AI-brug kan gøre opgaver længere, viser forskning

Nyt forskning viser, at AI kan gøre simple opgaver længere, samtidig med at det overbeviser brugerne om, at de bliver mere produktive.

En ny studie fra Stanford, NYU og Princeton har fundet, at vi ofte bruger AI, selv når det er ineffektivt, og at vi for de mindre opgaver, som vi tvangsmæssigt uddelegere til AI, ville udvise mindre mentalt arbejde og spare mere tid, hvis vi selv udførte opgaven.

Over tre menneskelige studier, som er bestilt til forskningen, fandt forfatterne, at deltagerne rutinemæssigt undervurderede, hvor meget tid AI ville spare dem på en foreslået opgave, samt bemærkelsesværdigt undervurderede, hvor meget de afhænger af og faktisk bruger AI*.

‘I [den anden studie], søger vi at forstå, hvorfor mennesker måske bruger AI til simple opgaver, på trods af at AI-brug ikke giver effektivitetsfordele. En hypotese er, at mennesker er forkert kalibreret omkring, hvor meget tid og arbejde AI-hjælp kan spare.

‘For at teste denne hypotese, sammenlignede vi menneskers forventede versus faktiske tid og arbejde under opgaver med og uden AI-hjælp, og identificerede effektivitetsgevinstillusioner, hvor mennesker overvurderede både den tid og det arbejde, som AI sparer.

‘Gennemsnitligt forventede mennesker, at AI-hjælp ville spare tid på 55,7 sekunder, når det kun sparede 7,5 sekunder. Denne forkert kalibrering er særligt alvorlig på de simple varianter af opgaverne, hvor mennesker forventede, at AI-hjælp ville spare tid, men det faktisk gjorde opgaverne langsommere at fuldføre i virkeligheden.’

Den nye artikel, med titlen Effektivitetsgevinstillusionen: Mennesker undervurderer AI-brugsrate og overvurderer dets fordele på simple opgaver, skrevet af syv forfattere på tværs af de tre institutioner, finder også, at tidligere AI-brug synes at forstærke fremtidig AI-brug, selv når teknologien ikke giver nogen reel effektivitetsfordele.

Oversigt over de tre eksperimenter, der blev brugt til at teste, hvordan mennesker bruger AI til simple hverdagsopgaver, og som viser, at brugere undervurderer, hvor ofte de afhænger af AI, overvurderer den tid, det sparer, og bliver mere tilbøjelige til at bruge det igen efter tidligere eksponering. Kilde

Data fra de tre studier fandt, at mennesker bliver mere tilbøjelige til at bruge AI efter tidligere eksponering, selv på måder, der ikke er produktive eller tidssparende, eller endda stress-reducerende (dvs. udvise mindre mentalt arbejde på opgaven)*:

‘I modsætning til muligheden for, at erfaring forbedrer kalibrering [dvs. evnen til at estimere, hvor nyttigt AI er til en opgave], identificerede vi en sessionsniveau-carryover-effekt, hvor initial AI-brug øger senere AI-brug.

‘Deltagere, der initialt fuldførte opgaver med AI, blev endnu mere tilbøjelige til at vælge AI-hjælp på lette opgavevarianter, selv om det ikke gav tid eller arbejdssparelse i gennemsnit.’

I ét af de menneskelige studier fandt forfatterne, at besparelserne fra AI-brug var helt illusoriske:

‘AI-hjælp kan [have en negativ effekt]. [Vi] fandt, at mennesker, der valgte at bruge AI, brugte 7,06 sekunder mere end mennesker, der fuldførte opgaverne [uafhængigt] og rapporterede højere arbejde.’

Studiet var begrænset til opgaver, der tog fem minutter eller mindre, men kan have relevans for tidligere søgemaskineafhængige, der nu rutinemæssigt søger hjælp fra ChatGPT og andre populære, kommercialiserede LLM’er i stedet.

Studiegrupper

Over de forskellige brugerstudier blev opgaverne designed på basis af Taxonomi af brugernes behov og handlinger (TUNA)-rammen. Eksperimenterne dækkede informationsøgning; sammenfatning; aritmetik; stavekontrol; omskrivning; og andre lav-kompleksitetsopgaver, der generelt kunne fuldføres på under fem minutter.

