Krátká verze
Vydání 2026Klíčové poznatky
Každý odkaz vede na jeho kanonický datový řádek. Nahlášené údaje patří jejich citovanému producentovi; modelované výsledky jsou označeny jako výpočty.
- Experiment s psaním: kratší doba úkolu s pomocí AI: 40 % (experiment 2023; publikováno červenec 2023).MIT / Noy a Zhang
- Experiment s psaním: vyšší hodnocená kvalita výstupu: 18 % (experiment 2023; publikováno červenec 2023).MIT / Noy a Zhang
- Konzultační experiment: nárůst dokončených podúkolů: 12,2 % (studie poprvé vydána v roce 2023; souhrn publikované studie duben 2026).Harvard Business School AI Institute / Dell’Acqua a kolegové
- Konzultační experiment: přibližně vyšší kvalita u inovačního cvičení: 32 % (studie poprvé vydána v roce 2023; souhrn publikované studie duben 2026).Harvard Business School AI Institute / Dell’Acqua a kolegové
- Strategický úkol: správné odpovědi bez AI: 84,5 % (Studie poprvé vydána v roce 2023; souhrn publikované studie duben 2026).Harvard Business School AI Institute / Dell’Acqua a kolegové
- Strategický úkol: správné odpovědi s přístupem k GPT-4: 70,6 % (Studie poprvé vydána v roce 2023; souhrn publikované studie duben 2026).Harvard Business School AI Institute / Dell’Acqua a kolegové
- Strategický úkol: správné odpovědi s GPT-4 a přehledem promptů: 60 % (Studie poprvé vydána v roce 2023; souhrn publikované studie duben 2026).Harvard Business School AI Institute / Dell’Acqua a kolegové
- Experiment s Copilotem: snížení doby dokončení jednoho kódovacího zadání: 55,8 % (15. května – 20. června 2022).Peng, Kalliamvakou, Cihon a Demirer
- Experiment METR z počátku roku 2025: delší doba dokončení s povolenou AI: 19 % (únor–červen 2025).METR
- Účastníci METR: vnímané zrychlení AI po experimentu: 20 % (únor–červen 2025).METR
Pomáhá AI s krátkými úkoly profesionálního psaní?
Experiment s psaním zjistil méně času a vyšší hodnocenou kvalitu s pomocí. Jeho úkoly nevyžadovaly plnou faktickou přesnost nebo organizační kontext mnoha skutečných dokumentů určených pro zákazníky.
| Výsledek oproti kontrole | Nahlášená změna |
|---|---|
| Snížení doby úkolu | 40%Randomizovaný experiment |
| Zvýšení hodnocené kvality | 18%Randomizovaný experiment |
Zlepšení skóre kvality a snížení času jsou různé výsledky a nesmí se sčítat.
Primární zdroj: MIT / Noy a Zhang — 14. července 2023
Může umělá inteligence zlepšit jeden konzultační úkol a poškodit jiný?
Ano. Studie odděluje úkoly, které model mohl zvládnout, od strategického problému, na kterém byl nespolehlivý. Produktivita na první sadě nedokazuje přesnost na druhé.
| Výsledek a podmínka | Nahlášené procento |
|---|---|
| Více podúkolů dokončených v rámci inovačního cvičení | 12.2%Randomizovaný experiment |
| Vyšší kvalita u inovačního cvičení, přibližně | 32%Randomizovaný experiment |
| Správná strategická odpověď: žádná AI | 84.5%Randomizovaný experiment |
| Správná strategická odpověď: přístup k GPT-4 | 70.6%Randomizovaný experiment |
| Správná strategická odpověď: GPT-4 plus přehled promptů | 60%Randomizovaný experiment |
Odhad kvality je přibližný. Toto jsou historické důkazy GPT-4, nikoli benchmark dnešních modelů.
Primární zdroj: Harvard Business School AI Institute / Dell’Acqua a kolegové — 9. dubna 2026
Proč studie kódování hlásí různé efekty produktivity?
