Przegląd „Jak ludzie używają ChatGPT”

Jestem Ilya Romanov i pracuję nad produktem AI w trybie stealth. W moim poprzednim artykule mówiłem o (niezbyt?) przełomowym raporcie MIT na temat AI i wyników finansowych. Inny głośny raport ukazał się – „Jak ludzie używają ChatGPT”. Jego odważne wprowadzenie „Ogólnie, stwierdzamy, że ChatGPT dostarcza wartości ekonomicznej poprzez wsparcie decyzji, co jest szczególnie ważne w pracy wymagającej wiedzy” sprawiło, że zacząłem się zastanawiać, czy – wreszcie – istnieje udowodnione świadectwo tego, że AI dodaje coś konkretnego do procesu pracy i wyników finansowych. Zanurzmy się teraz głębiej!

Raport i zespół

„Jak ludzie używają ChatGPT” został przygotowany przez badaczy OpenAI i ekonomistę Harvardu Davida Deminga. Ich łączna ekspertyza w dziedzinie inżynierii AI, analizy danych z zachowaniem prywatności i polityki ekonomicznej umożliwiła stworzenie tego obszernego, dużego studium empirycznego na temat ChatGPT.

Badanie opiera się na imponującej puli 1,5 miliona rozmów z ChatGPT. Zespół wykorzystał filtr zachowujący prywatność, aby anonimizować użytkowników, jednocześnie rozumiejąc intencję za wiadomościami. Podstawą było to, że każda rozmowa z ChatGPT była przepuszczana przez zautomatyzowany filtr, który usuwał wszystkie nazwy i dane osobowe, zanim badacze ją zobaczyli. Te oczyszczone, wygenerowane maszynowo etykiety (takie jak temat lub intencja) zostały przeanalizowane. Aby połączyć podstawowe tło demograficzne, takie jak wykształcenie lub zawód, zespół pracował w bezpiecznym, czystym środowisku, w którym mogli tylko pobrać zagregowane dane na grupy co najmniej 100 użytkowników, tak aby żadna osoba ani wiadomość nie mogła zostać wyodrębniona lub zidentyfikowana.

Wyniki

Odważne stwierdzenie w „Abstrakcie” jest jednym z kluczowych spostrzeżeń na temat tego, jak AI dostarcza wartość w nowoczesnej gospodarce. W przeciwieństwie do licznych „zautomatyzuj-to-wszystko” rozwiązań, które pojawiły się ostatnio, ChatGPT jest wykorzystywany głównie jako narzędzie wspierające decyzje, a nie jako platforma czystej automatyzacji zadań. Raport wprowadza dwa typy zadań, które użytkownicy przydzielają ChatGPT: „Zapytanie” i „Wykonanie”. Pierwsze odnosi się do zadań takich jak poszukiwanie informacji, doradzanie lub udzielanie wskazówek w celu podjęcia lepszych decyzji („Jaka jest różnica między korelacją a przyczynowością?”). Drugie dotyczy wykonywania konkretnych zadań, takich jak tworzenie e-maili, pisaniem raportów i nawet tworzeniem kodu („Napisz e-mail do mojego menedżera, mówiąc, że nie udało mi się skontaktować ze sprzedażą, chociaż kilkakrotnie próbowałem.”).

Co ciekawe, raport różnicuje rozmowy w pracy i poza pracą. Wszystkie rozmowy poza pracą stanowią aż 70% w 2025 roku, co oznacza gwałtowny wzrost w porównaniu z 53% w 2024 roku. Interakcje osobiste koncentrują się głównie na codziennych zadaniach (porady „jak-to-zrobić” i tutoriale) i pomocy w pisaniu (edycja lub tłumaczenie). Ten wzrost i kontekst użycia pozycjonują ChatGPT jako codziennego towarzysza – nowego Google – do eksploracji, pracy twórczej i podejmowania decyzji poza miejscem pracy.

