ആളുകൾ AI ഏജന്റുകൾ എങ്ങനെ ഉപയോഗിക്കുന്നു

AI ഏജന്റ് സാങ്കേതികവിദ്യ മുഖ്യധാരയിലേക്ക് എത്തിയ വർഷമാണ് 2025 എന്ന് പറയപ്പെടുന്നു. യഥാർത്ഥ ലോകത്ത് ആളുകൾ AI ഏജന്റുകൾ യഥാർത്ഥത്തിൽ എങ്ങനെ ഉപയോഗിക്കുന്നു എന്നതിനെക്കുറിച്ചുള്ള ആദ്യത്തെ വലിയ തോതിലുള്ള പഠനം Perplexity-യും ഹാർവാർഡ് ഗവേഷകരും ചേർന്ന് പ്രസിദ്ധീകരിച്ചിരിക്കുന്നു എന്ന് ഞങ്ങൾ ഇന്ന് പ്രഖ്യാപിക്കുന്നു.

ഞങ്ങളുടെ ഗവേഷകർ മൂന്ന് അടിസ്ഥാനപരമായ ചോദ്യങ്ങൾ ചോദിച്ചു: ആരാണ് AI ഏജന്റുകൾ സ്വീകരിക്കുന്നത്? അവർ എത്ര തീവ്രമായി അവ ഉപയോഗിക്കുന്നു? എന്തൊക്കെ ജോലികളാണ് അവർ തങ്ങളുടെ AI അസിസ്റ്റന്റുകളെ ഏൽപ്പിക്കുന്നത്? Comet, Comet Assistant ഉപയോക്താക്കളിൽ നിന്നുള്ള കോടിക്കണക്കിന് അജ്ഞാത ഇടപെടലുകൾ വിശകലനം ചെയ്തുകൊണ്ട്, ഏജന്റ് സ്വീകാര്യതയെയും ഉപയോഗത്തെയും കുറിച്ചുള്ള അടിസ്ഥാനപരമായ പാറ്റേണുകൾ ഞങ്ങൾ കണ്ടെത്തിയിരിക്കുന്നു.

ഈ കണ്ടെത്തലുകൾ ചില സാധാരണ ധാരണകളെ വെല്ലുവിളിക്കുന്നു. ഉദാഹരണത്തിന്, ഹോടലുകൾ ബുക്ക് ചെയ്യുന്നതിനോ സാധാരണ ജോലികൾ കൈകാര്യം ചെയ്യുന്നതിനോ ഏജന്റുകൾ മികച്ചതാണ്, എന്നാൽ അവ ആഴത്തിലുള്ള ബൗദ്ധിക ജോലികളിൽ പങ്കാളികളായും സേവനം ചെയ്യുന്നു. നാം എങ്ങനെ പഠിക്കുന്നു, ജോലി ചെയ്യുന്നു, പ്രശ്നങ്ങൾ പരിഹരിക്കുന്നു എന്നിവയെ അവ പുനർരൂപകൽപ്പന ചെയ്യുകയാണ്.

ഒരു ബട്‌ലറെക്കാൾ ഉപരിയായി ഒരു ചിന്താ പങ്കാളി

AI ഏജന്റുകളെക്കുറിച്ചുള്ള ജനപ്രിയമായ ഒരു കാഴ്ചപ്പാട് “ഡിജിറ്റൽ കൺസിയേഴ്സ്” ഉപയോഗ കേസാണ്, അതിൽ മനുഷ്യർ സമയം ലാഭിക്കാൻ ലളിതമായ ജോലികൾ ഒഴിവാക്കുന്നു. എന്നിരുന്നാലും, ദശലക്ഷക്കണക്കിന് ഉപയോക്തൃ ഇടപെടലുകൾ ഞങ്ങൾ തരംതിരിച്ചപ്പോൾ, എല്ലാ ഏജന്റ് പ്രവർത്തനങ്ങളുടെയും 57% ബൗദ്ധിക ജോലികളിലാണ് ശ്രദ്ധ കേന്ദ്രീകരിക്കുന്നതെന്ന് ഞങ്ങൾ കണ്ടെത്തി. ഏറ്റവും സാധാരണമായ ജോലികളിൽ മുപ്പത്തിയാറ് ശതമാനവും ഉൽപ്പാദനക്ഷമതയും വർക്ക്ഫ്ലോ ജോലികളായി തരംതിരിച്ചിരിക്കുന്നു, കൂടാതെ മറ്റൊരു 21% പഠനവും ഗവേഷണവുമായി തരംതിരിച്ചിരിക്കുന്നു.

ഇവ മനുഷ്യന്റെ കഴിവ് വർദ്ധിപ്പിക്കുന്ന ജോലികളാണ്. ഒരു വെണ്ടറുമായി പ്രവർത്തിക്കുന്നതിന് മുമ്പ്, ഉപഭോക്തൃ കേസ് പഠനങ്ങൾ സ്കാൻ ചെയ്യാനും പ്രസക്തമായ ഉപയോഗ കേസുകൾ തിരിച്ചറിയാനും ഒരു പ്രൊക്യുർമെന്റ് പ്രൊഫഷണൽ Comet Assistant ഉപയോഗിച്ചു. ഒരു വിദ്യാർത്ഥി കോഴ്സ് മെറ്റീരിയലുകളിലൂടെ നാവിഗേറ്റ് ചെയ്യാനും അവർ എന്താണ് പഠിക്കുന്നതെന്ന് വിശകലനം ചെയ്യാനും ഏജന്റിനോട് ആവശ്യപ്പെട്ടു. സ്റ്റോക്ക് ഓപ്ഷനുകൾ ഫിൽട്ടർ ചെയ്യുന്നതിനും നിക്ഷേപ വിവരങ്ങൾ വിശകലനം ചെയ്യുന്നതിനുമുള്ള ജോലികൾ ഒരു ഫിനാൻസ് ജീവനക്കാരൻ ഏൽപ്പിച്ചു. ഓരോ കേസിലും, ഏജന്റ് വിവര ശേഖരണവും പ്രാരംഭ സംയോജനവും സ്വയംഭരണപരമായി കൈകാര്യം ചെയ്തു, ഇത് അന്തിമ വിധികളും തീരുമാനങ്ങളും എടുക്കാനും അവരുടെ അഭ്യർത്ഥനപ്രകാരം ആ തീരുമാനങ്ങൾ നടപ്പിലാക്കാനും ഉപയോക്താവിന് ആവശ്യമായ വിവരങ്ങൾ നൽകി.

ഞങ്ങളുടെ ഡാറ്റ പിന്തുണയ്ക്കുന്ന “ചിന്താ പങ്കാളി" ഉപയോഗ കേസ് കാണിക്കുന്നത് ഉപയോക്താക്കൾ കഠിനമായ കാര്യങ്ങൾ ചെയ്യാനുള്ള അവരുടെ കഴിവ് വിപുലീകരിക്കാൻ ആഗ്രഹിക്കുന്നു എന്നാണ്. ജോലി ഒഴിവാക്കാൻ ആളുകൾ Comet Assistant ഉപയോഗിക്കുന്നില്ല, മികച്ച ജോലി ചെയ്യാൻ അവർ അത് ഉപയോഗിക്കുന്നു.

ഉപയോഗ പ്രവണതകളിൽ നിന്ന് പ്രയോജനത്തിലേക്കുള്ള പരിണാമം

പഠനത്തിലെ ഏറ്റവും വെളിപ്പെടുത്തുന്ന പാറ്റേണുകളിൽ ഒന്ന് ഉപയോക്താവിന്റെ യാത്രയാണ്. ഒന്നാം ദിവസത്തിൽ നിങ്ങൾ ഒരു ഏജന്റ് എങ്ങനെ ഉപയോഗിക്കുന്നു എന്നത് നൂറാം ദിവസത്തിൽ നിങ്ങൾ അത് ഉപയോഗിക്കുന്ന രീതിയാകാൻ സാധ്യത വളരെ കുറവാണ്.

പുതിയ ഉപയോക്താക്കൾ പലപ്പോഴും കുറഞ്ഞ റിസ്കുള്ള ചോദ്യങ്ങളുമായി പരിശോധന നടത്തുന്നു. യാത്രാ പദ്ധതികളെക്കുറിച്ചോ സിനിമകളുടെ നിർദ്ദേശങ്ങളെക്കുറിച്ചോ പൊതുവായ കാര്യങ്ങളെക്കുറിച്ചോ അവർ ചോദിക്കുന്നു. ക്രമേണ, അവിടെ ഒരു മാറ്റം സംഭവിക്കുന്നു. ചോദ്യ സംക്രമണങ്ങളുടെ ഞങ്ങളുടെ വിശകലനം ഉൽപ്പാദനക്ഷമതയിലേക്കുള്ള ശക്തമായ ഗുരുത്വാകർഷണ വലിവ് കാണിക്കുന്നു. ഒരു ഉപയോക്താവ് ഒരു അവധിക്കാല സ്ഥലത്തെക്കുറിച്ച് ചോദിച്ചുകൊണ്ട് തുടങ്ങിയേക്കാം, എന്നാൽ ഒരിക്കൽ അവർ ഒരു പൈത്തൺ സ്ക്രിപ്റ്റ് ഡീബഗ് ചെയ്യാനോ സാമ്പത്തിക റിപ്പോർട്ട് സംഗ്രഹിക്കാനോ ഏജന്റിനെ ഉപയോഗിച്ചാൽ, അവർ അപൂർവ്വമായി മാത്രമേ തിരികെ പോകൂ. ഉൽപ്പാദനക്ഷമതയും വർക്ക്ഫ്ലോ വിഭാഗങ്ങളും ഏറ്റവും ഉയർന്ന നിലനിർത്തൽ നിരക്കുകൾ ഉള്ളവയാണ്, കൂടാതെ പഠനത്തിലോ ഗവേഷണ ജോലികളിലോ നേരത്തെ ഏർപ്പെടുന്ന ഉപയോക്താക്കൾ ദീർഘകാല സജീവ ഉപയോക്താക്കളാകാൻ വളരെ സാധ്യതയുണ്ട്.

ഇത് പേഴ്സണൽ കമ്പ്യൂട്ടറിന്റെ ആദ്യകാലങ്ങളെ പ്രതിഫലിപ്പിക്കുന്നു. പാചകക്കുറിപ്പ് മാനേജ്മെന്റിനോ ഗെയിമുകൾക്കോ ഉള്ള ഒരു ഉപകരണമായാണ് ഇത് പലപ്പോഴും വിറ്റഴിക്കപ്പെട്ടിരുന്നത്, എന്നാൽ സ്പ്രെഡ്ഷീറ്റുകളും വേഡ് പ്രോസസ്സിംഗും കാരണം ഇത് ഒഴിച്ചുകൂടാനാവാത്തതായി മാറി. AI ഏജന്റുകൾ അതേ പാത പിന്തുടരുന്നു.

ആരാണ് ഏജന്റുകൾ ഉപയോഗിക്കുന്നത്? സ്വീകാര്യതയും തീവ്രതയും തമ്മിലുള്ള വ്യത്യാസം

ഏറ്റവും വ്യക്തമായ അളവുകോൽ AI ഏജന്റുകളെ ആരാണ് സ്വീകരിക്കുന്നത് എന്നതല്ല, മറിച്ച് ആരെയാണ് അവരെ ആശ്രയിക്കുന്നത് എന്നതാണ്. ദത്തെടുക്കൽ നിരക്കുകളും ഉപയോഗ തീവ്രതയും തമ്മിലുള്ള അന്തരം സാങ്കേതികവിദ്യ ഒരു നവതയിൽ നിന്ന് അത്യാവശ്യമായി മാറിയ ഇടം വെളിപ്പെടുത്തുന്നു. ഇടുങ്ങിയ അന്തരം യഥാർത്ഥ പെരുമാറ്റ മാറ്റത്തെ സൂചിപ്പിക്കുന്നു, കൂടാതെ ആറ് കോർ തൊഴിലുകൾ ഇപ്പോൾ എല്ലാ ഏജന്റ് പ്രവർത്തനങ്ങളുടെയും 70% നയിക്കുന്നു.

ചില മേഖലകൾ അവയുടെ ശേഷിക്ക് അപ്പുറം പ്രവർത്തിക്കുന്നു. ഡിജിറ്റൽ ടെക്നോളജിസ്റ്റുകൾ സ്വാഭാവികമായും വോളിയത്തിന് നേതൃത്വം നൽകുമ്പോൾ (ചോദ്യങ്ങളുടെ 30%), മാർക്കറ്റിംഗ്, സെയിൽസ്, മാനേജ്മെന്റ്, എന്റർപ്രണർഷിപ്പ് തുടങ്ങിയ അറിവ് കേന്ദ്രീകരിച്ചുള്ള മേഖലകൾ ഏറ്റവും ഉയർന്ന "ഒട്ടിനിൽക്കൽ" പ്രകടമാക്കുന്നു. ഈ പ്രൊഫഷണലുകൾ ഒരു ഏജന്റിനെ സ്വീകരിച്ചുകഴിഞ്ഞാൽ, അസിസ്റ്റന്റിനെ അവരുടെ ദൈനംദിന വർക്ക്ഫ്ലോയിൽ സംയോജിപ്പിക്കുമ്പോൾ അവരുടെ ഉപയോഗ തീവ്രത അവരുടെ സ്വീകാര്യത സംഖ്യകളെ ছাড়ിച്ചുകടക്കുന്നു.

