Versi pendek
edisi 2026Pengajaran utama
Setiap makluman dikaitkan dengan baris datanya yang kanonik. Angka yang dilaporkan adalah milik penerbitnya yang dipetik; hasil yang dimodelkan dilabel sebagai pengiraan.
- Eksperimen penulisan: masa tugasan lebih rendah dengan bantuan AI: 40% (eksperimen 2023; diterbitkan Julai 2023).MIT / Noy dan Zhang
- Eksperimen penulisan: kualiti output yang dinilai lebih tinggi: 18% (eksperimen 2023; diterbitkan Julai 2023).MIT / Noy dan Zhang
- Eksperimen perundingan: peningkatan dalam sub-tugas yang diselesaikan: 12.2% (Kajian pertama dikeluarkan pada 2023; ringkasan kajian diterbitkan April 2026).Harvard Business School AI Institute / Dell’Acqua dan rakan-rakan
- Eksperimen perundingan: kualiti lebih tinggi kira-kira pada latihan inovasi: 32% (Kajian pertama dikeluarkan pada 2023; ringkasan kajian diterbitkan April 2026).Harvard Business School AI Institute / Dell’Acqua dan rakan-rakan
- Tugas strategi: jawapan yang betul tanpa AI: 84.5% (Kajian pertama dikeluarkan pada 2023; ringkasan kajian yang diterbitkan April 2026).Harvard Business School AI Institute / Dell’Acqua dan rakan-rakan
- Tugas strategi: jawapan yang betul dengan akses GPT-4: 70.6% (Kajian pertama dikeluarkan pada 2023; ringkasan kajian yang diterbitkan April 2026).Harvard Business School AI Institute / Dell’Acqua dan rakan-rakan
- Tugas strategi: jawapan yang betul dengan GPT-4 dan gambaran keseluruhan gesaan: 60% (Kajian pertama dikeluarkan pada 2023; ringkasan kajian yang diterbitkan April 2026).Harvard Business School AI Institute / Dell’Acqua dan rakan-rakan
- Eksperimen Copilot: pengurangan masa penyiapan pada satu tugasan pengekodan: 55.8% (15 Mei–20 Jun 2022).Peng, Kalliamvakou, Cihon dan Demirer
- Eksperimen METR awal 2025: masa siap yang lebih lama dengan AI dibenarkan: 19% (Februari–Jun 2025).METR
- Peserta METR: pecutan AI yang dirasakan selepas eksperimen: 20% (Februari–Jun 2025).METR
Adakah AI membantu tugas penulisan profesional yang pendek?
Eksperimen penulisan mendapati masa yang lebih singkat dihabiskan dan kualiti yang dinilai lebih tinggi dengan bantuan. Tugasan mereka tidak memerlukan ketepatan fakta penuh atau konteks organisasi bagi banyak dokumen berhadapan pelanggan sebenar.
| Hasil berbanding kawalan | Perubahan yang dilaporkan |
|---|---|
| Pengurangan dalam masa tugas | 40%Eksperimen rawak |
| Peningkatan dalam kualiti yang dinilai | 18%Eksperimen rawak |
Peningkatan skor kualiti dan pengurangan masa adalah hasil yang berbeza dan tidak boleh ditambah.
Sumber primer: MIT / Noy dan Zhang — 14 Julai 2023
Bolehkah AI meningkatkan satu tugas perundingan dan merosakkan yang lain?
Ya. Kajian ini mengasingkan tugasan yang boleh dikendalikan oleh model daripada masalah strategi yang mana ia tidak boleh dipercayai. Produktiviti pada set pertama tidak membuktikan ketepatan pada set kedua.
| Hasil dan keadaan | Peratusan yang dilaporkan |
|---|---|
| Lebih banyak sub-tugas diselesaikan dalam latihan inovasi | 12.2%Eksperimen rawak |
| Kualiti lebih tinggi pada latihan inovasi, kira-kira | 32%Eksperimen rawak |
| Jawapan strategi yang betul: tiada AI | 84.5%Eksperimen rawak |
| Jawapan strategi yang betul: akses GPT-4 | 70.6%Eksperimen rawak |
| Jawapan strategi yang betul: GPT-4 ditambah gambaran keseluruhan gesaan | 60%Eksperimen rawak |
Anggaran kualiti adalah anggaran. Ini adalah bukti GPT-4 bersejarah, bukan penanda aras model hari ini.
Sumber primer: Harvard Business School AI Institute / Dell’Acqua dan rakan-rakan — 9 April 2026
Mengapa kajian pengekodan melaporkan kesan produktiviti yang berbeza?
