Versi singkat
edisi 2026Poin-poin penting
Setiap informasi terkait terhubung ke baris datanya yang kanonik. Angka yang dilaporkan adalah milik produsennya yang dikutip; hasil yang dimodelkan diberi label sebagai perhitungan.
- Eksperimen penulisan: waktu tugas lebih singkat dengan bantuan AI: 40% (eksperimen 2023; diterbitkan Juli 2023).MIT / Noy dan Zhang
- Eksperimen penulisan: kualitas keluaran yang dievaluasi lebih tinggi: 18% (eksperimen 2023; diterbitkan Juli 2023).MIT / Noy dan Zhang
- Eksperimen konsultasi: peningkatan sub-tugas yang diselesaikan: 12,2% (Studi pertama kali dirilis pada 2023; ringkasan studi yang dipublikasikan April 2026).Harvard Business School AI Institute / Dell’Acqua dan kolega
- Eksperimen konsultasi: kualitas kira-kira lebih tinggi pada latihan inovasi: 32% (Studi pertama kali dirilis pada 2023; ringkasan studi yang dipublikasikan April 2026).Harvard Business School AI Institute / Dell’Acqua dan kolega
- Tugas strategi: jawaban benar tanpa AI: 84,5% (Studi pertama kali dirilis pada 2023; ringkasan studi yang dipublikasikan April 2026).Harvard Business School AI Institute / Dell’Acqua dan kolega
- Tugas strategi: jawaban benar dengan akses GPT-4: 70,6% (Studi pertama kali dirilis pada 2023; ringkasan studi yang dipublikasikan April 2026).Harvard Business School AI Institute / Dell’Acqua dan kolega
- Tugas strategi: jawaban benar dengan GPT-4 dan gambaran umum prompt: 60% (Studi pertama kali dirilis pada 2023; ringkasan studi yang dipublikasikan April 2026).Harvard Business School AI Institute / Dell’Acqua dan kolega
- Eksperimen Copilot: pengurangan waktu penyelesaian pada satu tugas pengkodean: 55,8% (15 Mei–20 Juni 2022).Peng, Kalliamvakou, Cihon, dan Demirer
- Eksperimen METR awal 2025: waktu penyelesaian lebih lama dengan AI diizinkan: 19% (Februari–Juni 2025).METR
- Peserta METR: percepatan AI yang dirasakan setelah eksperimen: 20% (Februari–Juni 2025).METR
Apakah AI membantu tugas penulisan profesional singkat?
Eksperimen penulisan menemukan waktu yang lebih sedikit dihabiskan dan kualitas yang dievaluasi lebih tinggi dengan bantuan. Tugas-tugasnya tidak memerlukan presisi faktual penuh atau konteks organisasi dari banyak dokumen yang dihadapi pelanggan.
| Hasil versus kontrol | Perubahan yang dilaporkan |
|---|---|
| Pengurangan waktu tugas | 40%Eksperimen acak |
| Peningkatan kualitas yang dievaluasi | 18%Eksperimen acak |
Peningkatan skor kualitas dan pengurangan waktu adalah hasil yang berbeda dan tidak boleh ditambahkan.
Sumber primer: MIT / Noy dan Zhang — 14 Juli 2023
Bisakah AI meningkatkan satu tugas konsultasi dan merusak yang lain?
Ya. Studi ini memisahkan tugas yang dapat ditangani model dari masalah strategi yang tidak dapat diandalkannya. Produktivitas pada set pertama tidak menetapkan akurasi pada set kedua.
| Hasil dan kondisi | Persentase yang dilaporkan |
|---|---|
| Lebih banyak sub-tugas yang diselesaikan dalam latihan inovasi | 12.2%Eksperimen acak |
| Kualitas lebih tinggi pada latihan inovasi, kira-kira | 32%Eksperimen acak |
| Jawaban strategi yang benar: tanpa AI | 84.5%Eksperimen acak |
| Jawaban strategi yang benar: akses GPT-4 | 70.6%Eksperimen acak |
| Jawaban strategi yang benar: GPT-4 ditambah gambaran umum prompt | 60%Eksperimen acak |
Perkiraan kualitas bersifat aproksimatif. Ini adalah bukti historis GPT-4, bukan tolok ukur model saat ini.
Sumber primer: Harvard Business School AI Institute / Dell’Acqua dan kolega — 9 April 2026
Mengapa studi pengkodean melaporkan efek produktivitas yang berbeda?
