Hoe Computer kenniswerk hervormt

Deze week hebben we, in samenwerking met onderzoekers van de Harvard Business School, een nieuw onderzoek gepubliceerd waarin we kijken naar hoe mensen Perplexity Computer daadwerkelijk in de praktijk gebruiken. En hoe het – in de eerste drie maanden van zijn bestaan – de vorm van kenniswerk al aan het veranderen is. Hier is een korte versie van onze bevindingen en waarom wij vinden dat dit de aandacht verdient.

Waarom we dit onderzoek hebben gedaan

De afgelopen decennia zijn computers steeds dichter bij ons werk gekomen. Elke nieuwe interface, van de opdrachtregel tot de GUI tot het touchscreen, nam meer van de taak op zich en verminderde de werklast voor de gebruiker.

Naarmate interfaces eenvoudiger werden, werden onze vragen dat ook. Maar gebruikers moesten verzoeken nog steeds opdelen in stappen, ze handmatig invoeren en de resultaten weer samenvoegen.

Perplexity Computer brengt daar verandering in. Het orkestreert meer dan 20 grensverleggende modellen over bestanden en tools heen, en zet een verzoek om in teams van agents die het doel begrijpen, het werk verdelen en asynchroon handelen. De gebruiker vraagt om het resultaat, niet om het proces.

We wilden weten wat er gebeurt als mensen daadwerkelijk op die manier gaan werken.

Wat we hebben gevonden

Gebruikers vragen om werk, niet om antwoorden.

Search biedt antwoorden. Computer voert ze uit. Bij vrijwel identieke verzoeken voerde Computer gemiddeld 26 minuten aan machine-werk uit, vergeleken met 33 seconden voor Search - een toename van 48x bij dezelfde taak. Die minuten gaan naar het zoeken, bewerken, uitvoeren van code en het benutten van verbonden tools - Computer deed per sessie ongeveer twaalf keer zoveel aanroepen naar externe apps en connector als Search. De inspanning van de gebruiker concentreert zich aan beide uiteinden: het vaststellen van het doel en het beoordelen van het resultaat. Het midden wordt afgehandeld door de agents.

Het is aanzienlijk sneller en goedkoper.

Over 10.000 bijpassende paren taken heen - hetzelfde soort verzoek gedaan op zowel Search als Computer - verkortte Computer de geschatte tijd met 87% en de kosten met 94%. Een workflow die 269 minuten in beslag nam, daalde naar 36.

De besparingen hielden stand over 18 domeinen: software, financiën, marketing, gezondheidszorg, juridisch, onderwijs en meer. In gebruikersinterviews rapporteerde de gemiddelde persoon dat hun werk 25x sneller ging. Sommigen rapporteerden snelheidsverbeteringen van meer dan 300x.

De opdrachten werden groter en breder.

Met de uitvoering afgehandeld, daalt de drempel om ambitieuze projecten na te streven. 23% van de Computer-verzoeken betrof zaken waar mensen Search nog nooit om hadden gevraagd - clusterend in software, webontwikkeling, documentatie en datavisualisatie - taken, geen vragen.

De helft van alle Computer-verzoeken vroeg Computer om iets te produceren - twee keer het aandeel bij Search - en 76% vereiste analyse, evaluatie of creatie in plaats van opzoeken, tegenover 55% bij Search. 71% betrof abstract, niet-routinematig werk, vergeleken met 53% bij Search. Een typische Computer-taak omvatte 2,4 expertiseterreinen, terwijl Search er op slechts 1,74 beroep deed, en was bijna drie keer zo waarschijnlijk om 3 of meer domeinen te vereisen.

Mensen werkten ook buiten hun eigen vakgebied. Over 8.000 gebruikers uit acht beroepsgroepen heen, deden mensen 59% van de tijd werk buiten hun primaire beroep met Computer, versus 50% met Search.

De kwaliteit nam niet af.

Het op zich nemen van zwaarder werk over verschillende domeinen verlaagde de kwaliteit niet. Dankzij multi-model orkestratie kan Computer elke stap afstemmen op het model dat daar het meest geschikt voor is, zodat een verzoek dat onderzoek, analyse en ontwerp omvat, in elke fase door het juiste model wordt afgehandeld in plaats van door één model voor alles. Deze routering zorgt ervoor dat het werk op hetzelfde kwaliteitsniveau blijft, zelfs naarmate de verzoeken complexer werden.

Waarom dit interessant is

AI is snel. Dat deel is verwacht.

De interessantere bevinding is wat mensen kozen om te doen met de gewonnen tijd. Wanneer uitvoering goedkoop wordt, verandert de berekening. Werk dat voorheen niet de moeite waard was, is plotseling de moeite waard. Werk dat vroeger een specialist vereiste, is iets waar je nu zelf een geloofwaardige poging aan kunt wagen.

De knelpunt bij kenniswerk was zelden het vinden van informatie; het was de capaciteit om uit te voeren. Perplexity Computer neemt deze capaciteit op zich, en als resultaat mikken mensen hoger. Ze verschuiven van operator naar supervisor - ze besteden minder tijd aan het uitvoeren van de workflow en meer tijd aan het bepalen van het doel en het controleren van de output.

Wat volgt

We staan nog aan het begin. Computer is pas drie maanden oud, mensen raken eraan gewend ermee te werken, en de workflows en het gebruik zullen zich ongetwijfeld in de loop van de tijd aanpassen.

Maar deze gegevens tonen nu al verschuivingen in gedrag op individueel niveau aan.

Hoe dit zich aggregeert op team- en organisatieniveau is de open vraag, en degene waar we nu het meest in geïnteresseerd zijn.

U kunt meer lezen over dit onderzoek, inclusief de volledige methodologie, grafieken en kanttekeningen, in de technische blog en onderzoeks paper.