Badanie ActivTrak dotyczące dnia pracy wykazało, że użytkownicy AI pracują dłużej

ActivTrak podaje, że rozpiętość dnia pracy użytkowników AI jest nawet o 90 minut większa niż w przypadku osób niekorzystających z AI, co podważa obietnicę, że szybsza realizacja zadań prowadzi do krótszych dni. Badanie ActivTrak dotyczące dnia pracy obejmuje 9 140 pracowników umysłowych z 467 przedsiębiorstw i wykorzystuje dane o aktywności cyfrowej zebrane między 1 kwietnia a 25 września 2026 roku. Opublikowane 29 października ustalenia łączą wdrażanie AI z dłuższymi dniami, nie dowodząc jednak, że to AI spowodowała tę różnicę.

To rozróżnienie ma znaczenie, ponieważ pozorna sprzeczność może mieć kilka wyjaśnień. Pracownicy wykonujący wymagające zadania mogą częściej korzystać z AI. Szybsze wytwarzanie rezultatów może zachęcać do przydzielania dodatkowych zadań. Czas może też pochłaniać przenoszenie pracy między asystentami a istniejącymi aplikacjami — czego nie uwzględniają demonstracje pojedynczych zadań. Każde z tych wyjaśnień wywiera presję na pracodawców obiecujących efektywność bez mierzenia tego, co dzieje się w całym dniu pracy.

Wcześniejsze badania nad dniem pracy z AI stanowią istotną przeciwwagę. Randomizowany eksperyment z udziałem asystenta zintegrowanego z istniejącymi aplikacjami wykazał skrócenie czasu poświęcanego na e-maile i mniej pracy poza regularnymi godzinami. Wyłaniający się konflikt dotyczy więc obietnicy produktywności i nierównych rezultatów w miejscu pracy. AI może oszczędzać czas przy konkretnym zadaniu, pozostawiając bez odpowiedzi pytanie, czy pracownicy kończą wcześniej, realizują więcej zadań, czy przejmują dodatkowe obowiązki związane ze sprawdzaniem i koordynacją.

Co faktycznie wykazało badanie ActivTrak dotyczące dnia pracy

Najnowsze ustalenie dotyczy rozpiętości dnia pracy, której nie należy mylić z nieprzerwaną pracą ani zweryfikowanymi rezultatami.

Według analizy dnia pracy ActivTrak, dni użytkowników AI trwały od 8,4 do 9,1 godziny, wobec 7,6 godziny w przypadku osób niekorzystających z AI. Intensywni użytkownicy średnio pracowali w nieprzerwanych sesjach skupienia przez 37,8 minuty, w porównaniu z 48,2 minuty wśród lekkich użytkowników. Intensywni użytkownicy odnotowali też dodatkowe 18 minut codziennej aktywności po godzinach.

Te pomiary opisują różne aspekty pracy. Dłuższa rozpiętość nie dowodzi nieprzerwanego wysiłku przez cały ten okres. Krótsze sesje skupienia nie dowodzą niższej jakości. Dodatkowa aktywność wieczorem nie wskazuje, czy wymagał jej pracodawca, wybrał ją pracownik, czy też przesunięcie wynikło z elastyczności harmonogramu.

Liczba z nagłówka przedstawia również górne porównanie w ramach raportowanych zakresów. Nie powinna przeradzać się w twierdzenie, że każdy pracownik wdrażający AI wykonuje o tyle samo więcej pracy. Traktowanie zaobserwowanej różnicy jako uniwersalnej kary usuwałoby właśnie tę zmienność, którą pracodawcy muszą zbadać.

Moment publikacji sprawia, że raport jest istotny dla planowania w przedsiębiorstwach. Organizacje oceniające inwestycje w AI potrzebują dowodów wykraczających poza to, czy pracownicy otworzyli asystenta. Muszą rozumieć, czy jego użycie zmienia terminy realizacji, potrzeby kadrowe, wskaźniki błędów i granice pracy.

Warto rozróżnić szybsze przygotowanie szkicu od wcześniejszego wyjścia z pracy. Asystent do tworzenia szkiców może zmniejszyć wysiłek potrzebny do przygotowania pierwszego dokumentu. Nadal nie wiadomo jednak, co dzieje się podczas zatwierdzania, sprawdzania faktów, poprawek i dystrybucji. Ukończone zadanie pozostaje właściwą jednostką oceny korzyści w miejscu pracy.