Tugas pengkodean mandiri dan pemeliharaan di dalam repositori yang matang adalah tugas yang berbeda. Studi tersebut juga menggunakan generasi model dan metode perekrutan yang berbeda. Hasilnya harus tetap terpisah daripada dirata-ratakan.
| Studi dan hasil | Perubahan yang dilaporkan |
|---|---|
| Penugasan Copilot: pengurangan waktu penyelesaian | 55.8%Eksperimen acak |
| METR: peningkatan waktu penyelesaian aktual | 19%Eksperimen acak |
| METR: percepatan yang diantisipasi sebelum pekerjaan | 24%Persepsi peserta |
| METR: percepatan yang dirasakan setelah pekerjaan | 20%Persepsi peserta |
Tindak lanjut METR selanjutnya melaporkan masalah seleksi dan pengukuran waktu yang serius. Penulisnya tidak menganggap tindak lanjut tersebut sebagai perkiraan yang andal dari efek saat ini; perlambatan historis bukanlah klaim tentang semua pengembang pada tahun 2026.
Sumber primer: Peng, Kalliamvakou, Cihon, dan Demirer — 13 Februari 2023 · METR — 10 Juli 2025 · METR — 24 Februari 2026
Apa arti setiap perubahan waktu yang terukur pada baseline yang sama?
Indeks dasar memudahkan pembacaan aritmatika tanpa menggabungkan studi. Setiap kondisi kontrol diberi indeks awal yang sama; indeks bantuan yang dihasilkan masih merujuk hanya pada eksperimennya sendiri.
| Eksperimen | Indeks waktu bantuan; kontrol = 100 |
|---|---|
| Eksperimen penulisan | 60Perhitungan ternormalisasi |
| Penugasan Copilot | 44.2Perhitungan ternormalisasi |
| Tugas repositori METR | 119Perhitungan ternormalisasi |
Normalisasi Workspace369, bukan hasil yang diamati baru. Lebih rendah berarti lebih sedikit waktu. Pengurangan waktu bukanlah peningkatan persentase throughput yang sama, dan tidak ada perkiraan throughput yang diklaim.
Sumber primer: MIT / Noy dan Zhang — 14 Juli 2023 · Peng, Kalliamvakou, Cihon, dan Demirer — 13 Februari 2023 · METR — 10 Juli 2025
Bagaimana bisnis harus menguji penghematan waktu AI?
Tentukan tugas yang dapat diulang dan standar penerimaan sebelum membandingkan pekerjaan berbantuan dan tidak berbantuan. Sertakan persiapan prompt, pemeriksaan fakta, tinjauan, dan pengerjaan ulang. Jaga agar akses data pelanggan dan persyaratan persetujuan manusia tetap sama di seluruh perbandingan.
Lacak waktu dan kualitas. Jangan menerapkan persentase tugas penulisan ke seluruh daftar gaji atau mengasumsikan hasil yang sama untuk agen otonom.
Bagaimana laporan ini dibuat
Metodologi dan keterbatasan
- Ini adalah perbandingan bukti terpilih, bukan tinjauan sistematis atau meta-analisis. Studi dimasukkan untuk tugas yang dapat diidentifikasi, bukti produsen asli, dan definisi hasil yang dinyatakan dengan jelas.
- Angka penulisan dan konsultasi menggunakan ringkasan publik dari lembaga penelitian mereka tentang studi yang diterbitkan. Makalah pengkodean dan laporan METR memberikan detail eksperimental asli. Versi draf kerja dan versi yang diterbitkan tidak dicampur.
- Hasil terukur dan percepatan yang dirasakan memiliki label bukti terpisah. Perhitungan indeks waktu hanya menggunakan perubahan waktu penyelesaian terukur; keyakinan survei dikecualikan darinya.
- Versi model dan tanggal studi tetap terlampir pada temuan. Kami memeriksa tindak lanjut METR dan mempertahankan peringatannya tentang keandalan perkiraan yang lebih baru.
Apa yang tidak dapat diberitahukan oleh angka-angka ini kepada Anda
- Eksperimen yang dipilih tidak dapat menetapkan pengembalian investasi AI universal. Tugas yang berbeda, kondisi kontrol, peserta, dan tes kualitas mencegah persentase gabungan yang dapat dipertahankan.
- Ukuran sampel menggambarkan cakupan studi, bukan replikasi independen. Keterlibatan vendor dalam studi Copilot relevan untuk interpretasi.
