AI-bruken kan gjøre oppgaver tidskrevende, forskning finner

Ny forskning viser at AI kan gjøre enkle oppgaver tidskrevende, samtidig som brukerne blir overbevist om at de blir mer effektive.

En ny studie fra Stanford, NYU og Princeton har funnet ut at vi ofte bruker AI selv når det er ineffektivt; og at for de mindre oppgavene vi tvangsmessig sender til AI, ville vi ofte bruke mindre mentalt arbeid og spare mer tid ved å gjøre oppgaven selv.

Over tre menneskelige studier bestilt for forskningen, fant forfatterne ut at deltakerne jevnt over undervurderte hvor mye tid AI ville spare dem på en foreslått oppgave, samt undervurderte hvor mye de avhengig av og faktisk bruker AI*.

‘I [den andre studien], søker vi å forstå hvorfor mennesker kan bruke AI for enkle oppgaver til tross for at AI-bruken ikke gir noen effektivitetsgevinster. En hypotese er at mennesker er feiljustert når det gjelder hvor mye tid og arbeid AI-hjelpen sparer.

‘For å teste denne hypotesen, sammenlignet vi menneskers forventede versus faktiske tid og arbeid ved å fullføre disse oppgavene med og uten AI-hjelp og identifiserte effektivitetsgevinst-illusjoner, der mennesker overestimerte både tiden og arbeidet som AI-hjelpen sparte.

‘I gjennomsnitt forventet mennesker at AI-hjelpen ville spare tid på 55,7 sekunder når den bare sparte 7,5 sekunder. Denne feiljusteringen er særlig alvorlig på de enkle variantene av oppgavene, der mennesker forventet at AI-hjelpen ville spare tid, men den faktisk gjorde oppgavene tregere å fullføre i virkeligheten.’

Den nye artikkelen, med tittelen Effektivitetsgevinst-illusjonen: Mennesker undervurdérer AI-bruk og overestimerer dens fordeler på enkle oppgaver, skrevet av syv forfattere fra de tre institusjonene, finner også ut at tidligere AI-bruk synes å forsterke fremtidig AI-bruk, selv når teknologien ikke tilbyr noen eller liten effektivitetsgevinst.

Oversikt over de tre eksperimentene som ble brukt til å teste hvordan mennesker bruker AI for enkle hverdagsoppgaver, og som viser at brukerne undervurdérer hvor ofte de avhenger av AI, overestimerer tiden det sparer, og blir mer sannsynlig til å bruke det igjen etter tidligere eksponering. Kilde

Data fra de tre studiene viste at mennesker blir mer sannsynlig til å bruke AI etter tidligere eksponering, selv på måter som ikke er produktive eller tidssparende (dvs. som krever mindre mentalt arbeid på oppgaven)*:

‘I motsetning til muligheten at erfaring forbedrer kalibrering [dvs. evnen til å estimere hvor nyttig AI er for en oppgave], identifiserte vi en sessjonsnivå- carryover-effekt der initial AI-bruk øker senere AI-bruk.

‘Deltakerne som først fullførte oppgaver med AI-hjelp, ble mer sannsynlig til å velge AI-hjelp på enkle oppgavervarianter, selv om det ikke tilbød noen tid- eller arbeidssparing i gjennomsnitt.’

I en av de menneskelige studiene fant forfatterne ut at besparelsene fra AI-bruk var helt illusoriske:

‘AI-hjelp kan [feile]. [Vi] fant ut at mennesker som valgte å bruke AI, tilbrakte 7,06 sekunder mer enn mennesker som fullførte oppgavene [uavhengig] og rapporterte høyere arbeid.’

Studien var begrenset til oppgaver som tok fem minutter eller mindre, men kan være relevant for tidligere søkemotor-avhengige som nå rutinemessig søker hjelp fra ChatGPT og andre populære, kommersielle LLM-er i stedet.

Studiegrupper

Over de ulike brukerstudiene ble oppgaver utformet basert på Taxonomy of User Needs and Actions (TUNA)-rammeverket. Eksperimentene dekket informasjonssøking; sammenfatting; aritmetikk; stavekontroll; omformulering; og andre lavkompleksitetsoppgaver som generelt kunne fullføres på under fem minutter.

