Computer 如何重塑知識工作
本星期，我們與哈佛商學院的研究人員合作發表了一項新研究，探討人們如何在現實世界中實際使用 Perplexity Computer。
本星期，我們與哈佛商學院的研究人員合作發表了一項全新研究，探討人們如何在現實世界中實際使用 Perplexity Computer，以及它在面世的前三個月內如何正在改變知識工作的面貌。以下是我們發現的簡短版本，以及我們認為它值得關注的原因。
我們進行這項研究的原因
在過去幾十年中，電腦離我們的工作越來越近。每一個新介面，從命令列到圖形使用者介面 (GUI) 再到觸控螢幕，都承擔了更多任務並減輕了使用者的負擔。
隨著介面變得更簡單，我們的問題也隨之變得簡單。但使用者仍然必須將請求拆解為多個步驟、手動輸入，並將結果重新拼湊在一起。
Perplexity Computer 改變了這一點。它在檔案和工具之間協調了 20 多個前沿模型，將一個請求轉化為多個代理團隊，這些代理團隊能夠理解目標、分工並以非同步方式行動。使用者要求的是結果，而不是過程。
我們想知道當人們真正開始以這種方式工作時會發生什麼事。
我們發現了什麼
使用者要求的是工作，而不是答案。
「搜尋」提供答案。「Computer」則執行答案。在幾近相同的請求中，「Computer」平均執行了 26 分鐘的機器工作，相較之下「搜尋」則為 33 秒——同一任務的速度提升了 48 倍。這些時間花在搜尋、編輯、執行程式碼以及連接外部工具上——每個工作階段中，「Computer」對外部應用程式和連接器發起的呼叫次數大約是「搜尋」的十二倍。使用者的心力集中在兩端：設定目標和檢閱結果。中間過程則由代理處理。
它在意義上更快、更便宜。
在 10,000 對相匹配的任務中——即在「搜尋」和「Computer」上執行的相同請求類型——「Computer」將預估時間減少了 87%，成本降低了 94%。原本需要 269 分鐘的工作流程縮短至 36 分鐘。
這種節省在 18 個領域中均維持不變：軟體、金融、行銷、醫療保健、法律、教育等。在使用者訪談中，平均每位受訪者的工作速度回報提升了 25 倍。有些甚至回報速度提升超過 300 倍。
請求變得更大、更廣泛。
隨著執行工作得以處理，追求雄心勃勃專案的門檻也隨之降低。23% 的「Computer」請求是人們從未要求「搜尋」做過的事情——集中在軟體、網頁開發、文件編寫和資料視覺化——這些是任務，而不是問題。
所有「Computer」請求中有半數要求「Computer」產出某些東西——這是「搜尋」佔有率的兩倍——且 76% 的請求需要分析、評估或創作，而非單純查詢（相較之下「搜尋」為 55%）。71% 的請求涉及抽象、非例行性工作，而「搜尋」則為 53%。一個典型的「Computer」任務跨越了 2.4 個專業領域，而「搜尋」僅動用了 1.74 個，並且需要 3 個或更多領域的可能性幾乎是前者的三倍。
人們也跨越了自己的專業領域進行工作。在來自八個職業群體的 8,000 名使用者中，人們在使用「Computer」時有 59% 的時間從事其主要職業以外的工作，而使用「搜尋」時則為 50%。
品質並未下降。
跨越不同領域承擔更艱巨的工作並未降低品質。多模型協調讓「Computer」能為每個步驟配對最適合的模型，因此跨越研究、分析和設計的請求在每個階段都會由正確的模型處理，而不是由單一模型包辦全部。這種路由機制讓工作在請求變得更加複雜的同時，依然能保持相同的品質水準。
為什麼這很有趣
AI 速度很快。這是意料之中的事。
更有趣的發現是人們選擇如何利用省下來的時間。當執行的成本變得低廉時，計算方式就會改變。以前不值得做的工作現在突然變得值得做了。以前需要專家才能完成的工作，現在你可以自己大膽嘗試一下。
知識工作的瓶頸極少是尋找資訊；而是執行的能力。Perplexity Computer 承擔了這項能力，因此人們的目標也隨之提高。他們從營運者轉變為監督者——減少執行工作流程的時間，並增加設定目標和檢查產出成果的時間。
接下來是什麼
我們仍處於早期階段。「Computer」推出僅三個月，人們正在習慣與之合作，且工作流程與使用方式隨著時間推移無疑將會調適。
但這些數據已經展現了個人層面的行為轉變。
它如何在團隊和組織層面上聚合則是個開放性問題，也是我們接下來最感興趣的問題。