- Hasil historis tidak menetapkan kemampuan model yang tersedia saat ini. Normalisasi tidak termasuk biaya implementasi atau menunjukkan penghematan tahunan yang berkelanjutan.
Kesegaran dan koreksi
Dikelola oleh tim editorial Workspace369. Tinjau setiap kuartal dan ketika produsen yang dikutip merilis studi pengganti. Tinjauan editorial berikutnya: Desember 2026. Pertahankan versi model historis dan tanggal observasi. Tanggal edisi hanya berubah ketika bukti atau konten ditinjau secara substansial; itu tidak mengubah periode observasi yang mendasarinya.
Edisi pertama: . Ekstraksi data, atribusi sumber, dan aritmatika diperiksa untuk edisi ini. Tidak ada tinjauan sejawat independen yang diklaim.
Menemukan kesalahan atau rilis primer yang lebih baru? Kirim koreksi dengan sumber dan statistik yang terpengaruh. Koreksi yang dikonfirmasi harus dicatat dalam riwayat revisi sebelum menerbitkan ulang.
Sumber primer dan asal-usul
Setiap sel numerik yang dilaporkan terhubung langsung ke produsernya. Unduhan mencakup lokasi tabel atau buku kerja yang tepat, periode observasi, tanggal akses, rumus, dan referensi input.
- MIT / Noy dan ZhangPengumuman riset MIT untuk eksperimen penulisan Sains yang diterbitkan ↗Diterbitkan 14 Juli 2023. Diakses 12 September 2026.Observasi faktual yang dipilih diparafrasekan dengan atribusi. Tidak ada laporan sumber, bagan, data peserta, atau database kepemilikan yang didistribusikan ulang; hak sumber tetap bersama produsernya.
- Harvard Business School AI Institute / Dell’Acqua dan kolegaKembali ke Awal AI di Tempat Kerja: tinjauan institusional dari eksperimen konsultasi yang dipublikasikan ↗Diterbitkan 9 April 2026. Diakses 12 September 2026.Observasi faktual yang dipilih diparafrasekan dengan atribusi. Tidak ada laporan sumber, bagan, data peserta, atau database kepemilikan yang didistribusikan ulang; hak sumber tetap bersama produsernya.
- Peng, Kalliamvakou, Cihon, dan DemirerDampak AI pada Produktivitas Pengembang: Bukti dari GitHub Copilot, arXiv v1 ↗Diterbitkan 13 Februari 2023. Diakses 12 September 2026.Observasi faktual yang dipilih diparafrasekan dengan atribusi. Tidak ada laporan sumber, bagan, data peserta, atau database kepemilikan yang didistribusikan ulang; hak sumber tetap bersama produsernya.
- METRMengukur Dampak AI Awal 2025 pada Produktivitas Pengembang Open-Source Berpengalaman ↗Diterbitkan 10 Juli 2025. Diakses 12 September 2026.Observasi faktual yang dipilih diparafrasekan dengan atribusi. Tidak ada laporan sumber, bagan, data peserta, atau database kepemilikan yang didistribusikan ulang; hak sumber tetap bersama produsernya.
- METRKami Mengubah Desain Eksperimen Produktivitas Pengembang Kami ↗Diterbitkan 24 Februari 2026. Diakses 12 September 2026.Observasi faktual yang dipilih diparafrasekan dengan atribusi. Tidak ada laporan sumber, bagan, data peserta, atau database kepemilikan yang didistribusikan ulang; hak sumber tetap bersama produsernya.
Dibuat untuk diperiksa, lalu dikutip
Cara mengutip laporan ini
Untuk statistik yang dilaporkan sumber, sebutkan penerbit asli dan tautkan ke baris yang tepat di sini saat menggunakan kompilasi kami. Untuk hasil pemodelan, kutip Workspace369 dan sertakan asumsi. Menautkan ke halaman ini tidak menjadikan kami produsen asli data pihak ketiga.
Workspace369. (2026-09-12). Tolok Ukur Produktivitas AI dan Penghematan Waktu. https://workspace369.com/research/ai-productivity-time-savings-benchmarks/. Sumber primer dan periode pengamatan seperti yang tercantum dalam laporan.
Unduhan adalah kumpulan data referensi berbahasa Inggris, termasuk di halaman yang diterjemahkan. Hak sumber tetap pada produsennya. Atribusikan kompilasi dan perhitungan Workspace369; konsultasikan persyaratan penggunaan kembali setiap sumber.