Raport ujawnia, że 49% wszystkich wiadomości to „Zapytanie” w porównaniu z tylko 40% „Wykonania”. Sztuczka polega na tym, że „Zapytanie” wiadomości rośnie szybciej i otrzymuje wyższe oceny satysfakcji od użytkowników ChatGPT. W lipcu 2024 roku „Zapytanie” i „Wykonanie” były niemal równe, stanowiąc 46% wszystkich wiadomości ChatGPT. Do czerwca 2025 roku „Zapytanie” wzrosło do 51,6%, co oznacza wzrost o 5,6 punktów procentowych, co przekłada się na wzrost o 12%, podczas gdy „Wykonanie” spadło do 34,6%, co oznacza spadek o 25%.

Co to oznacza? Ekonomiczna korzyść, jak twierdzi raport, tkwi w szybszym i lepiej poinformowanym podejmowaniu decyzji w pracy wymagającej wiedzy, co zwiększa produktywność. W pracy wymagającej wiedzy, gdzie wyniki biznesowe są bezpośrednio wpływane przez jakość i szybkość decyzji, dostęp do lepiej przetworzonych informacji, alternatywnych perspektyw i doskonałego wsparcia analitycznego może znacznie poprawić wydajność pracownika.

Podstawą tej konkluzji są wyniki. Z jednej strony, użytkownicy z wyższym wykształceniem są o 2 punkty procentowe bardziej skłonni do korzystania z ChatGPT do „Zapytania” i o 1,6 punktu procentowego mniej skłonni do wysyłania wiadomości „Wykonania” w porównaniu z mniej wykształconymi użytkownikami. W podobny sposób użytkownicy w wysoko płatnych, naukowych i technicznych zawodach są bardziej skłonni do korzystania z AI do „Zapytania” – 47% wiadomości związanych z pracą to „Zapytanie” w zawodach związanych z komputerami.

Niewidoczne zdolności decyzyjne, które znacznie przewyższają ludzki mózg, mogą być odzwierciedlone w pieniądzu – nie w postaci przychodu, jaki OpenAI wypracował (imponujące 13 miliardów dolarów rocznego przychodu, na początku sierpnia tego roku), ale w tzw. consumer surplus. Innymi słowy, consumer surplus to luka między maksymalną kwotą, którą osoba byłaby skłonna zapłacić za usługę, a ceną, którą faktycznie płaci. Na przykład, jestem skłonny zapłacić 100 dolarów za miesięczną subskrypcję ChatGPT, ale płacę 20 dolarów, więc consumer surplus wynosi 80 dolarów.

W skali dużego przedsięwzięcia, jak wynika z badań Collisa i Brynjolfssona (2025), consumer surplus wynosi co najmniej 97 miliardów dolarów w samych Stanach Zjednoczonych. I wydaje się, że z ich badań wynika, że ludzie musieliby być zapłacić średnio 98 dolarów, aby przestać używać generatywnej AI przez miesiąc. Wartość, jaką ChatGPT ma dla użytkowników w kontekście pracy i poza nią, jest ogromna, i można bezpiecznie powiedzieć, że w kontekście przedsiębiorstwa jest jeszcze większy zysk finansowy.

Dlaczego Zapytanie?

Gdy badałem zespół zaangażowany w ten raport i (co nie jest zaskoczeniem!) zaprosiłem Perplexity do myślenia ze mną na temat tego raportu, nie mogłem się powstrzymać od zadawania sobie pytania, dlaczego ludzie wolą „Zapytanie” zamiast „Wykonania” z ChatGPT.

Aby sformułować to bardziej naukowo, chciałbym się odwołać do badań cytowanych w raporcie. Ide i Talamas (2025) przedstawili dwa role, jakie AI odgrywa w miejscu pracy: Współpracownik, który wykonuje prace, czyli robi pracę, i Współpilot, który wspiera rozwiązywanie problemów bez żadnych ostatecznych wyników. Dane z „Jak ludzie używają ChatGPT” potwierdzają paradygmat współpilota: ludzie wolą „Zapytanie” niż „Wykonanie” (49% vs 40%) i „Zapytanie” jest w fazie wzrostu, a „Rozwiązywanie problemów” zajmuje miejsce wśród najlepszych działań w każdej grupie zawodowej.

Co to oznacza? Dlaczego AI jest współpilotem w większości przypadków? Ale dlaczego? Przewijając Linkedin, widzę „Zautomatyzuj to” i „Zautomatyzuj tamto”.

