Hur Computer omformar kunskapsarbetet
Den här veckan publicerade vi, i samarbete med forskare vid Harvard Business School, en ny studie som undersöker hur människor faktiskt använder Perplexity Computer i den verkliga världen.

Den här veckan publicerade vi, i samarbete med forskare vid Harvard Business School, en ny studie som undersöker hur människor faktiskt använder Perplexity Computer i den verkliga världen. Och hur den – redan under sina första tre månader – håller på att förändra kunskapsarbetets natur. Här är en kort sammanfattning av vad vi fann och varför vi anser att det är värt att uppmärksamma.
Varför vi genomförde denna studie
Under de senaste decennierna har datorerna kommit närmare vårt arbete. Varje nytt gränssnitt, från kommandoraden till det grafiska gränssnittet och pekskärmen, har tagit över mer av uppgiften och minskat bördan för användaren.
I takt med att gränssnitten blev enklare blev våra frågor det också. Men användarna behövde ändå dela upp förfrågningar i flera steg, ange dem manuellt och foga samman resultaten igen.
Perplexity Computer ändrar på detta. Den samordnar över 20 ledande modeller över filer och verktyg och förvandlar en förfrågan till team av agenter som förstår målet, delar upp arbetet och agerar asynkront. Användaren efterfrågar resultatet, inte processen.
Vi ville veta vad som händer när människor faktiskt börjar arbeta på det sättet.
Vad vi upptäckte
Användarna efterfrågar arbete, inte svar.
Sök ger svar. Computer utför dem. Vid nästan identiska förfrågningar utförde Computer i genomsnitt 26 minuters maskinarbete jämfört med 33 sekunder för Sök – en 48-faldig ökning för samma uppgift. De minuterna går åt till att söka, redigera, köra kod och nå anslutna verktyg – Computer gjorde ungefär tolv gånger så många anrop till externa appar och anslutningar per Session som Sök. Användarens ansträngning koncentreras till båda ändar: att definiera målet och granska resultatet. Mitten hanteras av agenterna.
Det är betydligt snabbare och billigare.
Över 10 000 matchade par av uppgifter – samma typ av förfrågan som gjordes på både Sök och Computer – minskade Computer den beräknade tiden med 87 % och kostnaden med 94 %. Ett arbetsflöde som tog 269 minuter minskade till 36.
Besparingarna höll i sig inom 18 områden: programvara, finans, marknadsföring, hälso- och sjukvård, juridik, utbildning med mera. I användarintervjuer uppgav medianpersonerna att deras arbete gick 25 gånger snabbare. Vissa rapporterade hastighetsökningar på över 300 gånger.
Förfrågningarna blev större och bredare.
När exekveringen sköts av systemet sjunker tröskeln för att driva ambitiösa projekt. 23 % av förfrågningarna till Computer gällde sådant som människor aldrig hade bett Sök att göra – med tyngdpunkt på programvara, webbutveckling, dokumentation och datavisualisering; uppgifter, inte frågor.
Hälften av alla förfrågningar till Computer bad Computer att producera något – dubbelt så stor Andel som på Sök – och 76 % krävde analys, utvärdering eller skapande snarare än informationssökning, jämfört med 55 % på Sök. 71 % innebar abstrakt, icke-rutinmässigt arbete, jämfört med 53 % på Sök. En typisk uppgift för Computer spände över 2,4 expertisområden, medan Sök endast drog nytta av 1,74, och var nästan tre gånger så sannolik att behöva 3 eller fler domäner.
Människor arbetade också utanför sitt eget område. Av 8 000 användare från åtta yrkesgrupper utförde människor arbete utanför sitt primära yrke 59 % av tiden med Computer, jämfört med 50 % med Sök.
Kvaliteten sjönk inte.
Att ta sig an svårare arbete inom olika områden sänkte inte kvaliteten. Multimodellssamordning gör att Computer kan matcha varje steg till den modell som är bäst lämpad för det, så att en förfrågan som spänner över forskning, analys och design hanteras av rätt modell i varje skede snarare än av en enda modell för allt. Denna dirigering gör att arbetet kan hålla samma kvalitetsnivå även när förfrågningarna blir mer komplexa.
Varför detta är intressant
AI är snabb. Den delen är förväntad.
Det mer intressanta fyndet är vad människor valde att göra med den tid de fick tillbaka. När exekvering blir billig förändras kalkylen. Arbete som inte var värt att utföra tidigare är plötsligt värt att göra. Arbete som tidigare krävde en specialist är något man kan göra ett trovärdigt försök på själv.
Flaskhalsen i kunskapsarbetet har sällan varit att hitta information; det har varit kapaciteten att exekvera. Perplexity Computer tar itu med denna kapacitet, och som ett resultat siktar människor högre. De går från att vara operatörer till handledare – de spenderar mindre tid på att köra arbetsflödet och mer tid på att sätta målet och kontrollera resultatet.
Vad som händer härnäst
Vi är fortfarande tidigt ute. Computer är bara tre månader gammal, människor håller på att vänja sig vid att arbeta med den, och arbetsflödena och användningen kommer utan tvekan att anpassas över tid.
Men dessa data visar redan på beteendeförändringar på individnivå.
Hur det samlas till team- och organisationsnivå är den öppna frågan, och den vi är mest intresserade av härnäst.
Du kan läsa mer om denna studie, inklusive hela metodologin, diagram och reservationer, i den tekniska bloggen och forskningsartikeln.