Den første studie sammenlignede deltagernes forventede villighed til at bruge AI mod deres faktiske adfærd under opgavefuldførelse, og undersøgte, om mennesker nøjagtigt forstår deres egen afhængighed af AI-hjælp.

Den anden fokuserede på den perciperede versus faktiske effektivitetsforbedring, ved at sammenligne deltagernes forventninger om tidsbesparelse og reduceret mentalt arbejde mod målte fuldførelsestider og rapporteret arbejdslast under AI-hjælp og uafhængig opgavefuldførelse.

Den tredje undersøgte, om tidligere eksponering for AI ændrede senere beslutningstagning, og spored, om deltagere, der tidligere havde fuldført opgaver med AI, blev mere tilbøjelige til at afhænge af AI igen under senere opgaver.

Overvejelser – AI-brug på simple opgaver

For at forstå, om mennesker nøjagtigt estimerer deres egen afhængighed af AI, blev studie-deltagere i en session bedt om at fuldføre fire opgaver, med mulighed for at bruge AI-hjælp til hver opgave. Det niveau, hvortil deltagerne faktisk brugte AI, blev sammenlignet med deres egen tidligere estimation af, hvor meget de tænkte, de ville bruge det, med betydelig diskrepans i resultaterne:

Deltagere underskattede konsekvent, hvor ofte de ville søge AI til simple opgaver, med en åbning, der voksede på lettere prompts, hvor den faktiske AI-brug steg til 38% mod en forventet rate på 20%, hvilket tyder på, at vanemæssig delegation til AI strækker sig langt ud over brugernes egen bevidsthed.

Forfatterne skriver:

‘Vi finder, at [mennesker] faktisk brugte AI betydeligt mere end den gennemsnitlige forventede rate. I gennemsnit rapporterede deltagere, at de ville bruge AI i 33% af opgaverne, men populationens niveau for AI-brug var 47% (β = 1,07, p < 0,001).

‘Denne åbning er større for lette opgavevarianter (β = 0,69, p < 0,001): Deltagere forventede en AI-brugsrate på 20%, men den faktiske AI-brugsrate var 38% (β = 1,42, p < 0,001), næsten dobbelt så høj som den erklærede præference.

Eksperimenterne fokuserede på almindelige lav-indsatsopgaver, som mange mennesker nu rutinemæssigt uddelegerer til AI, selv om det kan være unødvendigt. Deltagere blev bedt om at udføre simple aktiviteter, der involverede faktuel genkaldelse, aritmetik, stavekontrol, omskrivning af korte passager, sammenfatning af tekst og besvarelse af grundlæggende resonnerings-spørgsmål, med nogle opgaver, der kun krævede få ord eller en enkelt sætning at fuldføre.

Studiet inkluderede også lidt sværere versioner af de samme aktiviteter, hvilket tillod forskerne at sammenligne, om AI-brug ændrede sig, når arbejdet blev mere krævende.

AI’s tidsbesparende fordele overvurderet

I den anden studie blev deltagere inddelt i to separate grupper, hvor den ene gruppe først estimerede, hvor meget tid og mentalt arbejde AI ville spare på en række opgaver, mens den anden gruppe faktisk fuldførte disse samme opgaver enten uafhængigt eller med AI-hjælp. Opgaverne handlede igen om lav-kompleksitetsaktiviteter, der involverede aritmetik, omskrivning, faktuel genkaldelse, sammenfatning, stavekontrol og korte resonneringsøvelser.

Målet var at sammenligne menneskers forventninger om AI’s produktivitet med, hvad der faktisk skete, når arbejdet blev udført. Ifølge artiklen overskattede deltagere konsekvent, hvor meget AI ville hjælpe dem, især på lettere opgaver, hvor mange antog, at AI ville dramatisk reducere arbejdslast og fuldførelsestid.

I stedet viste målte resultater ofte kun mindre gevinster, og i nogle tilfælde, som nævnt tidligere, forlængede AI-brug faktisk deltagernes tid.

