In sintesi
- Fonte
- Dell’Acqua, McFowland, Mollick, Lifshitz-Assaf, Kellogg, Rajendran, Krayer, Candelon and Lakhani (2026). Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of Artificial Intelligence on Knowledge Worker Productivity and Quality. Organization Science, 37(2), 403–423. doi:10.1287/orsc.2025.21838
- Come è stato condotto
- Un esperimento registrato in anticipo. Dopo un’attività iniziale che faceva da misurazione di partenza, i consulenti sono stati assegnati a caso a lavorare senza IA, con GPT-4, oppure con GPT-4 e una breve introduzione su come scrivere le richieste. Esperimento randomizzato. Le persone sono state assegnate a caso a lavorare con o senza lo strumento, e i due gruppi sono stati confrontati.
- Chi ha partecipato
- 758 consulenti di Boston Consulting Group.
- Dove
- Una società globale di consulenza di direzione; attività di consulenza realistiche progettate con la società.
“AI assistance improves performance for some tasks but worsens it for others, even within the same knowledge workflow and with a seemingly similar level of difficulty.” [L’aiuto dell’IA migliora i risultati in alcune attività ma li peggiora in altre, anche all’interno dello stesso flusso di lavoro intellettuale e con un livello di difficoltà apparentemente simile.]
Che cosa ha trovato
Gli autori chiamano il confine di ciò che l’IA sa fare una “jagged frontier” [“frontiera frastagliata”]. Attività che sembrano ugualmente difficili possono cadere da lati diversi di questo confine.
- Dentro la frontiera. In 18 attività di consulenza realistiche, da quelle creative a quelle analitiche, i consulenti che usavano l’IA hanno completato il 12,2% di attività in più. Le hanno finite il 25,1% più in fretta. La qualità delle loro risposte era nettamente più alta, oltre il caso.
- Fuori dalla frontiera. In un’attività di gestione complessa, i consulenti che usavano l’IA avevano 19 punti percentuali di probabilità in meno di arrivare alla soluzione corretta rispetto a chi lavorava senza.
Quando vale il risultato
I guadagni valevano per le attività che il modello di IA dell’epoca sapeva svolgere bene. La perdita è comparsa in un’attività scelta perché fuori dalla portata di quel modello. Le attività sui due lati possono sembrare ugualmente difficili, quindi da che parte cade un’attività va verificato.
Limiti
- Le attività erano realistiche, ma non erano lavoro vero per clienti.
- È stata verificata una sola attività fuori dalla frontiera.
Pratiche che usano questo studio
Questo studio sostiene:
- Faccia controllare a una persona tutto ciò che va a un cliente o ha valore legale Prima che un risultato dell’IA esca dall’azienda o serva a prendere una decisione, una persona con nome e cognome lo confronta con fonti reali e lo approva. Renda il controllo un passo del processo, con il tempo necessario per farlo. Prima di tutto · Impegno: medio (settimane, poche persone)
- Per ogni tipo di attività, verifichi se una persona con l’IA fa meglio di ciascuna delle due da sola Non dia per scontato che aggiungere una persona all’IA, o l’IA a una persona, dia il risultato migliore. Lo verifichi per ogni tipo di attività prima di stabilire il processo. Subito dopo · Impegno: medio (settimane, poche persone)