Tugas pengekodan kendiri dan penyelenggaraan dalam repositori matang adalah tugas yang berbeza. Kajian juga menggunakan generasi model dan kaedah pengambilan yang berbeza. Hasil mereka harus kekal berasingan daripada dirata-ratakan.
| Kajian dan hasil | Perubahan yang dilaporkan |
|---|---|
| Tugasan Copilot: pengurangan masa penyiapan | 55.8%Eksperimen rawak |
| METR: peningkatan dalam masa siap sebenar | 19%Eksperimen rawak |
| METR: pecutan yang dijangkakan sebelum kerja | 24%Persepsi peserta |
| METR: pecutan yang dirasakan selepas kerja | 20%Persepsi peserta |
Tindak susulan METR kemudian melaporkan masalah pemilihan dan pengukuran masa yang serius. Penulisnya tidak menganggap tindak susulan itu sebagai anggaran yang boleh dipercayai bagi kesan semasa; perlambatan bersejarah bukanlah tuntutan tentang semua pembangun pada tahun 2026.
Sumber primer: Peng, Kalliamvakou, Cihon dan Demirer — 13 Februari 2023 · METR — 10 Julai 2025 · METR — 24 Februari 2026
Apa maksud setiap perubahan masa yang diukur pada asas yang sama?
Indeks asas memudahkan aritmetik dibaca tanpa menggabungkan kajian. Setiap keadaan kawalan diberikan indeks permulaan yang sama; indeks berbantu yang terhasil masih merujuk hanya pada eksperimennya sendiri.
| Eksperimen | Indeks masa berbantu; kawalan = 100 |
|---|---|
| Eksperimen penulisan | 60Pengiraan ternormal |
| Tugasan Copilot | 44.2Pengiraan ternormal |
| Tugas repositori METR | 119Pengiraan ternormal |
Normalisasi Workspace369, bukan hasil yang diperhatikan baharu. Lebih rendah bermakna kurang masa. Pengurangan masa bukanlah peningkatan peratusan yang sama dalam pengeluaran, dan tiada anggaran pengeluaran dituntut.
Sumber primer: MIT / Noy dan Zhang — 14 Julai 2023 · Peng, Kalliamvakou, Cihon dan Demirer — 13 Februari 2023 · METR — 10 Julai 2025
Bagaimana perniagaan harus menguji penjimatan masa AI?
Takrifkan tugas yang boleh diulang dan piawaian penerimaan sebelum membandingkan kerja berbantu dan tidak berbantu. Sertakan penyediaan gesaan, pemeriksaan fakta, semakan dan kerja semula. Pastikan akses data pelanggan dan keperluan kelulusan manusia tidak berubah merentasi perbandingan.
Jejaki kedua-dua masa dan kualiti. Jangan gunakan peratusan tugasan penulisan pada keseluruhan senarai gaji atau andaikan hasil yang sama untuk ejen autonomi.
Bagaimana laporan ini dibina
Metodologi dan batasan
- Ini adalah perbandingan bukti terpilih, bukan kajian sistematik atau meta-analisis. Kajian dimasukkan untuk tugasan yang boleh dikenal pasti, bukti pengeluar asal dan definisi hasil yang dinyatakan dengan jelas.
- Angka penulisan dan perundingan menggunakan ringkasan awam institusi penyelidikan mereka daripada kajian yang diterbitkan. Kertas pengekodan dan laporan METR menyediakan butiran eksperimen asal. Versi kertas kerja dan yang diterbitkan tidak bercampur.
- Hasil yang diukur dan pecutan yang dirasakan membawa label bukti yang berasingan. Pengiraan indeks masa hanya menggunakan perubahan masa siap yang diukur; kepercayaan tinjauan dikecualikan daripadanya.
- Versi model dan tarikh kajian kekal dilampirkan pada penemuan. Kami menyemak tindak susulan METR dan mengekalkan amaran tentang kebolehpercayaan anggaran yang lebih baharu.
Apa yang tidak dapat diberitahu oleh angka-angka ini kepada anda
- Eksperimen yang dipilih tidak boleh menetapkan pulangan pelaburan AI universal. Tugas yang berbeza, keadaan kawalan, peserta dan ujian kualiti menghalang peratusan gabungan yang boleh dipertahankan.
- Saiz sampel menerangkan skop kajian, bukan replikasi bebas. Penglibatan vendor dalam kajian Copilot relevan untuk tafsiran.
