به گزارش UX Collective، پژوهش داخلی Anthropic نشان می‌دهد با افزایش سرعت و حجم کار عامل‌های هوش مصنوعی، توجه انسان به محدودیت اصلی جریان کار تبدیل شده است. عامل‌های Claude خروجی بیشتری تولید می‌کنند، اما برای دریافت دستور، بازبینی و تصمیم‌گیری همچنان به کارکنان وابسته‌اند؛ موضوعی که طراحی محصولات و فرایندهای مبتنی بر هوش مصنوعی را با مسئله‌ای تازه روبه‌رو می‌کند.
عامل‌های Claude بیشتر کار می‌کنند، اما منتظر انسان می‌مانند
Anthropic در گزارش ۱۶ اکتبر ۲۰۲۶ خود، داده‌های داخلی مربوط به اشتغال، استفاده از هوش مصنوعی، شاخص‌های خروجی، تقویم کارکنان و الگوهای ارتباطی را بررسی کرده و این اطلاعات را با ۱۷ مصاحبه تکمیل کرده است. طبق یافته‌ها، تا ماه اوت ساعات کار عامل‌های تعاملی هوش مصنوعی به شش برابر ساعات کار کارکنان رسیده بود.
با وجود این افزایش فعالیت، حدود ۸۰ درصد زمان سپری‌شده در نشست‌های تعاملی Claude به انتظار برای ورودی انسان اختصاص داشته است. پژوهش همچنین نشان می‌دهد حجم خروجی این نشست‌ها حتی برای کارکنان غیر فنی به اندازه‌ای است که خواندن کامل آن می‌تواند بیش از نیمی از هفته کاری را بگیرد.
در نظرسنجی آوریل ۲۰۲۶، ۲۷ درصد پاسخ‌دهندگان از افزایش بهره‌وری با ابزارهای Claude گفته‌اند و ۲۰ درصد نیز توضیح داده‌اند که نقش روزمره آن‌ها از انجام مستقیم کار به مدیریت عامل‌ها تغییر کرده است. هم‌زمان، کارکنان زمان بیشتری را صرف ساخت ابزارهای پایش و ایجاد دید بهتر بر زنجیره فعالیت عامل‌ها می‌کنند.
چرا این یافته برای طراحی محصول مهم است؟
نتیجه پژوهش تنها درباره توان پردازشی مدل‌ها نیست؛ بلکه نشان می‌دهد سرعت تولید خروجی می‌تواند از ظرفیت انسان برای خواندن، اولویت‌بندی و تصمیم‌گیری جلو بزند. در چنین شرایطی، رابط کاربری باید اهمیت درخواست‌ها را روشن کند، اطلاعات کم‌اهمیت را کنار بزند و به کاربر کمک کند چند عامل را بدون از دست دادن تمرکز مدیریت کند.
این مسئله برای تیم‌های طراحی سایت، توسعه نرم‌افزار و اتوماسیون بازاریابی اهمیت مستقیم دارد. افزودن عامل‌های بیشتر لزوماً جریان کار بهتری نمی‌سازد؛ کیفیت اعلان‌ها، امکان مشاهده وضعیت کار، خلاصه‌سازی خروجی‌ها و تعریف نقاط روشن برای تأیید انسانی نیز باید بخشی از طراحی سامانه باشد.
در جمع‌بندی، مطالعه Anthropic تصویری از محیط کاری ارائه می‌کند که در آن عامل‌های هوش مصنوعی حجم فعالیت را بالا می‌برند، اما قضاوت و توجه انسان همچنان منبع کمیاب است. بنابراین موفقیت محصولات عامل‌محور به همان اندازه که به توان مدل وابسته است، به طراحی درست تعامل میان انسان و ماشین نیز بستگی دارد.
