AI gjenerative në punë: çfarë tregojnë studimet

Në këtë numër

Pak mjete kanë hyrë në zyra aq shpejt sa chatbot-et AI, dhe pak janë studiuar aq shpejt. Rezultatet ndryshojnë shumë. Ky numër i lexon krah për krah: çfarë mati secili studim, në cilën detyrë, dhe çfarë mund të marrë prej tyre një menaxher për ekipin e vet.

Në një eksperiment shkrimi, profesionistët me ChatGPT mbaruan 40% më shpejt. Në Danimarkë, përdoruesit e chatbot-eve AI kursyen mesatarisht 2,8% të orëve të punës. Te 244 konsulentë dolën tri mënyra pune me AI, dhe secila ndërtoi aftësi të tjera. Në një qendër mbështetjeje, punonjësit më të rinj fituan më shumë, dhe ata që ndoqën sugjerimet mësuan prej tyre; nxënësit që u mbështetën te një chatbot pa kufizime dolën më keq kur ai iku.

Stiven Janaqi, Redaktor

Tema kryesore

Dyzet për qind më shpejt, në letër

Në një eksperiment të botuar në 2023, Shakked Noy dhe Whitney Zhang nga MIT u dhanë 453 profesionistëve me arsim universitar dy detyra shkrimi nga puna e tyre, si një letër shoqëruese për një grant ose një email për një ristrukturim. Gjysma, e zgjedhur rastësisht, mund të përdorte ChatGPT te detyra e dytë. Punën e vlerësuan njerëz me përvojë nga të njëjtat profesione, pa ditur kush e kishte përdorur.

• 40% më pak kohë për detyrën, mesatarisht
• 18% nota më të mira nga vlerësuesit
• 68% dorëzuan draftin e parë të ChatGPT pa e redaktuar (versioni i punës)

Ata që kishin dalë më dobët te detyra e parë fituan më shumë, kështu që diferenca mes punonjësve u ngushtua. Autorët i emërtuan edhe kufijtë: detyrat nuk kërkonin njohuri për një kompani ose klient të vërtetë, udhëzimet ishin të qarta, dhe askush nuk i kontrolloi faktet në tekste.

Leximi ynë

Eksperimenti mati kohën e një drafti, jo të një vendimi. Aty ku një tekst duhet të jetë i saktë për një klient, koha e kursyer vlen vetëm pasi dikush e ka kontrolluar.

Eksperiment online i regjistruar paraprakisht, me detyra 20–30 minutëshe, i botuar te Science në korrik 2023. 68% vjen nga versioni i punës i marsit 2023 (444 pjesëmarrës), jo nga artikulli i botuar; kufijtë janë siç ua përshkruan autorët MIT News.

Burimet: Shakked Noy & Whitney Zhang, Science 381(6654), 2023 (përmes Abstract at Stanford SCALE); Shakked Noy & Whitney Zhang, MIT, 2023; Zach Winn, MIT News, 2023

Shifrat

Nga prova te java e punës

Anders Humlum dhe Emilie Vestergaard anketuan rreth 25.000 punonjës në Danimarkë, në 11 profesione të ekspozuara ndaj chatbot-eve AI, dhe i lidhën përgjigjet me regjistrat e pagave dhe orëve. Koha e kursyer nga përdoruesit, si pjesë e orëve të punës, 2024:

Koha e kursyer si pjesë e orëve të punës, me dhe pa nxitjen e punëdhënësit: Marketingu: Pa nxitje 4,6%, Me nxitje 6,8%; Programuesit: Pa nxitje 3,9%, Me nxitje 6,5%; Kontabilistët: Pa nxitje 0,9%, Me nxitje 2,2%; Mësuesit: Pa nxitje 0,6%, Me nxitje 1,0%.

Në të 11 profesionet, përdoruesit kursyen 2,8% të orëve, dhe 80% e vunë kohën në detyra të tjera. Në asnjë profesion nuk ndryshuan ndjeshëm pagat ose orët e regjistruara.

Leximi ynë

Një eksperiment mat një detyrë që i përshtatet mjetit. Një javë pune përbëhet kryesisht nga detyra të tjera.

Kursime të vetëdeklaruara, të kthyera nga autorët në pjesë të orëve; 4 nga 11 profesionet. Version pune i majit 2025.

Burimi: Anders Humlum & Emilie Vestergaard, Becker Friedman Institute, University of Chicago, 2025

Modeli

Tri mënyra për të punuar me AI

244 konsulentë të rinj të Boston Consulting Group zgjidhën të njëjtin problem me GPT-4: cila nga tri markat e një kompanie të shpikur duhet të merrte investimin, në një memo deri në 500 fjalë. Steven Randazzo, Hila Lifshitz dhe kolegët lexuan të 4.975 shkëmbimet me AI-në dhe bënë 237 intervista.

