간단한 버전
2026년 판주요 내용
각 결과는 해당 원본 데이터 행으로 연결됩니다. 보고된 수치는 해당 출처 제공자에게 속하며, 모델링된 결과는 계산으로 표시됩니다.
- 작성 실험: AI 지원으로 작업 시간 단축: 40% (2023년 실험; 2023년 7월 게시).MIT / Noy 및 Zhang
- 작성 실험: 더 높은 평가 출력 품질: 18% (2023년 실험; 2023년 7월 게시).MIT / Noy 및 Zhang
- 컨설팅 실험: 완료된 하위 작업 증가: 12.2% (2023년 최초 발표 연구; 2026년 4월 게시된 연구 요약).Harvard Business School AI Institute / Dell’Acqua 및 동료
- 컨설팅 실험: 혁신 과제에 대한 품질이 약 32% 더 높음 (2023년 최초 발표 연구; 2026년 4월 게시된 연구 요약).Harvard Business School AI Institute / Dell’Acqua 및 동료
- 전략 작업: AI 없이 정답률: 84.5% (2023년 최초 공개 연구; 2026년 4월 게시 연구 요약).Harvard Business School AI Institute / Dell’Acqua 및 동료
- 전략 작업: GPT-4 액세스 시 정답률: 70.6% (2023년 최초 공개 연구; 2026년 4월 게시 연구 요약).Harvard Business School AI Institute / Dell’Acqua 및 동료
- 전략 작업: GPT-4 및 프롬프트 개요 사용 시 정답률: 60% (2023년 최초 공개 연구; 2026년 4월 게시 연구 요약).Harvard Business School AI Institute / Dell’Acqua 및 동료
- Copilot 실험: 한 코딩 과제 완료 시간 감소: 55.8% (2022년 5월 15일–6월 20일).Peng, Kalliamvakou, Cihon 및 Demirer
- METR 2025년 초 실험: AI 허용 시 완료 시간 증가: 19% (2025년 2월-6월).METR
- METR 참가자: 실험 후 인지된 AI 속도 향상: 20% (2025년 2월-6월).METR
AI가 짧은 전문 작성 작업에 도움이 됩니까?
작성 실험은 지원을 통해 더 적은 시간을 소비하고 더 높은 평가 품질을 발견했습니다. 이 과제는 많은 실제 고객 대면 문서의 완전한 사실적 정확성이나 조직적 맥락을 요구하지 않았습니다.
| 결과 대 제어 | 보고된 변경 |
|---|---|
| 작업 시간 감소 | 40%무작위 실험 |
| 평가된 품질 증가 | 18%무작위 실험 |
품질 점수 향상과 시간 단축은 다른 결과이므로 합산해서는 안 됩니다.
AI가 한 컨설팅 작업은 개선하고 다른 작업은 해칠 수 있습니까?
예. 이 연구는 모델이 처리할 수 있었던 작업과 신뢰할 수 없었던 전략 문제를 분리합니다. 첫 번째 세트의 생산성이 두 번째 세트의 정확성을 확립하지는 않습니다.
| 결과 및 조건 | 보고된 백분율 |
|---|---|
| 혁신 연습에서 완료된 하위 작업 수 증가 | 12.2%무작위 실험 |
| 혁신 과제에 대한 품질 향상, 약 | 32%무작위 실험 |
| 정확한 전략 답변: AI 없음 | 84.5%무작위 실험 |
| 정확한 전략 답변: GPT-4 액세스 | 70.6%무작위 실험 |
| 정확한 전략 답변: GPT-4 및 프롬프트 개요 | 60%무작위 실험 |
품질 추정치는 근사치입니다. 이는 과거 GPT-4 증거이며 현재 모델의 벤치마크가 아닙니다.
기본 출처: Harvard Business School AI Institute / Dell’Acqua 및 동료 — 2026년 4월 9일
코딩 연구에서 생산성 효과가 다른 이유는 무엇입니까?
