Det mesta verkliga AI-användandet förstärker, det ersätter inte
Vad människor faktiskt gör med AI, uppmätt, inte förutspått.
Förutsägelser är billiga. Användningsdata är ovanligare och ärligare. När man tittar på vad människor faktiskt gör med kompetenta modeller är det dominerande mönstret att arbeta vid sidan av dem, inte att lämna över uppgiften. Det är förstärkningsfronten: den stora mittfåran av arbete där AI gör en person snabbare och bättre snarare än överflödig.
Vad underlaget visar
Över miljontals verkliga Claude-konversationer var ungefär 57% av användningen förstärkande (samarbete med användaren) och omkring 43% automatiserande (slutförande av en uppgift), koncentrerat till mjukvara och skrivande.
En fältstudie av kundtjänstmedarbetare fann att en generativ assistent höjde produktiviteten med omkring 15% i genomsnitt, och med ungefär 30% för de minst erfarna, genom att sprida de bästas kunnande.
ILO nådde samma slutsats på global skala: förstärkning, inte automatisering, är det mer sannolika utfallet för det mesta exponerade arbetet.
Förstärkning är inte automatiskt bra för dig. Om ett verktyg låter tre personer göra fem personers arbete försvinner ändå två roller, även om alla som är kvar är 'förstärkta'. Och förstärkning som jämnar ut klyftan mellan nybörjare och expert kan urholka det försprång du lade åratal på att bygga.
Den tryggaste positionen är att vara den som hanterar verktyget väl, inte den vars hela arbetsresultat verktyget kan härma.