Siffran som punkterade ett år av rubriker

Fyndet: Scott Strand, ekonom i Googles team för teknik och samhälle, satte en siffra under en debatt som i två år levt på förutsägelser. I forskningen som Google publicerade från sitt ATLAS-arbete, byggd på 15 miljoner avidentifierade Gemini-interaktioner, är användningen av AI på jobbet enligt hans formulering mycket bred men mycket grund. Verktyget dyker nu upp i 68 procent av yrkena och täcker 90 procent av den amerikanska sysselsättningen - och i ett typiskt jobb används det bara för omkring 21 procent av uppgifterna.

Den andra siffran är den som betyder något för var och en som planerar en budget. Under 10 procent av AI-interaktionerna på jobbet automatiserar en uppgift helt; den stora majoriteten är samarbetande - idéarbete, utkast, informationssökning, felsökning och lärande. Företaget med det starkaste kommersiella skälet att hävda att AI ersätter anställda mätte sin egen produkt medan den gjorde något smalare och nyttigare: hjälper människor att arbeta, tar inte deras plats.

Bred är inte samma sak som djup

Varför det spelar roll: gapet mellan räckvidd och djup är precis där planeringen går fel. Det är lätt att läsa att 90 procent av sysselsättningen är berörd och dra slutsatsen att arbetsstyrkan automatiseras; samma datamängd säger att den genomsnittliga anställda ger AI en femtedel av sina uppgifter och behåller resten. Bredd mäter nyfikenhet och tillgång. Djup mäter substitution, och bara det andra motiverar att dra in en tjänst.

Ja, men: den grunda siffran är inget tak för alltid, och vissa uppgifter rör sig snabbare än andra - kreativ design och hypotesprövning dyker upp i AI-arbete i nästan dubbla sin utgångsnivå. Poängen är inte att automatiseringen aldrig blir djupare; det är att den i dag, på mätarens egna data, inte är det, och ett beslut som fattas nu bör prissätta nuet, inte en utlovad framtid.

Beslutet detta borde ändra

Slutsatsen: det dyraste misstaget som står en ägare till buds just nu är att omstrukturera bemanningen mot en automatiseringsgrad som ännu inte finns. När en leverantörs säljargument och leverantörens egen mätning skiljer sig åt är mätningen basfrekvensen - och basfrekvensen här är en femtedel av uppgifterna stödda, inte jobb borttagna. En anställningsstopp eller en uppsägning motiverad med "det fixar AI" är en vadslagning mot siffrorna som säljaren just publicerade.

Detta är en basfrekvens-disciplin, inte ett humör. Rätt ram är den ekonomer som Autor och Coyle för med sig: fråga vad bevisen visar att tekniken gör i dag, sammantaget, och dimensionera beslutet efter det - inte efter den mest självsäkra leverantörsbilden eller den mest oroliga rubriken. Stödfallet är verkligt och värt att finansiera; ersättningsfallet är på nuvarande data ännu ingen plan.

Vad man gör med en siffra på 21 procent

Gör så här: behandla 21 procent som ett arbetstak för automatisering på uppgiftsnivå och bygg dina kommande 12 månader på stöd - ge teamen verktygen, mät vilka uppgifter som faktiskt rör sig, och låt bevis, inte färdplanen, utlösa varje strukturell förändring. Finansiera utbildning innan du finansierar neddragningar, för studiens verkliga signal är att värde kommer från människor som använder AI väl, inte från att ta bort dem.

För europeiska operatörer finns ett andra skäl att gå långsamt med bemanningen: företagsråd, kollektivavtalsregler och EU:s AI-förordnings krav på transparens på arbetsplatsen gör att en omstrukturering motiverad med automatisering du ännu inte kan påvisa är både en ekonomisk och en juridisk risk. Dokumentera vad verktygen faktiskt gör i din egen verksamhet, ompröva siffran varje kvartal, och agera när dina data - inte Googles och inte en konkurrents - visar att djupet har förändrats.

Läs vidare: Google har 60 dagar att frigöra betalningar  |  Google har redan sålt 514 miljarder i moln