독립적인 코딩 과제와 성숙한 리포지토리 내 유지 관리는 다른 작업입니다. 연구에서는 또한 다른 모델 세대와 모집 방법을 사용했습니다. 결과는 평균화되기보다는 분리되어야 합니다.
| 연구 및 결과 | 보고된 변경 |
|---|---|
| Copilot 할당: 완료 시간 감소 | 55.8%무작위 실험 |
| METR: 실제 완료 시간 증가 | 19%무작위 실험 |
| METR: 작업 전 예상 속도 향상 | 24%참가자 인식 |
| METR: 작업 후 인지된 속도 향상 | 20%참가자 인식 |
METR의 후속 연구에서 심각한 선택 및 시간 측정 문제가 보고되었습니다. 저자들은 후속 연구를 현재 효과에 대한 신뢰할 수 있는 추정치로 간주하지 않습니다. 역사적 속도 저하는 2026년의 모든 개발자에 대한 주장이 아닙니다.
기본 출처: Peng, Kalliamvakou, Cihon 및 Demirer — 2023년 2월 13일 · METR — 2025년 7월 10일 · METR — 2026년 2월 24일
측정된 각 시간 변경은 동일한 기준선에서 무엇을 의미합니까?
기준 지수는 연구를 통합하지 않고 산술을 더 쉽게 읽을 수 있도록 합니다. 각 제어 조건에는 동일한 시작 지수가 할당됩니다. 결과 보조 지수는 자체 실험만 참조합니다.
| 실험 | 보조 시간 지수; 제어 = 100 |
|---|---|
| 작성 실험 | 60정규화된 계산 |
| Copilot 할당 | 44.2정규화된 계산 |
| METR 리포지토리 작업 | 119정규화된 계산 |
Workspace369 정규화, 새로운 관찰 결과가 아님. 낮다는 것은 시간이 적다는 것을 의미합니다. 시간 감소는 처리량의 백분율 증가와 같지 않으며, 처리량 추정치는 주장되지 않습니다.
기본 출처: MIT / Noy 및 Zhang — 2023년 7월 14일 · Peng, Kalliamvakou, Cihon 및 Demirer — 2023년 2월 13일 · METR — 2025년 7월 10일
비즈니스는 AI 시간 절약을 어떻게 테스트해야 합니까?
보조 및 비보조 작업을 비교하기 전에 반복 가능한 작업과 수락 기준을 정의합니다. 프롬프트 준비, 사실 확인, 검토 및 재작업을 포함합니다. 고객 데이터 액세스 및 인간 승인 요구 사항은 비교 전반에 걸쳐 변경되지 않도록 합니다.
시간과 품질을 모두 추적하십시오. 작성 작업 비율을 전체 급여에 적용하거나 자율 에이전트에 대해 동일한 결과를 가정하지 마십시오.
이 보고서 작성 방법
방법론 및 제한 사항
- 이것은 체계적인 검토 또는 메타 분석이 아니라 선택된 증거 비교입니다. 연구는 식별 가능한 작업, 원본 생성자 증거 및 명확하게 명시된 결과 정의를 위해 포함되었습니다.
- 작성 및 컨설팅 수치는 연구 기관의 공개된 연구 요약을 사용합니다. 코딩 논문 및 METR 보고서는 원본 실험 세부 정보를 제공합니다. 워킹 페이퍼 및 게시된 버전은 혼합되지 않습니다.
- 측정된 결과와 인지된 속도 향상은 별도의 증거 레이블을 가집니다. 시간 지수 계산은 측정된 완료 시간 변경만 사용하며, 설문 조사 신념은 제외됩니다.
- 모델 버전 및 연구 날짜는 결과에 첨부됩니다. METR 후속 연구를 확인했으며 최신 추정치의 신뢰성에 대한 경고를 유지했습니다.
이 숫자들로 알 수 없는 것들
- 선택된 실험은 보편적인 AI 투자 수익률을 확립할 수 없습니다. 다른 작업, 제어 조건, 참가자 및 품질 테스트는 방어 가능한 통합 백분율을 방해합니다.
- 표본 크기는 연구 범위를 설명하며 독립적인 복제본이 아닙니다. Copilot 연구에 대한 공급업체 참여는 해석과 관련이 있습니다.
- 과거 결과는 현재 사용 가능한 모델의 기능을 확립하지 않습니다. 정규화에는 구현 비용이 포함되지 않으며 지속적인 연간 절감을 입증하지도 않습니다.