Badanie nie wyjaśnia całego tego łańcucha. Jego wkładem jest ujawnienie luki między korzystaniem z AI a krótszym dniem pracy. Luka ta zasługuje na zbadanie, nawet gdy kierunek związku przyczynowego pozostaje niepewny.

Dla pracowników praktyczny wniosek jest prosty. Poczucie większej szybkości w pojedynczych zadaniach nie przeczy poczuciu, że ogólnie jest się bardziej zajętym. Te doświadczenia mierzą różne rzeczy, a ocena produktywności przez pracodawcę musi uwzględniać oba.

Dla kupujących raport rodzi pytanie zakupowe. Demonstracja produktu zazwyczaj kończy się, gdy asystent zwraca odpowiedź. Proces biznesowy kończy się, gdy ktoś przyjmuje odpowiedzialność za wynik. Odległość między tymi punktami jest miejscem, w którym pozorna oszczędność wymaga weryfikacji.

Menedżerowie muszą zdecydować, na co przeznaczyć zaoszczędzony czas

Krótsze zadanie tworzy dostępną przepustowość; decyzje zarządcze określają, czy staje się ona ulgą, dodatkowym rezultatem czy kolejnym obowiązkiem.

Bezpośrednia presja spada na menedżerów zatwierdzających wdrożenia AI i pracowników, od których oczekuje się wykazania jej wartości. Kupujący potrzebują dowodów, że inwestycja poprawia wyniki biznesowe. Pracownicy potrzebują jasności, czy szybsze wykonanie zmienia ich obowiązki, terminy lub dyspozycyjność.

Te interesy mogą być zgodne. Pracownik może preferować wyeliminowanie rutynowego przygotowywania szkiców, aby skoncentrować się na pracy wymagającej osądu. Pracodawca może cenić taką zmianę bardziej niż skrócenie zaplanowanych godzin. Problem zaczyna się, gdy każda ze stron zakłada inne przeznaczenie tego samego zaoszczędzonego czasu.

Krótszy tydzień pracy to konkretny rezultat. Wymaga, by praca mieściła się w mniejszej liczbie zaplanowanych godzin, przy akceptowalnej jakości i możliwym do opanowania popycie. Sama poprawa produktywności nie gwarantuje takiego układu. Organizacje mogą zamiast tego skierować dodatkową przepustowość na istniejące zaległości.

Taki wybór nie jest automatycznie nierozsądny. Niedokończona praca może obejmować wartościowe projekty, prośby klientów lub zaniedbane utrzymanie. Liderzy powinni jednak trafnie opisywać rezultat. Dostarczanie większej ilości pracy w tym samym harmonogramie różni się od skracania harmonogramu, a wydłużanie dnia tworzy jeszcze inny rezultat.

Dyskusja ActivTrak o obciążeniu pracą związanym z AI utrudnia ignorowanie tego rozróżnienia. Pracodawcy nie mogą oceniać korzyści dla pracowników wyłącznie na podstawie ilości wygenerowanego materiału. Wzrost liczby szkiców może pomagać autorowi, jednocześnie zwiększając wymagania wobec redaktorów, recenzentów lub współpracowników odpowiedzialnych za wdrożenie.

Hipotetyczny zespół produktowy ilustruje ten problem. Menedżer używa AI, by szybciej przygotować propozycję, i przed udostępnieniem jej dodaje kolejne warianty. Zespół następnie ocenia więcej opcji, sprawdza więcej założeń i omawia więcej możliwych zmian. Pierwotne zadanie staje się tańsze, podczas gdy proces decyzyjny rośnie.

Nic w tym przykładzie nie wymaga nieprawidłowego działania asystenta. Każdy szkic może być użyteczny. Dodatkowe obciążenie wynika z większych ambicji i ograniczonej zdolności do przeglądu. Szybsze tworzenie zmienia to, co wydaje się wykonalne, zanim organizacja zmieni to, co potrafi odpowiedzialnie zatwierdzić.

Menedżerowie stoją więc przed problemem wykraczającym poza umiejętność formułowania promptów. Ktoś musi zdecydować, która dodatkowa praca zasługuje na uwagę, a która powinna pozostać niewykonana. Bez tej decyzji asystent może zwiększać podaż propozycji szybciej, niż współpracownicy są w stanie je oceniać.