- Hasil bersejarah tidak membuktikan keupayaan model yang ada hari ini. Normalisasi tidak termasuk kos pelaksanaan atau menunjukkan penjimatan tahunan yang berterusan.
Kesegaran dan pembetulan
Dikekalkan oleh pasukan editorial Workspace369. Semak suku tahunan dan apabila penerbit yang dipetik mengeluarkan kajian pengganti. Semakan editorial seterusnya: Disember 2026. Simpan versi model bersejarah dan tarikh pemerhatian. Tarikh edisi hanya berubah apabila bukti atau kandungan disemak secara substantif; ia tidak mengubah tempoh pemerhatian asas.
Edisi pertama: . Pengekstrakan data, atribusi sumber dan aritmetik disemak untuk edisi ini. Tiada semakan rakan sebaya bebas dituntut.
Menemui ralat atau keluaran primer yang lebih baharu? Hantar pembetulan dengan sumber dan statistik yang terjejas. Pembetulan yang disahkan harus direkodkan dalam sejarah semakan sebelum diterbitkan semula.
Sumber primer dan asal usul
Setiap sel numerik yang dilaporkan dikaitkan terus dengan penerbitnya. Muat turun termasuk lokasi jadual atau buku kerja yang tepat, tempoh pemerhatian, tarikh akses, formula dan rujukan input.
- MIT / Noy dan ZhangPengumuman penyelidikan MIT untuk eksperimen penulisan Sains yang diterbitkan ↗Diterbitkan 14 Julai 2023. Diakses 12 September 2026.Pemerhatian fakta yang dipilih diringkaskan dengan atribusi. Tiada laporan sumber, carta, data peserta atau pangkalan data proprietari diedarkan semula; hak sumber kekal dengan pengeluarnya.
- Harvard Business School AI Institute / Dell’Acqua dan rakan-rakanKembali ke Permulaan AI di Tempat Kerja: kajian institusi eksperimen perundingan yang diterbitkan ↗Diterbitkan 9 April 2026. Diakses 12 September 2026.Pemerhatian fakta yang dipilih diringkaskan dengan atribusi. Tiada laporan sumber, carta, data peserta atau pangkalan data proprietari diedarkan semula; hak sumber kekal dengan pengeluarnya.
- Peng, Kalliamvakou, Cihon dan DemirerKesan AI terhadap Produktiviti Pembangun: Bukti daripada GitHub Copilot, arXiv v1 ↗Diterbitkan 13 Februari 2023. Diakses 12 September 2026.Pemerhatian fakta yang dipilih diringkaskan dengan atribusi. Tiada laporan sumber, carta, data peserta atau pangkalan data proprietari diedarkan semula; hak sumber kekal dengan pengeluarnya.
- METRMengukur Kesan AI Awal 2025 terhadap Produktiviti Pembangun Sumber Terbuka Berpengalaman ↗Diterbitkan 10 Julai 2025. Diakses 12 September 2026.Pemerhatian fakta yang dipilih diringkaskan dengan atribusi. Tiada laporan sumber, carta, data peserta atau pangkalan data proprietari diedarkan semula; hak sumber kekal dengan pengeluarnya.
- METRKami Mengubah Reka Bentuk Eksperimen Produktiviti Pembangun Kami ↗Diterbitkan 24 Februari 2026. Diakses 12 September 2026.Pemerhatian fakta yang dipilih diringkaskan dengan atribusi. Tiada laporan sumber, carta, data peserta atau pangkalan data proprietari diedarkan semula; hak sumber kekal dengan pengeluarnya.
Dibuat untuk disemak, kemudian disebut
Cara memetik laporan ini
Untuk statistik yang dilaporkan sumber, kreditkan penerbit asal dan pautkan ke baris tepat di sini apabila menggunakan kompilasi kami. Untuk hasil yang dimodelkan, sebutkan Workspace369 dan sertakan andaian. Pautan ke halaman ini tidak menjadikan kami pengeluar asal data pihak ketiga.
Workspace369. (2026-09-12). Penanda Aras Produktiviti AI dan Penjimatan Masa. https://workspace369.com/research/ai-productivity-time-savings-benchmarks/. Sumber primer dan tempoh pemerhatian seperti yang disenaraikan dalam laporan.
Muat turun ialah set data rujukan bahasa Inggeris, termasuk pada halaman yang diterjemahkan. Hak sumber kekal bersama pengeluarannya. Atribusi kepada penyusunan dan pengiraan Workspace369; rujuk syarat penggunaan semula setiap sumber.