സന്ദർഭവും പ്രധാനമാണ്. ഉപയോക്താക്കൾ തങ്ങളുടെ വ്യവസായത്തിന്റെ പ്രത്യേക ഘർഷണ പോയിന്റുകൾ പരിഹരിക്കാൻ Comet Assistant വിന്യവിക്കുന്നു. ഫിനാൻസ് പ്രൊഫഷണലുകൾ കാര്യക്ഷമതയിൽ ശക്തമായി ശ്രദ്ധ കേന്ദ്രീകരിക്കുന്നു, ചോദ്യങ്ങളുടെ 47% ഉൽപ്പാദനക്ഷമത ജോലികൾക്കായി മാറ്റിവെക്കുന്നു. വിദ്യാർത്ഥികൾ പ്രയോജനത്തിൽ ശ്രദ്ധ കേന്ദ്രീകരിക്കുന്നു, 43% ജോലികളും പഠനത്തിനും ഗവേഷണത്തിനുമായി നീക്കിവെച്ചിരിക്കുന്നു. ഡിസൈനർമാർക്കായുള്ള മീഡിയ വർക്ക് മുതൽ ഹോസ്പിറ്റാലിറ്റി സ്റ്റാഫിനായുള്ള യാത്രാ ആസൂത്രണം വരെ സന്ദർഭ-നിർദ്ദിഷ്ട ഉപയോഗം എങ്ങനെ ആധിപത്യം പുലർത്തുന്നു എന്ന് ഡിസൈനിലും ഹോസ്പിറ്റാലിറ്റിയിലും കാണുന്നത് ഇതിലും എളുപ്പമാണ്.

ആത്യന്തികമായി, ഡാറ്റ തെളിയിക്കുന്നത് Comet Assistant ഉയർന്ന വൈവിധ്യമുള്ളതാണെന്നും അതിന്റെ ഉപയോക്താവിന്റെ പ്രത്യേക ആവശ്യങ്ങളെ പ്രതിഫലിപ്പിക്കുന്നു എന്നുമാണ്. ഒരു വിദ്യാഭ്യാസ സന്ദർഭത്തിൽ, ഇത് ഒരു പ്രത്യേക ഗവേഷണ എഞ്ചിനാണ്, അതേസമയം ഒരു തൊഴിൽപരമായ സന്ദർഭത്തിൽ, ഇത് ഒരു മൾട്ടി-പർപ്പസ് അസിസ്റ്റന്റായി മാറുന്നു. വ്യക്തിഗത സന്ദർഭങ്ങൾ എല്ലാ ചോദ്യ വോളിയത്തിന്റെയും പകുതിയിലധികവും വരുന്നു.

പുതിയ അറിവ് ജോലി എന്നത് ചോദ്യ ജോലിയാണ്

നാം ഒരു ഹൈബ്രിഡ് ഇന്റലിജൻസ് സമ്പദ്‌വ്യവസ്ഥയിലേക്ക് നീങ്ങുകയാണെന്നതിനുള്ള ആദ്യത്തെ അനുഭവപരമായ തെളിവ് ഈ പഠനം നൽകുന്നു. ഞങ്ങളുടെ ഡാറ്റയിലെ ബൗദ്ധിക ജോലികളുടെ ആധിപത്യം സൂചിപ്പിക്കുന്നത് AI ഏജന്റുകൾ മനുഷ്യന്റെ ബൗദ്ധിക ജോലിയെ അളക്കുന്നു എന്നാണ്. ഈ ഉപകരണങ്ങൾ പക്വത പ്രാപിക്കുമ്പോൾ, ഉൽപ്പാദനക്ഷമത ജോലികളുടെ "ഒട്ടിനിൽക്കൽ" ആഴത്തിലാകുമെന്ന് ഞങ്ങൾ പ്രതീക്ഷിക്കുന്നു.

2025 അവസാനത്തോടടുക്കുമ്പോൾ, ആളുകൾ AI ഏജന്റുകൾ ഉപയോഗിക്കുമോ എന്ന് ഞങ്ങൾ ഇനി ചോദിക്കുന്നില്ല. അവർ അങ്ങനെ ചെയ്യുന്നുണ്ടെന്ന് നമുക്കറിയാം. എല്ലായ്പ്പോഴും ലൂപ്പിൽ ഒരു ബുദ്ധിമാനായ പങ്കാളിയോടൊപ്പം ചിന്തിക്കുകയും പഠിക്കുകയും നിർമ്മിക്കുകയും ചെയ്യുന്ന ഒരു തൊഴിൽ സേനയുമായി സമ്പദ്‌വ്യവസ്ഥയുടെ ബാക്കി ഭാഗങ്ങൾ എത്ര വേഗത്തിൽ പൊരുത്തപ്പെടും എന്നതാണ് ഇപ്പോൾ ചോദ്യം. ഞങ്ങളുടെ രീതിശാസ്ത്രം, ടാക്സോണമി സവിശേഷതകൾ, സ്റ്റാറ്റിസ്റ്റിക്കൽ വിശകലനം എന്നിവയെക്കുറിച്ച് കൂടുതൽ വായിക്കാൻ, പൂർണ്ണമായ ഗവേഷണ പ്രബന്ധം ഇവിടെ പരിശോധിക്കുക.