జ్ఞాన పనిని కంప్యూటర్ ఎలా మారుస్తోంది

ఈ వారం, హార్వర్డ్ బిజినెస్ స్కూల్ పరిశోధకులతో కలిసి, వాస్తవ ప్రపంచంలో ప్రజలు Perplexity Computerని ఎలా ఉపయోగిస్తున్నారో పరిశీలిస్తున్న కొత్త అధ్యయనాన్ని మేము ప్రచురించాము.

ఈ వారం, హార్వర్డ్ బిజినెస్ స్కూల్ పరిశోధకులతో కలిసి, వాస్తవ ప్రపంచంలో ప్రజలు Perplexity Computerని ఎలా ఉపయోగిస్తున్నారో పరిశీలిస్తున్న కొత్త అధ్యయనాన్ని మేము ప్రచురించాము. మరియు దాని ఉనికి యొక్క మొదటి మూడు నెలల్లో - ఇది జ్ఞాన పని రూపాన్ని ఎలా మారుస్తోందో. మేము కనుగొన్నదాని యొక్క చిన్న వెర్షన్ ఇక్కడ ఉంది, మరియు దీనిపై ఎందుకు శ్రద్ధ పెట్టడం విలువైనదని మేము భావిస్తున్నాము.

మేము ఈ పరిశోధన ఎందుకు చేసాము

గత కొన్ని దశాబ్దాలుగా, కంప్యూటర్లు మా పనికి మరింత దగ్గరయ్యాయి. కమాండ్ లైన్ నుండి GUI నుండి టచ్‌స్క్రీన్ వరకు ప్రతి కొత్త ఇంటర్‌ఫేస్, మరింత పనిని తనపైకి తీసుకుని వినియోగదారుపై భారాన్ని తగ్గించింది.

ఇంటర్‌ఫేస్‌లు సరళంగా మారినప్పుడు, మా ప్రశ్నలు కూడా అలాగే మారాయి. అయినప్పటికీ వినియోగదారులు అభ్యర్థనలను దశలుగా విభజించి, వాటిని మాన్యువల్‌గా నమోదు చేసి, ఫలితాలను మళ్లీ ఒకదానితో ఒకటి కలపాల్సి వచ్చింది.

Perplexity Computer దాన్ని మారుస్తుంది. ఇది ఫైళ్లు మరియు టూల్స్ అంతటా 20కి పైగా సరికొత్త మోడళ్లను నిర్వహిస్తుంది, అభ్యర్థనను లక్ష్యాన్ని అర్థం చేసుకునే, పనిని విభజించే మరియు అసమకాలికంగా పనిచేసే ఏజెంట్ల బృందాలుగా మారుస్తుంది. వినియోగదారు ప్రక్రియను కాకుండా ఫలితాన్ని అడుగుతారు.

ప్రజలు వాస్తవంగా ఆ విధంగా పని చేయడం ప్రారంభించినప్పుడు ఏమి జరుగుతుందో తెలుసుకోవాలనుకున్నాము.

మేము కనుగొన్నది

వినియోగదారులు సమాధానాల కోసం కాకుండా పని కోసం అడుగుతున్నారు.

శోధన సమాధానాలను అందిస్తుంది. కంప్యూటర్ వాటిని అమలు చేస్తుంది. దాదాపు ఒకేలా ఉండే అభ్యర్థనలపై, శోధన కోసం పట్టే 33 సెకన్లతో పోలిస్తే కంప్యూటర్ సగటున 26 నిమిషాల మెషిన్ పనిని రన్ చేసింది - అదే పనిపై 48 రెట్లు పెరుగుదల. ఆ నిమిషాలు శోధించడం, ఎడిట్ చేయడం, కోడ్ రన్ చేయడం మరియు కనెక్ట్ చేయబడిన టూల్స్‌ను చేరుకోవడంలో ఖర్చవుతాయి - శోధన కంటే సెషన్‌కు బాహ్య యాప్‌లు మరియు కనెక్టర్‌లకు కంప్యూటర్ దాదాపు పన్నెండు రెట్లు ఎక్కువ కాల్‌లు చేసింది. వినియోగదారు కృషి రెండు చివర్లలో కేంద్రీకృతమై ఉంటుంది: లక్ష్యాన్ని నిర్దేశించడం మరియు ఫలితాన్ని సమీక్షించడం. మధ్యభాగాన్ని ఏజెంట్లు నిర్వహిస్తాయి.

ఇది అర్థవంతంగా వేగవంతమైనది మరియు చౌకైనది.

10,000 సరిపోలిన జతల పనులలో - శోధన మరియు కంప్యూటర్ రెండింటిలోనూ చేసిన అదే రకమైన అభ్యర్థన - కంప్యూటర్ అంచనా వేసిన సమయాన్ని 87% మరియు ఖర్చును 94% తగ్గించింది. 269 నిమిషాలు పట్టిన వర్క్‌ఫ్లో 36 నిమిషాలకు పడిపోయింది.

ఈ ఆదా 18 డొమైన్‌లలో కొనసాగింది: సాఫ్ట్‌వేర్, ఫైనాన్స్, మార్కెటింగ్, హెల్త్‌కేర్, లీగల్, విద్య మరియు మరెన్నో. వినియోగదారు ఇంటర్వ్యూలలో, సగటు వ్యక్తి తమ పని 25 రెట్లు వేగంగా జరుగుతోందని నివేదించారు. కొంతమంది 300 రెట్లకు పైగా వేగవంతమైన వృద్ధిని నివేదించారు.

అభ్యర్థనలు పెద్దవిగా మరియు విస్తృతమైనవిగా మారాయి.

