Statistika

2026. aasta aprillis avaldas Stanford HAI üheksanda iga-aastase AI Index Report’i – kõige ulatuslikuma ülevaate tehisintellekti tööstuse seisust. Pealkirjad on ootuspäraselt optimistlikud: ettevõtete kasutuselevõtt on jõudnud 88%-ni, generatiivne TI on levikukiiruses edestanud internetti, tarbijatele loodav GenAI-tööriistade väärtus on hinnanguliselt 172 miljardit dollarit aastas. Aga numbrite taha vaadates kerkib esile tuttav probleem.

TI-mudelite turg 2026. aastal on teisiti korraldatud. Ühe päringu maksumus varieerub $0,0001 kuni $0,17 – kolm suurusjärku. Aga tegelik kvaliteedierinevus kümne parima mudeli vahel? 0,24 punkti viiepallisel skaalal. Samal ajal Wharton / GBK Collective fikseerib: kolmandik ettevõtete TI-projektidest ei jõua piloodist kaugemale. Ja Epoch AI näitab, et vaid 5,6% kasutajatest rakendab TI-d tõeliselt süvitsi.

Võib-olla pole küsimus selles, milline mudel on parem, vaid selles, kas preemiumile üle maksmine annab tüüpiliste juhtimisülesannete puhul proportsionaalselt parema tulemuse.

Me kontrollisime. Vastus osutus oodatust karmimaks.

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.

2025. aasta märtsis esines SXSW EDU konverentsil strateegilise tulevikuvaate nõustaja Sinead Bovell ettekandega tehisintellektist ja hariduse tulevikust. Ilma hype’i ja paanikaga. Kuid kahe uuringuga, mis muudavad seda, kuidas TI rolli õppimises mõtestada.

Esimene: tudengite grupp, kes kasutas ChatGPT-d piiranguteta, saavutas tulemused 17% kehvemini kui kontrollgrupp, kes töötas õpikuga. Teine: teine grupp, kus TI-d kasutati täielikult ümber kujundatud õppesüsteemi raames, edestas traditsioonilist loengut kahekordse marginaaliga.

Sama tööriist. Vastupidised tulemused. Erinevus seisneb lähenemises.

Sel nädalal tutvustas Sber GigaChat Ultrat – uut lipulaevmudelit arutlusrežiimiga (Thinking). Mudel on tasuta saadaval veebiversioonis, mobiilirakendustes ja Telegrami boti kaudu. Lisasime mõlemad variandid kohe oma AI-mudelite uuringusse juhtidele: lasime läbi kõik 32 stsenaariumi ühtse metoodika järgi, hindasime mõlema LLM-kohtuniku poolt, võrdlesime ülejäänud 52 mudeliga.

Me viisime läbi ulatusliku uuringu: 52 mudelit, hinnangud kahelt sõltumatult LLM-kohtunikult, 8 juhtimisülesannete kategoorias. See on kõige põhjalikum venekeelne AI-pingerida juhtidele, mis täna saadaval on.

Küsimus jääb samaks: milline AI tegelikult töötab juhi jaoks Venemaal – ilma VPN-ita, ilma ümbersõitudeta?

Gallupi ja Walton Family Foundationi küsitlus (2024–2025, USA õpetajate representatiivne valim) tuvastas muljetavaldava näitaja: regulaarselt AI-d kasutavad õpetajad säästavad keskmiselt 5,9 tundi nädalas – see võrdub kuue täistööpäevaga õppeaasta jooksul. Kõlab nagu lahendatud probleem.

Kuid Royal Society of Chemistry paralleelne küsitlus (2024, Suurbritannia) näitab teistsugust pilti: 44% õpetajatest olid AI-d proovinud, aga ainult 3% teatas tegelikust töökoormuse vähenemisest. Üks matemaatikaõpetaja Iirimaalt selgitas lõhet täpsemalt kui ükski statistika: «AI genereerib töölehti kiiresti, kuid neid tuleb hoolikalt üle kontrollida – ja ajasääst osutub väiksemaks, kui tundus.»

Kumb on õigus? Oleme juba analüüsinud AI kriisi hariduses õpilaste vaatenurgast – 86% õpilastest kasutab AI-d, kuid kriitiline mõtlemine halveneb. Nüüd – õpetajate pool. Viimase kahe aasta jooksul on kogunenud piisavalt eksperimentaalseid andmeid, et vastata sellele küsimusele mitte arvamuste, vaid arvudega.

Poolteist aastat tagasi kirjutasin märkme isiklikku blogisse sellest, mida märkan kolleegide ja enda töös: mida rohkem AI-d usaldad, seda harvemini küsid endalt „kas see on tõesti õige?". Toetasin end toona Microsofti uuringule – see näitas, et usaldus AI vastu pärsib antavate vastuste kriitilist hindamist. Argument tundus tugev, kuid sellel oli ilmne puudus: korrelatsioon, mitte põhjuslik seos.

2026. aasta veebruaris avaldasid Anthropicu uurijad Judy Shen ja Alex Tamkin eksperimendi, mis täitis selle lünga. Randomiseeritud kontroll. Konkreetsed andmed. Ja järeldus, mida – nagu mulle tundub – enamik sellest lugenud inimesi valesti mõistab.

Sest see pole lugu sellest, et AI teeb meid rumalamaks. See on lugu sellest, kuidas täpselt me seda kasutame.