Computer如何重塑知识工作
本周，我们与哈佛商学院的研究人员合作发布了一项新研究，探讨人们在现实世界中如何实际使用Perplexity Computer。
本周，我们与哈佛商学院的研究人员合作发布了一项新研究，旨在探讨人们在现实世界中如何实际使用Perplexity Computer，以及它在问世的前三个月内如何改变了知识工作的形态。以下是我们研究发现的简要版本，以及我们认为值得关注的原因。
我们为何进行这项研究
在过去的几十年里，计算机与我们工作的联系愈发紧密。每一个新的界面，从命令行到图形用户界面（GUI），再到触控屏，都承担了更多任务并减轻了用户的负担。
随着界面变得简洁，我们的问题也随之简化。但用户仍然必须将请求分解为若干步骤，手动输入，并将结果重新拼凑在一起。
Perplexity Computer改变了这一点。它跨越文件和工具编排了超过20个前沿模型，将一个请求转化为理解目标、分担工作并异步执行的团队。用户要求的是结果，而非过程。
我们想知道当人们真正开始以这种方式工作时会发生什么。
我们的发现
用户要求的是工作成果，而非答案。
搜索提供答案。Computer则执行答案。在几乎相同的请求下，Computer平均执行了26分钟的机器工作，而搜索仅为33秒——在相同任务上提高了48倍。这些时间用于搜索、编辑、运行代码以及调用关联工具——每个会话中，Computer对外部应用和连接器的调用次数约为搜索的十二倍。用户的工作重心集中在两端：设定目标和评估结果。中间过程由智能体处理。
它不仅明显更快，而且更经济。
在10,000对匹配的任务中（即在搜索和Computer上执行的相同类型的请求），Computer将预估时间缩短了87%，成本降低了94%。一个原本需要269分钟的工作流缩短至36分钟。
这种节省涵盖了18个领域：软件、金融、营销、医疗保健、法律、教育等。在用户访谈中，中位用户报告其工作速度提高了25倍。有些人甚至报告速度提升超过300倍。
需求变得更大、更广。
随着执行由系统处理，追求宏大项目的门槛降低了。23%的Computer请求是用户从未要求搜索执行的事情——集中在软件、Web开发、文档编写和数据可视化方面——这些是具体任务，而非简单询问。
所有Computer请求中有一半要求Computer产出某种成果——是搜索占比的两倍；且76%的任务需要分析、评估或创作，而非单纯的查找，搜索中这一比例为55%。71%的任务涉及抽象、非日常工作，而搜索为53%。一个典型的Computer任务跨越2.4个专业领域，而搜索仅涉及1.74个，且其需要3个或更多领域的可能性是搜索的近三倍。
人们也开始跨领域工作。在来自八个职业群体的8,000名用户中，人们使用Computer时有59%的时间在从事其主要职业以外的工作，而使用搜索时为50%。
质量并未下降。
在不同领域承担更艰巨的工作并未降低质量。多模型编排使Computer能够将每个步骤匹配到最适合的模型，因此一个跨越研究、分析和设计的请求在每个阶段都由正确的模型处理，而不是由一个模型包办。这种路由机制确保了即使在请求变得更加复杂的情况下，工作仍能保持相同的质量标准。
为何这很有趣
人工智能速度快，这是预料之中的。
更有趣的发现是人们如何利用节省下来的时间。当执行成本降低时，计算方式也随之改变。以前不值得做的工作现在变得值得做了。过去需要专家的工作，现在你自己也能可靠地尝试一下。
知识工作的瓶颈很少在于查找信息，而在于执行能力。Perplexity Computer承担了这种能力，结果就是，人们的目标更高了。他们从操作者转变为监督者——减少了运行工作流的时间，增加了设定目标和检查产出的时间。
接下来是什么
我们仍处于早期阶段。Computer仅问世三个月，人们正在逐渐适应与之共事，工作流和使用方式无疑会随时间而调整。
但这些数据已经证明了个人行为层面的转变。
它如何在团队和组织层面进行汇总是一个悬而未决的问题，也是我们接下来最感兴趣的问题。