Hvordan Computer omformer kunnskapsarbeid

Denne uken publiserte vi, i samarbeid med forskere ved Harvard Business School, en ny studie som ser på hvordan folk faktisk bruker Perplexity Computer i den virkelige verden. Og hvordan den – i løpet av sine første tre måneder – allerede endrer formen på kunnskapsarbeid. Her er en kort versjon av hva vi fant, og hvorfor vi mener det er verdt å merke seg.

Hvorfor vi gjorde denne forskningen

I løpet av de siste tiårene har datamaskiner kommet nærmere arbeidet vårt. Hvert nye grensesnitt, fra kommandolinjen til det grafiske grensesnittet og berøringsskjermen, har tatt over mer av oppgaven og redusert byrden for brukeren.

Ettersom grensesnittene ble enklere, ble også spørsmålene våre enklere. Men brukere måtte fremdeles dele opp forespørsler i trinn, skrive dem inn manuelt og sette sammen resultatene igjen.

Perplexity Computer endrer på det. Den orkestrerer over 20 fremtidsrettede modeller på tvers av filer og verktøy, og forvandler en forespørsel til team av agenter som forstår målet, fordeler arbeidet og handler asynkront. Brukeren ber om resultatet, ikke prosessen.

Vi ønsket å vite hva som skjer når folk faktisk begynner å jobbe på den måten.

Hva vi fant

Brukere ber om arbeid, ikke svar.

Søk gir svar. Computer utfører dem. På nesten identiske forespørsler kjørte Computer i gjennomsnitt 26 minutter med maskinarbeid sammenlignet med 33 sekunder for Søk – en økning på 48 ganger for den samme oppgaven. De minuttene går med til søking, redigering, kjøring av kode og tilgang til tilkoblede verktøy – Computer foretok omtrent tolv ganger så mange kall til eksterne apper og koblinger per økt som Søk. Brukerinnsatsen er konsentrert i begge ender: å sette målet og gjennomgå resultatet. Midtpartiet håndteres av agentene.

Den er merkbart raskere og billigere.

På tvers av 10 000 matchede par med oppgaver – den samme typen forespørsel utført på både Søk og Computer – reduserte Computer beregnet tid med 87 % og kostnad med 94 %. En arbeidsflyt som tok 269 minutter, sank til 36.

Besparelsene holdt seg på tvers av 18 domener: programvare, finans, markedsføring, helsetjenester, juss, utdanning og mer. I brukerintervjuer rapporterte medianpersonen at arbeidet gikk 25 ganger raskere. Noen rapporterte hastighetsøkninger på over 300 ganger.

Forespørslene ble større og bredere.

Når utførelsen håndteres, synker terskelen for å forfølge ambisiøse prosjekter. 23 % av Computer-forespørslene var for ting folk aldri hadde bedt Søk om å gjøre – med vekt på programvare, webutvikling, dokumentasjon og datavisualisering – oppgaver, ikke spørsmål.

Halvparten av alle Computer-forespørsler ba Computer om å produsere noe – dobbelt så stor andel som på Søk – og 76 % krevde analyse, evaluering eller skapelse snarere enn oppslag, mot 55 % på søk. 71 % innebar abstrakt, ikke-rutinepreget arbeid, sammenlignet med 53 % på Søk. En typisk Computer-oppgave spente over 2,4 ekspertiseområder, mens Søk trakk på bare 1,74, og var nesten tre ganger så sannsynlig til å trenge 3 eller flere domener.

Folk jobbet også utenfor sitt eget felt. På tvers av 8 000 brukere fra åtte yrkesgrupper gjorde folk arbeid utenfor sin primære yrkesgruppe 59 % av tiden med Computer, mot 50 % med Søk.

Kvaliteten sank ikke.

Å ta på seg hardere arbeid på tvers av forskjellige domener senket ikke kvaliteten. Multi-modell-orkestrering lar Computer tilpasse hvert trinn til den modellen som passer best for det, slik at en forespørsel som spenner over forskning, analyse og design, håndteres av den riktige modellen på hvert stikk i stedet for én modell for alt sammen. Denne rutingen gjør at arbeidet kan forbli på samme kvalitetsnivå selv om forespørslene ble mer komplekse.

Hvorfor dette er interessant

KI er rask. Den delen er forventet.

Det mer interessante funnet er hva folk valgte å gjøre med den frigjorte tiden. Når utførelse blir billig, endrer regnestykket seg. Arbeid som ikke var verdt å gjøre før, er plutselig verdt å gjøre. Arbeid som pleide å kreve en spesialist, er noe du kan gjøre et troverdig forsøk på selv.

Flaskehalsen i kunnskapsarbeid var sjelden å finne informasjon; det var kapasiteten til å utføre. Perplexity Computer tar på seg denne kapasiteten, og som et resultat sikter folk høyere. De går fra operatør til supervisor – og bruker mindre tid på å kjøre arbeidsflyten og mer tid på å sette målet og sjekke resultatet.

Hva som er neste

Vi er fremdeles tidlig ute. Computer er bare tre måneder gammel, folk venner seg til å arbeide med den, og arbeidsflytene og bruken vil utvilsomt tilpasse seg over tid.

Men disse dataene viser allerede individuelle skift i atferd.

Hvordan det samler seg på team- og organisasjonsnivå, er det åpne spørsmålet, og det vi er mest interessert i videre.

Du kan lese mer om denne forskningen, inkludert hele metodikken, diagrammer og forbehold, i den tekniske bloggen og forskningsartikkelen.