Laika ietaupījums, ko apēd pārbaudīšana: aptuveni 40 % atgriežas pārstrādāšanā
AI iznākuma pārbaudīšana apēd aptuveni 40 % ietaupītā laika. Ko „pabeigts" nozīmē un divi skaitļi, kas parāda, vai tiešām esat priekšā.
Laiks, kas pavadīts, pārbaudot AI iznākumu, atceļ aptuveni 40 % no laika, ko AI ietaupa. Workday pētījums, publicēts 2026. gada janvārī, atrada, ka gandrīz 40 % ietaupījuma aiziet atpakaļ pārstrādāšanā — pārrakstīšanā, faktu pārbaudē un labošanā —, kamēr 85 % darbinieku ziņo, ka ietaupa vienu līdz septiņas stundas nedēļā. Virsraksta ietaupījums ir īsts; tīrais ietaupījums ir aptuveni puse no tā.
Cik daudz AI iznākuma pārbaudīšana tiešām maksā?
Pietiekami daudz, lai mainītu jebkuru biznesa aprēķinu, kas balstīts uz virsraksta skaitli:
- ~40 % ietaupītā laika aiziet pārstrādāšanā: pārrakstīšanā, faktu pārbaudē, labošanā — Workday, 2026. gada janvāris
- 85 % darbinieku ietaupa vienu līdz septiņas stundas nedēļā, daļu no tām zaudējot pārbaudē — CFO.com par to pašu pētījumu
- ~40 % ASV biroja darbinieku viena mēneša laikā saņēma „workslop"; katrs gadījums prasīja gandrīz divas stundas, ar aplēstām 186 ASV dolāru izmaksām uz darbinieku mēnesī — pētījums, ko popularizēja Harvard Business Review
- ~40 % no šī sloga ceļoja starp kolēģiem, pārējais — starp vadītājiem un viņu komandām
Divi no šiem skaitļiem mijiedarbojas slikti. Ja rīks ietaupa piecas stundas nedēļā un divas atdod pārstrādāšanai, atlikušās trīs ir īstas — līdz brīdim, kad viens „workslop" gadījums nokrīt uz kolēģi un maksā viņam vēl divas. Tajā brīdī komanda ir uz nulles, un vislielāko produktivitāti sajūt tas, kurš darbu radīja.
Kas ir „workslop" un kāpēc tas ir sliktāk par sliktu melnrakstu?
„Workslop" ir AI radīts darbs, kas izskatās pabeigts un nav: ticama struktūra, pārliecināts tonis, trūkstoša vai nepareiza būtība. Tas ir sliktāk par acīmredzami sliktu melnrakstu, jo izmaksas nokrīt uz kādu citu.
Cilvēks, kurš dokumentu ģenerēja, ietaupīja divdesmit minūtes. Kolēģis pavadīja divas stundas, noskaidrojot, kuras daļas ir patiesas. Mērot individuāli, rīks izskatās pēc panākuma. Mērot pāri komandai, tas var būt tīrais zaudējums — tāpēc „mūsu cilvēki saka, ka tas ietaupa laiku" ir vājš signāls, un godīgais rādītājs ir pabeigts darbs, kas aiziet no komandas, ne melnraksti, kas tajā ienāk.
Kāpēc melnraksts nav pabeigts darbs?
Tāpēc, ka melnraksts atgādina dokumentu, bet rezultāts ir pats dokuments. Šī plaisa ir tieši tā pārstrādāšana, ko pētījumi mēra, un no pirmā acu uzmetiena tā nav redzama: pārliecināta rindkopa un pareiza rindkopa izskatās vienādi, līdz kāds pārbauda. Tieši tas padara pārbaudīšanu dārgu — to nevar izlaist, jo pēc virsmas nevar pateikt, vai šī bija tā reize, kad tā bija vajadzīga.
Ko „pabeigts" nozīmē?
Četras īpašības, izlemtas pirms jebkādas automatizācijas.
Tas ir īstajā formātā. Īstā izklājlapa, atskaites veidne vai atbilde — ne apraksts par to, kam tajā jābūt. Ja cilvēks saturu pārnes īstajā dokumentā, jūs darbu pārcēlāt, nevis noņēmāt.
Katram skaitlim ir nosaukts avots. Ne „pēc datiem", bet kurš fails, kura sistēma, kurš lauks un kad paņemts. Pārbaudītājam jāspēj pārbaudīt vienu skaitli, neatjaunojot visu procesu.
Izņēmumi tiek nosaukti, ne uzminēti. Tieši šī īpašība izšķir, vai pārbaude ir lēta vai dārga. Sistēma, kas robu aizpilda ar kaut ko ticamu, liek cilvēkam pārbaudīt visu, jo izdomātais var būt jebkurš lauks. Sistēma, kas atzīmē trīs neatrisinātus laukus, ļauj cilvēkam pārbaudīt trīs laukus.
Tvērums saskaņots pirms darba sākuma. Ja pieprasījums pirms izpildes tiek pārstāstīts atpakaļ, pārpratumi parādās tajās desmit sekundēs pirms, nevis pārbaudē pēc.
Aiz visām četrām stāv viens raksts: pārbaudes izmaksas krīt, kad sistēma pasaka, kur skatīties, un aug, kad iznākums ir vienmērīgi pārliecināts.
Kvantia Harness ir uzdevumu un kontroles slānis AI darbiniekam uz datora, kas ir jūsu uzņēmuma kontrolē, un tieši ap šo problēmu tas ir veidots: izpilde atdod rezultātu kopā ar to, kas tika lasīts, kuras darbības veiktas, kuras noliktas rindā pie cilvēka un ko neizdevās atrisināt. Būtība nav tā, ka pieraksts pastāv — būtība ir, ka pārbaudītājs zina, kuri trīs lauki jāapskata, tā vietā lai pārlasītu visu. Kā tas strādā parāda rutīnu no pieprasījuma līdz audita pierakstam.
Kā izmērīt, vai tiešām esat priekšā?
Pietiek ar diviem skaitļiem.
Laiks no iedarbinātāja līdz pieņemtam rezultātam, ieskaitot pārbaudi. Ne ģenerēšanas laiks. Ja atskaite ģenerējas 30 sekundēs un pārbaude prasa 40 minūtes, jūsu skaitlis ir 40 minūtes ar nedaudz.
Pārstrādāšanas biežums. Cik liela daļa iznākumu atnāca atpakaļ labošanai un cik ilgi katrs prasīja. Ja pēc mēneša uz to nevarat atbildēt, rīks netiek vērtēts — tas tiek paciests.
Abus skaitļus jāsavāc tam, kurš pārbauda, ne tam, kurš rīku ieviesa. Tā nav uzticēšanās problēma; tā ir tāpēc, ka abas lomas redz dažādas izmaksu puses, un tikai pārbaudītājs redz to pusi, ko mēra pētījumi.
Sekojiet abiem pret sākuma mērījumu, ko veicāt iepriekš, un strīds vairs nav par to, vai AI ir iespaidīgs. Tas kļūst par parastu darba jautājumu ar parastu darba atbildi — tā pati disciplīna, kas atšķir tos dažus veiksmīgos izmēģinājumus rakstā kāpēc AI izmēģinājumi izgāžas, un tas pats iemesls izvēlēties pirmo rutīnu, ko ātri pārbaudīt, kā rakstā kurus uzdevumus automatizēt vispirms.