• Kiborgët · 60%. punojnë me AI në çdo hap, me shkëmbim të vazhdueshëm; fituan aftësi me AI-në dhe ruajtën njohuritë e fushës
• Kentaurët · 14%. vendosin çfarë bëhet dhe si, dhe i japin AI-së pjesë të zgjedhura; përgjigjet më të sakta; thelluan njohuritë e fushës
• Vetautomatizuesit · 27%. ia dorëzojnë detyrën AI-së me një ose dy kërkesa; shpejt e me pamje të mirë, por pa thellësi; nuk ndërtuan asnjë aftësi

Dy pyetje i ndajnë të tri: kush zgjedh çfarë duhet bërë, dhe kush vendos si bëhet. Nga vetautomatizuesit, 44% e pranuan tekstin e AI-së pa asnjë ndryshim; të tjerët bënë vetëm ndryshime sipërfaqësore.

Leximi ynë

“Një njeri në cikël” mund të thotë tri gjëra të ndryshme. Për menaxherin pyetja është kush e bën ende mendimin, dhe çfarë mëson secila mënyrë.

Në atë kohë detyra ishte jashtë asaj që GPT-4 e bënte mirë, përtej “kufirit të dhëmbëzuar” të Nr. 10. Pjesët janë të rrumbullakosura nga autorët (101% gjithsej); emrat në shqip dhe gjermanisht janë tonët. Version pune i 2025.

Burimet: Steven Randazzo, Hila Lifshitz, Katherine C. Kellogg, Fabrizio Dell'Acqua, Ethan Mollick, François Candelon & Karim R. Lakhani, Harvard Business School Working Paper 26-036, 2025; Fabrizio Dell'Acqua, Edward McFowland III, Ethan Mollick et al., Harvard Business School, 2023

Çfarë thotë kërkimi

Kush fiton, kush mëson

Erik Brynjolfsson, Danielle Li dhe Lindsey Raymond ndoqën 5.179 punonjës të mbështetjes së klientëve të një firme të madhe softueri, ndërsa futej një asistent AI. Ai sugjeronte përgjigje gjatë çdo bisede; punonjësit mbetën përgjegjës dhe mund ta injoronin.

• 2 = 6 muaj: me dy muaj përvojë dhe AI punonin po aq mirë sa ata me mbi gjashtë muaj pa të
• 38% e sugjerimeve u ndoqën, mesatarisht

Ata që ndoqën më shumë sugjerime fituan afër 25%, ata që ndoqën më pak rreth 10%. Kur sistemi binte, ata që i kishin ndjekur nga afër punonin ende më shpejt se më parë: kishin mësuar. Para AI-së, trajnimi ishte një seancë e shkurtër javore me menaxherin.

Mund të ndodhë edhe e kundërta. Gati 1.000 nxënës të shkollës së mesme në Turqi që u ushtruan në matematikë me një GPT-4 pa kufizime dolën 48% më mirë në ushtrime, por 17% më keq në provim pa të, krahasuar me ata që s'e kishin pasur kurrë. Një version që jepte udhëzime në vend të përgjigjeve e shmangu humbjen.

Leximi ynë

I njëjti mjet mund të trajnojë ose të zëvendësojë. Nëse njerëzit e bëjnë ende punën kur mjeti fiket, duhet provuar, jo supozuar.

Një firmë e vetme, vetëm biseda me shkrim; lidhja mes ndjekjes dhe fitimit mund të vijë pjesërisht nga kush zgjodhi t'i ndiqte. Versioni i botuar (QJE, 2025) jep të njëjtat prirje. Bastani et al. studiuan nxënës, jo punonjës.

Burimet: Erik Brynjolfsson, Danielle Li & Lindsey Raymond, NBER, 2023; Hamsa Bastani, Osbert Bastani, Alp Sungu, Haosen Ge, Özge Kabakcı & Rei Mariman, PNAS 122(26), 2025 (përmes Abstract at IDEAS/RePEc and Knowledge at Wharton)

Më shumë te eseja: Si e ndërtova Front Desk Control

Si matet

Numëro më shumë se shpejtësinë

Shpejtësia është gjëja më e lehtë për t'u matur. Në studimet e këtij numri, rezultatet varën edhe nga kontrolli, nga kush fitoi, nga ku shkoi koha dhe nga çfarë mund të bënin njerëzit pa mjetin. Pesë gjëra që numërohen në një provë:

• Koha, me kontrollin. Nga kërkesa te rezultati i mbaruar dhe i kontrolluar.
• Cilësia, e vlerësuar verbërisht. Nga dikush që e njeh punën, por jo cili version përdori AI.
• Të rinjtë dhe të vjetrit, veç. Mesatarja mund të fshehë fitimin e njërit dhe humbjen e tjetrit.
• Ku shkon koha e kursyer. Emërto detyrën ku kalon, përndryshe humbet.
• Një ditë pa mjetin. A e bën ende personi detyrën vetë?

Shembull hipotetik, një muaj drafte me AI për email-et e klientëve

• Koha: 9 min për email më parë, tani 6 min me kontrollin
• Kontrolli i verbër: gabime në 2 nga 40 më parë, tani në 5 nga 40
• Sipas përvojës: të rinjtë −4 min, me përvojë −1 min

Më shpejt, por gabimet u rritën: prova nuk ka mbaruar. Numrat janë të shpikur.

Pesë kontrollet janë zgjedhje e redaksisë nga studimet e këtij numri; shembulli është i redaksisë.

