წარმოიდგინეთ, რომ ორ სხვადასხვა AI ინსტრუმენტს ერთსა და იმავე დავალებას აძლევთ: ახალი პროდუქტის კონკურენტული გარემო უნდა შეისწავლონ. პირველი რამდენიმე წამში გიბრუნებთ მოკლე შეჯამებასა და ბმულების სიას. შემდეგ თავად ხსნით წყაროებს, აგროვებთ მონაცემებს, აწყობთ ცხრილს, ამზადებთ გრაფიკს და ბოლოს წერილობით ანალიზსაც თავად ქმნით.
მეორე დაახლოებით ოც წუთში ბრუნდება უკვე გამზადებული ცხრილით, გრაფიკითა და ანგარიშის საწყისი ვერსიით. სხვაობა სწორედ აქ იწყება. პირველი ინსტრუმენტი ინფორმაციას გაძლევთ, მეორე კი სამუშაოს ნაწილს რეალურად ასრულებს.
2026 წლის თებერვლიდან მაისამდე ჩატარებულმა კვლევამ Perplexity-ის ორი ტიპის AI ინსტრუმენტი შეადარა ერთმანეთს: ჩვეულებრივი სასაუბრო ასისტენტი და უფრო დამოუკიდებლად მოქმედი აგენტი. მკვლევრებს აინტერესებდათ არა მხოლოდ ის, რომელი იყო უფრო სწრაფი, არამედ რა იცვლებოდა თავად სამუშაოში, როცა ადამიანი მხოლოდ ინფორმაციის მიღებიდან მთელი დავალების გადაბარებაზე გადადიოდა. კვლევის ერთ-ერთი მთავარი დასკვნა ისაა, რომ AI აგენტები მხოლოდ არსებულ სამუშაოს არ აჩქარებენ. ისინი ადამიანებს ისეთ დავალებებზე მუშაობასაც აწყებინებენ, რომელთა შესრულებას მანამდე საერთოდ არ სცდიდნენ.
დღეს ფართოდ გამოყენებული AI ინსტრუმენტები დაახლოებით სამ კატეგორიად შეიძლება დავყოთ. პირველი არის სასაუბრო ასისტენტი, რომელიც კითხვებს პასუხობს, ტექსტს წერს და ინფორმაციას ამუშავებს, მაგრამ სხვა პროგრამებში თქვენს ნაცვლად არაფერს აკეთებს. მეორეა პროგრამებში ჩაშენებული დამხმარე, რომელიც უკვე უშუალოდ სამუშაო გარემოში მოქმედებს. მესამე კი AI აგენტია, რომელსაც შეუძლია დაგეგმოს დავალება, სხვადასხვა ინსტრუმენტი ერთმანეთთან დააკავშიროს და საბოლოოდ გამზადებული შედეგი დაგიბრუნოთ.
მთავარი განსხვავება დამოუკიდებლობის ხარისხშია. კვლევაში ჩვეულებრივი AI ასისტენტი ერთ დავალებაზე საშუალოდ დაახლოებით 33 წამს მუშაობდა, აგენტი კი 26 წუთს. ეს ნიშნავს, რომ აგენტი საშუალოდ დაახლოებით 48-ჯერ მეტ საქმეს ასრულებდა დამოუკიდებლად. ის უბრალოდ პასუხს არ აგენერირებდა. გეგმავდა, ეძებდა, ამუშავებდა ინფორმაციას და რამდენიმენაბიჯიან პროცესს თავად მიჰყვებოდა.
მნიშვნელოვანია ისიც, რომ მომხმარებლებს ამ დონის დამოუკიდებლობა დიდად არ აშინებდათ. აგენტს უფრო ხშირად სჭირდებოდა ნებართვა ან დამატებითი დაზუსტება, მაგრამ მომხმარებლები მას თითქმის ისეთივე იშვიათად აჩერებდნენ, როგორც ჩვეულებრივ ასისტენტს. ასეთი შეჩერებები უფრო საკონტროლო წერტილებად აღიქმებოდა, ვიდრე პრობლემად.
მომხმარებლის როლიც იცვლებოდა. ადამიანი ნაკლებად კარნახობდა თითოეულ ნაბიჯს და უფრო ხშირად ამოწმებდა საბოლოო შედეგს: სწორია თუ არა ეს მონაცემი, შეიძლება თუ არა იგივე ანალიზი სხვა პერიოდზეც გავრცელდეს, ხომ არ არის საჭირო დამატებითი წყარო. ადამიანი ოპერატორიდან უფრო ზედამხედველის როლში გადადიოდა.