Den første studien sammenlignet deltakernes forventede villighet til å bruke AI mot deres faktiske atferd under oppgavefullføring, og undersøkte om mennesker nøyaktig forstår sin egen avhengighet av AI-hjelp.

Den andre fokuserte på opplevd versus faktisk effektivitetsgevinst, ved å sammenligne deltakernes forventninger om tidssparing og redusert mentalt arbeid mot målte fullførings­tider og rapportert arbeidsbyrde, under AI-assistert og uavhengig oppgavefullføring.

Den tredje undersøkte om tidligere eksponering for AI endret senere beslutningstagning, og sporet om deltakerne som tidligere hadde fullført oppgaver med AI, ble mer sannsynlig til å avhenge av AI igjen under senere oppgaver.

Overtenkning – AI-bruk på enkle oppgaver

For å forstå om mennesker nøyaktig estimerer sin egen avhengighet av AI, ble deltakerne i en sesjon bedt om å fullføre fire oppgaver, med mulighet til å bruke AI-hjelp for hver oppgave. Nivået på hvilket deltakerne faktisk brukte AI, ble sammenlignet med deres egen tidligere estimat av hvor mye de trodde de ville bruke det, med betydelig dissonans i resultene:

Deltakerne brukte AI mer enn de hadde forventet, med en gap som økte på enkle oppgaver hvor AI-bruk faktisk økte til 38% mot en forventet rate på 20%, og som antyder at vanlig delegasjon til AI går langt utenfor brukernes egen bevissthet.

Forfatterne slår fast:

‘Vi fant ut at [mennesker] faktisk brukte AI mye mer enn den gjennomsnittlige forventede raten. I gjennomsnitt rapporterte deltakerne at de ville bruke AI i 33% av oppgavene, men den faktiske raten av AI-bruk var 47% (β = 1,07, p < 0,001).

‘Denne gapen er større for enkle oppgavervarianter (β = 0,69, p < 0,001): deltakerne forventet en AI-bruksrate på 20%, men den faktiske raten av AI-bruk var 38% (β = 1,42, p < 0,001), nærmere dobbelt så høy som den forventede raten.’

Eksperimentene fokuserte på vanlige lav-anstrengende oppgaver som mange mennesker nå sender til AI, selv om det kan være unødvendig. Deltakerne ble bedt om å utføre enkle aktiviteter som involverte faktiske minner, aritmetikk, stavekontroll, omformulering av korte passasjer, sammenfatting av tekst, og å svare på grunnleggende resonnerings­spørsmål, med noen oppgaver som bare krevde noen få ord eller en enkelt setning for å fullføres.

Studien inkluderte også litt vanskeligere varianter av de samme aktivitetene, som tillot forskerne å sammenligne om AI-bruk endret seg når arbeidet ble mer krevende.

AI-tidsbesparende fordeler overestimert

I den andre studien ble deltakerne delt inn i to separate grupper, hvor den ene gruppen først estimerte hvor mye tid og mentalt arbeid AI ville spare på en rekke oppgaver, mens den andre gruppen faktisk fullførte de samme oppgavene enten uavhengig eller med AI-hjelp. Oppgavene handlet igjen om lavkompleksitetsaktiviteter som involverte aritmetikk, omformulering, faktiske minner, sammenfatting, stavekontroll og korte resonneringsøvelser.

Målet var å sammenligne menneskers forventninger om AI-produktivitet mot hva som faktisk skjedde når arbeidet ble utført. Ifølge artikkelen, overestimerte deltakerne jevnt over hvor mye AI ville hjelpe dem, særlig på enkle oppgaver hvor mange antok AI ville dramatisk redusere arbeidsbyrde og fullførings­tiden.

I stedet viste målte resultater ofte bare små gevinstene, og i noen tilfeller, som tidligere nevnt, forsinket AI-bruk faktisk deltakerne. Artikkelen rapporterer at mennesker forventet at AI-hjelpen ville spare nesten ett minutt i gjennomsnitt, mens de observerte tidssparelsene bare var noen få sekunder.