To samo dotyczy zarządzania wiedzą. Organizowanie istniejących informacji może rozwiązywać inny problem niż generowanie większej ilości materiału. Osobista baza wiedzy dotyczy sposobu przechowywania i odzyskiwania informacji. Żadnej z tych funkcji nie należy przypisywać zasługi za skrócenie godzin pracy bez dowodów, że poprawił się cały proces.

Istotne pytanie zarządcze jest zatem konkretne: co przestało pochłaniać czas pracowników po wdrożeniu? Jeśli nic nie zniknęło, liderzy powinni wskazać dodatkową wartość uzasadniającą nową aktywność. W przeciwnym razie wdrożenie staje się oczekiwaniem nałożonym na już wypełniony harmonogram.

Szybsze zadania mogą rozbudować pracę wokół nich

Zdolność AI do ułatwiania pracy może również zwiększać zakres pracy, której podejmują się pracownicy.

Badania UC Berkeley Haas przedstawiają ugruntowane wyjaśnienie tej możliwości. Xingqi Maggie Ye i Aruna Ranganathan przeprowadziły ośmiomiesięczne badanie etnograficzne, wykorzystując obserwację miejsca pracy i wywiady, w firmie technologicznej zatrudniającej 200 osób. Ye przeprowadziła również ponad 40 wywiadów w różnych grupach funkcjonalnych.

Ich badanie intensyfikacji pracy wykazało szerszy zakres obowiązków, pracę wkraczającą w dawne przerwy oraz więcej równocześnie realizowanych zadań. Pracownicy czasami pozostawiali procesy AI uruchomione, zajmując się innymi obowiązkami. Badanie opisuje, w jaki sposób praca się rozszerzała, zamiast szacować uniwersalny efekt u pracodawców.

To rozróżnienie ma znaczenie przy interpretacji badania ActivTrak dotyczącego dnia pracy. Obserwacja miejsca pracy może ujawnić mechanizmy, których pomiary aktywności same w sobie nie wyjaśniają. Nie dowodzi, że mechanizmy te spowodowały różnice w innym zbiorze danych. Wskazuje jednak wyjaśnienia warte sprawdzenia.

Jedna możliwość jest taka, że zmniejszenie trudności rozpoczęcia pracy zmienia punkt, w którym się ją kończy. Zadanie, które wcześniej wydawało się niepraktyczne, może stać się warte podjęcia. Pracownik, który może szybko zbadać pomysł, staje przed nową decyzją: czy kontynuować, dopracować go i udostępnić.

Tworzy to inne doświadczenie niż zwykłe otrzymanie dodatkowego zadania od menedżera. Dodatkowy wysiłek może zaczynać się od ciekawości lub satysfakcji. Pracownik może doceniać możliwość podejmowania pracy wykraczającej poza jego wcześniejszy zakres umiejętności. Przyjemność i rozszerzenie obciążenia pracą mogą zatem występować jednocześnie.

Przegląd badań Aruny Ranganathan podkreśla to rozróżnienie między mierzalną produkcją a doświadczeniem pracowników. Jej praca analizuje autonomię, wymagania poznawcze, wiedzę ekspercką, relacje i dobrostan wraz z innymi konsekwencjami AI w miejscu pracy. Te wymiary pomagają wyjaśnić, dlaczego korzystna miara rezultatów nie może rozstrzygnąć każdego pytania dotyczącego wdrożenia.

Problem analityczny stanowi kumulacja. Mały, opcjonalny eksperyment staje się użytecznym rezultatem. Użyteczne rezultaty wpływają na oczekiwania. Oczekiwania następnie kształtują to, o co proszą współpracownicy, i to, za czego utrzymanie pracownicy czują się odpowiedzialni. Pierwotna oszczędność może zniknąć bez formalnej decyzji o rozszerzeniu czyjejkolwiek roli.

Praca równoległa wprowadza inną wersję tego problemu. Uruchomienie asystenta nie eliminuje odpowiedzialności za sprawdzenie jego wyniku. Jeśli kilka procesów zakończy się, gdy pracownik zajmuje się innym zadaniem, ich rezultaty tworzą kolejkę wymagającą uwagi.

Wynikające z tego obciążenie zależy od tego, czego wymagają te rezultaty. Rutynowy materiał może wymagać niewielkiego przeglądu. Istotna rekomendacja może wymagać sprawdzenia źródeł, konsultacji i poprawek. Zliczanie ukończonych odpowiedzi asystenta traktowałoby te sytuacje jako podobne mimo odmiennych wymagań wobec człowieka.

