Πώς οι άνθρωποι χρησιμοποιούν πράκτορες τεχνητής νοημοσύνης

Το 2025 χαρακτηρίστηκε ως η χρονιά που η τεχνολογία των πρακτόρων τεχνητής νοημοσύνης έγινε ευρέως αποδεκτή. Σήμερα ανακοινώνουμε ότι η Perplexity και ερευνητές του Χάρβαρντ δημοσίευσαν την πρώτη μεγάλης κλίμακας μελέτη σχετικά με το πώς οι άνθρωποι χρησιμοποιούν πραγματικά τους πράκτορες τεχνητής νοημοσύνης στον πραγματικό κόσμο.

Οι ερευνητές μας έθεσαν τρία θεμελιώδη ερωτήματα: Ποιοι υιοθετούν πράκτορες τεχνητής νοημοσύνης; Πόσο εντατικά τους χρησιμοποιούν; Και ποια καθήκοντα αναθέτουν στους βοηθούς τεχνητής νοημοσύνης τους; Αναλύοντας εκατοντάδες εκατομμύρια ανώνυμες αλληλεπιδράσεις από χρήστες των Comet και Comet Assistant, αποκαλύψαμε θεμελιώδη μοτίβα σχετικά με την υιοθέτηση και τη χρήση πρακτόρων.

Τα ευρήματα αμφισβητούν ορισμένες κοινές αφηγήσεις. Για παράδειγμα, οι πράκτορες είναι καλοί στην κράτηση ξενοδοχείων ή στη διεκπεραίωση τυπικών αγγαρειών, αλλά λειτουργούν επίσης ως συνεργάτες σε βαθιά γνωστική εργασία. Αναμορφώνουν τον τρόπο με τον οποίο μαθαίνουμε, εργαζόμαστε και λύνουμε προβλήματα.

Ένας λογισμός συνεργάτης περισσότερο παρά ένας μπάτλερ

Ένα δημοφιλές όραμα για τους πράκτορες τεχνητής νοημοσύνης είναι η περίπτωση χρήσης του «ψηφιακού θυρωρού», όπου οι άνθρωποι αποφορτίζονται από απλές εργασίες για να εξοικονομήσουν χρόνο. Ωστόσο, όταν ταξινομήσαμε εκατομμύρια αλληλεπιδράσεις χρηστών, διαπιστώσαμε ότι το 57% του συνόλου της δραστηριότητας των πρακτόρων εστιάζει στη γνωστική εργασία. Το τρίαντα έξι τοις εκατό των πιο κοινών εργασιών ταξινομούνται ως εργασίες παραγωγικότητας και ροής εργασίας, ενώ ένα άλλο 21% ταξινομείται ως μάθηση και έρευνα.

Πρόκειται για εργασίες που ενισχύουν τις ανθρώπινες δυνατότητες. Ένας επαγγελμαός προμηθειών χρησιμοποίησε το Comet Assistant για να σαρώσει μελέτες περιπτώσεων πελατών και να εντοπίσει σχετικές περιπτώσεις χρήσης πριν συνεργαστεί με έναν προμηθευτή. Ένας φοιτητής ζήτησε από τον πράκτορα να περιηγηθεί στο υλικό του μαθήματος και να αναλύσει όσα μάθαιναν. Ένας υπάλληλος χρηματοοικονομικών ανέθεσε τα καθήκοντα του φιλτραρίσματος επιλογών μετοχών και της ανάλυσης επενδυτικών πληροφοριών. Σε κάθε περίπτωση, ο πράκτορας χειρίστηκε αυτόνομα τη συλλογή πληροφοριών και την αρχική σύνθεση, δίνοντας στον χρήστη τις πληροφορίες που χρειαζόταν για να κάνει τελικές κρίσεις και αποφάσεις, και υλοποιώντας αυτές τις αποφάσεις κατόπιν αιτήματός του.

Η περίπτωση χρήσης του «λογισμού συνεργάτη» που υποστηρίζεται από τα δεδομένα μας δείχνει ότι οι χρήστες θέλουν να διευρύνουν την ικανότητά τους να κάνουν δύσκολα πράγματα. Οι άνθρωποι δεν χρησιμοποιούν το Comet Assistant για να αποφύγουν τη δουλειά, το χρησιμοποιούν για να κάνουν καλύτερη δουλειά.

Η εξέλιξη από τις τάσεις χρήσης στην πρακτικότητα

Ένα από τα πιο αποκαλυπτικά μοτίβα στη μελέτη είναι το ταξίδι του χρήστη. Ο τρόπος με τον οποίο χρησιμοποιείς έναν πράκτορα την 1η ημέρα είναι σπάνια ο ίδιος με τον τρόπο που τον χρησιμοποιείς την 100ή ημέρα.

Οι νέοι χρήστες συχνά δοκιμάζουν τα νερά με ερωτήματα χαμηλού ρίσκου. Ρωτούν για σχέδια ταξιδιών, προτάσεις ταινιών ή γενικές γνώσεις. Σταδιακά, υπάρχει μια στροφή. Η ανάλυση των μεταβάσεων ερωτημάτων δείχνει μια ισχυρή βαρυτική έحبση προς την παραγωγικότητα. Ένας χρήστης μπορεί να ξεκινήσει ρωτώντας για ένα σημείο διακοπών, αλλά μόλις χρησιμοποιήσει τον πράκτορα για να εντοπίσει σφάλματα σε ένα σενάριο Python ή να συνοψίσει μια οικονομική έκθεση, σπάνια κοιτάζει πίσω. Οι κατηγορίες παραγωγικότητας και ροής εργασίας έχουν τα υψηλότερα ποσοστά διατήρησης, και οι χρήστες που ασχολούνται με εργασίες μάθησης ή έρευνας από νωρίς είναι πολύ πιο πιθανό να γίνουν μακροπρόθεσμα ενεργοί χρήστες.