På noen enkle oppgaver, tok AI-brukerne faktisk lengre tid å fullføre enn mennesker som fullførte arbeidet uavhengig:

Forventet versus faktisk tid og mentalt arbeid under AI-assistert og uavhengig oppgavefullføring, og som avslører artikkelenes foreslåtte ‘hastighetsillusjon’, hvor deltakerne jevnt over trodde AI ville spare mye mer tid enn det faktisk gjorde. Faktiske AI-assisterte fullførings­tider var betydelig lengre enn forventet, mens estimatene for uavhengig oppgavefullføring forble langt nærmere de observerte resultene.

Studien undersøkte også opplevd mentalt arbeid. Deltakerne trodde ofte at AI ville gjøre oppgavene mye enklere; men den målte reduksjonen i kognitivt arbeid var langt mindre enn forventet. Artikkelen karakteriserer dette som en ‘effektivitetsgevinst-illusjon’, hvor mennesker systematisk overestimer både hastigheten og nyttigheten av AI-hjelp under enkle hverdagsoppgaver.

AI-bruk forsterker villusjonen

Den siste av de tre studiene var designet for å teste om selv kortvarig eksponering for AI endrer senere beslutningstagning. Deltakerne ble delt inn i flere grupper og først gjennomgikk en ‘eksponeringsfase’, hvor noen fullførte enkle oppgaver med AI-hjelp; noen fullførte vanskeligere oppgaver med AI-hjelp; og andre fullførte de samme oppgavene uavhengig, uten AI. En separat kontrollgruppe hoppet over oppgavefasen helt.

Deretter gikk alle gruppene inn i en andre ‘testfase’, denne gangen med nye og enkle oppgaver, og fikk lov til å bestemme selv om de ville bruke AI eller ikke. Oppgavene handlet igjen om lavkompleksitetsoppgaver (dvs. omformulering, aritmetikk, minner, stavekontroll, sammenfatting og korte resonneringsøvelser) som hver kunne fullføres på bare noen minutter.

Artikkelen rapporterer at deltakerne som allerede hadde brukt AI under eksponeringsfasen, ble betydelig mer sannsynlig til å avhenge av AI igjen etterpå, selv om tidligere AI-bruk ofte ikke hadde spart tid eller redusert mentalt arbeid.

Forskerne fant ut at tidligere AI-brukere valgte AI-hjelp mye oftere under den senere testfasen enn deltakerne som tidligere hadde fullført oppgaver uavhengig:

Deltakerne som tidligere hadde brukt AI under eksponeringsfasen, ble betydelig mer sannsynlig til å avhenge av AI igjen under senere oppgaver, til tross for at tidligere AI-bruk ofte ikke hadde gitt noen betydelige gevinst eller redusert mentalt arbeid. Den venstre panelen viser at tidligere AI-brukere valgte AI-hjelp mye oftere under den senere testfasen enn deltakerne som tidligere hadde fullført oppgaver uavhengig. Den høyre panelen viser artikkelenes foreslåtte ‘hastighetsillusjon’, hvor tidligere AI-eksponering økte deltakernes tro på at AI-assistert arbeid var raskere og mer effektivt, til tross for at målte fullførings­tider ofte viste liten gevinst og noen ganger langsommere ytelse. 

Gjentakende AI-eksponering rapporteres å ha forvrengt deltakernes dømmekraft når det gjelder om AI faktisk var nyttig: mennesker som allerede hadde brukt AI, ble mindre sannsynlig til å enige seg om at oppgavene faktisk kunne fullføres raskere uten det, til tross for at målte resultater ofte viste liten gevinst og noen ganger langsommere fullførings­tider.

Forskerne argumenterer for at dette skaper en ‘selvforsterkende syklus’, hvor AI-bruk øker fremtidig avhengighet av AI, samtidig som det svekker brukernes evne til å nøyaktig vurdere om teknologien faktisk forbedrer produktiviteten overhodet.

Konklusjon

Mening Mange lesere som har adoptert AI for små oppgaver, kan kanskje, som meg, føle en følelse av bekjentskap med den nye artikkelenes konklusjoner.

Personlig har min besettelse av å automatisere repetitive oppgaver forut den nåværende AI-boomen med flere tiår. Da, som nå, er spørsmålet: Er arbeidet med å sette opp og/eller vedlikeholde automatiseringen større enn det estimerte (menneske­lige) arbeidet i å bare gjøre oppgaven, uten noen automatisering?