최신성 및 수정
Workspace369 편집 팀에서 유지 관리합니다. 분기별 및 인용된 생산자가 대체 연구를 발표할 때 검토합니다. 다음 편집 검토: 2026년 12월. 과거 모델 버전 및 관찰 날짜를 유지합니다. 판본 날짜는 증거나 콘텐츠가 실질적으로 검토될 때만 변경됩니다. 기본 관찰 기간은 변경되지 않습니다.
초판: . 이 판에 대한 데이터 추출, 출처 명시 및 산술 계산을 확인했습니다. 독립적인 동료 검토는 주장되지 않습니다.
오류 또는 최신 기본 릴리스를 찾으셨나요? 원본 출처 및 영향을 받은 통계와 함께 수정 사항 보내기. 수정 사항은 재게시 전에 개정 기록에 기록되어야 합니다.
기본 출처 및 출처
보고된 모든 숫자 셀은 해당 생성자에게 직접 연결됩니다. 다운로드에는 정확한 테이블 또는 워크북 위치, 관찰 기간, 액세스 날짜, 공식 및 입력 참조가 포함됩니다.
- MIT / Noy 및 ZhangScience에 게재된 글쓰기 실험에 대한 MIT 연구 발표 ↗2023년 7월 14일 게시. 2026년 9월 12일 액세스.선택된 사실 관찰은 출처를 명시하여 의역되었습니다. 출처 보고서, 차트, 참가자 데이터 또는 독점 데이터베이스는 재배포되지 않으며, 출처 권리는 해당 제작자에게 있습니다.
- Harvard Business School AI Institute / Dell’Acqua 및 동료업무 속 AI의 시작으로 돌아가기: 게시된 컨설팅 실험의 기관 검토 ↗2026년 4월 9일 게시. 2026년 9월 12일 액세스.선택된 사실 관찰은 출처를 명시하여 의역되었습니다. 출처 보고서, 차트, 참가자 데이터 또는 독점 데이터베이스는 재배포되지 않으며, 출처 권리는 해당 제작자에게 있습니다.
- Peng, Kalliamvakou, Cihon 및 Demirer개발자 생산성에 대한 AI의 영향: GitHub Copilot의 증거, arXiv v1 ↗2023년 2월 13일 게시. 2026년 9월 12일 액세스.선택된 사실 관찰은 출처를 명시하여 의역되었습니다. 출처 보고서, 차트, 참가자 데이터 또는 독점 데이터베이스는 재배포되지 않으며, 출처 권리는 해당 제작자에게 있습니다.
- METR2025년 초 AI가 숙련된 오픈 소스 개발자 생산성에 미치는 영향 측정 ↗2025년 7월 10일 게시. 2026년 9월 12일 액세스.선택된 사실 관찰은 출처를 명시하여 의역되었습니다. 출처 보고서, 차트, 참가자 데이터 또는 독점 데이터베이스는 재배포되지 않으며, 출처 권리는 해당 제작자에게 있습니다.
- METR개발자 생산성 실험 설계를 변경하고 있습니다 ↗2026년 2월 24일 게시. 2026년 9월 12일 액세스.선택된 사실 관찰은 출처를 명시하여 의역되었습니다. 출처 보고서, 차트, 참가자 데이터 또는 독점 데이터베이스는 재배포되지 않으며, 출처 권리는 해당 제작자에게 있습니다.
확인 후 인용하도록 제작됨
이 보고서 인용 방법
출처 보고 통계의 경우, 원본 게시자를 명시하고 당사의 컴파일을 사용할 때 정확한 행에 링크하십시오. 모델링된 결과의 경우, Workspace369를 인용하고 가정을 포함하십시오. 이 페이지에 링크한다고 해서 당사가 제3자 데이터의 원본 생산자가 되는 것은 아닙니다.
Workspace369. (2026-09-12). AI 생산성 및 시간 절약 벤치마크. https://workspace369.com/research/ai-productivity-time-savings-benchmarks/. 보고서에 나열된 기본 출처 및 관찰 기간.
다운로드는 번역된 페이지를 포함한 영어 참조 데이터 세트입니다. 출처 권리는 해당 생산자에게 있습니다. Workspace369의 컴파일 및 계산을 출처로 명시하고 각 출처의 재사용 약관을 참조하십시오.