Sådan former Computer vidensarbejde

I denne uge offentliggjorde vi i samarbejde med forskere fra Harvard Business School et nyt studie, der undersøger, hvordan folk rent faktisk bruger Perplexity Computer i den virkelige verden. Og hvordan det – i sine første tre levemåneder – allerede ændrer formen på vidensarbejde. Her er en kort version af det, vi fandt ud af, og hvorfor vi mener, det er værd at være opmærksom på.

Hvorfor vi lavede denne forskning

I de sidste årtier er computere rykket tættere på vores arbejde. Hver ny grænseflade, fra kommandolinjen til grafiske brugerflader (GUI) og berøringsskærmen, har overtaget en større del af opgaven og reduceret byrden for brugeren.

I takt med at grænsefladerne blev enklere, blev vores spørgsmål det også. Men brugerne var stadig nødt til at opdele forespørgsler i trin, indtaste dem manuelt og samle resultaterne igen.

Perplexity Computer ændrer på det. Den orkestrerer over 20 modellere på tværs af filer og værktøjer og forvandler en forespørgsel til teams af agenter, der forstår målet, opdeler arbejdet og handler asynkront. Brugeren efterspørger resultatet, ikke processen.

Vi ønskede at vide, hvad der sker, når folk rent faktisk begynder at arbejde på den måde.

Hvad vi fandt ud af

Brugerne efterspørger arbejde, ikke svar.

Søgning leverer svar. Computer udfører dem. Ved stort set identiske forespørgsler kørte Computer i gennemsnit 26 minutters maskinarbejde sammenlignet med 33 sekunder for Søgning – en 48-dobling for den samme opgave. De minutter går med at søge, redigere, køre kode og række ud efter forbundne værktøjer – Computer foretog omtrent tolv gange så mange kald til eksterne apps og forbindelser pr. session som Søgning. Brugerens indsats er koncentreret i begge ender: opsætning af målet og gennemgang af resultatet. Midten håndteres af agenterne.

Den er markant hurtigere og billigere.

På tværs af 10.000 matchede par af opgaver – den samme type forespørgsel foretaget på både Søgning og Computer – skar Computer den estimerede tid med 87% og omkostningerne med 94%. En arbejdsproces, der tog 269 minutter, faldt til 36.

Besparelserne holdt stik på tværs af 18 domæner: software, finans, marketing, sundhed, jura, uddannelse og mere til. I brugerinterviews rapporterede den gennemsnitlige person, at deres arbejde gik 25 gange hurtigere. Nogle rapporterede hastighedsforøgelser på over 300 gange.

Forespørgslerne blev større og bredere.

Når eksekveringen håndteres, falder barrieren for at forfølge ambitiøse projekter. 23% af forespørgslerne til Computer var ting, folk aldrig havde bedt Søgning om at gøre – med en koncentration inden for software, webudvikling, dokumentation og datavisualisering – opgaver, ikke spørgsmål.

Halvdelen af alle forespørgsler til Computer bad Computer om at producere noget – dobbelt så stor en andel som på Søgning – og 76% krævede analyse, evaluering eller skabelse i stedet for opslag, mod 55% på søgning. 71% involverede abstrakt, ikke-rutinepræget arbejde sammenlignet med 53% på Søgning. En typisk opgave for Computer spændte over 2,4 ekspertiseområder, hvorimod Søgning kun trak på 1,74 og var næsten tre gange så tilbøjelig til at kræve 3 eller flere domæner.

Folk arbejdede også uden for deres eget felt. På tværs af 8.000 brugere fra otte faggrupper udførte folk arbejde uden for deres primære erhverv 59% af tiden med Computer, mod 50% med Søgning.

Kvaliteten faldt ikke.

At påtage sig hårdere arbejde på tværs af forskellige domæner sænkede ikke kvaliteten. Multi-model-orkestrering gør det muligt for Computer at matche hvert trin med den model, der egner sig bedst til det, så en forespørgsel, der spænder over research, analyse og design, håndteres af den korrekte model på hvert trin i stedet for én model til det hele. Denne dirigering gør det muligt for arbejdet at forblive på den samme kvalitetsbarriere, selvom forespørgslerne blev mere komplekse.

Hvorfor dette er interessant

AI er hurtig. Den del er forventet.

Det mere interessante fund er, hvad folk valgte at bruge den sparede tid på. Når eksekvering bliver billig, ændrer regnestykket sig. Arbejde, der ikke var værd at udføre før, er pludselig værd at udføre. Arbejde, der plejede at kræve en specialist, er noget, du selv kan give et troværdigt forsøg.

Flaskehalsen i vidensarbejde var sjældent at finde information; det var kapaciteten til at eksekvere. Perplexity Computer påtager sig denne kapacitet, og som et resultat heraf sigter folk højere. De bevæger sig fra operatør til supervisor – og bruger mindre tid på at køre arbejdsprocessen og mere tid på at fastsætte målet og tjekke outputtet.

Hvad der er det næste

Vi er stadig tidligt ude. Computer er kun tre måneder gammel, folk vænner sig til at arbejde med den, og arbejdsprocesserne og forbruget vil uden tvivl tilpasse sig over tid.

Men disse data viser allerede adfærdsændringer på individniveau.

Hvordan det aggregerer på team- og organisationsniveau er det åbne spørgsmål, og det, vi er mest interesserede i dernæst.

Du kan læse mere om denne forskning, herunder den fulde metodologi, diagrammer og forbehold, i den tekniske blog og forskningsartikel.