62% TI kasutajatest rakendab seda vaid 1–2 ülesandeks: Epoch AI / Ipsos andmed (märts 2026)

2025. aasta novembris tõid Stanfordi andmed välja ootamatu fakti: ameeriklased kasutavad TI-d kodus sagedamini kui tööl. Me mysummit.school-s analüüsisime seda eraldi materjalis – ja tollane järeldus oli otsekohene: töine TI jääb isiklikust ikka veel maha.

Möödus neli kuud. Epoch AI korraldas koos Ipsosega uue uuringu – ja pilt on muutunud.

50% töötavatest TI kasutajatest rakendab seda nüüd tööl vähemalt sama palju kui kodus. Neist 25,73% – valdavalt tööülesannete jaoks, veel 25,31% – enam-vähem võrdselt. Üleminek on toimunud. TI kolis köögist kontorisse.

Aga just siin algab huvitav osa. Sest üks asi on “kasutan tööl” ja hoopis teine on “kasutan tõsiselt”.

Millest uuring räägib

2026. aasta märtsis avaldas Epoch AI «AI is a common workplace tool» – analüüs, mis põhineb Ipsos KnowledgePaneli andmetel. See on tõenäosuslik paneel, mis värbab osalejaid juhusliku aadressipõhise valimi kaudu, mitte internetist enesevaliku alusel. Praktikas tähendab see representatiivsemaid andmeid USA täiskasvanute kohta kui tavalised veebiküsitlused.

Valim – üle 2 000 täiskasvanud ameeriklase. Andmete kogumise aeg – märts 2026. Küsitluse toorandmed on avaldatud eraldi.

Mis teeb selle uuringu väärtuslikuks: see ei küsi “kas teate TI-st”. See küsib konkreetse käitumise kohta – kui sageli, milliste ülesannete jaoks, mis režiimis, millise intensiivsusega. See on operatiivne läbilõige, mitte teadlikkuse läbilõige.

Pragu TI-revolutsiooni narratiivis

Alustame ebamugavast arvust. Peaaegu 49,2% USA täiskasvanutest ei kasuta TI-d üldse. See ei ole “kasutab harva” – see on täielik suhtlemise puudumine ükskõik millise TI tööriistaga.

Ülejäänute – nende, kes kasutavad – intensiivsuspilt näeb välja nii:

Rohkem kui kuus kasutajat kümnest rakendab TI-d pindmiselt. Üks-kaks päringut – ja sellest piisab. See ei ole juurutamine. See on tutvus, mis ei kasvanud kunagi millekski suuremaks.

Kasutussagedus joonistab sarnase pildi. 34,91% kasutajatest pöördub TI poole kord nädalas. 48,4% – kaks kuni viis päeva nädalas. Iga päev (kuus-seitse päeva) – ainult 16,69%.

Mõelge, mis toimub ülesannete asendamisega. Ainult 19,07% kasutajatest ütleb, et TI on asendanud mõne nende olemasoleva ülesande. Ja ainult 14,4% ütleb, et TI võimaldas neil teha ülesandeid, mis varem olid ligipääsmatud.

See tähendab: enamiku jaoks ei ole TI tööd ümber ehitanud. See on lihtsalt lisandunud kõrvale – nagu veel üks brauseri vahekaart.

Seda pilti oleme näinud varem. Brookingsi uuringus andsid samad 57% kasutavatest inimestest vaid 19% tuntavat tulu. Nüüd on meil selle kohta detailne selgitus: probleem ei ole tööriistades, vaid rakendamise sügavuses.

Mida täpsemalt teeb 95% kasutajatest

Ülesannete andmed näitavad, millega tegeleb tegelikult tüüpiline TI kasutaja.

Ülesanne nr 1 – info otsing ja soovitused: 80,29%.

Kaheksa kasutajat kümnest rakendab TI-d kui täiustatud otsingumootorit. ChatGPT või Gemini kui Google’i asendus – veidi sidusam vastusega. See on madalaim sisenemislävi ja vastavalt madalaim väärtus töö jaoks.

Edasi – tekstide kirjutamine ja toimetamine (58,66%), nõuanded ja õppimine (54,89%), ajurünnakud (53,23%). Need on kasulikud rakendused, aga need kirjeldavad ühekordseid abitoiminguid, mitte TI süsteemset sidumist töövoogu.

Dokumentide kokkuvõtete tegemine ja analüüs – juba ainult 40,88%. Tehniline töö (matemaatika, kood, andmed) – 36,38%. Aga autonoomsed agendid – vaid 8,6%.