Rozważałem to również, czytając raport i setki entuzjastycznych postów na Linkedin od entuzjastów AI, którzy znaleźli ten skrypt, aby wreszcie AI zaczęło działać. Moje założenie jest takie, że ta dominacja „Zapytania” nad „Wykonaniem” z ChatGPT może być po prostu odzwierciedleniem obecnych (lub przeszłych) ograniczeń modelu, a nie fundamentalną preferencją publiczności dla AI jako współpilota. Prawdopodobnie, gdy pojawi się naprawdę potężne rozwiązanie AI, użytkownicy będą coraz częściej przyjmować AI jako prawdziwego współpracownika, a nie tylko doradcę. Innymi słowy, ludzie chcą używać AI jako współpracownika, ale nadal istnieją ograniczenia.

Moje doświadczenie i to, co usłyszałem podczas wywiadów z klientami, sprawiło, że założyłem, iż istnieje jeden poważny mankament, którego AI jeszcze nie może pokonać. Po pierwsze, brakuje mu kontekstu. Po drugie, nie każda praca może być rozbita na proste polecenie (albo po prostu nie mam cierpliwości).

Chciałbym wyjaśnić te dwa punkty. Ponieważ AI brakuje kontekstu, nie można go puścić samemu, gdy chodzi o tworzenie treści. Musi być monitorowany, a polecenie może wymagać rewizji w celu uzyskania lepszego wyniku. IBM wyjaśnił tę ideę w naukowych słowach. Ludzie gromadzą bogate zrozumienie sytuacyjne dzięki nieprzerwanemu postrzeganiu, pamięci i doświadczeniu świata, podczas gdy asystenci AI działają wyłącznie na podstawie przewidywania następnego tokenu (~słowa) na podstawie stałego „okna kontekstowego” ostatnich danych wejściowych. AI ma krótką pamięć, a wcześniejsze informacje zostają utracone, gdy pamięć jest wypełniona.

Modele językowe mają trudności z wieloetapowymi, złożonymi zadaniami. Wydajność i spójność maleją, gdy zadania są łączone, Prompt Drive wyjaśnia. Istnieje podejście, aby pokonać to ograniczenie – tzw. podejście „podziel i zwyciężaj”. Jednakże, przyznaje się, że żadne pojedyncze polecenie nie może uchwycić wszystkich niuansów, więc AI pozostaje doskonałym współpilotem, podczas gdy jest ograniczonym współpracownikiem.

Teraz, gdy myślałem w kontekście ChatGPT, zacząłem się zastanawiać, czy ten stosunek (49% vs 40%) się powtarza z innymi narzędziami AI?

• 60% wiadomości wysłanych do Perplexity AI to żądania związane z badaniami, a nie czystą generacją treści, według App Labx.
• DeepSeek R1 uzyskuje wysokie wyniki jako zaawansowany współpracownik do zadań logicznych i współpilot do łańcucha myśli, według wewnętrznego raportu.
• GitHub Co-pilot (wskazówka jest w nazwie, prawda?) został zaprojektowany do sugestii edytora dla kodu, debugowania i pomocy w nauce. Można bezpiecznie założyć, że jego rola polega na pomocy, a nie na wykonywaniu.
• Microsoft Copilot pokazuje mniej więcej równy podział między „Zapytaniem” a „Wykonaniem”, odzwierciedlając wzorce użycia dla ChatGPT.

Więc – co pozostają nam wyniki? Jak to widzę, AI jest potężnym impulsem dla pracy wymagającej wiedzy, przyspieszając podejmowanie decyzji i przekładając się na bezpośrednie oszczędności czasu i pośrednie zyski. Oporowanie się AI na rzecz „ludzkiego dotyku” lub „wyjątkowej treści” oznacza przegraną w dłuższej perspektywie. Ludzie używają ChatGPT i innych asystentów AI, aby wspomagać podejmowanie decyzji, a nie zastępować człowieka w podejmowaniu decyzji.

Czy wzorzec się zmieni? Czy ludzie zobaczą masową degenerację mózgu z powodu coraz większego delegowania pracy do AI? Zostawiam to na następny artykuł na temat wpływu AI na ludzki mózg i zdolności poznawcze.