అమలు నిర్వహించబడటంతో, ప్రతిష్టాత్మకమైన ప్రాజెక్ట్‌లను కొనసాగించడంలో అడ్డంకి తొలగిపోతుంది. కంప్యూటర్ అభ్యర్థనలలో 23% ప్రజలు శోధనను ఎప్పుడూ చేయమని అడగని విషయాలు - సాఫ్ట్‌వేర్, వెబ్ డెవలప్‌మెంట్, డాక్యుమెంటేషన్ మరియు డేటా విజువలైజేషన్‌లో క్లస్టరింగ్ - ప్రశ్నలు కాకుండా పనులు.

అన్ని కంప్యూటర్ అభ్యర్థనలలో సగం మంది కంప్యూటర్‌ను ఏదైనా ఉత్పత్తి చేయమని కోరారు - శోధనపై ఉన్న వాటా కంటే ఇది రెండు రెట్లు - మరియు శోధనలో 55%తో పోలిస్తే 76% మంది శోధించడం కాకుండా విశ్లేషణ, మూల్యాంకనం లేదా సృష్టిని కోరారు. శోధనలో 53%తో పోలిస్తే 71% మంది నైరూప్య, సాధారణం కాని పనిని కలిగి ఉన్నారు. ఒక సాధారణ కంప్యూటర్ పని 2.4 నైపుణ్య రంగాలను విస్తరించింది, అయితే శోధన కేవలం 1.74 రంగాలపై ఆధారపడింది, మరియు 3 లేదా అంతకంటే ఎక్కువ డొమైన్‌లు అవసరమయ్యే అవకాశం దాదాపు మూడు రెట్లు ఎక్కువగా ఉంది.

ప్రజలు తమ సొంత రంగానికి వెలుపల కూడా పనిచేశారు. ఎనిమిది వృత్తి సమూహాల నుండి 8,000 మంది వినియోగదారులలో, కంప్యూటర్‌తో 59% సమయం, శోధనతో 50%తో పోలిస్తే ప్రజలు తమ ప్రాథమిక వృత్తి వెలుపల పనిచేశారు.

నాణ్యత తగ్గలేదు.

విభిన్న డొమైన్‌లలో కష్టమైన పనిని చేపట్టడం వల్ల నాణ్యత తగ్గలేదు. మల్టీ-మోడల్ ఆర్కెస్ట్రేషన్ కంప్యూటర్‌ను ప్రతి దశను దానికి బాగా సరిపోయే మోడల్‌తో సరిపోల్చడానికి అనుమతిస్తుంది, కాబట్టి పరిశోధన, విశ్లేషణ మరియు డిజైన్‌లను విస్తరించే అభ్యర్థన అన్నింటికీ ఒకే మోడల్‌కు బదులుగా ప్రతి దశలో సరైన మోడల్ ద్వారా నిర్వహించబడుతుంది. అభ్యర్థనలు మరింత సంక్లిష్టంగా మారినప్పటికీ, పని ఒకే నాణ్యతా ప్రమాణాన్ని నిర్వహించడానికి ఈ రూటింగ్ అనుమతిస్తుంది.

ఇది ఎందుకు ఆసక్తికరంగా ఉంది

AI వేగంగా పనిచేస్తుంది. ఆ భాగం ఊహించినదే.

మరింత ఆసక్తికరమైన అన్వేషణ ఏమిటంటే, తిరిగి వచ్చిన సమయంతో ప్రజలు ఏమి చేయాలని ఎంచుకున్నారు. అమలు చౌకగా మారినప్పుడు, లెక్క మారుతుంది. అంతకుముందు చేయడం విలువైనది కాని పని అకస్మాత్తుగా చేయడం విలువైనదిగా మారుతుంది. ఒకప్పుడు నిపుణుడు అవసరమైన పనిని మీరే నమ్మకంగా ప్రయత్నించవచ్చు.

జ్ఞాన పనిలో ప్రతిబంధకం సమాచారాన్ని కనుగొనడం అరుదు; ఇది అమలు చేసే సామర్థ్యం. Perplexity Computer ఈ సామర్థ్యాన్ని స్వీకరిస్తుంది, ఫలితంగా, ప్రజలు ఉన్నత లక్ష్యాలను నిర్దేశించుకుంటున్నారు. వారు ఆపరేటర్ నుండి సూపర్‌వైజర్‌గా మారుతున్నారు - వర్క్‌ఫ్లోను రన్ చేయడానికి తక్కువ సమయం మరియు లక్ష్యాన్ని నిర్దేశించడానికి మరియు అవుట్‌పుట్‌ను తనిఖీ చేయడానికి ఎక్కువ సమయం కేటాయిస్తున్నారు.

తర్వాత ఏమిటి

మేము ఇంకా ప్రారంభ దశలోనే ఉన్నాము. కంప్యూటర్ కేవలం మూడు నెలల పురాతనమైనది, ప్రజలు దీనితో పనిచేయడానికి అలవాటుపడుతున్నారు, మరియు వర్క్‌ఫ్లోలు మరియు వినియోగం కాలక్రమేణా నిస్సందేహంగా అనుకూలించబడతాయి.

కానీ ఈ డేటా ఇప్పటికే వ్యక్తిగత స్థాయి ప్రవర్తనా మార్పులను ప్రదర్శిస్తుంది.

ఇది బృందం మరియు సంస్థ స్థాయిలో ఎలా సమీకరించబడుతుంది అనేది తెరవెనుక ఉన్న ప్రశ్న, మరియు తదుపరి మాకు అత్యంత ఆసక్తికరమైన అంశం.

పూర్తి పద్ధతి, చార్ట్‌లు మరియు హెచ్చరికలతో సహా ఈ పరిశోధన గురించి మీరు టెక్నికల్ బ్లాగ్ మరియు రీసెర్చ్ పేపర్లో మరింత చదవవచ్చు.