短縮版
2026年版主なポイント
各テイクアウェイは、その正規のデータ行にリンクされています。報告された数値は、引用された作成者に属し、モデル化された結果は計算としてラベル付けされています。
- ライティング実験：AI支援によるタスク時間の短縮：40%（2023年実験；2023年7月公開）。MIT / NoyとZhang
- ライティング実験：評価された出力品質が高い：18%（2023年実験；2023年7月公開）。MIT / NoyとZhang
- コンサルティング実験：完了したサブタスクの増加：12.2%（調査は2023年に初公開。2026年4月に公開調査サマリー）。ハーバード・ビジネス・スクールAIインスティテュート / Dell’Acquaら
- コンサルティング実験：イノベーション演習における品質の向上、約32%（調査は2023年に初公開。2026年4月に公開調査サマリー）。ハーバード・ビジネス・スクールAIインスティテュート / Dell’Acquaら
- 戦略タスク：AIなしでの正解率：84.5%（2023年に初公開された研究；2026年4月に公開された研究概要）。ハーバード・ビジネス・スクールAIインスティテュート / Dell’Acquaら
- 戦略タスク：GPT-4アクセスによる正解率：70.6%（2023年に初公開された研究；2026年4月に公開された研究概要）。ハーバード・ビジネス・スクールAIインスティテュート / Dell’Acquaら
- 戦略タスク：GPT-4とプロンプト概要による正解率：60%（2023年に初公開された研究；2026年4月に公開された研究概要）。ハーバード・ビジネス・スクールAIインスティテュート / Dell’Acquaら
- Copilot実験：1つのコーディング割り当ての完了時間の短縮：55.8%（2022年5月15日～6月20日）。Peng、Kalliamvakou、Cihon、Demirer
- METR 2025年初頭の実験：AI許可時の完了時間延長：19%（2025年2月～6月）。METR
- METR参加者：実験後のAIによるスピードアップ認識：20%（2025年2月～6月）。METR
AIは短いプロフェッショナルライティングタスクに役立ちますか？
ライティング実験では、支援を受けた場合、所要時間が短く、評価された品質が高いことがわかりました。この課題は、多くの実際の顧客向け文書に必要な完全な事実上の精度や組織的なコンテキストを必要としませんでした。
| 成果対制御 | 報告された変更 |
|---|---|
| タスク時間の短縮 | 40%ランダム化実験 |
| 評価された品質の向上 | 18%ランダム化実験 |
品質スコアの向上と時間の短縮は異なる成果であり、加算することはできません。
一次情報源： MIT / NoyとZhang — 2023年7月14日
AIは1つのコンサルティングタスクを改善し、別のタスクを損なうことができますか？
はい。この研究では、モデルが処理できるタスクと、信頼性が低かった戦略的問題を分離しています。最初のセットの生産性は、2番目のセットの正確性を確立するものではありません。
| 成果と条件 | 報告された割合 |
|---|---|
| イノベーション演習で完了したサブタスク数 | 12.2%ランダム化実験 |
| イノベーション演習における品質の向上、約 | 32%ランダム化実験 |
| 正しい戦略の回答：AIなし | 84.5%ランダム化実験 |
| 正しい戦略の回答：GPT-4アクセス | 70.6%ランダム化実験 |
| 正しい戦略の回答：GPT-4とプロンプトの概要 | 60%ランダム化実験 |
品質推定値は概算です。これは過去のGPT-4の証拠であり、今日のモデルのベンチマークではありません。
コーディング研究では、なぜ異なる生産性効果が報告されるのですか？
スタンドアロンのコーディング割り当てと、成熟したリポジトリ内でのメンテナンスは異なるタスクです。調査では、異なるモデル世代と募集方法も使用されました。それらの結果は、平均化されるのではなく、個別に保持されるべきです。
| 研究と成果 | 報告された変更 |
|---|---|
| Copilot割り当て：完了時間の短縮 | 55.8%ランダム化実験 |
| METR：実際の完了時間の増加 | 19%ランダム化実験 |
| METR：作業前の予測スピードアップ | 24%参加者の認識 |
| METR：作業後の認識スピードアップ | 20%参加者の認識 |
METRの後続調査では、深刻な選択バイアスと時間測定の問題が報告されています。著者らは、この後続調査を現在の効果の信頼できる推定値とは見なしていません。この歴史的なスローダウンは、2026年のすべての開発者に関する主張ではありません。
一次情報源： Peng、Kalliamvakou、Cihon、Demirer — 2023年2月13日 · METR — 2025年7月10日 · METR — 2026年2月24日
測定された各時間変化は、同じベースラインで何を意味しますか？
ベースラインインデックスにより、複数の調査をプールすることなく、計算が読みやすくなります。各対照条件には同じ開始インデックスが割り当てられます。結果の支援インデックスは、その独自の実験のみを参照します。
| 実験 | 支援時間インデックス；対照 = 100 |
|---|---|
| ライティング実験 | 60正規化された計算 |
| Copilot割り当て | 44.2正規化された計算 |
| METRリポジトリタスク | 119正規化された計算 |
Workspace369の正規化であり、新しい観測結果ではありません。低いほど時間が短いことを意味します。時間の削減は、スループットの同じパーセンテージ増加ではなく、スループットの推定値は主張されていません。