Burimet: Shakked Noy & Whitney Zhang, Science 381(6654), 2023 (përmes Abstract at Stanford SCALE); Erik Brynjolfsson, Danielle Li & Lindsey Raymond, NBER, 2023; Anders Humlum & Emilie Vestergaard, Becker Friedman Institute, University of Chicago, 2025; Hamsa Bastani, Osbert Bastani, Alp Sungu, Haosen Ge, Özge Kabakcı & Rei Mariman, PNAS 122(26), 2025 (përmes Abstract at IDEAS/RePEc and Knowledge at Wharton)

Mjeti i numrit

Karta e provës me AI

Një detyrë, një muaj, i njëjti kontroll si më parë. Shkruaj çfarë do të numërosh para se të nisë prova, që rezultati të mos lexohet sipas një dëshire. Mos fut të dhëna konfidenciale në mjete që kompania nuk i ka miratuar.

1. Detyra çfarë, sa shpesh, kush e bën sot
2. Para provës dy javë pa AI: koha për detyrë dhe gabimet
3. Kush e provon njerëz të rinj dhe me përvojë, të numëruar veç
4. Çfarë kontrollohet fakte, shifra, emra, toni, të dhëna që s'duhet të dalin nga ekipi
5. Kush bën mendimin çfarë vendos personi, çfarë bën AI
6. Rezultati dhe vendimi koha me kontrollin, gabimet, një ditë pa mjetin; mbaje, ndryshoje ose ndalo

Praktikë e propozuar nga redaksia, sipas Noy & Zhang, Randazzo et al. dhe Brynjolfsson et al.; dita pa mjetin ndjek ndërprerjet në qendrën e mbështetjes.

Burimet: Shakked Noy & Whitney Zhang, Science 381(6654), 2023 (përmes Abstract at Stanford SCALE); Steven Randazzo, Hila Lifshitz, Katherine C. Kellogg, Fabrizio Dell'Acqua, Ethan Mollick, François Candelon & Karim R. Lakhani, Harvard Business School Working Paper 26-036, 2025; Erik Brynjolfsson, Danielle Li & Lindsey Raymond, NBER, 2023

Hape mjetin: Sigma dhe karta e kontrollit

Burimet dhe metoda

Çdo shifër ka një burim.

Shifrat e këtij numri vijnë nga burimet më poshtë. Viti tregon sa e re është secila.

• Shakked Noy & Whitney Zhang, Science 381(6654), “Experimental evidence on the productivity effects of generative artificial intelligence”, 2023 (përmes Abstract at Stanford SCALE). https://doi.org/10.1126/science.adh2586
• Shakked Noy & Whitney Zhang, MIT, “Experimental Evidence on the Productivity Effects of Generative Artificial Intelligence (working paper, 10 March 2023)”, 2023. https://economics.mit.edu/sites/default/files/inline-files/Noy_Zhang_1_0.pdf
• Zach Winn, MIT News, “Study finds ChatGPT boosts worker productivity for some writing tasks”, 2023. https://economics.mit.edu/news/study-finds-chatgpt-boosts-worker-productivity-some-writing-tasks
• Anders Humlum & Emilie Vestergaard, Becker Friedman Institute, University of Chicago, “Large Language Models, Small Labor Market Effects (Working Paper 2025-56, May 2025)”, 2025. https://bfi.uchicago.edu/wp-content/uploads/2025/04/BFI_WP_2025-56-3.pdf
• Steven Randazzo, Hila Lifshitz, Katherine C. Kellogg, Fabrizio Dell'Acqua, Ethan Mollick, François Candelon & Karim R. Lakhani, Harvard Business School Working Paper 26-036, “Cyborgs, Centaurs and Self-Automators: The Three Modes of Human-GenAI Knowledge Work and Their Implications for Skilling and the Future of Expertise”, 2025. https://www.hbs.edu/ris/Publication%20Files/26-036_e7d0e59a-904c-49f1-b610-56eb2bdfe6f9.pdf
• Fabrizio Dell'Acqua, Edward McFowland III, Ethan Mollick et al., Harvard Business School, “Navigating the Jagged Technological Frontier”, 2023. https://papers.ssrn.com/abstract=4573321
• Erik Brynjolfsson, Danielle Li & Lindsey Raymond, NBER, “Generative AI at Work”, 2023. https://www.nber.org/papers/w31161
• Hamsa Bastani, Osbert Bastani, Alp Sungu, Haosen Ge, Özge Kabakcı & Rei Mariman, PNAS 122(26), “Generative AI without guardrails can harm learning: Evidence from high school mathematics”, 2025 (përmes Abstract at IDEAS/RePEc and Knowledge at Wharton). https://doi.org/10.1073/pnas.2422633122

Metoda editoriale

Çdo shifër u kontrollua për vitin, botuesin dhe çfarë mat saktësisht. Kur faqja e botuesit nuk hapej, shifra u kontrollua te përmbledhje të pavarura dhe shënohet me “përmes”. Interpretimi i redaksisë shënohet “Leximi ynë”. Shifrat që nuk u konfirmuan nuk janë në numër.