Computer ज्ञान कार्य को कैसे बदल रहा है

इस सप्ताह, हार्वर्ड बिजनेस स्कूल के शोधकर्ताओं के सहयोग से, हमने एक नया अध्ययन प्रकाशित किया है जिसमें यह देखा गया है कि लोग वास्तविक दुनिया में Perplexity Computer का उपयोग कैसे करते हैं। और कैसे - अपने अस्तित्व के पहले तीन महीनों में - यह पहले से ही ज्ञान कार्य के स्वरूप को बदल रहा है। हमने जो पाया, उसका एक संक्षिप्त संस्करण यहाँ दिया गया है, और हमें क्यों लगता है कि इस पर ध्यान देना उचित है।

हमने यह शोध क्यों किया

पिछले कुछ दशकों में, कंप्यूटर हमारे काम के करीब आ गए हैं। प्रत्येक नए इंटरफ़ेस ने, कमांड लाइन से लेकर GUI और टचस्क्रीन तक, काम का अधिक हिस्सा संभाला और उपयोगकर्ता पर बोझ कम किया।

जैसे-जैसे इंटरफ़ेस सरल होते गए, वैसे-वैसे हमारे प्रश्न भी सरल होते गए। लेकिन उपयोगकर्ताओं को अभी भी अनुरोधों को चरणों में विभाजित करना, उन्हें मैन्युअल रूप से दर्ज करना और परिणामों को वापस एक साथ जोड़ना पड़ता था।

Perplexity Computer इसे बदलता है। यह फ़ाइलों और टूल के माध्यम से 20 से अधिक फ्रंटियर मॉडलों का समन्वय करता है, एक अनुरोध को उन टीमों (teams) में बदल देता है जो लक्ष्य को समझती हैं, काम को विभाजित करती हैं और एसिंक्रोनस रूप से कार्य करती हैं। उपयोगकर्ता परिणाम के लिए पूछता है, प्रक्रिया के लिए नहीं।

हम जानना चाहते थे कि जब लोग वास्तव में उस तरह से काम करना शुरू करते हैं तो क्या होता है।

हमने क्या पाया

उपयोगकर्ता काम मांग रहे हैं, उत्तर नहीं।

Search उत्तर प्रदान करता है। Computer उन्हें निष्पादित करता है। लगभग समान अनुरोधों पर, Computer ने Search के लिए 33 सेकंड की तुलना में औसतन 26 मिनट का मशीन कार्य किया - उसी कार्य पर 48 गुना वृद्धि। वे मिनट खोजने, संपादित करने, कोड चलाने और कनेक्टेड टूल तक पहुँचने में खर्च होते हैं - Computer ने Search की तुलना में प्रति सत्र (session) बाहरी ऐप्स और कनेक्टर्स (connectors) के लिए लगभग बारह गुना अधिक कॉल किए। उपयोगकर्ता का प्रयास दोनों छोरों पर केंद्रित है: उद्देश्य निर्धारित करना और परिणाम की समीक्षा करना। मध्य भाग को एजेंटों द्वारा नियंत्रित किया जाता है।

यह सार्थक रूप से तेज़ और सस्ता है।

कार्यों के 10,000 मिलान वाले जोड़ों में - Search और Computer दोनों पर किए गए समान प्रकार के अनुरोध - Computer ने अनुमानित समय में 87% और लागत में 94% की कटौती की। एक वर्कफ़्लो (workflow) जिसमें 269 मिनट लगते थे, घटकर 36 हो गया।

यह बचत 18 डोमेन में कायम रही: सॉफ़्टवेयर, वित्त, मार्केटिंग, स्वास्थ्य सेवा, कानूनी, शिक्षा, और बहुत कुछ। उपयोगकर्ता साक्षात्कारों में, औसत व्यक्ति ने अपने काम की गति 25 गुना अधिक बताई। कुछ ने 300 गुना से अधिक गति की सूचना दी।