一次情報源： MIT / NoyとZhang — 2023年7月14日 · Peng、Kalliamvakou、Cihon、Demirer — 2023年2月13日 · METR — 2025年7月10日
チームはAIの時間節約をどのようにテストすべきですか？
支援作業と非支援作業を比較する前に、再現可能なタスクと受け入れ基準を定義します。プロンプトの準備、事実確認、レビュー、および手戻りを含めます。顧客データへのアクセスと人間の承認要件は、比較全体で変更しないでください。
時間と品質の両方を追跡します。ライティングタスクの割合を給与全体に適用したり、自律エージェントで同じ結果を仮定したりしないでください。
このレポートの作成方法
方法論と制限事項
- これは選択された証拠の比較であり、体系的なレビューやメタ分析ではありません。研究は、識別可能なタスク、元の作成者の証拠、および明確に述べられた結果の定義に基づいて含まれました。
- ライティングとコンサルティングの数値は、研究機関が公開した研究の公開要約を使用しています。コーディング論文とMETRレポートは、元の実験の詳細を提供します。ワーキングペーパー版と公開版は混在していません。
- 測定された成果と認識されたスピードアップは、個別の証拠ラベルを持ちます。時間インデックス計算は、測定された完了時間の変更のみを使用し、調査による見解は除外されます。
- モデルバージョンと研究日は、調査結果に付随したままです。METRの後続調査を確認し、新しい推定値の信頼性に関する警告を保持しました。
これらの数字が教えてくれないこと
- 選択された実験では、普遍的なAI投資収益率を確立することはできません。タスク、制御条件、参加者、品質テストが異なるため、正当なプールされた割合は計算できません。
- サンプルサイズは研究の範囲を記述しており、独立した再現ではありません。Copilot研究におけるベンダーの関与は、解釈に関連しています。
- 過去の結果は、今日利用可能なモデルの機能を確立するものではありません。正規化には実装コストが含まれておらず、持続的な年間節約額を示していません。
鮮度と修正
Workspace369編集チームによって維持されます。四半期ごと、および引用されたプロデューサーが代替調査をリリースしたときにレビューします。次の編集レビュー：2026年12月。過去のモデルバージョンと観察日を保持します。エディションの日付は、証拠またはコンテンツが実質的にレビューされた場合にのみ変更されます。基になる観察期間は変更されません。
初版： この版では、データの抽出、出典の明記、計算を確認しました。独立した査読は主張していません。
エラーまたはより新しい一次リリースを見つけましたか？ 情報源と影響を受けた統計とともに修正を送信修正が確認された場合は、再公開前に改訂履歴に記録してください。
一次情報源と来歴
報告された各数値セルは、その作成者に直接リンクされています。ダウンロードには、正確なテーブルまたはワークブックのロケーター、観測期間、アクセス日、数式、および入力参照が含まれます。
- MIT / NoyとZhangMITによる科学論文執筆実験の発表 ↗2023年7月14日公開。2026年9月12日アクセス。選択された事実の観測値は、帰属表示を付けて言い換えています。ソースレポート、チャート、参加者データ、または専有データベースは再配布されていません。ソース権は作成者に帰属します。
- ハーバード・ビジネス・スクールAIインスティテュート / Dell’AcquaらAIの仕事の始まりに戻る：公開されたコンサルティング実験の機関レビュー ↗2026年4月9日公開。2026年9月12日アクセス。選択された事実の観測値は、帰属表示を付けて言い換えています。ソースレポート、チャート、参加者データ、または専有データベースは再配布されていません。ソース権は作成者に帰属します。
- Peng、Kalliamvakou、Cihon、Demirer開発者の生産性に対するAIの影響：GitHub Copilotからの証拠、arXiv v1 ↗2023年2月13日公開。2026年9月12日アクセス。選択された事実の観測値は、帰属表示を付けて言い換えています。ソースレポート、チャート、参加者データ、または専有データベースは再配布されていません。ソース権は作成者に帰属します。
- METR2025年初頭のAIが経験豊富なオープンソース開発者の生産性に与える影響の測定 ↗2025年7月10日公開。2026年9月12日アクセス。選択された事実の観測値は、帰属表示を付けて言い換えています。ソースレポート、チャート、参加者データ、または専有データベースは再配布されていません。ソース権は作成者に帰属します。
- METR開発者生産性実験のデザインを変更します ↗2026年2月24日公開。2026年9月12日アクセス。選択された事実の観測値は、帰属表示を付けて言い換えています。ソースレポート、チャート、参加者データ、または専有データベースは再配布されていません。ソース権は作成者に帰属します。
確認され、引用されるために作成
このレポートの引用方法
出典報告の統計については、元の発行元にクレジットを記載し、当社の集計を使用する際はここに正確な行をリンクしてください。モデル化された結果については、Workspace369を引用し、仮定を含めてください。このページへのリンクは、当社が第三者データの元の作成者であることを意味するものではありません。
Workspace369. (2026-09-12). AI生産性と時間節約ベンチマーク。https://workspace369.com/research/ai-productivity-time-savings-benchmarks/. レポートに記載されている一次情報源と観測期間。
ダウンロードは英語の参照データセットであり、翻訳されたページも含まれます。ソースの権利は、その作成者に帰属します。Workspace369の集計と計算を引用し、各ソースの再利用条件を参照してください。