På nogle simple opgaver tog AI-brugere faktisk længere tid at fuldføre end mennesker, der udførte arbejdet uafhængigt:

Forventet versus faktisk tid og mentalt arbejde under AI-hjælp og uafhængig opgavefuldførelse, og som viser artiklens foreslåede ‘hastighedsillusion’, hvor deltagere konsekvent troede, at AI ville spare langt mere tid, end det faktisk gjorde. Faktiske AI-hjælpede fuldførelsestider var betydeligt længere end forventet, mens estimeringer for uafhængig opgavefuldførelse forblev tættere på de observerede resultater.

Studiet undersøgte også den perciperede mentale anstrengelse. Deltagere troede ofte, at AI ville gøre opgaverne væsentligt lettere; dog var den målte reduktion i kognitiv anstrengelse langt mindre, end forventet. Artiklen karakteriserer dette som en ‘effektivitetsgevinstillusion’, hvor mennesker systematisk overvurderer både hastigheden og nyttigheden af AI-hjælp under simple hverdagsopgaver.

AI-brug fordyber illusionen

Den sidste af de tre studier var designet til at teste, om blot en kort eksponering for AI ændrer senere beslutningstagning. Deltagere blev inddelt i flere grupper og først gennemførte en ‘eksponeringsfase’, hvor nogle fuldførte lette opgaver med AI-hjælp; nogle fuldførte sværere opgaver med AI-hjælp; og andre fuldførte de samme opgavekategorier uafhængigt, uden AI. En separat kontrolgruppe sprang opgavefasen over.

Derefter gik alle grupper ind i en anden ‘testfase’, hvor de fik nye og lette opgaver, og selv kunne vælge, om de ville bruge AI eller ej. Opgaverne fokuserede igen på lav-kompleksitetsopgaver (dvs. omskrivning, aritmetik, genkaldelse, stavekontrol, sammenfatning og korte resonneringsøvelser), der hver kunne fuldføres på kun få minutter.

Artiklen rapporterer, at deltagere, der allerede havde brugt AI under eksponeringsfasen, blev væsentligt mere tilbøjelige til at afhænge af det igen herefter, selv når tidligere AI-brug ikke havde sparet tid eller reduceret mentalt arbejde.

Forskerne fandt, at tidligere AI-brugere valgte AI-hjælp langt hyppigere under den efterfølgende testfase end deltagere, der tidligere havde fuldført opgaver uafhængigt:

Deltagere, der tidligere havde brugt AI under eksponeringsfasen, blev væsentligt mere tilbøjelige til at afhænge af det igen under efterfølgende opgaver, på trods af at tidligere AI-brug ofte ikke havde produceret væsentlige gevinster i hastighed eller reduceret mentalt arbejde. Den venstre panel viser, at tidligere AI-brugere valgte AI-hjælp langt hyppigere under den efterfølgende testfase end deltagere, der initialt havde fuldført opgaver uafhængigt. Den højre panel illustrerer artiklens foreslåede ‘hastighedsillusion’, hvor tidligere AI-eksponering øgede deltagernes tro på, at AI-hjælp var hurtigere og mere effektiv, selv om målte fuldførelsestider ofte viste lille fordel og undertiden langsommere præstation.

Gentagen AI-eksponering rapporteres at have forvrænget deltagernes dømmekraft om, hvorvidt AI faktisk var nyttigt:

Mennesker, der allerede havde brugt AI, blev mindre tilbøjelige til at være enige om, at opgaverne faktisk kunne fuldføres hurtigere uden det, på trods af at målte resultater ofte viste lille fordel og undertiden langsommere fuldførelsestider.
Forskerne argumenterer for, at dette skaber betingelserne for en ‘selvfølgende cyklus’, hvor AI-brug øger fremtidig afhængighed af AI, samtidig med at det svækker brugernes evne til at nøjagtigt bedømme, om teknologien forbedrer produktiviteten overhovedet.

Konklusion

Mening Mange læsere, der har adopteret AI til små opgaver, kan, ligesom jeg, føle en vis bekendtskab med den nye artikels konklusioner.

Personligt har min besættelse af at automatisere repetitive opgaver foregået den nuværende AI-boom med flere årtier. Såvel dengang som nu står spørgsmålet: Er den indsats, der er involveret i at opsætte og/eller vedligeholde automatiseringen, større end den estimerede (kun-menneskelig) indsats i blot at udføre opgaven uden automatisering?