Samostatné kódovací zadání a údržba v zralém repozitáři jsou odlišné úkoly. Studie také používaly různé generace modelů a metody náboru. Jejich výsledky by měly zůstat oddělené, nikoli průměrované.
| Studie a výsledek | Nahlášená změna |
|---|---|
| Přiřazení Copilota: snížení doby dokončení | 55.8%Randomizovaný experiment |
| METR: nárůst skutečné doby dokončení | 19%Randomizovaný experiment |
| METR: očekávané zrychlení před prací | 24%Vnímání účastníka |
| METR: vnímané zrychlení po práci | 20%Vnímání účastníka |
Pozdější následná zpráva METR hlásila vážné problémy s výběrem a měřením času. Její autoři nepovažují následnou zprávu za spolehlivý odhad současného dopadu; historické zpomalení není tvrzením o všech vývojářích v roce 2026.
Primární zdroje: Peng, Kalliamvakou, Cihon a Demirer — 13. února 2023 · METR — 10. července 2025 · METR — 24. února 2026
Co znamená každá měřená změna času na stejném základě?
Základní index usnadňuje čtení aritmetiky bez sdružování studií. Každému kontrolnímu stavu je přiřazen stejný počáteční index; výsledný asistovaný index se stále vztahuje pouze k vlastnímu experimentu.
| Experiment | Asistovaný index času; kontrola = 100 |
|---|---|
| Experiment s psaním | 60Normalizovaný výpočet |
| Přiřazení Copilota | 44.2Normalizovaný výpočet |
| Úkoly v repozitáři METR | 119Normalizovaný výpočet |
Normalizace Workspace369, nikoli nový pozorovaný výsledek. Nižší znamená méně času. Snížení času není stejné procentuální zvýšení propustnosti a není nárokována žádná odhadovaná propustnost.
Primární zdroje: MIT / Noy a Zhang — 14. července 2023 · Peng, Kalliamvakou, Cihon a Demirer — 13. února 2023 · METR — 10. července 2025
Jak by měl podnik testovat úspory času s AI?
Definujte opakovatelný úkol a standard přijetí před porovnáním asistované a neasistované práce. Zahrňte přípravu promptů, kontrolu faktů, revizi a přepracování. Udržujte přístup k zákaznickým datům a požadavky na lidské schválení nezměněné napříč porovnáním.
Sledujte čas i kvalitu. Nepoužívejte procento úkolu psaní na celý mzdový list ani nepředpokládejte stejný výsledek pro autonomního agenta.
Jak byl tento report sestaven
Metodika a omezení
- Toto je výběrové porovnání důkazů, nikoli systematický přehled nebo metaanalýza. Studie byly zahrnuty pro identifikovatelné úkoly, důkazy původního tvůrce a jasně definované výsledky.
- Číselné údaje o psaní a konzultacích využívají veřejné souhrny publikovaných studií jejich výzkumných institucí. Článek o kódování a zpráva METR poskytují podrobnosti původního experimentu. Pracovní verze a publikované verze se nemíchají.
- Naměřené výsledky a vnímané zrychlení mají samostatné štítky důkazů. Výpočet časového indexu používá pouze naměřené změny doby dokončení; názory z průzkumu nejsou do něj zahrnuty.
- Verze modelů a data studií zůstávají připojeny k zjištěním. Zkontrolovali jsme následnou zprávu METR a ponechali její varování o spolehlivosti novějších odhadů.
Co vám tato čísla nemohou říci
- Vybrané experimenty nemohou stanovit univerzální návratnost investic do AI. Různé úkoly, kontrolní podmínky, účastníci a testy kvality brání obhajitelnému sdruženému procentu.
- Velikosti vzorků popisují rozsah studie, nikoli nezávislé replikace. Zapojení dodavatele do studie Copilot je relevantní pro interpretaci.
- Historické výsledky nestanovují schopnosti dnešních modelů. Normalizace nezahrnuje náklady na implementaci ani neprokazuje udržitelné roční úspory.
