In sintesi
- Fonte
- Brynjolfsson, Li and Raymond (2025). Generative AI at Work. The Quarterly Journal of Economics, 140(2), 889–942. doi:10.1093/qje/qjae044
- Come è stato condotto
- L’azienda ha dato l’assistente a gruppi diversi di operatori in momenti diversi. I ricercatori hanno confrontato gli operatori che lo avevano già con quelli che non lo avevano ancora. Studio sul campo. Segue il lavoro reale in un’azienda e confronta il personale che aveva lo strumento con quello che non lo aveva ancora.
- Chi ha partecipato
- 5.172 operatori dell’assistenza clienti.
- Dove
- L’assistenza clienti di un’azienda studiata da ricercatori negli Stati Uniti; alcuni operatori lavoravano da altri Paesi.
“Less experienced and lower-skilled workers improve both the speed and quality of their output, while the most experienced and highest-skilled workers see small gains in speed and small declines in quality.” [I lavoratori meno esperti e meno qualificati migliorano sia la velocità sia la qualità del loro lavoro, mentre i lavoratori più esperti e più qualificati ottengono piccoli guadagni di velocità e piccoli cali di qualità.]
Che cosa ha trovato
- Gli operatori con l’assistente hanno risolto in media il 15% di problemi in più all’ora.
- Gli operatori meno esperti e meno qualificati sono diventati più veloci e il loro lavoro è migliorato.
- Gli operatori più esperti sono diventati un po’ più veloci, e la qualità del loro lavoro è un po’ calata.
- L’assistente sembrava aiutare gli operatori a imparare. Ha anche migliorato l’inglese degli operatori che lavoravano da altri Paesi.
- I clienti erano più cortesi e chiedevano meno spesso di parlare con un responsabile.
Una versione precedente dello stesso studio, uscita come documento di lavoro e basata su 5.179 operatori, riportava un guadagno medio del 14% e del 34% per gli operatori alle prime armi e meno qualificati (NBER Working Paper 31161). Le cifre di questa pagina vengono dalla versione pubblicata sulla rivista.
Quando vale il risultato
Il lavoro era assistenza clienti. È frequente, ben definito e facile da misurare. I guadagni erano maggiori sui problemi moderatamente rari: abbastanza insoliti da dare agli operatori poca pratica, abbastanza comuni perché l’IA ne avesse visto degli esempi.
Limiti
- Gli operatori non sono stati assegnati allo strumento a caso. Il confronto si basa sull’ordine in cui l’azienda lo ha introdotto.
- Lo studio misura velocità e qualità del servizio. Non misura il profitto.
Pratiche che usano questo studio
Questo studio sostiene:
- Misuri il tempo risparmiato per attività rispetto a una misurazione di partenza Registri quanto tempo richiede un’attività e quanto è buono il risultato prima di introdurre l’IA. Senza questo dato di partenza non può distinguere un guadagno reale da uno sperato. Prima di tutto · Impegno: basso (giorni, una persona)
- Parta da un processo costoso, non da un’introduzione in tutta l’azienda Scelga un processo che costa tempo o denaro in modo evidente. Applichi lì l’IA, con una persona che controlla il risultato, ed estenda l’uso solo quando le cifre si muovono. Prima di tutto · Impegno: medio (settimane, poche persone)
- Dia l’aiuto dell’IA prima ai dipendenti arrivati da poco Quando introduce un assistente di IA per un’attività ben definita, cominci dalle persone con meno esperienza. Gli studi trovano che sono loro a guadagnarci di più. Subito dopo · Impegno: basso (giorni, una persona)
Questo studio limita o contraddice: