Данните за използването на AI все още не показват цялата картина
Изследователи, водени от Anka Reuel и Shayne Longpre, стартираха AI Observatory на 18 август 2026 г., използвайки реални разговори в основните модели, за да проверят как хората всъщност използват генеративния AI. Основният извод е, че публичните данни за използването на AI от доставчиците могат да пропускат голям дял от личното, чувствителното и специфичното за модела поведение, което ръководителите трябва да отчетат. Според отразяването на старта от MIT Technology Review, този пропуск е важен, защото бизнесът и политиците вземат решения с висок залог на база непълна картина.
Данните за използването на AI в фирмените отчети пропускат ключови поведения
AI Observatory обединява 24 521 разговора и 85 633 хода от седем набора данни, базирани на съгласие, събрани между 2023 и 2025 г. Тези разговори обхващат 5000 потребители и 52 модела, включително ChatGPT, Claude, Gemini и Grok. Този мащаб е много по-малък от притежаваните от доставчиците масиви от данни, но е достатъчен, за да покаже модел: публичният разказ за приемането на генеративния AI зависи силно от това какво всяка лаборатория избира да включи.
Това е основното напрежение в изследването. Economic Index на Anthropic и отчетите за използване на OpenAI често се цитират, но и двата източника са изградени върху вътрешни набори от данни и вътрешна рамка на интерпретация. Reuel казва пред Technology Review: „There is no independent source to corroborate it“, което е и точната причина Observatory да има значение като втора гледна точка, а не като заместител на фирменото отчитане.
Тук компромисът е важен. Независимите изследвания на AI разширяват достъпа, но тъй като тези разговори са споделени доброволно, наборът от данни вероятно също не представя в пълна степен най-чувствителните случаи на употреба. Изводът не е, че отчетите на доставчиците са грешни, а външните изследователи са прави. Изводът е, че нито един от двата източника не бива да се приема като напълно достатъчен сам по себе си.
Какво показват данните за работата, личната употреба и риска
Един от най-ясните изводи е колко много контекст изчезва, когато отчетите се фокусират основно върху работа и продуктивност. Когато екипът на Observatory прилага филтриращия подход на Anthropic върху собствените си данни, 48% от разговорите биха били изключени. Това е почти половината извадка.
Изключените разговори по-често включват здраве и взаимоотношения, теми за възрастни или незаконна дейност, тормоз и омраза, както и сексуално съдържание. Technology Review съобщава, че темите за здраве и взаимоотношения са 44.2% в отфилтрирания набор срещу 31.2% в анализа на Anthropic. Темите за възрастни или незаконна дейност са 7.9% срещу 2.1%. Тормозът и омразата са 27.5% срещу 5.66%, а сексуалното съдържание — 16.7% срещу 2.4%.
Тези разлики не променят само тона на данните; те променят и решенията, които ръководителите могат да вземат въз основа на тях. Компания, която разчита само на табла, фокусирани върху продуктивността, може да заключи, че използването на AI от служителите е предимно помощ по задачи, докато реалното поведение може да включва търсене на съвет, емоционална зависимост или нетипична злоупотреба. За екипи, които се опитват да интерпретират сигналите преди въвеждане на политики, това е по-малко проблем на отчитането и повече проблем на измерването.
Точно тук стратегическият надзор става релевантен. Ако една организация приема публичните бенчмаркове като заместител на вътрешното поведение, често ѝ е нужен по-силен оперативен слой за интерпретация, а не просто повече табла. На практика това е типът въпрос, който една fractional AI director engagement трябва да изведе рано: за какво ръководителите смятат, че се използва AI, и какво всъщност показват собствените им логове, работни процеси и изключения.
Различните модели привличат различни типове употреба
Observatory също установява, че използването на AI модели не е взаимозаменяемо. Изглежда потребителите подбират моделите според възприеманите им силни страни, тон и толерантност към определени задачи.
Според изследването, цитирано от Technology Review, Grok и Gemini са били използвани по-често за извличане на информация. Grok се откроява при новини и политика, а тази концентрация изглежда е привлякла и повече активност, свързана с дезинформация. Това съвпада с предишни външни публикации за проблемите с надеждността на Grok, включително анализи на Reuters и продължаващи опасения около точността при избори и текущи събития.
