkosten invloed op bedrijfsstrategieën, en welke werknemersprofielen profiteren het meest van automatisering versus augmentatie?
Historisch gezien waren transformatieve technologieën zoals elektrificatie en de verbrandingsmotor de drijvende kracht achter de moderne economische groei, maar verergerden ze aanvankelijk de mondiale ongelijkheid, zoals gedocumenteerd in de werken van de economen Robert Gordon en Lant Pritchett. AI riskeert een soortgelijk traject: als de productiviteitsstijgingen voornamelijk ten goede komen aan economieën met een hoge adoptie, kunnen recente trends van groeiconvergentie – zoals blijkt uit studies van Michael Kremer en anderen – omkeren, waardoor de kloof tussen rijke en opkomende landen verankerd raakt.
Binnen bedrijven zou een ongelijkmatige taakacceptatie het werkgelegenheidslandschap kunnen hervormen. Automatisering kan rollen op instapniveau in coderen of administreren verdringen, terwijl ervaren werknemers worden uitgebreid met organisatorische kennis, waardoor de lonen voor laatstgenoemden mogelijk omhoog gaan. Het rapport citeert onderzoek van David Autor en anderen naar de verspreiding van technologie, waarbij wordt benadrukt dat vroege concentraties vaak voorafgaan aan wijdverbreide transformatie naarmate complementaire innovaties ontstaan.
De analyse van Anthropic komt op een cruciaal moment, nu grensmodellen zoals Claude zich blijven ontwikkelen. De auteurs van het rapport – onder leiding van Ruth Appel, Peter McCrory en Alex Tamkin – benadrukken dat hoewel technische vooruitgang onvermijdelijk is, de maatschappelijke resultaten afhangen van weloverwogen keuzes. Beleidsmakers zouden eerlijke toegang kunnen bevorderen door middel van investeringen in infrastructuur, subsidies voor datatools in ontwikkelingsregio’s, of onderwijsprogramma’s die AI-geletterdheid combineren met menselijke vaardigheden.
Leiders uit het bedrijfsleven hebben er intussen baat bij als contextuele barrières vroegtijdig worden aangepakt. Door datapijplijnen en foDoor de samenwerking tussen mens en AI te bevorderen, kunnen bedrijven AI buiten de codeersilo’s uitbreiden naar diverse activiteiten, waardoor het concurrentievermogen wordt vergroot. De bevindingen van het rapport over de zwakke prijsgevoeligheid suggereren dat naarmate de capaciteiten toenemen, de adoptie waarschijnlijk zal versnellen, maar dat gerichte interventies nodig zijn om inclusiviteit te garanderen.
Vooruitkijkend plant Anthropic een voortdurende monitoring van deze patronen, waardoor empirische ankers worden geboden voor het navigeren door de economische rimpeleffecten van AI. Als derde aflevering van de Economic Index breidt deze editie het raamwerk uit met API-inzichten en mondiale granulariteit, waarmee het dubbele potentieel van de technologie wordt onderstreept: de welvaart vergroten of de ongelijkheden verdiepen.
In de slotopmerkingen waarschuwen de auteurs dat “de economische effecten van transformatieve AI evenzeer zullen worden bepaald door technische capaciteiten als door de beleidskeuzes die samenlevingen maken.” De geschiedenis laat zien dat adoptietrajecten kneedbaar zijn: ze evolueren naarmate ze volwassener worden, met innovaties en met doelbewuste implementatie. De huidige geconcentreerde patronen kunnen zich uitbreiden en het volledige productiviteitspotentieel van AI over sectoren en grenzen heen benutten. Toch zullen proactieve stappen nu, van publieke belangenbehartiging tot bedrijfsstrategie, bepalen of AI convergentie of divergentie in de wereldeconomie bevordert.
Dit rapport belicht niet alleen de huidige trends, maar voorziet belanghebbenden ook van datagestuurde tools om het traject van AI te beïnvloeden. Naarmate de acceptatie toeneemt, zal de wisselwerking tussen geografie, bedrijfsbehoeften en gebruiksmodi van cruciaal belang zijn bij het benutten van AI voor eerlijke groei.