Odwrócenie trendu jest więc prawdopodobne bez zakładania, że AI zawiodła w swoim bezpośrednim zadaniu. Lepsza pomoc może zwiększać zakres pracy podejmowanej przez ludzi. To, czy stanie się korzyścią, zależy od limitów obciążenia pracą, zdolności do przeglądu i wartości dodatkowych rezultatów.

Zintegrowani asystenci oferują inny punkt odniesienia

Dowody na to, że niektórzy użytkownicy AI pracują dłużej, nie przekreślają eksperymentalnych dowodów, że inne wdrożenia oszczędzają czas pracowników.

Badanie Eleanor Wiske Dillon, Sonii Jaffe, Nicole Immorlici i Christophera T. Stantona stanowi ważne porównanie. Ich randomizowany eksperyment w miejscu pracy objął 7 137 pracowników umysłowych z 66 firm. Losowy przydział decydował o dostępie do generatywnego asystenta AI zintegrowanego z aplikacjami używanymi do e-maili, spotkań i pisania.

W drugiej połowie sześciomiesięcznego eksperymentu uczestniczący użytkownicy spędzali co tydzień o dwie godziny mniej na e-mailach i ograniczyli pracę poza standardowymi godzinami. Badacze nie wykryli zmian w liczbie ani strukturze zadań wynikających z indywidualnego dostępu. Wyniki te wskazują na inną możliwą konsekwencję niż dłuższe okresy pracy raportowane w danych obserwacyjnych.

Porównanie wzmacnia potrzebę ostrożnego formułowania twierdzeń. Nie dowodzi, że zintegrowani asystenci zawsze skracają dzień pracy ani że samodzielni asystenci zawsze go wydłużają. Różne próby, metody, zastosowania i środowiska pracy uniemożliwiają takie uproszczenie.

Dowodzi natomiast, że stwierdzenie „AI sprawia, że pracownicy pracują dłużej” jest zbyt szerokie jako uniwersalny wniosek. Dostęp może w pewnych warunkach skracać czas poświęcany na konkretne czynności. Zaobserwowany gdzie indziej związek nie może podważyć tego wyniku eksperymentalnego.

Różnice między produktami również zasługują na uwagę, bez przekształcania ich w konkurs dostawców. ChatGPT, Claude i Microsoft Copilot nie powinny być traktowane jako wymienne wdrożenia w miejscu pracy. Umiejscowienie asystenta w procesie, dostępny kontekst i wymagana weryfikacja wpływają na to, co pracownicy muszą zrobić wokół jego odpowiedzi.

To porównanie wyborów wdrożeniowych, a nie twierdzenie o tym, która marka działa najlepiej. Przytoczone dowody nie uzasadniają rankingu tych produktów. Kupujący muszą ocenić konkretną wersję, konfigurację i proces, z których zamierzają korzystać.

Hipotetyczny proces pisania urealnia tę różnicę. Jeśli asystent zwraca materiał w edytowanym dokumencie, pracownik może ocenić go obok otaczającego tekstu. Jeśli materiał trafia gdzie indziej, pracownik musi go przenieść, uzgodnić kontekst i sprawdzić, czy końcowy dokument nadal odzwierciedla zamierzone źródła.

Żadne z tych rozwiązań nie gwarantuje sukcesu. Przykład wskazuje dodatkowe kroki, które demonstracja zadania może pomijać. Rzetelna ocena powinna uwzględniać te kroki wszędzie, gdzie występują.

To samo rozumowanie dotyczy asystentów pobierających wiedzę wewnętrzną. Generowanie odpowiedzi jest tylko częścią zadania, gdy pracownicy muszą potwierdzić, który dokument ma charakter wiążący. Pewna siebie odpowiedź może nadal wymagać znacznej weryfikacji, jeśli jej kontekst źródłowy jest niejasny.

Dla nabywców korporacyjnych pytanie konkurencyjne brzmi zatem, czy wdrożenie eliminuje pracę w całym ukończonym procesie. Wygodniejsze generowanie jest użyteczne, lecz jego wartość zależy od tego, co następuje później. Dowody eksperymentalne dają kupującym powód, by dążyć do mierzalnych oszczędności, jednocześnie odrzucając ogólne obietnice krótszych tygodni pracy.

