W skrócie
- Źródło
- Dillon, Jaffe, Immorlica and Stanton (2025). Shifting Work Patterns with Generative AI. NBER Working Paper 33795; arXiv 2504.11436, version 4 (November 2025). doi:10.3386/w33795 · Bez recenzji naukowej: inni badacze jeszcze nie sprawdzili go na potrzeby czasopisma.
- Jak je przeprowadzono
- W każdej firmie pracowników losowo przydzielono do pracy z Microsoft 365 Copilot albo bez niego, na sześć miesięcy. Wyniki pochodzą z zapisów aktywności w samym oprogramowaniu, a nie z tego, co mówili pracownicy. Eksperyment z losowym przydziałem. Ludzi losowo przydzielono do pracy z narzędziem albo bez niego i porównano obie grupy.
- Kto brał udział
- 7137 pracowników umysłowych w 66 dużych firmach, z których 3684 dostało narzędzie.
- Gdzie
- Duże firmy z kilku branż, w większości działające w więcej niż jednym kraju, od września 2023 do października 2024 roku.
“Apart from these individual time savings, we do not detect shifts in the quantity or composition of workers’ tasks resulting from individual-level AI provision.” [Poza tymi indywidualnymi oszczędnościami czasu nie wykrywamy zmian w ilości ani strukturze zadań pracowników wynikających z udostępnienia AI poszczególnym osobom.]
Co wykazało badanie
Narzędzie było wbudowane w programy do poczty, spotkań, czatu i pisania, których pracownicy już używali.
- Kto go używał. Używało go 80% pracowników, którzy je dostali.
- E-maile. W drugiej połowie sześciu miesięcy użytkownicy spędzali na e-mailach około dwie godziny mniej tygodniowo. Czytali o 4% mniej e-maili i nie poświęcali więcej czasu na każdy z nich. Odpowiadali na tyle samo wątków co wcześniej i nie wolniej.
- Godziny pracy. Użytkownicy mniej pracowali poza zwykłymi godzinami.
- Spotkania i dokumenty. Czas na spotkaniach i na pisaniu dokumentów się nie zmienił.
- Sama praca. Poza zaoszczędzonym czasem badanie nie wykazało zmiany w ilości ani rodzaju pracy.
Zmieniła się praca, nad którą kontrolę ma jedna osoba, na przykład własna skrzynka pocztowa. Praca zależna od innych ludzi, na przykład spotkania, się nie zmieniła.
Kiedy wynik się sprawdza
Każdy pracownik dostał narzędzie osobno, przy niezmienionym sposobie pracy. Badanie sprawdza, co daje samo rozdanie narzędzia. Nie sprawdza, co się dzieje, gdy zespół przebudowuje swoją pracę wokół narzędzia.
Wcześniejsze wersje publikacji podawały większą oszczędność na e-mailach. Ta strona korzysta z wersji 4 z listopada 2025 roku.
Ograniczenia
- Trzech z czterech autorów pracuje w Microsoft Research, a narzędzie należy do Microsoftu. Firmy zrekrutował i eksperyment przeprowadził zespół marketingu Microsoftu.
- Firmy były bardzo duże i same zgłosiły się do udziału. Mogą chętniej niż większość wdrażać nowe technologie.
- Zapisy aktywności pokazują czas spędzony w aplikacjach, a nie jakość pracy.
- To working paper, bez recenzji naukowej.
Praktyki, które korzystają z tego badania
To badanie wspiera:
- Mierz czas zaoszczędzony na zadaniu względem pomiaru wyjściowego Zanim dodasz AI, zapisz, ile trwa zadanie i jak dobry jest wynik. Bez tej liczby wyjściowej nie odróżnisz prawdziwego zysku od pobożnego życzenia. Zrób najpierw · Nakład pracy: niski (dni, jedna osoba)
- Zacznij od gotowej AI w oprogramowaniu, którego już używasz, zanim zbudujesz własną Twoje oprogramowanie biurowe, księgowe, do obsługi klienta i do sprzedaży prawdopodobnie ma już funkcje AI. Wypróbuj je na jednym zadaniu, z kilkoma licencjami i zmierzonym wynikiem, zanim komuś zapłacisz za zbudowanie czegoś na zamówienie. Zrób najpierw · Nakład pracy: niski (dni, jedna osoba)
- Zacznij od jednego kosztownego procesu, a nie od wdrożenia w całej firmie Wybierz jeden proces, który wyraźnie kosztuje czas lub pieniądze. Zastosuj w nim AI, z człowiekiem sprawdzającym wyniki, i rozszerzaj dopiero wtedy, gdy liczby się poprawią. Zrób najpierw · Nakład pracy: średni (tygodnie, kilka osób)
- Przebuduj proces pracy, zamiast dokładać do niego narzędzie Danie ludziom narzędzia AI w niezmienionym procesie niewiele zmienia. Zdecyduj od nowa, kto wykonuje każdy krok, w jakiej kolejności i gdzie sprawdza człowiek. Zrób potem · Nakład pracy: wysoki (miesiące, kilka zespołów)