Computer ज्ञानविषयक कामाला पुन्हा आकार देत आहे

या आठवड्यात, हार्वर्ड बिजनेस स्कूलमधील संशोधकांच्या सहकार्याने, आम्ही एक नवीन अभ्यास प्रकाशित केला आहे ज्यामध्ये लोक प्रत्यक्ष जगतात खरोखर Perplexity Computer चा कसा वापर करतात हे पाहिले गेले आहे. आणि कसे - त्याच्या अस्तित्वाच्या पहिल्या तीन महिन्यांमध्ये - ते आधीपासूनच ज्ञानविषयक कामाचे स्वरूप बदलत आहे. आम्हाला काय सापडले आणि आम्हाला याकडे लक्ष देणे का महत्त्वाचे वाटते याची ही एक छोटी आवृत्ती आहे.

आम्ही हे संशोधन का केले

गेल्या काही दशकांमध्ये, संगणक आपल्या कामाच्या जवळ आले आहेत. कमांड लाइनपासून GUI ते टचस्क्रीनपर्यंतच्या प्रत्येक नवीन इंटरफेसने अधिक काम स्वतःकडे घेतले आणि वापरकर्त्यावरील भार कमी केला.

जसे इंटरफेस सोपे झाले, तसेच आपले प्रश्नही सोपे झाले. परंतु वापरकर्त्यांना अद्याप विनंत्यांचे तुकडे करून पायऱ्यांमध्ये विभागणे, त्यांना व्यक्तिचलितपणे प्रविष्ट करणे आणि निकाल एकत्र जोडणे आवश्यक होते.

Perplexity Computer हे बदलतो. ते फाइल्स आणि साधनांमधील 20 पेक्षा जास्त फ्रंटियर मॉडेल्सचे समन्वय साधते, एका विनंतीला एजंट्सच्या टीममध्ये बदलते जे ध्येय समजून घेतात, काम विभाजित करतात आणि अतुल्यकालिकपणे कार्य करतात. वापरकर्ता प्रक्रियेसाठी नाही तर निकालासाठी विचारतो.

लोक प्रत्यक्षात त्या पद्धतीने काम करू लागल्यावर काय होते हे आम्हाला जाणून घ्यायचे होते.

आम्हाला काय सापडले

वापरकर्ते उत्तरांची नव्हे तर कामाची मागणी करत आहेत.

शोध उत्तरे प्रदान करतो. Computer तो अंमलात आणतो. जवळजवळ सारख्याच विनंत्यांवर, Search साठी ३३ सेकंदांच्या तुलनेत Computer ने सरासरी २६ मिनिटे मशीन कार्य चालवले - त्याच कामावर ४८x वाढ. ती मिनिटे शोधण्यात, संपादित करण्यात, कोड चालवण्यात आणि कनेक्ट केलेल्या साधनांपर्यंत पोहोचण्यात जातात - Search च्या तुलनेत Computer ने प्रति सत्र बाह्य अ‍ॅप्स आणि कनेक्टरना सुमारे बारा पट जास्त कॉल केले. वापरकर्त्याचे प्रयत्न दोन्ही टोकांवर केंद्रित आहेत: उद्देश निश्चित करणे आणि निकालाचे पुनरावलोकन करणे. मधला भाग एजंट्सद्वारे हाताळला जातो.

हे अर्थपूर्णरीत्या जलद आणि स्वस्त आहे.

कामाच्या १०,००० जुळलेल्या جوड्यांवर - Search आणि Computer दोन्हीवर केलेल्या त्याच प्रकारची विनंती - Computer ने अंदाजे वेळ ८७% आणि खर्च ९४% ने कमी केला. ज्या वर्कफ्लोला २६९ मिनिटे लागली ती ३६ मिनिटांवर आली.

ही बचत १८ डोमेनमध्ये कायम राहिली: सॉफ्टवेअर, वित्त, विपणन, आरोग्य सेवा, कायदेशीर, शिक्षण आणि बरेच काही. वापरकर्त्यांच्या मुलाखतींमध्ये, सरासरी व्यक्तीने त्यांचे काम २५ पट वेगाने चालल्याचे सांगितले. काहींनी ३००x पेक्षा जास्त वेगाची नोंद केली.

मागण्या मोठ्या आणि अधिक व्यापक झाल्या.

