PRŮVODCE společností

Co výzkum říká o AI a produktivitě na pracovišti

Řízené terénní experimenty ukazují, že generativní umělá inteligence může pracovníky výrazně zrychlit a zlepšit ve specifických úkolech, jako je zákaznická podpora, psaní a některé kódování, přičemž největší zisky obvykle připadají méně zkušeným pracovníkům.

Poslechněte si tento návodAI-vyprávěný · ~3 min

Na této stránce4 min čtení
  1. Přehled
  2. Hluboký ponor
  3. Real-World Implementace
  4. Budoucnost toho, co výzkum říká o AI a produktivitě na pracovišti
  5. Uvedení do praxe
  6. Pokračujte v objevování
  7. Často kladené otázky

Přehled

Zisky jsou však nerovnoměrné. Umělá inteligence může lidem zhoršit úkoly mimo její schopnosti a rozsáhlé studie celých pracovních sil a ekonomik zatím nacházejí mnohem menší účinky než laboratorní studie a studie s jedním úkolem.

Hluboký ponor

The best-known evidence comes from field and controlled experiments on well-defined tasks. Erik Brynjolfsson, Danielle Li and Lindsey Raymond studied more than 5,000 customer support agents who were given an AI assistant. On average they resolved about 14 percent more issues per hour. Novice and lower-skilled agents gained around 34 percent, and the most experienced agents gained little. The researchers argue the AI spread the know-how of top performers to everyone else. Shakked Noy and Whitney Zhang, publishing in Science in 2023, found that ChatGPT cut the time college-educated professionals spent on writing tasks by about 40 percent and raised rated quality by about 18 percent. A GitHub Copilot experiment found developers finished a set programming task about 55 percent faster. The 2023 Boston Consulting Group study with Harvard and other researchers added an important caveat, which it called the 'jagged technological frontier'. On tasks inside the AI's abilities, consultants with GPT-4 finished more tasks, faster and at higher quality. On a task designed to sit outside those abilities, they were less likely to get the right answer than consultants without AI, because they trusted plausible but wrong output. More recent findings are more modest. In a 2025 randomized trial by METR, experienced developers working in their own large codebases were about 19 percent slower with AI tools while believing they had been faster. Studies of whole labor markets, such as research on Danish workers, have found small effects on earnings and hours so far. Why the gap? Experiments isolate tasks that suit AI. Real jobs mix many tasks, time saved is not always reused productively, and organizations need to redesign workflows before gains show up. Economists saw a similar lag in measured productivity after electricity and computers arrived. The common misconception is that one headline percentage applies to every job.

Real-World Implementace

Ve velké studii zákaznické podpory agenti, kterým byl přidělen asistent AI, vyřešili v průměru více problémů za hodinu a nejnovější, nejméně zkušení agenti se zlepšili nejvíce.

V experimentu s úkoly profesionálního psaní dokončili účastníci používající ChatGPT rychleji a vytvořili práci, kterou srovnávači hodnotili jako vyšší.

Konzultanti z Boston Consulting Group si se GPT-4 vedli lépe v úkolech v rámci schopností umělé inteligence, ale měli větší pravděpodobnost, že dosáhnou nesprávných odpovědí na úkol, který byl záměrně navržen tak, aby spadal mimo ně.

Zkušeným open source vývojářům v roce 2025 v randomizované zkoušce od METR trvalo déle, než dokončili úkoly s nástroji AI, i když věřili, že tyto nástroje je zrychlily.

Budoucnost toho, co výzkum říká o AI a produktivitě na pracovišti

Důkazní základna rychle roste a modely studované v roce 2023 jsou již zastaralé, takže výsledky se mohou změnit, jak se nástroje, školení a pracovní postupy zlepšují. Klíčovými otevřenými otázkami jsou, zda zisky na úrovni úkolů přispívají k růstu produktivity na úrovni firmy a na národní úrovni, zda se výhody stále soustřeďují mezi méně zkušené pracovníky a jak zneužívání nebo přílišné spoléhání ovlivňuje lidi v dlouhodobém horizontu. Pečliví výzkumníci očekávají zpoždění, jaké bylo pozorováno u dřívějších univerzálních technologií. S velkými a téměř nulovými titulkovými čísly zacházejte opatrně, dokud nebudou k dispozici dlouhodobější údaje z celé ekonomiky.