De, der elsker at automatisere, kan ende med at automatisere for automatiseringens skyld, selv hvis det kan tage år eller årtier, før nogen gevinst (i form af tid besparet) ville være tydelig; og dette ændrer konteksten for aktiviteten fra ‘optimering’ til ‘hobbyist’.

Der er intet galt i det, så længe man ikke bedrager sig selv om, at reel gevinst opnås. Alligevel er dette en dårlig vane, som jeg har forsøgt at modstå i de senere år; og muligheden for at bruge AI synes at være tilbøjelig til at forværre det, da selv dårlige eller ikke-optimale resultater kan opnås meget hurtigere, end f.eks. når man skriver makroer i JavaScript og andre sprog.

Bedrageriske indikatorer

Hvad artiklen lidt overser er spændingen mellem serendipitøse eller heldige resultater via AI og dominansen af blindgyder og frustrerede forsøg på at tilpasse tilgængelige AI-chatbots, såsom ChatGPT, til ens egne behov – i en arbejdsgang, der kan være afhængig af, selv i lyset af tvungne opgraderinger til nye versioner, der kan fungere anderledes end den version, som din arbejdsgang eller rutine var betinget af.

En ‘magisk’ resultater er den lejlighed, hvor AI løser dit problem på en let og rationel måde.

For eksempel, hver gang jeg gennemgår en artikel, skal jeg trykke den, og uundgåeligt skal jeg skrive sidesnumre i fed skrift øverst, da disse ofte enten er fraværende eller i meget lille skrift nederst. At bede ChatGPT om at producere et Python-script, der ville tilføje et stort og fedt sidesnummer øverst, resulterede i et utroligt hurtigt resultat, så jeg nu kan trække en Arxiv-PDF på en.BAT-fil og få en ny version med fremtrædende sidesnumre på 2-3 sekunder:

Tydeligt tilføjet sidesnumre til PDF’er via et AI-skrevet Python-script.

Bortset fra et minut eller to af diskussion om, hvorvidt Windows har en nativ og separat Arial Black-skrift (den gør det ikke længere), var dette muligvis det hurtigste, AI nogensinde havde skabt noget varigt og regelmæssigt nyttigt for mig.

Det kan diskuteres, om denne type ‘gennembrud’ eller ‘let sejr’ giver en falsk forestilling om AI’s sande evne til at spare tid og/eller mentalt udgifter, fordi vi har en tendens til at give sådanne eksempler urimelig stor vægt: vores naturlige tendens til at undertrykke smertefulde eller negative minder og til at genbruge eller fokusere på lykkelige minder betyder, at succesfulde eksempler, hvor AI løser små opgaver på en nyttig måde, vil ende som en ledestjerne, vi er tilbøjelige til at forfølge, selv mod strømmen af statistisk bevis og selv mod vores egen erfaring, at sådanne ‘lette sejre’ er undtagelsen og ikke reglen.

Der er voksende bevis, ud over den nye artikel, for, at vi bedrager os selv om AI’s nyttighed. I 2025 viste en studie, at udviklere, der brugte AI, tog 19% længere tid end uden AI; og en mere recent artikel bekræfter den underliggende besked i den nye artikel, der er diskuteret i denne artikel – at tiden tager tid.

Det ville være nyttigt, hvis forskning af denne type kunne oversættes til en (uundgåeligt AI-drevet) gammeldags tids- og bevægelsesstudie, hvilket ville give os virkelige indsigt i, omfanget af hvilken AI faktisk sparer os – eller omkoster os – tid.

Til sidst er studiet enestående på et andet vigtigt punkt, idet det i hvert fald forsøger at kvantificere ‘mentalt udgifter’ i forhold til brug af AI på mindre opgaver. Da der stigende opmærksomhed fokuserer på ‘intensiteten’ af AI-hjulpet arbejde, har vi brug for pålidelige måleenheder, der kan kvantificere, omfanget af hvilken AI’s krav og særheder udmatter eller udnytter os, til en mere generel omkostning af arbejdskvalitet og arbejdsdygtighed.

* Formatering er forfatterens, fra kildeartiklen. Eventuelle inline-citationer konverteret til hyperlinks af mig.

Først publiceret lørdag, 23. maj 2026