मांगें बड़ी और व्यापक हो गईं।

निष्पादन के संभल जाने के बाद, महत्वाकांक्षी परियोजनाओं को आगे बढ़ाने की बाधा कम हो जाती है। 23% Computer अनुरोध उन चीजों के लिए थे जिन्हें लोगों ने पहले कभी Search से करने के लिए नहीं कहा था - सॉफ़्टवेयर में क्लस्टरिंग, वेब डेवलपमेंट, प्रलेखन और डेटा विज़ुअलाइज़ेशन - कार्य, न कि प्रश्न।

सभी Computer अनुरोधों में से आधे ने Computer से कुछ बनाने के लिए कहा - Search पर हिस्से का दोगुना - और 76% के लिए लुकअप के बजाय विश्लेषण, मूल्यांकन या निर्माण की आवश्यकता थी, जबकि Search पर यह 55% था। 71% में अमूर्त, गैर-नियमित कार्य शामिल थे, जबकि Search पर यह 53% था। एक सामान्य Computer कार्य विशेषज्ञता के 2.4 क्षेत्रों में फैला हुआ था, जबकि Search ने केवल 1.74 का उपयोग किया, और इसमें 3 या अधिक डोमेन की आवश्यकता होने की संभावना लगभग तीन गुना अधिक थी।

लोगों ने अपने क्षेत्र के बाहर भी काम किया। आठ व्यवसाय समूहों के 8,000 उपयोगकर्ताओं में, लोगों ने Computer के साथ 59% समय अपने प्राथमिक व्यवसाय के बाहर काम किया, जबकि Search के साथ यह 50% था।

गुणवत्ता में गिरावट नहीं आई।

विभिन्न डोमेन में कठिन काम करने से गुणवत्ता कम नहीं हुई। मल्टी-मॉडल ऑर्केस्ट्रेशन Computer को प्रत्येक चरण को उसके लिए सबसे उपयुक्त मॉडल के साथ मिलाने देता है, इसलिए अनुसंधान, विश्लेषण और डिज़ाइन में फैले अनुरोध को हर चरण पर सही मॉडल द्वारा संभाला जाता है, न कि सभी के लिए एक मॉडल द्वारा। यह रूटिंग काम को उसी गुणवत्ता स्तर पर रहने की अनुमति देती है, भले ही अनुरोध अधिक जटिल हो गए हों।

यह दिलचस्प क्यों है

AI तेज़ है। वह हिस्सा अपेक्षित है।

अधिक दिलचस्प निष्कर्ष यह है कि लोगों ने वापस मिले समय के साथ क्या करना चुना। जब निष्पादन सस्ता हो जाता है, तो गणना बदल जाती है। जो काम पहले करने लायक नहीं थे, वे अचानक करने लायक हो जाते हैं। जिस काम के लिए पहले किसी विशेषज्ञ की आवश्यकता होती थी, वह कुछ ऐसा है जिसे आप खुद एक विश्वसनीय प्रयास दे सकते हैं।

ज्ञान कार्य में बाधा शायद ही कभी जानकारी खोजने की थी; यह निष्पादित करने की क्षमता थी। Perplexity Computer इस क्षमता को अपनाता है, और परिणामस्वरूप, लोग उच्च लक्ष्य रख रहे हैं। वे ऑपरेटर से पर्यवेक्षक की ओर बढ़ते हैं - वर्कफ़्लो (workflow) चलाने में कम समय बिताते हैं और लक्ष्य निर्धारित करने और आउटपुट की जाँच करने में अधिक समय बिताते हैं।

आगे क्या है

हम अभी भी शुरुआती दौर में हैं। Computer केवल तीन महीने पुराना है, लोग इसके साथ काम करने के आदी हो रहे हैं, और वर्कफ़्लो (workflow) और उपयोग निस्संदेह समय के साथ अनुकूलित होंगे।

लेकिन यह डेटा पहले से ही व्यवहार में व्यक्तिगत-स्तरीय बदलावों को प्रदर्शित करता है।

यह टीम (teams) और संगठन स्तर पर कैसे एकत्रित होता है, यह एक खुला प्रश्न है, और जिस पर हम आगे सबसे अधिक रुचि रखते हैं।

आप इस शोध के बारे में अधिक पढ़ सकते हैं, जिसमें पूर्ण कार्यप्रणाली, चार्ट और चेतावनियाँ शामिल हैं, तकनीकी ब्लॉग और शोध पत्र में।