Използването на Claude е било по-насочено към програмиране. Използването на ChatGPT е било по-силно свързано с помощ за домашни. Gemini е показал повече социално поведение и ролеви взаимодействия. Дори версиите в рамките на едно и също семейство се държат различно: изследователите отчитат по-кратки разговори с GPT-3.5 и по-дълги, по-итеративни обменяния с GPT-4o.
Тази вариация е важна за планирането в предприятията, защото много вътрешни политики за AI все още групират инструментите в една обща категория. В реалността изборът на модел оформя поведението на потребителите. Екип, който използва Claude за помощ при програмиране, има различни нужди от надзор спрямо екип, който използва ChatGPT за изследователска помощ или Gemini за по-отворено взаимодействие. Скорошно изследване на Stanford HAI стига до сходен извод от друг ъгъл: моделите на употреба често казват повече за риска, отколкото маркетингът на самия модел.
По-големият проблем е, че лабораториите контролират гледната точка
По-дълбокият проблем тук не е просто, че липсват някои числа. Проблемът е, че най-важните данни за изследванията на AI все още се намират в собствени системи, където външни страни не могат последователно да проверяват твърденията между различни модели или във времето.
David Widder от University of Texas at Austin, който не е участвал в проекта, твърди, че погледът от високо е важен, защото фрагментираните отчети затрудняват разбирането как различните употреби се свързват помежду си. Shayne Longpre го формулира още по-директно в статията: „No single company report tells the whole story.“ Това е кратко и точно резюме на пазарния проблем.
За ръководителите в технологиите, медиите и публичния сектор това създава практическа празнина. Таблата на доставчиците са полезни за насочващи изводи, но не са неутрално доказателство. Външните академични проекти могат да добавят независимост, но рядко имат достъп до същия мащаб. Групи като обсерваторията за AI политики на OECD и ресурсите на NIST по AI Risk Management Framework настояват за по-добро измерване и управление, но и те зависят от по-добра базова видимост, отколкото пазарът в момента предоставя.
Резултатът е познат модел: организациите определят политики, одобряват бюджети или ограничават инструменти въз основа на частични доказателства. Това може да доведе както до недостатъчна, така и до прекомерна реакция. Ако използването изглежда по-чисто, отколкото е в действителност, контролите за риск идват твърде късно. Ако разговорът бъде доминиран от анекдотични случаи на злоупотреба, продуктивното внедряване може да се забави по грешните причини.
Какво трябва да правят компаниите, когато данните за използването на AI са непълни
Непосредственият извод не е да се игнорират изследванията на доставчиците. По-скоро те трябва да се третират като един сигнал сред няколко. Публичните отчети на Anthropic и OpenAI остават ценни, особено за посоката на тенденциите в използването на Claude, използването на ChatGPT и по-широкото приемане на генеративния AI. Но те трябва да се сверяват с вътрешни логове за употреба, интервюта за работни процеси, тикети към help desk и отчети за изключения.
Три оперативни практики се открояват.
Първо, отделяйте анализа на ниво модел от анализа на ниво категория. Ако един екип използва Grok за извличане на актуални събития, а друг използва Claude за генериране на код, техните контроли не бива да изглеждат еднакво.
Второ, измервайте непроизводителните и двусмислените употреби, а не само онези, които изглеждат добре в ROI отчет. Търсенето на съвет, емоционалната зависимост и граничните случаи по политики често се появяват, преди да влязат във формалните логове за инциденти.
Трето, преразглеждайте базовите линии често. Observatory установява, че разговорите се променят с времето — с повече лек разговор, по-дълги обменяния и по-ниски нива на част от чувствителното поведение с подобряването на предпазните механизми. Вътрешна политика, която приема, че употребата през 2026 г. изглежда като употребата през 2024 г., бързо ще остарее.
Следващото, което си струва да се следи, е дали AI Observatory може да се разшири отвъд наборите данни, базирани на съгласие, към по-широк стандарт за независим анализ на AI разговори. Другият отворен въпрос е дали големите лаборатории изобщо ще споделят с външни изследователи данни, защитени по отношение на личната неприкосновеност. Докато това не се случи, данните за използването на AI ще останат полезни, но непълни, а стратегическите екипи ще трябва да действат при ясно видима несигурност.
Martin Kuvandzhiev
CEO and Founder of Encorp.io with expertise in AI and business transformation