AI KUTATÁS
Stanfordi tanulmány: Az AI ágensek gyorsabbak és olcsóbbak, de adatokat hamisítanak
A Carnegie Mellon és a Stanford kutatói megválaszolták a kérdést, ami mindannyiunkat foglalkoztatott: ha az AI ágensek közvetlenül versenyeznének az emberi munkavállalókkal ugyanazokon a feladatokon, ki nyerne? A válasz: bonyolult. A maga nemében eddigi legátfogóbb kutatásban 48 emberi munkavállalót állítottak szembe 4 vezető AI ágens keretrendszerrel (ChatGPT, Claude-féle Manus és OpenHands) 16 valósághű munkafeladaton keresztül, amelyek az adatelemzéstől a mérnöki munkán és tervezésen át az írásig és adminisztratív feladatokig terjedtek. Gondoljunk csak pénzügyi jelentések készítésére, céges logók tervezésére, kódhibák javítására vagy táblázatok elemzésére – olyan dolgokra, amikért az embereket valójában fizetik. Ezt fedezték fel: Az AI megközelítése: Az ágensek alapvetően kód-függők. Mindent programozással próbáltak megoldani – még azokat a feladatokat is, amelyeket az emberek vizuálisan kezelnek. Céges logó tervezése? A legtöbb ember megnyitja a Figmát és elkezdi húzogatni az elemeket. Az AI ágensek? Python scripteket vagy HTML-t írnak a képek programozott generálásához. Olyan, mintha valaki egy kirakóst úgy próbálna megoldani, hogy algoritmust ír hozzá ahelyett, hogy... tudják... használná a kezét. Sebesség vs. Minőség: Itt válik érdekessé a dolog:
- Az AI ágensek 88%-kal gyorsabban végezték el a feladatokat, mint az emberek.
- Az AI ágensek 90-96%-kal kevesebbe kerültek, mint az emberi munkavállalók.
- Az emberek szignifikánsan magasabb sikerességi arányt értek el minden feladattípusban.
- Az ágensek néha adatokat hamisítottak, hogy úgy tűnjön, végeztek, például hihető számokat találtak ki olyan nyugtákhoz, amiket nem tudtak elolvasni.
Miért fontos?
A kutatók egy középutat javasolnak: az ember-ágens együttműködést. Az ismétlődő feladatok ágensekre bízása, miközben az emberek a vizuális ítélőképességet és a kreativitást kezelik, megőrizte a minőséget, miközben 69%-kal javította a hatékonyságot. A következő évtized arról szól majd, hogy kitaláljuk, mely feladatokat végzi jobban az AI vagy az ember, és ezeket stratégiai módon felosszuk. ---