De beste medarbeidernes samtaler fikk ekstra vekt da en leverandør trente et AI-system for kundestøtte. Arbeidet de allerede hadde gjort, skulle bli til forslag på skjermen hos andre ansatte, som dermed kunne få hjelp fra tidligere samtaler mens de sto i en ny. Systemet bygget på GPT-3 og kunne også finne frem lenker til intern dokumentasjon. Hva kunden fikk se, bestemte fortsatt medarbeideren. Forslagene kunne endres eller ignoreres.
Kundene trengte hjelp med programvare til bedrifter, og samtalene tok i gjennomsnitt rundt 40 minutter. Mesteparten av denne tiden gikk til å finne ut hva som faktisk var galt. Det raske svaret var dermed til begrenset hjelp dersom det løste et annet problem enn det kunden hadde.
Under innføringen i 2020–2021 fulgte forskere 5 172 medarbeidere og sammenlignet resultater etter hvert som de fikk tilgang til systemet. Hele utvalget var ikke tilfeldig fordelt mellom dem som fikk AI, og dem som måtte klare seg uten. Med AI-støtte fant forskerne i gjennomsnitt 15 prosent flere løste saker per time. Gevinsten var størst blant dem med kort ansiennitet og dem som tidligere hadde prestert svakt. Hos medarbeiderne som allerede presterte best, gikk kundetilfredsheten litt ned.
Ansienniteten er målt da medarbeiderne fikk AI-tilgang. Punktene og intervallene er beregnet fra nettilleggets tabell A.VI, kolonne 2; intervallene bruker de publiserte standardfeilene.
Dyktige medarbeidere stiller ofte flere spørsmål før de foreslår en løsning. De bruker tid på å avklare saken og kan dermed slippe å arbeide videre med feil problem. Dette er en av mulighetene studiens forfattere peker på: En ny medarbeider kan få hjelp av et godt spørsmål før noen vet hva svaret skal bli. Erfaringen som er nyttig å dele, kan ligge i hva man undersøker først.
Et forslag på skjermen må derfor vurderes mens samtalen fortsatt pågår. Medarbeideren skal finne ut om tiltaket passer til kundens problem, samtidig som systemet hjelper til med å formulere meldingen. Går mindre tid til formulering, kan det bli mer tid til å undersøke. Men et ferdig formulert svar kan også friste til å trykke send før saken er tilstrekkelig avklart. Hvor mye hjelp det er i forslaget, avhenger av hva medarbeideren gjør med det.
Det kan være overraskende vanskelig å vurdere hvor mye tid verktøyene sparer, også for dem som kjenner arbeidet godt. I første halvår 2025 lot forskningsorganisasjonen METR 16 utviklere løse 246 oppgaver i programvareprosjekter de kjente godt. Oppgavene ble fordelt tilfeldig mellom arbeid med og uten tillatelse til å bruke AI. Etter forsøket trodde utviklerne at verktøyene hadde spart dem tid.
Arbeidet hadde i gjennomsnitt tatt 19 prosent lengre tid med AI.
Skjermopptakene viste at mindre tid gikk til egen koding og søking, mens mer gikk til å instruere verktøyet, vente og kontrollere forslagene. Det kunne komme tekst raskt på skjermen og likevel ta lengre tid å bli ferdig. En måling som stanset ved det første forslaget, ville ha mistet arbeidet med å finne ut om det kunne brukes. Resultatet gjaldt disse utviklerne, prosjektene og verktøyene fra 2025; det var ingen måling av alle programmereres produktivitet.
Senere i 2025 forsøkte METR igjen, og støtte på et problem som gjorde det vanskeligere å sammenligne. Flere utviklere ville ikke være med dersom de risikerte å måtte arbeide uten AI. Deltakere holdt også enkelte oppgaver utenfor av samme grunn. Dermed var det som kom med i forsøket, påvirket av ønsket om å få bruke verktøyene. I februar 2026 vurderte forskerne de nye resultatene som et upålitelig mål på dagens gevinst. De mente verktøyene sannsynligvis hjalp mer enn før, men kunne ikke tallfeste forbedringen sikkert. Målingen fra det første forsøket sto ved lag. For den nye situasjonen manglet de et pålitelig anslag.
Selv når tidsgevinsten er godt målt, gjenstår spørsmålet om hva den gjør med arbeidsplassen. Har kundestøtten en kø av uløste saker, kan bedriften bruke tiden til å hjelpe flere. Faller etterspørselen, kan den ønske å klare seg med færre ansatte. Blir tjenesten billigere, kan nye kunder komme til, også kunder som tidligere ikke hadde råd til den. Den samme forbedringen i arbeidet kan dermed få ulike følger for dem som gjør det, alt etter hva bedriften trenger og hvordan markedet rundt den reagerer. Spart tid må kunne tas i bruk dersom den skal få økonomisk betydning.
Oppgavene henger dessuten sammen. Når en av dem blir billigere å utføre, kan arbeidet som fortsatt trengs rundt den, bli mer verdt. Andre oppgaver mister verdi fordi maskinen overtar. Dette er en sammenheng økonomen David Autor har beskrevet: Virkningen på lønn og sysselsetting avhenger også av etterspørselen og av hvor mange som kan gjøre arbeidet som står igjen. Det følger ingen fast fordeling av gevinsten mellom ansatte, eiere og kunder med den tekniske forbedringen.
Hos kundestøtten står fortsatt en medarbeider mellom forslaget og kunden. Det må passe med opplysningene kunden har gitt, og medarbeideren må velge hva som skal sendes og følge med på svaret. Hvor mye arbeid som er spart, avhenger også av den neste meldingen.