Dłuższe dni nadal nie dowodzą związku przyczynowo-skutkowego

Badanie dnia pracy ActivTrak wskazuje wzorzec wymagający zbadania, jednocześnie pozostawiając ważne wyjaśnienia nierozstrzygnięte.

Najbardziej oczywistą kwestią jest selekcja. Pracownicy niekoniecznie zaczynają korzystać z AI losowo. Osoby realizujące bardziej złożone zadania lub mające większe obciążenie pracą mogą mieć silniejsze powody, by szukać wsparcia. Ich dłuższe dni pracy mogły częściowo poprzedzać korzystanie z AI.

Różnice między rolami dodatkowo komplikują interpretację. Stanowisko skoncentrowane na pisaniu, koordynacji lub programowaniu stwarza inne możliwości wykorzystania asystenta. Porównywanie pracowników wykonujących takie role może mieszać efekt AI z wymaganiami samej pracy.

Inną możliwością jest odwrócona przyczynowość. Zbliżający się termin może skłaniać pracowników do dłuższej pracy i częstszego używania AI. W takiej sytuacji obciążenie pracą pomaga wyjaśnić obie obserwacje. Asystent mógłby ograniczać część wysiłku, nawet jeśli jego użytkownicy nadal odnotowują dłuższe dni pracy.

Są to wyjaśnienia do sprawdzenia, a nie ustalone opisy tej próby. Pokazują, dlaczego sama korelacja nie może odpowiedzieć na pytanie o przyczynowość. Publicznie udostępnione badanie nie przedstawia randomizowanego projektu, który rozstrzygałby te alternatywy.

Pomiar stanowi kolejne ograniczenie. Aktywność cyfrowa ujawnia pewne aspekty interakcji ludzi z aplikacjami. Nie ustala bezpośrednio wartości ich decyzji, jakości współpracy ani poziomu wyczerpania.

Dłuższy dzień może towarzyszyć wartościowym rezultatom, możliwym do uniknięcia poprawkom, elastycznemu harmonogramowi lub połączeniu tych warunków. Ich rozróżnienie wymaga informacji wykraczających poza sam czas trwania. Do miar aktywności należy dołączyć doświadczenia pracowników i zaakceptowane wyniki.

Wcześniejsze ustalenia również wymagają starannego oddzielenia od najnowszej publikacji. Roczna analiza miejsca pracy ActivTrak obejmowała podzbiór 10 584 użytkowników porównanych przed i po wdrożeniu AI. Zgłoszono w niej wzrosty mierzonych kategorii pracy, w tym e-maili i wiadomości. To inna analiza niż porównanie z października, a jej próby nie należy łączyć z nowszą.

To rozdzielenie zapobiega zawyżonemu wrażeniu pewności. Wiele wyników może wskazywać na większą aktywność, mierząc jednak różne populacje i okresy. Zgodność kierunku nie identyfikuje automatycznie wspólnej przyczyny.

Należy również uwzględnić pozycję komercyjną ActivTrak. Firma sprzedaje analitykę pracy, więc ma interes w sposobie, w jaki przedsiębiorstwa mierzą pracę. Nie unieważnia to ustaleń. Szczególnie przydatne stają się przejrzyste definicje, niezależna replikacja i dostęp do szczegółów metodologicznych.

Najmocniejszy wniosek jest węższy niż najbardziej dramatyczny nagłówek. Wdrożenie AI nie dowodzi w sposób wiarygodny odciążenia pracowników. Ustalenia ActivTrak dotyczące obciążenia pracą związanego z AI wymagają dalszego zbadania, podczas gdy dowody eksperymentalne pokazują, że oszczędność czasu pozostaje osiągalna.

Pozostawia to pracodawcom praktyczną odpowiedzialność. Opisując wyniki, powinni odróżniać dodatkowy rezultat od zmniejszonego wysiłku. Pracownicy zasługują na informację, jaki efekt ma przynieść wdrożenie i jak będzie oceniany sukces.

Co pokazałoby, że AI oddaje czas

Kolejne przekonujące dowody połączą zaakceptowaną pracę, godziny pracowników i jakość w ramach tej samej oceny.

W nadchodzących miesiącach pierwszym sygnałem, na który warto zwrócić uwagę, będą badania śledzące porównywalnych pracowników przed i po wdrożeniu. Silniejsze projekty uwzględniałyby różnice w rolach, obciążeniu pracą i sezonowym popycie. Randomizowany dostęp, tam gdzie jest praktyczny, pomógłby oddzielić efekt asystenta od powodów, dla których pracownicy go przyjmują.