დროისა და ხარჯის მხრივ განსხვავება საკმაოდ დიდია. კვლევის მიხედვით, იგივე ტიპის დავალების შესრულებას, როცა ადამიანი ჩვეულებრივ AI ასისტენტთან ერთად მუშაობდა, საშუალოდ 269 წუთი სჭირდებოდა. აგენტის გამოყენებისას ეს დრო დაახლოებით 36 წუთამდე მცირდებოდა. საშუალო დაზოგვა 87% იყო, ხარჯი კი დაახლოებით 94%-ით მცირდებოდა.
თუმცა აქ ერთი მნიშვნელოვანი დეტალია: AI აგენტი ყოველთვის საუკეთესო არჩევანი არ არის. მოკლე, მარტივი დავალებისთვის ჩვეულებრივი ასისტენტი ხშირად უფრო პრაქტიკულია. აგენტის მთავარი უპირატესობა მაშინ ჩნდება, როცა სამუშაო რამდენიმე ეტაპს, სხვადასხვა წყაროსა და რამდენიმე პროგრამას მოითხოვს. მაგალითად, ერთ შეკითხვაზე პასუხის მისაღებად რთული აგენტის გამოყენება შეიძლება ზედმეტი იყოს. მაგრამ თუ საჭიროა მონაცემების მოძიება, ცხრილში გადატანა, გრაფიკის შექმნა და საბოლოო ანგარიშის მომზადება, აქ უკვე დამოუკიდებელი აგენტი გაცილებით მეტ დროს ზოგავს.
კვლევის ყველაზე საინტერესო ნაწილი მაინც პროდუქტიულობა არ არის. მკვლევრებმა აღმოაჩინეს, რომ ადამიანები AI აგენტებს უფრო რთულ დავალებებს აძლევდნენ. მათ მიერ მოთხოვნილი სამუშაო უფრო ხშირად საჭიროებდა ახალი რაღაცის შექმნას, რამდენიმე სფეროს ცოდნის გაერთიანებასა და ერთმანეთისგან განსხვავებული ნაბიჯების ერთ დავალებად შეკვრას.
აგენტისთვის მიცემული დავალებების 76% შედარებით რთულ აზროვნებას მოითხოვდა, მაშინ როცა ჩვეულებრივი ასისტენტის შემთხვევაში ეს მაჩვენებელი 55% იყო. ახალი მასალის შექმნაზე ორიენტირებული დავალებები აგენტებთან დაახლოებით ორჯერ ხშირად გვხვდებოდა.
ადამიანები საკუთარი პროფესიის ფარგლებსაც უფრო ხშირად სცდებოდნენ. მაგალითად, მარკეტერს შეეძლო ფინანსური მოდელის აწყობა დაევალებინა, ინჟინერს იურიდიული ფორმატის შეჯამება მოეთხოვა, დიზაინერს კი მონაცემთა ანალიზი. აგენტთან მუშაობისას პროფესიული საზღვრების გადაკვეთა 59% შემთხვევაში ჩანდა, ჩვეულებრივ ასისტენტთან კი – 50%-ში.
კიდევ უფრო საინტერესოა ის, რომ აგენტისთვის მიცემული დავალებების დაახლოებით 23% ისეთი იყო, რომლის შესრულებაც მომხმარებლებს ჩვეულებრივი ასისტენტით საერთოდ არ უცდიათ. უფრო ფართო განსაზღვრებით, ეს მაჩვენებელი 40%-საც აჭარბებდა. ანუ ადამიანი უბრალოდ ძველ საქმეს უფრო სწრაფად აღარ აკეთებდა. ის იწყებდა ისეთ სამუშაოსაც, რომელიც ადრე ზედმეტად რთული, ხანგრძლივი ან ტექნიკურად მოუხერხებელი ჩანდა.
