Ar DI iš tikrųjų didina produktyvumą?

DI gali didinti produktyvumą, kai padeda žmonėms greičiau atlikti aiškiai apibrėžtas užduotis nemažinant kokybės. Tai labiausiai matoma tokiose srityse kaip juodraščių rengimas, santraukos, paieška, klientų aptarnavimas, pagalba programuojant, duomenų paruošimas, vertimas, įprasta analizė ir dokumentų darbo procesai.

Svarbiausias žodis yra „gali“. DI nėra universalus produktyvumo daugiklis. Tas pats įrankis gali padėti pradedančiajam, blaškyti ekspertą, pagreitinti rutininę užduotį, sulėtinti neaiškią arba perkelti darbą nuo kūrimo prie peržiūros.

Todėl rimtas atsakymas turi matuoti ir naudą, ir sąnaudas. Greitesnė išvestis vertinga tik tada, kai rezultatas yra tikslus, saugus, atitinkantis reikalavimus, tinkamas naudoti ir integruotas į realų darbo procesą.

DI įrankiai dažniausiai veikia geriausiai, kai užduotis turi aiškų tikslą, pakankamai pavyzdžių, greitą grįžtamąjį ryšį ir žmogų, galintį įvertinti rezultatą. Parengti pirmą juodraštį, klasifikuoti užklausas, apibendrinti susitikimą ar pasiūlyti kodą lengviau įvertinti nei priimti strateginį sprendimą turint neišsamią informaciją.

Todėl produktyvumo nauda dažnai pirmiausia pasirodo darbo procesuose, kuriuose DI sumažina trintį. Jis gali rasti kontekstą, generuoti variantus, pildyti pasikartojantį tekstą, siūlyti kitus žingsnius, konvertuoti formatus, rengti el. laiškus, aiškinti kodą, ruošti ataskaitas ar rūšiuoti perspėjimus.

Didžiausia nauda paprastai atsiranda tada, kai DI integruojamas į darbo procesą, o ne naudojamas kaip atskiras pokalbių langas. Įrankis, kuris žino užklausą, repozitoriją, dokumentą, kliento įrašą ar politikos kontekstą, gali pašalinti daugiau darbo nei bendras asistentas, kuriam nuolat reikia kopijuoti ir įklijuoti informaciją.

Įrodymai mišrūs, bet vis naudingesni. Gerai žinomas NBER klientų aptarnavimo agentų tyrimas nustatė vidutinį maždaug 14 % produktyvumo padidėjimą, o mažiau patyrusiems darbuotojams nauda buvo didesnė. Įrankis padėjo stipresnes patyrusių agentų praktikas perduoti naujesniems darbuotojams.

2026 m. Stanfordo AI Index apibendrina platesnį modelį: produktyvumo nauda stipriausia struktūruotame, išmatuojamame darbe, o užduotyse, kurioms reikia gilesnio samprotavimo, sprendimo ar ilgalaikės atsakomybės, rezultatai mažesni arba mažiau aiškūs.

Kai kurie kūrėjų tyrimai taip pat ragina atsargumui. METR pranešė, kad 2025 m. pradžios DI įrankiai atsitiktinių imčių aplinkoje sulėtino patyrusius atvirojo kodo kūrėjus, o vėliau perspėjo, kad naujus tyrimus tapo sunkiau interpretuoti, nes kūrėjai vis dažniau vengė dirbti be DI. Būtent čia esmė: produktyvumas priklauso nuo užduočių atrankos, įrankio brandos ir matavimo metodo.

Programinės įrangos kūrimas yra vienas aiškiausių ir pažado, ir sudėtingumo pavyzdžių. DI programavimo įrankiai gali automatiškai užbaigti kodą, paaiškinti nepažįstamus failus, rašyti testus, rengti dokumentaciją, migruoti API ir padėti kūrėjams suprasti didelę kodo bazę.

