Hogyan használják az emberek az MI-ügynököket

Azt mondják, 2025 volt az év, amikor a mesterségesintelligencia-ügynök technológia a mainstream részévé vált. Ma bejelentjük, hogy a Perplexity és a Harvard kutatói közzétették az első nagyszabású tanulmányt arról, hogyan használják valójában az MI-ügynököket a valós világban.

Kutatóink három alapvető kérdést tettek fel: Kik alkalmazzák az MI-ügynököket? Milyen intenzitással használják őket? És milyen feladatokat bíznak a mesterségesintelligencia-asszisztenseikre? A Comet és a Comet Assistant felhasználóinak több százmillió anonimizált interakcióját elemezve alapvető mintázatokat tártunk fel az ügynökök elterjedésével és használatával kapcsolatban.

A megállapítások megkérdőjeleznek néhány elterjedt narratívát. Az ügynökök például kiválóan alkalmasak a szállodafoglalásra vagy az apró-cseprő rutinfeladatok elvégzésére, de a mélyreható kognitív munka terén is partnerként szolgálnak. Átalakítják azt, ahogyan tanulunk, dolgozunk és problémákat oldunk meg.

Inkább következtetési partner, mint komornyik

Az MI-ügynökök népszerű víziója a „digitális concierge” felhasználási eset, amelyben az emberek egyszerű feladatokat adnak át az időmegtakarítás érdekében. Mégis, amikor millió felhasználói interakciót soroltunk be, azt találtuk, hogy az ügynöki tevékenységek 57%-a a kognitív munkára összpontosít. A leggyakoribb feladatok harminchat százaléka termelékenységi és munkafolyamat-feladatként van besorolva, további 21%-a pedig tanulásként és kutatásként.

Ezek olyan feladatok, amelyek skálázzák az emberi képességeket. Egy beszerzési szakember a Comet Assistant segítségével áttekintette az ügyfelek esettanulmányait, és azonosította a releváns felhasználási eseteket, mielőtt egy beszállítóval kezdett volna dolgozni. Egy diák arra kérte az ügynököt, hogy navigáljon végig a tananyagon, és elemezze azt, amit tanulnak. Egy pénzügyi dolgozó a részvényopciók szűrésének és a befektetési információk elemzésének a feladatait delegálta. Mindegyik esetben az ügynök önállóan végezte el az információgyűjtést és a kezdeti szintézist, megadva a felhasználónak a végső ítéletek és döntések meghozatalához szükséges információkat, és kérésre végrehajtva ezeket a döntéseket.

Az adataink által alátámasztott „következtetési partner” felhasználási eset azt mutatja, hogy a felhasználók ki akarják terjeszteni a nehéz dolgok elvégzésére irányuló képességüket. Az emberek nem azért használják a Comet Assistantot, hogy elkerüljék a munkát, hanem azért, hogy jobb munkát végezzenek.

A használati trendek fejlődése a hasznosság felé

A tanulmány egyik legszembetűnőbb mintája a felhasználó utazása. Az, ahogyan az 1. napon használsz egy ügynököt, ritkán egyezik azzal, ahogyan a 100. napon használod.

Az új felhasználók gyakran alacsony tétű lekérdezésekkel tesztelik a terepet. Utazási tervekről, filmajánlókról vagy általános apróságokról kérdeznek. Aztán fokozatosan eltolódás történik. A lekérdezési átmenetek elemzése erős vonzást mutat a termelékenység felé. Előfordulhat, hogy a felhasználó egy nyaralóhellyel kapcsolatos kérdéssel kezd, de amint az ügynököt használja egy Python-szkriptek hibakeresésére vagy egy pénzügyi jelentés összefoglalására, ritkakor tér vissza a korábbiakhoz. A termelékenységi és munkafolyamat-kategóriák rendelkeznek a legmagasabb megtartási aránnyal, és azok a felhasználók, akik korai szakaszban vesznek részt tanulási vagy kutatási feladatokban, sokkal nagyobb eséllyel válnak hosszú távon aktív felhasználókká.

Ez tükrözi a személyi számítógép hőskorát. Gyakran receptkezelő vagy játékos eszközként árulták, de a táblázatok és a szövegszerkesztés miatt vált nélkülözhetetlenné. Az MI-ügynökök ugyanezt a pályát követik.

Kik használnak ügynököket? Elterjedtség vs. intenzitás

A legfőbb mutató nem az, hogy ki fogadja el az MI-ügynököket, hanem az, hogy ki támaszkodik rájuk. Az örökbefogadási arányok és a használati intenzitás közötti rés mutatja meg, hol vált a technológia újdonságból szükségletté. A szűk rések valódi viselkedésbeli változást jeleznek, és jelenleg hat alapvető foglalkozás ösztönzi az összes ügynöki tevékenység 70%-át.

Bizonyos szektorok túlteljesítenek a súlyukhoz képest. Míg a digitális technológusok természetes módon vezetik a volument (a lekérdezések 30%-a), az olyan tudásintenzív területek, mint a marketing, az értékesítés, a menedzsment és a vállalkozói szellem, mutatják a legnagyobb „ragadósságot”. Amikor ezek a szakemberek elfogadnak egy ügynököt, a használatuk intenzitása felülmúlja az örökbefogadási számaikat, ahogy beépítik az asszisztenst a napi munkafolyamatukba.

A kontextus is számít. A felhasználók a Comet Assistantot az iparáguk sajátos súrlódási pontjainak megoldására vetik be. A pénzügyi szakemberek a hatékonyságra fókuszálnak, lekérdezéseik 47%-át termelékenységi feladatokra szánva. A hallgatók a hasznosságra összpontosítanak, a feladatok 43%-át tanulásra és kutatásra fordítva. A design és a vendéglátás területén még könnyebb észrevenni, hogy a kontextusfüggő használat miként dominál, a tervezők médiavezérelt munkájától a vendéglátóipari személyzet utazástervezéséig.

Végső soron az adatok bizonyítják, hogy a Comet Assistant rendkívül sokoldalú, és tükrözi a felhasználó egyedi igényeit. Oktatási kontextusban egy speciális kutatómotor, míg professzionális környezetben többfunkciós asszisztenssé válik. A személyes kontextusok teszik ki az összes lekérdezési volumen több mint felét.

Az új tudásmunka a kérdések munkája

Ez a tanulmány elsőként szolgáltat empirikus bizonyítékot arra, hogy a hibrid intelligencia gazdasága felé haladunk. A kognitív feladatok dominanciája adatainkban azt sugallja, hogy az MI-ügynökök skálázzák az emberi kognitív munkát. Ezen eszközök érésével arra számítunk, hogy a termelékenységi feladatok „ragadóssága” mélyülni fog.

Ahogy 2025 vége felé közeledünk, már nem azt kérdezzük, hogy az emberek fognak-e MI-ügynököket használni. Tudjuk, hogy így van. A kérdés most az, hogy a gazdaság többi része milyen gyorsan alkalmazkodik egy olyan munkaerőhöz, amely egy olyan intelligens partnerrel gondolkodik, tanul és épít, aki mindig ott van a körben. Ha többet szeretne megtudni a módszertanunkról, a taxonómiai specifikációkról és a statisztikai elemzésről, tekintse meg a teljes kutatási cikket itt.