Uvedení do praxe

Proč na tom záleží

  • Riziko a bezpečnost. Katastrofické a každodenní škody AI závisí na tom, kdo rozumí rizikům a kdo může jednat.
  • Jasnější rozhodnutí. Veřejná a odborná gramotnost určuje, zda je silná bezpečnostní politika politicky možná.
  • Prorážením humbuku. Jasná vysvětlení snižují zachytávání humbukem, PR v laboratoři a vágní etické divadlo.

Pozor na

  • Zacházení s existenčním rizikem jako sci-fi, zatímco schopnosti kombinují.
  • Matoucí bezpečnost povrchových produktů se zarovnáním pod vysokou autonomií.
  • Neanglické a neodborné publikum ponechává pouze nekvalitní zdroje.

Další kroky

  1. Oddělte rizika poškození produktu, nesprávného použití a ztráty kontroly/nesouladu.
  2. Zeptejte se, jaké důkazy by změnily váš pohled na časové osy a závažnost.
  3. Upřednostňujte primární zdroje a konkrétní hodnocení před marketingovými tvrzeními.
  4. Identifikujte jednu akční cestu: kariéru, politiku, financování nebo dovednosti – nejen povědomí.

Pokračujte v objevování

Newsletter zdarma

Získejte denní přehled o AI

Tři ověřené příběhy ze světa AI každý všední den ráno, psané srozumitelnou angličtinou. Navždy zdarma, bez reklam.

Jeden e-mail každý všední den. Odhlásit se můžete jedním kliknutím. Vaši adresu nikdy neprodáváme ani nesdílíme.

Otestujte se

Udělejte si kvíz Co říká výzkum o umělé inteligenci a produktivitě na pracovišti

Okamžitá zpětná vazba ke každé odpovědi a sdílitelný certifikát s ověřitelným ID po absolvování kurzu.

Spustit kvíz

Podpořte bezplatnou AI vzdělávání. AI Understanding je nezisková organizace 501(c)(3) — žádné reklamy, žádná platba za přístup, nikdy. Darujte

Často kladené otázky

Co říká výzkum o umělé inteligenci a produktivitě na pracovišti?

Řízené terénní experimenty ukazují, že generativní umělá inteligence může pracovníky výrazně zrychlit a zlepšit ve specifických úkolech, jako je zákaznická podpora, psaní a některé kódování, přičemž největší zisky obvykle připadají méně zkušeným pracovníkům. Zisky jsou však nerovnoměrné. Umělá inteligence může lidem zhoršit úkoly mimo její schopnosti a rozsáhlé studie celých pracovních sil a ekonomik zatím nacházejí mnohem menší účinky než laboratorní studie a studie s jedním úkolem.

Kteří agenti ve studii zákaznické podpory Brynjolfsson, Li a Raymond získali z AI nejvíce?

Začínající a méně kvalifikovaní agenti se zlepšili o přibližně 34 procent, zatímco ti nejzkušenější získali jen málo. Průměrný zisk byl asi 14 procent.

Co zjistila studie vědy Noy a Zhang z roku 2023 o ChatGPT o psaní úkolů?

Profesionálové dokončili psaní úkolů mnohem rychleji a srovnávači hodnotili kvalitu výše.

Co popisuje „zubatá technologická hranice“?

Schopnosti AI jsou nerovnoměrné. Uvnitř hranice to pomáhá a mimo ni mohou lidé, kteří tomu důvěřují, dopadnout hůř.

Co se ve studii BCG stalo s úkolem navrženým tak, aby nespadal mimo schopnosti AI?

Konzultanti používající k tomuto úkolu GPT-4 měli menší pravděpodobnost, že budou správně, protože důvěřovali věrohodným, ale nesprávným výstupům.

Co zjistila randomizovaná studie METR z roku 2025 se zkušenými vývojáři?

Naměřené časy dokončení byly s AI pomalejší, ale vývojáři věřili, že je to urychlilo. To ukazuje, jak nespolehlivé mohou být self-reporty.