Tačiau kodas nėra naudingas vien todėl, kad greitai atsiranda. Jis turi kompiliuotis, praeiti testus, derėti su architektūra, vengti saugumo problemų, išlikti prižiūrimas ir būti suprantamas komandai. DI gali sumažinti rašymą, bet padidinti peržiūros naštą, jei išvestis atrodo įtikinama, bet yra subtiliai klaidinga.

DI agentai prideda dar vieną sluoksnį. Jie gali bandyti atlikti kelių žingsnių užduotis, paleisti įrankius ir redaguoti failus, tačiau jų vertė priklauso nuo ribų, testų aprėpties, leidimų ir žmogaus peržiūros. Geras agento darbo procesas gali sutaupyti laiko; prastai valdomas gali sukurti pakartotinio darbo.

Teiginiai apie DI produktyvumą dažnai ignoruoja paslėptas sąnaudas. Kažkas turi pasirinkti įrankį, sukonfigūruoti prieigą, apsaugoti duomenis, apmokyti darbuotojus, apibrėžti priimtiną naudojimą, peržiūrėti išvestis, stebėti kokybę ir tvarkyti nesėkmes.

Gali būti ir mokymosi sąnaudų. Jei žmonės per stipriai remiasi DI pasiūlymais, jie gali mažiau mokytis iš pačios užduoties. Jei komandos priima DI išvestį jos nesuprasdamos, iš pradžių jos gali judėti greičiau, bet kartu didinti operacinę ar techninę skolą.

Yra ir infrastruktūros sąnaudų. DI naudojimas vartoja inferencijos pajėgumus, programinės įrangos prenumeratas, saugumo peržiūrą, integracijos darbus ir kartais daugiau skaičiavimo išteklių. Naudingas produktyvumo skaičiavimas turėtų lyginti grynąją vertę, o ne tik demonstracijoje sutaupytas minutes.

Geriausias matavimas prasideda nuo darbo proceso, o ne nuo įrankio. Įmonė turėtų klausti, koks rezultatas svarbus: išspręstų užklausų skaičius per valandą, mažiau defektų, greitesni leidimo ciklai, geresnė dokumentacija, trumpesnis analizės laikas, didesnis klientų pasitenkinimas ar mažesnis klaidų lygis.

Geras matavimas lygina DI padedamą darbą su realistišku atskaitos tašku. Jis turėtų apimti kokybės patikras, peržiūros laiką, pakartotinį darbą, atitikties problemas, darbuotojų pasitenkinimą ir vėlesnį poveikį. Užduotis, kuri tampa 30 % greitesnė, bet sukuria daugiau klaidų, gali nebūti produktyvumo laimėjimas.

Patikimiausias metodas yra laipsniškas: pasirinkti darbo procesą, apibrėžti sėkmės metrikas, paleisti bandomąjį projektą, matuoti ir greitį, ir kokybę, tada plėsti tik ten, kur rezultatas aiškiai teigiamas.

Kitas etapas tikriausiai ateis iš DI, integruoto į įrankius, kuriuos žmonės jau naudoja: redaktorius, pagalbos sistemas, skaičiuokles, CRM, dizaino įrankius, saugumo platformas ir darbo procesų automatizavimo produktus. Kuo mažiau konteksto darbuotojai turi pateikti rankiniu būdu, tuo naudingesnis gali tapti DI.

DI agentai taip pat gali pakeisti skaičiavimą, atlikdami ilgesnes užduotis per kelis įrankius. Tačiau tai padidins leidimų, audito žurnalų, vertinimo, atšaukimo ir žmogaus patvirtinimo svarbą reikšmingiems veiksmams.

Realistinė išvada nėra nei ažiotažas, nei atmetimas. DI gali didinti produktyvumą, kartais reikšmingai, bet tik tada, kai organizacijos perkuria darbo procesus, sąžiningai matuoja rezultatus ir žmogaus peržiūrą laiko sistemos dalimi, o ne priedu po fakto.