अंमलबजावणी हाताळली गेल्याने, महत्त्वाकांक्षी प्रकल्प राबवण्यातील अडथळा कमी होतो. Computer च्या २३% विनंत्या अशा गोष्टींसाठी होत्या ज्या लोकांनी कधीही Search ला विचारल्या नव्हत्या - सॉफ्टवेअर, वेब विकास, दस्तऐवजीकरण आणि डेटा व्हिज्युअलायझेशनमधील क्लस्टरिंग - कामे, प्रश्न नव्हे.

सर्व Computer विनंत्यांपैकी अर्ध्या लोकांनी काहीतरी उत्पादित करण्यास सांगितले - Search वरील प्रमाण दुप्पट - आणि शोधण्याऐवजी ७६% ला विश्लेषन, मूल्यमापन किंवा निर्मितीची आवश्यकता होती, तर Search वर ५५% होते. ७१% मध्ये अमूर्त, गैर-नियमित कामाचा समावेश होता, तुलनेत Search वर ५३% होते. एका τυπιχαλ Computer कामात कौशल्याची २.४ क्षेत्रे समाविष्ट होती, तर Search ने केवळ १.७४ वरून काढले आणि ३ किंवा अधिक डोमेनची आवश्यकता असण्याची शक्यता जवळपास तिप्पट होती.

लोकांनी त्यांच्या स्वतःच्या क्षेत्राबाहेरही काम केले. आठ職業 गटांतील ८,000 वापरकर्त्यांमध्ये, लोकांनी Computer सह ५९% वेळा त्यांच्या प्राथमिक व्यवसायाच्या बाहेर काम केले, तर Search सह ५०% वेळा.

गुणवत्ता कमी झाली नाही.

वेगवेगळ्या डोमेनमध्ये कठीण काम हाती घेतल्याने गुणवत्ता कमी झाली नाही. मल्टी-मॉडेल ऑकेस्ट्रेशनमुळे Computer प्रत्येक पायरीला त्याच्यासाठी सर्वात योग्य असलेल्या मॉडेलशी जुळवून घेऊ देते, त्यामुळे संशोधन, विश्लेषण आणि डिझाइन पसरवणारी विनंती सर्व एकाच मॉडेल ऐवजी प्रत्येक टप्प्यावर योग्य मॉडेलद्वारे हाताळली जाते. विनंत्या अधिक जटिल झाल्या तरीही या रूटिंगमुळे काम समान गुणवत्ता बारवर राहू शकते.

हे का मनोरंजक आहे

एआय जलद आहे. तो भाग अपेक्षित आहे.

अधिक मनोरंजक शोध म्हणजे लोकांनी वेळेचे काय करण्याचे निवडले. जेव्हा अंमलबजावणी स्वस्त होते, तेव्हा गणित बदलतो. जे काम आधी करण्यासारखे नव्हते ते अचानक करण्यासारखे वाटते. ज्या कामासाठी पूर्वी तज्ञाची आवश्यकता होती ती अशी गोष्ट आहे ज्यावर तुम्ही स्वतः विश्वासार्ह प्रयत्न करू शकता.

ज्ञानविषयक कामातील बॉटलनॅक क्वचितच माहिती शोधत होता; ती अंमलबजावणीची क्षमता होती. Perplexity Computer ही क्षमता स्वीकारते, आणि परिणामी, लोक उच्च ध्येय ठेवत आहेत. ते ऑपरेटरवरून सुपरवायझरकडे जातात - वर्कफ्लो चालवण्यात कमी वेळ घालवतात आणि ध्येय निश्चित करण्यात आणि आउटपुट तपासण्यात जास्त वेळ घालवतात.

पुढे काय आहे

आम्ही अजूनही सुरुवातीच्या टप्प्यात आहोत. Computer केवळ तीन महिन्यांचा आहे, लोक त्यासोबत काम करण्यास सवयीचे होत आहेत, आणि वर्कफ्लो आणि वापर निःसंशयपणे कालांतराने जुळवून घेतील.

परंतु हा डेटा आधीच वैयक्तिक स्तरावरील वर्तनातील बदल दर्शवितो.

टीम आणि संस्था स्तरावर ते कसे एकत्रित होते हा खुला प्रश्न आहे, आणि ज्यामध्ये आम्हाला पुढे सर्वात जास्त रस आहे.

तुम्ही या संशोधनाबद्दल अधिक वाचू शकता, ज्यामध्ये संपूर्ण पद्धतशीरपणा, चार्ट आणि चेतावणी समाविष्ट आहेत, तांत्रिक ब्लॉग आणि संशोधन कागदपत्रात.