Ontgrendel Editor’s Digest gratis
Roula Khalaf, redacteur van de FT, kiest haar favoriete verhalen in deze wekelijkse nieuwsbrief.
Een financieel analist benadert een chatbot om de mogelijke risico’s en rendementen van een investeringsprogramma te bestuderen. Een klus die 50 minuten zou duren, is in 10 minuten geklaard.
Dat is een van de praktijkgevallen die AI-bedrijf Anthropic onlangs beweerde te hebben ontdekt toen het zijn Claude-chatbot vroeg om te analyseren hoe deze op het werk werd gebruikt. Maar het is niet zo eenvoudig om te laten zien hoe individuele taken als deze worden vertaald in echte waarde voor werkgevers.
Dit zal een van de belangrijkste fronten worden in de strijd tussen toonaangevende AI-bedrijven in 2026. Sam Altman, CEO van OpenAI, zei onlangs dat zijn bedrijf zijn focus verlegt naar zakelijke klanten omdat het zijn inkomsten wil vergroten – een markt waarop Anthropic momenteel voorop loopt.
Maar zelfs nu mensen generatieve kunstmatige intelligentie op de werkvloer beginnen te omarmen, zijn de meeste bedrijven nog niet in staat om te meten of de technologie individuele werknemers efficiënter maakt in hun werk, laat staan om eventuele productiviteitswinsten op het niveau van het bedrijf als geheel te volgen.
Het is nog moeilijker om te zoeken naar de effecten van een nieuwe technologie als AI in de bredere economie. Het is bekend dat de impact van IT op de algehele arbeidsproductiviteit moeilijk te identificeren is uit de officiële gegevens. De impact van digitale technologieën kwam jarenlang niet naar voren in de Amerikaanse economische gegevens, totdat de productiviteitsgroei na eind jaren negentig gestaag begon te stijgen. Aan het begin van dit decennium was de groei echter teruggevallen naar het vorige niveau van ongeveer 1,5 procent per jaar.
Het bemoedigende nieuws voor de AI-bedrijven en hun investeerders is dat veel mensen in hun werkzame leven toepassingen voor generatieve AI beginnen te vinden. Het samenvatten van een lang rapport, het voorbereiden van een marketingpresentatie en het analyseren van financiële gegevens zijn de dingen die werknemers dit jaar voor het eerst hebben geprobeerd. Als en wanneer een van deze gebruiksscenario’s wijdverspreid wordt gebruikt, kunnen de implicaties voor het gebruik van AI-modellen aanzienlijk zijn.
Tot nu toe heeft generatieve AI één ‘killer-app’ aan het werk, in de vorm van de codeerassistenten die door softwareontwikkelaars worden gebruikt. De effecten ervan zijn explosief geweest. In mei van dit jaar had 11 procent van alle tokens gegenereerd door grote taalmodellen betrekking op codering een onderzoek naar het gebruik van AI-modellen door OpenRouter. In november was dat aandeel gestegen tot circa 50 procent.
De werknemers zelf zijn er zeker van dat AI hen efficiënter begint te maken. Eerder deze maand, OpenAI gezegd de ondervraagde werknemers ontdekten dat kunstmatige intelligentie hen 40 tot 60 minuten per dag bespaarde. Dat is meer dan de 2,2 uur per week die werknemers dachten te sparen soortgelijke studie uitgevoerd door de St. Louis Fed een jaar geleden.
Dit soort zelfrapportage is zeer subjectief, en dat maakt het ook Antropische studie van taken uit de echte wereld die mogelijk meer onthullend zijn. Op basis van 100.000 werkgerelateerde gesprekken schatte Claude dat dit 65 minuten zou schelen van de 85 minuten die een gemiddelde taak zou hebben gekost.
Maar het tonen van virtuositeit bij individuele taken vertaalt zich niet direct in zakelijke voordelen voor klanten, zoals Anthropic de eerste is om toe te geven. De figuren tonen b.v. niet hoeveel extra werk er gaat zitten in het controleren van de output van chatbots of hoe de algehele kwaliteit de resultaten beïnvloedt.
Een enkele klus kan ook leiden tot meer dan één chatsessie. Het gemak en de snelheid waarmee resultaten uit een chatbot worden gehaald, kunnen ertoe leiden dat werknemers veel meer rapporten of e-mails moeten produceren, wat kan leiden tot een waterval van onproductieve ‘workslop’. Claude kan ook niet vertellen wat werknemers doen met de tijd dat de technologie hen heeft kunnen redden.
Een ander nadeel is dat de taakgebaseerde analyses die de kern vormen van de meeste onderzoeken naar de impact van technologie op de productiviteit er niet in slagen de realiteit van het beroepsleven te vatten. Voor de meeste mensen valt het werk niet in afzonderlijke, op zichzelf staande segmenten. Als we naar individuele taken afzonderlijk kijken, geeft Anthropic toe, kunnen we niet de impliciete kennis en persoonlijke relaties vastleggen die van invloed zijn op de manier waarop het werk wordt gedaan, of de verbanden tussen verschillende taken.
Dit leek de contra-intuïtieve resultaten van te verklaren één studie Dit jaar bleek dat een groep ervaren ontwikkelaars er 19 procent langer over deed om een taak te voltooien wanneer ze een AI-coderingstool gebruikten.
De volledige voordelen van generatieve AI zullen pas zichtbaar worden als bedrijven hele werkprocessen opnieuw hebben ontworpen om het beste uit de technologie te halen en als ze de culturele barrières hebben overwonnen die dit soort veranderingen altijd in de weg staan. Maar nu werknemers beginnen te experimenteren met kunstmatige intelligentie, is de race begonnen.
richard.waters@ft.com