Veel kõnekam on suhtlusrežiimide statistika:

• Küsimuse trükkis käsitsi: 75,62%
• Laadis üles faili, pildi või dokumendi: 40,93%
• Palus TI-l internetist otsida: 48,45%
• Kasutas TI-d mõne teise rakenduse sees: 27,54%
• Kasutas autonoomset agenti: 8,6%

Kolm neljandikku kasutajatest töötab režiimis “trükkisin – sain vastuse”. See on vestlus. See on lihtsaim ja kõige vähem integreeritud TI-ga töötamise viis.

Enda dokumentide üleslaadimine – juba vähem kui pool. Agendirežiim, kus TI täidab tegevuste järjekorra iseseisvalt, – vähem kui üks kümnest. Just seal on tegelik tootlikkus, aga just sinna jõuab vaid väike vähemus.

Portree nendest 5,6%-st, kes kasutavad TI-d “täie rauaga”

Küsitluse andmed lubavad vaadata “raskeid” kasutajaid demograafiliste gruppide lõikes.

Vanus. 18–29-aastased – 6,44% intensiivseid kasutajaid. Üle 60-aastaste seas – 3,27%. Vahe on olemas, aga väiksem kui võinuks oodata. See ei ole lugu “noored vs vanemad”.

Hõivatus. Täiskohaga töötavad – 6,43% intensiivseid kasutajaid vs 4,68% mittetöötavate seas. Täiskohaga töö korreleerub TI sügavama kasutamisega, mis on loogiline: rohkem tööülesandeid – rohkem põhjust rakendada tööriista tõsiselt.

Haridus. Bakalaureusekraadi või kõrgemaga – 5,84% intensiivseid kasutajaid, keskharidusega – 4,18%. Haridus mõjutab, aga mitte radikaalselt.

Sissetulek. Sissetulek $100 000+ – 5,56% intensiivseid kasutajaid ja seejuures 29,98% mõõdukaid. Kõrge sissetulekuga grupp eristub mitte sellega, et satub sagedamini “raske” kategooriasse, vaid sellega, et jääb oluliselt harvem kõige pindmisemale tasemele.

Kõige olulisem muutuja on tasuline ChatGPT tellimus. Tasuliste tellijate osa on kogu valimist vaid 7,39%, aga nad on ebaproportsionaalselt esindatud intensiivsete kasutajate kategoorias. See ei ole üllatav: kui inimene maksab tööriista eest iga kuu, on ta motiveeritud kasutama seda sügavamalt.

Mis ühendab “raskeid” kasutajaid? Mitte vanus ega elukutse. Need on inimesed, kes hakkasid kasutama TI-d päris ülesannete jaoks, mitte ei katsetanud ühe päringuga. Nad on välja kujundanud harjumused, mitte refleksid.

Kuidas aru saada, et olete 62% hulgas

Mõned tunnused, mis viitavad TI pindmisele kasutamisele:

1. Iga uus vestlus – puhtalt lehelt. Te avate uue vestluse, selle asemel et jätkata eelmist. TI ei tea teie projekti, tiimi ega eelistuste konteksti.

2. Te sõnastate päringu ühe lausega. Ilma ülesande kontekstita, ilma piiranguteta, ilma hea vastuse kriteeriumiteta. Saate üldise vastuse – ja see rahuldab.

3. Te ei ole kunagi üles laadinud oma dokumente. Aruanded, andmed, kirjavahetus jäävad TI haardest välja. Te töötate abstraktsete näidetega, mitte enda materjalidega.

4. TI on teil mustandite jaoks, mis tuleb nagunii täielikult ümber kirjutada. Tulemus on nii üldine, et on lihtsam ise kirjutada. See on märk mitte halvast tööriistast, vaid halvasti püstitatud ülesandest.

5. Te kasutate ühte tööriista kõige jaoks. ChatGPT otsingu, teksti, andmeanalüüsi, koodi jaoks. Samas on igal neist spetsialiseeritud alternatiivid, mis annavad konkreetses ülesandes parema tulemuse.

6. Te ei tea, kui palju aega TI eelmisel nädalal kokku hoidis. Mõõdetav tulemus on süsteemse rakenduse tunnus. Kui midagi pole mõõta, siis tõenäoliselt jäi rakendus pindmiseks.

Kolm harjumust, mis eristavad süsteemset kasutajat juhuslikust

Vahe 5,6% ja 62% vahel ei ole tööriistadele ligipääsus. Kõik kasutavad samu ChatGPT-d, Gemini-t või Copilot-i. Vahe on selles, kuidas nendega töötatakse.

Harjumus 1: ülesanne tervikuna, mitte fraas.

