智用研究院最近有一项研究成果是人工智能在信息工作者们（包括操作、管理和决策三个层次）中的应用形态和实现技术路径，不过我们也要回答一个问题，这些应用到底能对信息工作者们的效率有多大的提升作用？

去年九月，哈佛和波士顿咨询倒是发布过一个调研结果：

但是当时的AI还是个人玩得比较多，生个文啊画个图啊，当企业级大规模开始应用AI的时候，有不少协作、知识库、RAG等要素加入进来，那么在企业级应用场景中的AI会如何？这事儿不容易研究，主要的原因是通用的企业人工智能应用目前主要集中在操作层，也就是操作系统和Office应用场景中这种应用面应该是最广的，那么同时有Office和操作系统的...让我们把期待的目光投向微软吧。

微软最近发布了一份题为《真实世界工作场所中的生成式AI》的研究报告，这份报告汇总了微软内部，也包括LinkedIn的联合调研得到的十几项关于AI与生产力的最新研究成果。与以往主要关注实验室环境下的研究不同，这份报告重点考察了像Copilot这样的大语言模型驱动的生产力工具在实际工作环境中的应用情况。其中一项研究堪称迄今为止规模最大的生成式AI在组织中引入的随机对照试验。

那么，这些研究的主要发现是什么呢?

第一，生成式AI确实已经在帮助人们显著提高日常工作效率。这一发现验证了此前实验室研究的预期。在微软的一项大规模随机对照实验中，研究人员发现使用Copilot for Microsoft 365的员工阅读的单独电子邮件数量减少了11%，与电子邮件交互的时间减少了4%。一些组织甚至在这两个指标上看到了20%至25%的相对降幅，重度依赖Office软件的则提升了13-30%的效率。

其次，AI对生产力的影响因角色、职能和组织而异。例如，在一项针对Copilot在工作场所使用情况的调查中，从事客户服务和销售的专业人士报告的生产力提升最高，而法律专业人士报告的提升最低。这种差异可能源于不同角色所涉及任务的性质。那些涉及重复性工作和内容创作的角色似乎从当前AI功能中受益最多，而那些涉及更多变化和复杂任务的角色则获益较少。

第三，AI工具的采用和使用程度影响着其带来的效果。研究发现，使用Copilot时间越长，感知到的好处就越多。使用超过10周的受访者比使用3-6周的受访者报告了更多的好处，如更高的生产力和工作满意度。这表明，随着用户逐渐适应并学会更好地利用AI工具，其价值可能会随时间推移而增加。用户多到什么程度了呢？从LinkedIn受访用户群体来说大概是3/4都在用了。

第四，AI可能会影响完成任务所需的认知努力。一项研究发现，使用Copilot的参与者报告任务的心理需求更低，压力更小，感觉不那么紧迫。这表明AI工具可能通过减轻认知负担来提高生产力，这一点我也有感觉。

然而，研究也发现了一些有趣的事实。例如，在会议参与方面，一些组织看到显著增加，而另一些则看到显著减少。这可能反映出AI工具对工作流程的影响是多方面的- 它们可能使某些任务更有效率，但同时也可能使这些任务变得更有价值，从而增加其使用频率，也就是说，当人工智能把你从一个会议里解放出来之后，你就可以...

[沙滩，夕阳，鸡尾酒，摸鱼的假想图，真的假想]

你想多了，很可能多出来的时间你就可以多开一个会了。

研究还发现，AI的影响可能因语言而异。在一项实验中，使用Copilot的日语母语者在回答英语会议相关问题时的准确率略高于使用标准工具观看日语会议的人。这表明AI工具可能在跨语言协作中发挥重要作用。

那么，这些发现对我们理解AI在信息工作者的场景下作用有何启示?

首先...emmm...现在我写“首先”这个词总感觉我是个人工智能在写文章...它们表明生成式AI确实有潜力大幅提高信息工作者的生产力。但这种提升并非一刀切，而是取决于具体的工作环境和使用方式。对于组织来说，了解哪些角色和任务最适合使用AI工具，以及如何最好地将这些工具整合到现有工作流程中将是关键，那么用什么方式能干好这事儿呢？单依靠某一个大模型是搞不了的，单依靠数字化手段也有局限，正如昨天在广州创新力大会圆桌论坛上我提到的，“这里面有个总被大家忽略的词叫“工程化”，每个AI场景如果都是在工程化手段从头做到尾，那就是新的烟囱，目前我们的研究认为通过AIAgent Foundry这样的AI PaaS服务才能更有效地发挥AI的能力，无论是满足业务场景还是融合智算，又或者让AI能自我优化。”

其次，这些发现强调了培训和支持的重要性。随着使用时间的增加，用户似乎能够从AI工具中获得更多价值。这意味着组织可能需要投资于长期的AI培训和支持计划，而不是仅仅依赖于初始培训，已经有不少企业家也发现了这事儿：培训一次很好，但过一段时间这些第一次培训得到的工具的边际收益就收窄了，因为员工本身并不是AI专业人士。在这件事情上，为提供过一百多场人工智能相关培训的我们可太有发言权了。欢迎后台留言我们详聊。

第三，这些研究结果提醒我们，AI工具的影响可能超出直接的生产力指标。例如，它们可能改变工作的认知需求，只有在用的过程中用户才能逐渐习惯新的工作方式，并提出进一步对AI的要求，不然用户和AI就还是站在河两岸相看泪眼。