Jeśli dłuższe dni utrzymają się w takich warunkach, argument, że wdrożenie przyczynia się do wydłużenia czasu pracy, stanie się silniejszy. Jeśli różnica w dużej mierze zniknie, selekcja stanie się bardziej przekonującym wyjaśnieniem. Każdy z tych wyników byłby lepszy niż traktowanie wszystkich użytkowników AI jako jednolitej grupy.

Drugim sygnałem jest raport pracodawcy o tym, co stało się z zaoszczędzoną przepustowością. Twierdzenie, że pracownicy szybciej ukończyli zadania, pozostawia centralne pytanie bez odpowiedzi. Dowody powinny ustalić, czy wzrosła zaakceptowana produkcja, skrócono harmonogramy, zmniejszyły się zaległości lub zmieniły się wymagania dotyczące weryfikacji.

Krótszy zaplanowany tydzień pracy bezpośrednio potwierdzałby obietnicę ograniczenia czasu pracy. Większa produkcja przy stabilnych godzinach potwierdzałaby inną korzyść. Rosnąca produkcja przy jednocześnie dłuższych godzinach wymagałaby jaśniejszego wyjaśnienia, czy poprawiła się produktywność na godzinę.

Jakość musi pozostać częścią tej oceny. Szybszy szkic wymagający rozległej korekty nie może mieć tej samej wagi co zaakceptowana praca. Również dodatkowa weryfikacja nie przekreśla korzyści, jeśli ukończony rezultat poprawia się na tyle, by ją uzasadnić.

Trzecim sygnałem są dowody śledzące zmiany w procesie pracy wraz z wynikami pracowników. Kupujący powinni obserwować, czy usuwanie przekazań, konsolidacja weryfikacji lub poprawa dostępu do źródeł zmieniają liczbę godzin pracy. Istotnym porównaniem jest ukończony proces przed i po przeprojektowaniu.

Jeśli te zmiany ograniczają pracę wieczorami przy zachowaniu jakości, wzmacnia to argument za lepszym wdrożeniem. Jeśli godziny pozostają wydłużone, uwagę należy skierować na oczekiwania dotyczące obciążenia pracą i popyt organizacyjny. Łatwiejszy interfejs nie może określić, ile pracy pracodawca wymaga od ludzi.

Sygnały te powinny pojawiać się razem w wiarygodnym raportowaniu. Same godziny pozostawiają wynik pracy niejasnym. Sam wynik pozostawia wysiłek pracowników niejasnym. Samo użycie niewiele mówi o jednym ani drugim.

Dla pracowników wiedzy badania nad dniem pracy z AI są najbardziej użyteczne, gdy wyjaśniają te zależności, zamiast wydawać uniwersalny werdykt. Narzędzie może być pomocne, przyjemne w użyciu i wiązać się z rozszerzającym się zakresem pracy. Wdrożenie może również przynieść rzeczywistą oszczędność czasu, nie zapewniając krótszego tygodnia pracy.

Badanie dnia pracy ActivTrak skupia uwagę na tym rozróżnieniu. Jego ustalenie podważa automatyczne obietnice odciążenia, pozostawiając miejsce na lepsze projekty i odmienne rezultaty. Pytanie brzmi teraz, czy organizacje będą mierzyć, dokąd faktycznie trafia zaoszczędzony wysiłek.

Zanim zaakceptujesz kolejne twierdzenie o produktywności, szukaj dowodów dotyczących całego zadania i całego dnia pracy. Zapytaj, jaka praca zniknęła, jaka dodatkowa praca się pojawiła i kto sprawdził rezultat. Porównaj te odpowiedzi z zaakceptowanym wynikiem, błędami i doświadczeniem pracowników. Wiarygodny opis powinien wyjaśniać, czy ludzie zyskali czas, dostarczyli większą wartość, czy po prostu pozostawali dostępni dłużej. Powinien także odróżniać początkowy eksperyment od trwałej zmiany warunków pracy. Korzystaj z tych pytań, oceniając kolejne wdrożenie asystenta lub badanie miejsca pracy. Jeśli pracodawca twierdzi, że AI oddaje czas, jakie dowody pokazują, dokąd ten czas trafił?