Αυτό αντικατοπτρίζει τις πρώτες μέρες του προσωπικού υπολογιστή. Συχνά πωλούνταν ως εργαλείο διαχείρισης συνταγών ή παιχνιδιών, αλλά έγινε απαραίτητος εξαιτίας των λογιστικών φύλλων και της επεξεργασίας κειμένου. Οι πράκτορες τεχνητής νοημοσύνης ακολουθούν την ίδια πορεία.

Ποιος χρησιμοποιεί πράκτορες; Υιοθέτηση έναντι έντασης

Η πιο αποκαλυπτική μέτρηση δεν είναι ποιος υιοθετεί πράκτορες τεχνητής νοημοσύνης, αλλά ποιος βασίζεται σε αυτούς. Το χάσμα μεταξύ των ποσοστών υιοθέτησης και της έντασης χρήσης αποκαλύπτει πού η τεχνολογία έχει μετατοπιστεί από καινοτομία σε αναγκαιότητα. Τα στενά χάσματα υποδηλώνουν γνήσια αλλαγή συμπεριφοράς και έξι βασικά επαγγέλματα οδηγούν τώρα το 70% της συνολικής δραστηριότητας των πρακτόρων.

Ορισμένοι τομείς αποδίδουν πάνω από τις δυνάμεις τους. Ενώ οι ψηφιακοί τεχνολόγοι ηγούνται φυσικά στον όγκο (30% των ερωτημάτων), οι τομείς υψηλής έντασης γνώσης, όπως το Μάρκετινγκ, οι Πωλήσεις, η Διοίκηση και η Επιχειρηματικότητα, επιδεικνύουν την υψηλότερη «συνεκτικότητα». Μόλις αυτοί οι επαγγελματίες υιοθετήσουν έναν πράκτορα, η ένταση χρήσης τους ξεπερνά τους αριθμούς υιοθέτησής τους καθώς ενσωματώνουν τον βοηθό στην καθημερινή τους ροή εργασίας.

Το πλαίσιο έχει επίσης σημασία. Οι χρήστες αναπτύσσουν το Comet Assistant για να λύσουν τα συγκεκριμένα σημεία τριβής του κλάδου τους. Οι επαγγελματίες των οικονομικών επικεντρώνονται σε μεγάλο βαθμό στην αποδοτικότητα, αφιερώνοντας το 47% των ερωτημάτων σε εργασίες παραγωγικότητας. Οι φοιτητές επικεντρώνονται στην πρακτικότητα, με το 43% των εργασιών να κατανέμεται στη μάθηση και την έρευνα. Στο σχεδιασμό και τη φιλοξενία, είναι ακόμη ευκολότερο να δούμε πώς κυριαρχεί η χρήση ανάλογα με το πλαίσιο, από την εργασία πολυμέσων για τους σχεδιαστές έως τον σχεδιασμό ταξιδιών για το προσωπικό φιλοξενίας.

Τελικά, τα δεδομένα αποδεικνύουν ότι το Comet Assistant είναι εξαιρετικά ευέλικτο και αντικατοπτρίζει τις συγκεκριμένες ανάγκες του χρήστη του. Σε εκπαιδευτικό πλαίσιο, είναι μια εξειδικευμένη μηχανή έρευνας, ενώ σε επαγγελματικό πλαίσιο, γίνεται ένας βοηθός πολλαπλών χρήσεων. Τα προσωπικά πλαίσια αντιπροσωπεύουν περισσότερο από το ήμισυ του συνολικού όγκου ερωτημάτων.

Η νέα εργασία γνώσης είναι η εργασία ερωτημάτων

Αυτή η μελέτη παρέχει την πρώτη εμπειρική απόδειξη ότι κινούμαστε προς μια οικονομία υβριδικής νοημοσύνης. Η κυριαρχία των γνωστικών εργασιών στα δεδομένα μας υποδηλώνει ότι οι πράκτορες τεχνητής νοημοσύνης κλιμακώνουν την ανθρώπινη γνωστική εργασία. Καθώς αυτά τα εργαλεία ωριμάζουν, αναμένουμε ότι η «συνεκτικότητα» των εργασιών παραγωγικότητας θα εμβαθυνθεί.

Καθώς το 2025 φτάνει στο τέλος του, δεν αναρωτιόμαστε πλέον αν οι άνθρωποι θα χρησιμοποιούν πράκτορες τεχνητής νοημοσύνης. Ξέρουμε ότι το κάνουν. Το ερώτημα τώρα είναι πόσο γρήγορα θα προσαρμοστεί η υπόλοιπη οικονομία σε ένα εργatικό δυναμικό που σκέφτεται, μαθαίνει και χτίζει με έναν έξυπνο συνεργάτη πάντα στο προσκήνιο. Για να διαβάσετε περισσότερα σχετικά με τη μεθοδολογία μας, τις προδιαγραφές ταξινόμησης και τη στατιστική ανάλυση, ανατρέξτε στην πλήρη ερευνητική εργασία εδώ.