ხელოვნური ინტელექტის სამუშაო სივრცეში გამოყენების საკითხზე კამათი უკვე დასრულებულია. დღეს ყველა თანხმდება, რომ ტექნოლოგია ჩვენი ყოველდღიურობის ნაწილია. თუმცა ახლა სულ სხვა პრობლემის წინაშე ვდგავართ. დაურედაქტირებელი ტექსტები და ხელოვნური ინტელექტის მიერ შექმნილი უხარისხო კონტენტი ჩვენი კოლეგების Slack-სა და Confluence-ში ყოველდღიურად ხვდება.
Atlassian-ის ბლოგზე გამოქვეყნებული ახალი ესე საინტერესო სურათს გვიხატავს. რეიჩელ რათბოუნი ამტკიცებს, რომ ხელოვნურმა ინტელექტმა სამუშაო პროცესი უბრალოდ გააჩქარა და გამომუშავება გაზარდა, მაგრამ ხარისხი არ გაუზრდია.
მთავარი რიცხვი, რომელიც ამ ტენდენციას ყველაზე კარგად ხსნის, 5%-ია. KPMG-ისა და ტეხასის უნივერსიტეტის McCombs-ის ბიზნეს სკოლის ერთობლივი ანალიზის მიხედვით, რომელიც 1.4 მილიონ რეალურ სამუშაო ინტერაქციას დაეყრდნო, მომხმარებელთა მხოლოდ 5% იყენებს ხელოვნურ ინტელექტს ისე, რომ სამუშაოს ხარისხი რეალურად უმჯობესდება. ეს ნიშნავს, რომ უმეტესობა ტექნოლოგიას მხოლოდ სისწრაფისთვის იყენებს.
ეს პრობლემა განსაკუთრებით მწვავედ დგას პროგრამული უზრუნველყოფის შექმნის პროცესში. GitClear-ის ანალიზმა, რომელმაც 2023 და 2026 წლებს შორის დაწერილი 623 მილიონი ხაზი კოდი შეისწავლა, აჩვენა, რომ კოდის რეფაქტორინგი 70%-ით დაეცა. ამის საპირისპიროდ, კოდის დუბლირება 81%-ით გაიზარდა. CodeRabbit-ის მიერ შესწავლილი 470 ე.წ. Pull Request-ის კვლევა კიდევ უფრო საგანგაშოა. მოდელის თანაავტორობით დაწერილი კოდი 1.7-ჯერ მეტ ზოგად ხარვეზს და 2.74-ჯერ მეტ უსაფრთხოების პრობლემას შეიცავს.
ტექნოლოგია ჩვენს კოგნიტურ უნარებსა და დამოუკიდებელ აზროვნებაზეც მოქმედებს. MIT-ის მედია ლაბორატორიის 2025 წლის კვლევით დადგინდა, რომ ენობრივი მოდელების დახმარებით წერისას ადამიანის ტვინის კავშირები 55%-მდე მცირდება. ექსპერიმენტის მონაწილეთა 83%-მა საერთოდ ვერ შეძლო ზუსტად ციტირება იმ ტექსტისა, რომელიც სულ ცოტა ხნის წინ თავად დაწერა.
მეტიც, MIT-ის 2026 წლის კიდევ ერთმა კვლევამ აჩვენა, რომ მოდელის დახმარებით სიზუსტე მოკლევადიან პერიოდში 21%-ით იზრდება. თუმცა ოთხი კვირის შემდეგ, დამოუკიდებელი მუშაობისას, მონაწილეთა სიზუსტის მაჩვენებელი საბაზისო დონესთან შედარებით 15 პუნქტით დაეცა. პარადოქსულია ისიც, რომ ადამიანების დაახლოებით მეოთხედს ეგონა, თითქოს მათი უნარები უმჯობესდებოდა, მაშინ როცა რეალურად პირიქით ხდებოდა.
მაშინ ვინ არის ის ეფექტური 5% და როგორ მუშაობენ ისინი? ეს ის ადამიანები არიან, ვინც მოდელს აზროვნების პარტნიორად აღიქვამს. ისინი სვამენ რთულ პრობლემებს, ითხოვენ დეტალურ ახსნას, აკრიტიკებენ მოდელს და ხშირად არ ეთანხმებიან მას. Microsoft-ის კვლევამ ნათლად ცხადყო, რომ ვინც მოდელს ყველაზე მეტად ენდობა, ყველაზე ნაკლებად ამოწმებს მის პასუხებს. ხოლო ისინი, ვინც საკუთარ განსჯაში არიან დარწმუნებულნი, სისტემის მიერ შემოთავაზებულ ვარიანტებს ყველაზე მეტად სწავლობენ და აკრიტიკებენ.
Atlassian-ის Teamwork Lab-ის კვლევა ერთ საინტერესო დეტალსაც ამატებს. ხელოვნური ინტელექტის მიერ გრამატიკულად და სტილისტურად გაპრიალებული ტექსტი შემფასებელს 22%-ით ნაკლებად ყურადღებიანად ხდის პირველი შეცდომის აღმოსაჩენად. 18%-ით იკლებს ტექსტის გაკრიტიკების სურვილიც. თუმცა, თუ დოკუმენტს პირველადი შავი ვერსიის სტატუსს მიანიჭებთ, ეს ეფექტი თითქმის ქრება და კოლეგები კვლავ კრიტიკულები ხდებიან.
კომპანიის მთავარი რჩევა ასეთია: გამოიყენეთ ეს ტექნოლოგია დიდი მოცულობის ინფორმაციის დასამუშავებლად და სტრუქტურის ასაგებად, მაგრამ საბოლოო ადამიანური შინაარსი თავად შექმენით. მოდელი ტექსტს წამებში აგენერირებს, მაგრამ თქვენი სახელი დოკუმენტზე სწორედ თქვენს პასუხისმგებლობას ნიშნავს. Atlassian-ის საკუთარი ინსტრუმენტი Rovo სწორედ ამ ფილოსოფიას ეყრდნობა.
საბოლოოდ, მთავარი პრაქტიკული ტესტი ძალიან მარტივია. თუ არ შეგიძლიათ დეტალურად ახსნათ თქვენი სამუშაო პროცესი და ტექსტი მისი ხელახლა წაკითხვის გარეშე, გამოდის, რომ ის თქვენ არ დაგიწერიათ. ტექნოლოგიურ ეპოქაში სისწრაფე ძალიან მიმზიდველია, მაგრამ ის არასდროს უდრის ხარისხს.
წყარო: Atlassian