Aktuálnost a opravy
Spravováno redakčním týmem Workspace369. Revidováno čtvrtletně a při vydání náhradní studie citovaným producentem. Další redakční revize: prosinec 2026. Ponechte historické verze modelů a data pozorování. Datum vydání se mění pouze při podstatné revizi důkazů nebo obsahu; nemění se základní období pozorování.
První vydání: . Extrakce dat, uvedení zdroje a aritmetika zkontrolovány pro toto vydání. Nenárokuje se nezávislé recenzní řízení.
Našli jste chybu nebo novější primární vydání? Odešlete opravu se zdrojem a dotčenou statistikou. Potvrzené opravy by měly být zaznamenány v historii revizí před opětovným publikováním.
Primární zdroje a původ
Každá nahlášená číselná buňka odkazuje přímo na svého producenta. Ke stažení jsou zahrnuty přesné odkazy na tabulky nebo sešity, období pozorování, data přístupu, vzorce a odkazy na vstupy.
- MIT / Noy a ZhangOznámení o výzkumu MIT k publikovanému experimentu psaní ve vědeckém časopise ↗Publikováno 14. července 2023. Přístup 12. září 2026.Vybraná faktická pozorování parafrázovaná s uvedením zdroje. Žádná zdrojová zpráva, graf, data účastníků ani proprietární databáze nejsou redistribuovány; práva ke zdroji zůstávají u jeho producenta.
- Harvard Business School AI Institute / Dell’Acqua a kolegovéZpět na začátky umělé inteligence v práci: institucionální přezkum publikovaného konzultačního experimentu ↗Publikováno 9. dubna 2026. Přístup 12. září 2026.Vybraná faktická pozorování parafrázovaná s uvedením zdroje. Žádná zdrojová zpráva, graf, data účastníků ani proprietární databáze nejsou redistribuovány; práva ke zdroji zůstávají u jeho producenta.
- Peng, Kalliamvakou, Cihon a DemirerDopad AI na produktivitu vývojářů: důkazy z GitHub Copilot, arXiv v1 ↗Publikováno 13. února 2023. Přístup 12. září 2026.Vybraná faktická pozorování parafrázovaná s uvedením zdroje. Žádná zdrojová zpráva, graf, data účastníků ani proprietární databáze nejsou redistribuovány; práva ke zdroji zůstávají u jeho producenta.
- METRMěření dopadu AI z počátku roku 2025 na produktivitu zkušených vývojářů open-source ↗Publikováno 10. července 2025. Přístup 12. září 2026.Vybraná faktická pozorování parafrázovaná s uvedením zdroje. Žádná zdrojová zpráva, graf, data účastníků ani proprietární databáze nejsou redistribuovány; práva ke zdroji zůstávají u jeho producenta.
- METRMěníme design našeho experimentu produktivity vývojářů ↗Publikováno 24. února 2026. Přístup 12. září 2026.Vybraná faktická pozorování parafrázovaná s uvedením zdroje. Žádná zdrojová zpráva, graf, data účastníků ani proprietární databáze nejsou redistribuovány; práva ke zdroji zůstávají u jeho producenta.
Navrženo k ověření a následnému citování
Jak citovat tento report
U statistiky hlášené zdrojem uveďte původního vydavatele a při použití naší kompilace odkazujte na přesný řádek zde. U modelovaného výsledku citujte Workspace369 a uveďte předpoklady. Odkazování na tuto stránku z nás nečiní původního tvůrce dat třetích stran.
Workspace369. (2026-09-12). Benchmarky produktivity AI a úspory času. https://workspace369.com/research/ai-productivity-time-savings-benchmarks/. Primární zdroje a období pozorování, jak jsou uvedeny ve zprávě.
Ke stažení jsou referenční datové sady v angličtině, včetně těch na přeložených stránkách. Práva ke zdrojům zůstávají u jejich producentů. Uvádějte kompilaci a výpočty Workspace369; řiďte se podmínkami opakovaného použití každého zdroje.