Computer 如何重塑知識工作
本週，我們與哈佛商學院的研究人員合作，發表了一項新研究，探討人們在現實世界中如何實際使用 Perplexity Computer。
本週，我們與哈佛商學院的研究人員合作，發表了一項新研究，探討人們在現實世界中如何實際使用 Perplexity Computer。以及它在問世短短三個月內，如何已經在改變知識工作的形式。以下是我們發現的精簡版報告，以及為什麼我們認為值得關注的原因。
我們為何進行此項研究
在過去的幾十年裡，電腦與我們的工作距離日益縮短。每一項新介面，從指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。
隨著介面變得更加簡單，我們的問題也隨之簡化。但使用者仍然必須將需求拆解成多個步驟，手動輸入，並將結果重新拼湊在一起。
Perplexity Computer 改變了這一切。它能跨越檔案與工具，整合超過 20 個前沿模型，將一個請求轉化為多個理解目標、分工合作並非同步執行任務的團隊（teams）。使用者要求的是結果，而非過程。
我們想了解當人們真正開始以這種方式工作時會發生什麼。
我們的發現
使用者要求的是工作成果，而非答案。
搜尋引擎提供答案，而 Computer 執行任務。在面對近乎相同的請求時，Computer 平均執行了 26 分鐘的機器工作，而搜尋引擎則為 33 秒——在同一任務上的效率提升了 48 倍。這些時間花費在搜尋、編輯、執行程式碼以及存取連接的工具上——Computer 在每個工作階段（session）對外部應用程式與連接器（connectors）的呼叫次數大約是搜尋引擎的 12 倍。使用者的精力集中在兩端：設定目標與檢閱結果。中間過程則由代理人（agents）處理。
它的速度明顯更快，且成本更低。
在 10,000 組配對任務（即在搜尋引擎與 Computer 上執行相同的請求）中，Computer 將預估時間縮短了 87%，成本降低了 94%。原本需要 269 分鐘的工作流程（workflow）縮短至 36 分鐘。
此節省效果涵蓋了 18 個領域：軟體、金融、行銷、醫療保健、法律、教育等。在使用者訪談中，平均每位受訪者表示其工作速度提升了 25 倍，甚至有人表示速度提升超過 300 倍。
需求變得更大、更廣。
隨著執行任務交由系統處理，追求雄心勃勃專案的門檻降低了。23% 的 Computer 請求是人們從未要求搜尋引擎做過的事——集中在軟體、網頁開發、文件編寫與資料視覺化等方面——這些是任務，而非問題。
所有 Computer 請求中，有一半要求 Computer 產生特定成果——是搜尋引擎比例的兩倍——且 76% 的請求需要分析、評估或創造，而非僅是查詢（搜尋引擎為 55%）。71% 的請求涉及抽象、非常規的工作（搜尋引擎為 53%）。典型的 Computer 任務涵蓋了 2.4 個專業領域，而搜尋引擎僅運用了 1.74 個，且 Computer 需要 3 個或更多領域協助的可能性高出近三倍。
人們也開始在自身專業領域之外進行工作。在來自八個職業群體的 8,000 名使用者中，人們使用 Computer 時，有 59% 的時間是在執行主要職業以外的工作，而使用搜尋引擎時則為 50%。
品質並未下降。
在不同領域從事更艱鉅的工作並未降低品質。多模型編排讓 Computer 能將每個步驟與最合適的模型匹配，因此一個跨越研究、分析與設計的請求，在每個階段都由正確的模型處理，而不是由單一模型全權負責。這種路由機制使得工作能在請求變得更加複雜的同時，依然維持相同的品質標準。
為什麼這很有趣
人工智慧速度很快，這是預料之中的。
更有趣的發現是人們選擇如何運用節省下來的時間。當執行的成本變低，計算方式就改變了。以前不值得做的工作，現在突然變得值得做了。過去需要專家才能完成的工作，現在你自己就能有模有樣地嘗試一番。
知識工作中的瓶頸很少在於尋找資訊，而是在於執行的能力。Perplexity Computer 承擔了這種能力，結果就是，人們的目標定得更高。他們從操作者轉變為監督者——花費更少的時間執行工作流程（workflow），而花更多時間在設定目標與核對產出。
接下來是什麼
我們仍處於早期階段。Computer 問世才三個月，人們正逐漸習慣與它協作，而工作流程（workflow）與使用習慣無疑會隨著時間而調整。
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（teams）與組織層面進行整合，是一個尚未解決的問題，也是我們接下來最感興趣的部分。