Pindmine kasutaja küsib “kirjuta kliendile kiri”. Süsteemne kasutaja kirjeldab: kes on saaja, milline on suhete ajalugu, milline on kirja soovitav tulemus, milline toon sobib, millega ei tohi nõustuda. Tulemuse kvaliteedi vahe on kordades.

Analoogne põhimõte kehtib analüüsi kohta. Workday uuring näitas: märkimisväärne osa “TI-ga kokku hoitud ajast” läheb vigade parandamisele. Põhjus ei ole mudelites, vaid ülesande ebatäielikus püstituses.

Harjumus 2: laadi oma üles, ära tööta abstraktsega.

Faili, dokumendi, andmetabeli üleslaadimine – seda teeb ainult 40,93% kasutajatest. Seejuures just enda materjalidega annab TI mitteüldise, prognoositava tulemuse. Paluge TI-l analüüsida teie päris kvartaliaruannet – ja saate järeldused, millega saab midagi peale hakata.

Harjumus 3: sõnasta kvaliteedikriteeriumid selgelt.

Mida tähendab teie ülesande jaoks “hea vastus”? Pikkus? Toon? Struktuur? Konkreetsete punktide olemasolu? Enamik kasutajaid ei sõnasta seda kunagi – ja saavad esimese usutavana tunduva, mitte parima võimaliku.

Süsteemne kasutaja ütleb: “Vastus peab olema mitte pikem kui kolm lõiku, suunatud mittetehnilisele auditooriumile, ei tohi sisaldada eelarve soovitusi.” See ei ole keeruline. See on lihtsalt harjumus olla täpne.

Need harjumused paistavad paberil lihtsad. Keerukus algab siis, kui vaja ei ole ligikaudu sarnast tulemust, vaid täpset – korratavat ülesandelt ülesandele. Vahe “üks kord töötas” ja “töötab usaldusväärselt” vahel on ülesannete püstitamise oskus TI jaoks, mis kujuneb mitte abstraktsetel näidetel, vaid päris tööolukordades.

Kontekst: mis on nelja kuuga muutunud

Epoch AI / Ipsose andmeid on huvitav lugeda kõrvuti sellega, mida me varem analüüsisime.

Stanford SWAA (november 2025) fikseeris: isiklik TI kasutus edestas töist. Inimesed õppisid iseendal. Märts 2026 näitab, et osa sellest õppimisest on üle kandunud tööle – 50% töötavatest kasutajatest rakendab TI-d tööl vähemalt sama palju kui kodus.

Gallup (mai 2025) näitas järk-järgulist kasvu: 45% vähemalt kord aastas, 23% iga nädal. Epoch AI / Ipsos kinnitavad seda pilti teise nurga alt: kasutajate seas on sagedus juba päris hea – peaaegu pool kasutab TI-d kaks kuni viis päeva nädalas. Probleem ei ole sageduses, vaid sügavuses.

See on oluline eristus. Kui me ütleme, et TI “ei ole juurdunud” ettevõtetes või konkreetse spetsialisti juures – me mõtleme reeglina just seda: pindmisust, mitte puudumist. Tööriist on olemas, harjumus see avada on olemas, aga ülesandeid antakse sellele ikka veel ettevaatlikult ja osaliselt.

Üllatavalt just praegu, kui töine TI on isiklikuga sageduse poolest tasavägiseks jõudnud, on muutunud ilmseks järgmine probleem – kasutamise sügavus. Üleminek “kodune -> töine” on toimunud. Üleminek “pindmine -> süsteemne” on enamiku jaoks alles ees.

Mis edasi

See on esimene artikkel kahest. Epoch AI / Ipsose andmed sisaldavad veel üht olulist narratiivi – selle kohta, kuidas jaguneb TI tööriistade turuosa töökohal: mida maksavad tööandjad, mida võtavad töötajad ise ja miks hõivab Microsoft Copilot korporatiivses segmendis ootamatult kõrge positsiooni.

Järgmises artiklis analüüsime: miks Microsoft vaikselt võitis töise TI, sellal kui kõik vaatasid ChatGPT-d – ja mida tähendab see juhtidele, kes valivad tööriista meeskonna jaoks.

Seotud artiklid

Kuidas Microsoft vaikselt võitis korporatiivse TI turu: mida see tähendab juhtidele

Make Weak Model Great Again: kas promptimine parandab nõrka mudelit?

Millal tehisintellekt kahjustab õppimist – ja millal kahekordistab tulemusi

GigaChat Ultra Thinking: mõtleb kauem – vastab halvemini?