ეს ცვლილება კომპანიებისთვის საკმაოდ ბევრ რამეს ცვლის. თუ თანამშრომელი აღარ აკეთებს თითოეულ ნაბიჯს ხელით, სამუშაოს ორგანიზებაც სხვაგვარად უნდა მოხდეს. მნიშვნელოვანი ხდება კარგი დავალების ჩამოყალიბება, მიღებული შედეგის შემოწმება და იმის განსაზღვრა, სად არის ადამიანის ჩარევა აუცილებელი. მაგალითად, აგენტს შეიძლება სრული კვლევის ჩატარება დაევალოს, მაგრამ საბოლოო ანგარიშის ფაქტობრივი სიზუსტე ადამიანმა შეამოწმოს. შეიძლება ელფოსტის ტექსტიც მოამზადოს, თუმცა გაგზავნამდე საბოლოო თანხმობა თანამშრომელმა მისცეს. იგივე ეხება ფულის გადარიცხვას, სისტემაში ცვლილების შეტანას ან სხვა მოქმედებას, რომელსაც რეალური შედეგი აქვს.
კვლევის ავტორები სწორედ ამიტომ გვირჩევენ, წინასწარ გაიმიჯნოს, რა შეუძლია AI-ს დამოუკიდებლად გააკეთოს და სად არის საჭირო ადამიანის საბოლოო თანხმობა.
იცვლება სამუშაო როლებიც. თუ ერთი ადამიანი AI-ს დახმარებით უკვე მარკეტინგის, ფინანსების, ანალიზისა და ტექსტური სამუშაოს ნაწილს ერთდროულად უმკლავდება, კომპანიებში ტრადიციული საზღვრები ბუნდოვანი ხდება. ეს შეიძლება ეფექტიანობის წყარო იყოს, მაგრამ ასევე შექმნას პასუხისმგებლობის პრობლემა.
თუ ადამიანი ისეთ სფეროში მუშაობს, რომლის ექსპერტიც არ არის, მიღებული შედეგის შეფასება მაინც შესაბამის სპეციალისტს უნდა შეეძლოს. AI ადამიანს სხვა სფეროში გადასვლის შესაძლებლობას აძლევს, თუმცა პროფესიულ ცოდნას სრულიად ვერ ანაცვლებს.
ამიტომ კომპანიებისთვის მთავარი კითხვა მხოლოდ ის არ უნდა იყოს, რამდენი საათი დაზოგეს. თუ წარმატებას მხოლოდ პროდუქტიულობით გაზომავენ, შეიძლება ყველაზე მნიშვნელოვანი ცვლილება გამორჩეთ: თანამშრომლები იწყებენ უფრო რთულ, მრავალფეროვან და მასშტაბურ სამუშაოზე მუშაობას. კვლევის ავტორების აზრით, სწორედ ამ შესაძლებლობის გაფართოებაა ერთ-ერთი ყველაზე მნიშვნელოვანი შედეგი, რომელსაც ჩვეულებრივი „დაზოგილი დროის“ მაჩვენებელი ვერ ასახავს.
რა თქმა უნდა, თავად კვლევასაც აქვს შეზღუდვები. მონაცემები AI-ის ადრეული მომხმარებლების ქცევას ეფუძნება, ამიტომ ყველა თანამშრომლის სამუშაო სტილს პირდაპირ ვერ ასახავს. ავტორებიც აღნიშნავენ, რომ კონკრეტული პროცენტული მაჩვენებლები დაახლოებით უნდა აღვიქვათ, თუმცა საერთო მიმართულება საკმაოდ მკაფიოა.
AI აგენტები ავტომატიზაციის კიდევ ერთ ინსტრუმენტად შეიძლება ჩანდეს, მაგრამ მათი რეალური გავლენა უფრო ფართოა.
ადამიანი თანდათან ნაკლებ დროს ხარჯავს ყველა ნაბიჯის ხელით შესრულებაზე და მეტ დროს უთმობს დავალების სწორად ჩამოყალიბებას, შედეგის შეფასებასა და საბოლოო გადაწყვეტილებას. ამავე დროს, შეუძლია ისეთ სამუშაოსაც მოკიდოს ხელი, რომელსაც ადრე საკუთარი გამოცდილების, დროის ან ტექნიკური შესაძლებლობების გამო ვერ შეასრულებდა.
ამიტომ მომავლის სამუშაოზე საუბრისას კითხვა მხოლოდ „რამდენად სწრაფად შეგვიძლია ამის გაკეთება?“ აღარ იქნება.
უფრო მნიშვნელოვანი ხდება სხვა კითხვა: რის გაკეთება შეგვიძლია ახლა, რასაც აქამდე საერთოდ არ ვცდილობდით?
წყარო: HBR