De som elsker å automatisere, kan ende opp med å automatisere for automatiseringens egen skyld, selv om det kan ta år eller tiår før noen gevinst (i form av tid sparing) vil være synlig; og dette endrer konteksten for aktiviteten fra ‘optimalisering’ til ‘hobbyist’.

Det er ingenting galt med dette, så lenge du ikke bedrar deg selv til å tro at faktiske gevinstene blir gjort. Likevel er dette en dårlig vane som jeg har forsøkt å motstå i de senere år; og muligheten til å bruke AI, nylig, synes å være utsatt for å forverre denne vanen, ettersom selv dårlige eller ikke-optimale resultater kan bli oppnådd mye raskere enn, for eksempel, når man skriver makroer i JavaScript og andre språk.

Bedragende indikatorer

Hva artikkelen lite nevner, er spenningen mellom serendipitøse eller heldige resultater via AI, og dominansen av blindgater og frustrerte forsøk på å tilpasse tilgjengelige AI-chatboter, som ChatGPT, til dine egne behov – i en arbeidsflyt som kan være avhengig av, selv i møte med tvungne oppgraderinger til nye versjoner som kanskje ikke fungerer på samme måte som versjonen din arbeidsflyt eller rutine var avhengig av.

En ‘magisk’ resultat, derfor, er den anledning hvor AI umiddelbart løser ditt problem på en enkel og rasjonell måte.

For eksempel, hver gang jeg gjennomgår en artikkel, må jeg skrive ut den, og uunngåelig må jeg skrive sidesnummer i fet skrift opptil, ettersom disse ofte er fraværende eller i liten skrift nederst. Å be ChatGPT om å produsere en Python-skript som ville legge til et stort og fet sidesnummer øverst, viste seg å gi et usedvanlig raskt resultat, i og med at jeg nå kan dra et Arxiv-PDF på en .BAT-fil og få en ny versjon med fremtredende sidesnummer, på 2-3 sekunder:

Tydelig sidesnummering lagt til i PDF-er via en AI-skrevet Python-skript.

Bortsett fra et minutt eller to med diskusjon om hvorvidt Windows har en innebygd og separat Arial Black-skrift (den gjør det ikke lenger), var dette kanskje det raskeste AI noen gang hadde skapt noe varig og jevnt nyttig for meg.

Det kan hevdes at denne type ‘gjennombrudd’ eller ‘enkel seier’ gir en feilaktig forestilling om AI-sans evne til å spare tid og/eller mentalt arbeid, fordi vi tenderer til å gi slike eksempler uforholdsmessig stor vekt: vår naturlige tendens til å undertrykke smertefulle eller negative minner og til å gjenbruke eller sentrere om lykkelige minner betyr at vellykkede eksempler hvor AI løser små oppgaver på en nyttig måte, vil ende opp som en ledestjerne vi er sannsynlig til å forfølge, til tross for statistisk bevis som vist i den nye artikkelen, og til tross for vår egen erfaring som sier at slike ‘enkle seire’ er unntak snarere enn regel.

Det er økende bevis, foruten den nye artikkelen, som viser at vi bedrar oss selv om AI-sans nytte. I 2025 viste en studie at utviklere som brukte AI brukte 19% lengre tid; og en nyere studie bekrefter den underliggende meldingen i den nye artikkelen som er diskutert i denne artikkelen – at tiden det tar å spare tid.

Det ville være nyttig hvis forskning av denne typen kunne oversettes til en (uunngåelig AI-drevet) gammeldags tid- og bevegelsesstudie, som ville gi oss virkelige innsikter i hvor stor grad AI faktisk sparer oss – eller koster oss – tid.

Til slutt er studien usedvanlig i et viktig aspekt, ettersom den i det minste forsøker å kvantifisere ‘mentalt arbeid’ i forhold til bruk av AI på mindre oppgaver. Ettersom økende oppmerksomhet fokuserer på ‘intensiteten’ av AI-assistert arbeid, har vi急 behov for pålitelige måleenheter som kan kvantifisere hvor stor grad AI-sans krav og egenheter utmattar eller uttømmer oss, på en generell kostnad av kvalitet på arbeid og arbeidsdyktighet.

* Formatering er forfatterens, fra kildeartikkelen. Eventuelle inline-citater konvertert til lenker av meg.

Først publisert lørdag, 23. mai 2026