Cara orang menggunakan agen AI

Tahun 2025 disebut-sebut sebagai tahun di mana teknologi agen AI menjadi arus utama. Hari ini kami mengumumkan bahwa Perplexity dan para peneliti Harvard telah menerbitkan studi skala besar pertama tentang bagaimana orang benar-benar menggunakan agen AI di dunia nyata.

Para peneliti kami mengajukan tiga pertanyaan mendasar: Siapa yang mengadopsi agen AI? Seberapa intensif mereka menggunakannya? Dan tugas apa yang mereka delegasikan kepada asisten AI mereka? Dengan menganalisis ratusan juta interaksi anonim dari pengguna Comet dan Comet Assistant, kami telah menemukan pola mendasar tentang adopsi dan penggunaan agen.

Temuan ini menantang beberapa narasi umum. Misalnya, agen pandей dalam memesan hotel atau menangani pekerjaan rutin, tetapi mereka juga berperan sebagai mitra dalam pekerjaan kognitif mendalam. Mereka membentuk ulang cara kita belajar, bekerja, dan memecahkan masalah.

Mitra penalaran yang lebih dari sekadar pelayan

Visi populer tentang agen AI adalah kasus penggunaan "pramusaji digital", di mana manusia melimpahkan tugas sederhana untuk menghemat waktu. Namun, ketika kami mengklasifikasikan jutaan interaksi pengguna, kami menemukan bahwa 57% dari seluruh aktivitas agen berfokus pada pekerjaan kognitif. Tiga puluh enam persen dari tugas yang paling umum diklasifikasikan sebagai tugas produktivitas dan alur kerja, dengan 21% lainnya diklasifikasikan sebagai pembelajaran dan penelitian.

Ini adalah tugas-tugas yang meningkatkan kapabilitas manusia. Seorang profesional pengadaan menggunakan Comet Assistant untuk memindai studi kasus pelanggan dan mengidentifikasi kasus penggunaan yang relevan sebelum bekerja sama dengan vendor. Seorang siswa meminta agen untuk menavigasi materi kursus dan menganalisis apa yang sedang mereka pelajari. Seorang pekerja keuangan mendelegasikan tugas memfilter opsi saham dan menganalisis informasi investasi. Dalam setiap kasus, agen menangani pengumpulan informasi dan sintesis awal secara otonom, memberi pengguna informasi yang mereka butuhkan untuk membuat penilaian dan keputusan akhir, serta mengimplementasikan keputusan tersebut atas permintaan mereka.

Kasus penggunaan "mitra penalaran" yang didukung oleh data kami menunjukkan bahwa pengguna ingin memperluas kemampuan mereka untuk melakukan hal-hal yang sulit. Orang-orang tidak menggunakan Comet Assistant untuk menghindari pekerjaan, mereka menggunakannya untuk melakukan pekerjaan yang lebih baik.

Evolusi tren penggunaan menuju utilitas

Salah satu pola paling menarik dalam studi ini adalah perjalanan pengguna. Cara Anda menggunakan agen pada Hari ke-1 jarang sama dengan cara Anda menggunakannya pada Hari ke-100.

Pengguna baru sering kali mencoba-coba dengan kueri berisiko rendah. Mereka menanyakan tentang rencana perjalanan, rekomendasi film, atau trivia umum. Secara bertahap, terjadi pergeseran. Analisis kami terhadap transisi kueri menunjukkan daya tarik yang kuat menuju produktivitas. Seorang pengguna mungkin mulai dengan menanyakan tempat liburan, tetapi begitu mereka menggunakan agen untuk men-debug skrip Python atau merangkum laporan keuangan, mereka jarang kembali ke cara lama. Kategori produktivitas dan alur kerja memiliki tingkat retensi tertinggi, dan pengguna yang terlibat dalam tugas pembelajaran atau penelitian sejak awal jauh lebih mungkin menjadi pengguna aktif jangka panjang.

Ini mencerminkan masa-masa awal komputer pribadi. Komputer tersebut sering kali dijual sebagai alat untuk manajemen resep atau permainan, tetapi menjadi sangat penting karena adanya spreadsheet dan pengolah kata. Agen AI mengikuti lintasan yang sama.

Siapa yang menggunakan agen? Adopsi vs. intensitas

Metrik yang paling penting bukanlah siapa yang mengadopsi agen AI, melainkan siapa yang mengandalkannya. Kesenjangan antara tingkat adopsi dan intensitas penggunaan menunjukkan di mana teknologi telah bergeser dari sekadar kebaruan menjadi sebuah kebutuhan. Kesenjangan yang sempit menunjukkan perubahan perilaku yang nyata, dan enam bidang pekerjaan inti kini mendorong 70% dari seluruh aktivitas agen.

Sektor-sektor tertentu memiliki kinerja yang melampaui bobotnya. Meskipun para teknolog digital secara alami memimpin dalam volume (30% dari kueri), bidang yang padat pengetahuan seperti Pemasaran, Penjualan, Manajemen, dan Kewirausahaan menunjukkan "kelekatan" tertinggi. Begitu para profesional ini mengadopsi agen, intensitas penggunaan mereka melampaui angka adopsi mereka seiring mereka mengintegrasikan asisten tersebut ke dalam alur kerja harian mereka.

Konteks juga penting. Pengguna mengerahkan Comet Assistant untuk mengatasi hambatan spesifik di industri mereka. Profesional keuangan sangat berfokus pada efisiensi, mendedikasikan 47% kueri untuk tugas produktivitas. Siswa berfokus pada utilitas, dengan 43% tugas dialokasikan untuk pembelajaran dan penelitian. Dalam desain dan perhotelan, bahkan lebih mudah untuk melihat bagaimana penggunaan yang spesifik konteks mendominasi, mulai dari pekerjaan media untuk desainer hingga perencanaan perjalanan untuk staf perhotelan.

Pada akhirnya, data membuktikan bahwa Comet Assistant sangat serbaguna dan mencerminkan kebutuhan spesifik penggunanya. Dalam konteks pendidikan, asisten ini merupakan mesin riset khusus, sedangkan dalam konteks profesional, asisten ini menjadi asisten multiguna. Konteks pribadi menyumbang lebih dari separuh dari seluruh volume kueri.

Pekerjaan pengetahuan baru adalah pekerjaan pertanyaan

Studi ini memberikan bukti empiris pertama bahwa kita bergerak menuju ekonomi kecerdasan hibrida. Dominasi tugas kognitif dalam data kami menunjukkan bahwa agen AI menskalakan pekerjaan kognitif manusia. Seiring matangnya alat-alat ini, kami memperkirakan "kelekatan" tugas produktivitas akan semakin mendalam.

Menjelang akhir tahun 2025, kita tidak lagi bertanya apakah orang akan menggunakan agen AI. Kita tahu bahwa mereka menggunakannya. Pertanyaannya sekarang adalah seberapa cepat sisa perekonomian akan beradaptasi dengan tenaga kerja yang berpikir, belajar, dan membangun dengan mitra cerdas yang selalu ada dalam lingkaran. Untuk membaca lebih lanjut tentang metodologi, spesifikasi taksonomi, dan analisis statistik kami, lihat makalah penelitian lengkap di sini.