Dr. Mantas Lukauskas, Kauno technologijos universiteto Matematikos ir gamtos mokslų fakulteto (KTU MGMF) mokslininkas ir „Hostinger“ dirbtinio intelekto techninis grupės vadovas
Dar visai neseniai aptarėme didžiulius technologinius šuolius, pristatant galingiausius dirbtinio intelekto (DI) modelius, tokius kaip „Google Gemini 3“. Tačiau kol technologijų milžinai varžosi, kieno algoritmas protingesnis, kyla kur kas praktiškesnis klausimas: kaip mes, žmonės, išmokstame šiuos įrankius naudoti kasdieniame darbe?
2026 m. kovo pabaigoje „Anthropic“ (kompanija, kurianti populiarųjį „Claude“ modelį) paskelbė naujausią DI ekonomikos indekso ataskaitą. Šis tyrimas, paremtas milijono pokalbių su DI analize, atskleidžia intriguojantį faktą: DI nėra stebuklinga lazdelė, kuri akimirksniu paverčia tave „superdarbuotoju“. Bendravimas su DI yra atskiras įgūdis, o tie, kurie jį tobulina, darbo rinkoje įgyja milžinišką pranašumą.
Praktika atsiperka: „mokymasis darant“ (angl. learning by doing)
Dažnai manoma, kad DI atsakymo kokybė priklauso tik nuo paties modelio galimybių. Tačiau „Anthropic“ ataskaita aiškiai parodo vadinamosios mokymosi kreivės (angl. learning curve) egzistavimą.
Vartotojai, kurie platformoje „Claude“ yra registruoti pusmetį ar ilgiau, pasiekia net 10 proc. aukštesnį užduočių sėkmės rodiklį nei naujokai. Įdomiausia, kad šis skirtumas nėra nulemtas vien to, jog patyrę vartotojai DI naudoja paprastesnėms užduotims. Priešingai – senbuviai „Claude“ pateikia sudėtingesnes, aukštesnės kvalifikacijos reikalaujančias užduotis ir vis tiek jas atlieka sėkmingiau.
Skiriasi ir pats darbo su modeliu stilius. Naujokai linkę DI naudoti direktyviniu būdu – t. y. tiesiog pateikia komandą ir laukia galutinio rezultato. Tuo tarpu patyrę vartotojai kur kas dažniau renkasi bendradarbiavimo ir iteracijų kelią: prašo DI patarimų, tikrina idėjas ir laipsniškai tobulina rezultatą kartu su modeliu. Skaičiai rodo, kad toks žmogaus ir mašinos komandinis darbas duoda geriausius rezultatus.
Racionalus pasirinkimas: sudėtingoms užduotims – galingiausias įrankis
Dar vienas įdomus atradimas – vartotojai tampa vis išmanesni rinkdamiesi, kurį modelį naudoti. Šiuolaikinės platformos siūlo skirtingus modelius (pavyzdžiui, „Anthropic“ turi greitesnius ir pigesnius „Haiku“ ar „Sonnet“, bei galingiausią – „Opus“).
Duomenys rodo stulbinamą koreliaciją tarp užduoties vertės darbo rinkoje ir pasirinkto modelio. Jei žmogus atlieka užduotį, kuri įprastai priskiriama aukštą atlyginimą gaunančiam specialistui (pvz., programinės įrangos kūrėjui ar finansų vadovui), jis kur kas dažniau renkasi pažangiausią „Opus“ modelį. Paskaičiuota, kad užduoties vertei padidėjus 10 JAV dolerių per valandą, tikimybė, jog bus naudojamas galingiausias modelis, išauga 1,5–2,8 procentinio punkto.
Žmonės išmoko skaičiuoti: paprastiems, edukaciniams klausimams resursai taupomi, o ten, kur kuriama didžiausia pridėtinė vertė, pasitelkiami pajėgiausi algoritmai, tokie kaip „Claude Opus 4.5“ ar naujasis „4.6“.
Nuo programavimo iki buities: kaip keičiasi DI vaidmuo
Ataskaita taip pat atskleidžia, kaip kinta pats DI panaudojimo spektras. Vos prieš kelis mėnesius (2025 m. pabaigoje) DI naudojimas buvo stipriai koncentruotas siaurame techninių užduočių rate. Dabar matome ryškią diversifikaciją.
Nors programavimas išlieka populiariausia sritimi (sudaro apie 35 proc. pokalbių), vis daugiau vartotojų DI pasitelkia asmeniniams poreikiams: nuo sporto rezultatų sekimo iki patarimų namų priežiūrai (asmeninis naudojimas išaugo nuo 35 proc. iki 42 proc.). Tai klasikinis technologijų įsisavinimo kreivės pavyzdys – iš pradžių technologiją perpranta inžinieriai, o vėliau ji tampa prieinama ir naudinga plačiajai visuomenei.
Tuo tarpu rimtieji darbai vis dažniau persikelia į foninius procesus. Pavyzdžiui, programuotojai vis dažniau naudoja ne pokalbių langą („Claude.ai“), o automatizuotas API sistemas („Claude Code“), kurios leidžia agentams savarankiškai skaidyti ir vykdyti sudėtingas kodo rašymo užduotis.
Tokia pati automatizacijos tendencija pastebima ir pardavimų (el. laiškų generavimas, klientų duomenų analizė) bei finansų rinkų (automatizuota prekyba) sektoriuose.
Kas konkrečiai automatizuojama versle?
Nors paprasti vartotojai su DI bendrauja per pokalbių langus, įmonės vis dažniau naudoja API (programines sąsajas) sudėtingiems procesams automatizuoti.
Ataskaita išryškina dvi verslo sritis, kurių automatizavimas API sraute per kelis mėnesius (nuo 2025 m. lapkričio iki 2026 m. vasario) išaugo net dvigubai: pardavimų automatizacija (angl. business sales & outreach). DI dabar masiškai atlieka B2B potencialių klientų paiešką, duomenų praturtinimą ir pirminių šaltųjų (angl. cold email) laiškų rašymą.
Taip pat – automatizuota prekyba ir rinkų operacijos (angl. automated trading & market operations). Finansų sektoriuje algoritmai autonomiškai stebi rinkas, prižiūri pozicijas ir net siūlo konkrečias investavimo strategijas.
Tai realūs pavyzdžiai verslui, rodantys, kokias sritis globalios įmonės šiuo metu masiškai perduoda algoritmams, kur žmogaus įsikišimo reikia vis mažiau.
Geografinė atskirtis: ar Lietuva neliks technologijų paraštėse?
Dar vienas ypač svarbus, nors ir neraminantis ataskaitos signalas – didėjanti atskirtis pasauliniu mastu. Nors pačiose Jungtinėse Valstijose DI naudojimas vienodėja (mažiau technologijų naudojančios valstijos sparčiai vejasi lyderes, o TOP 5 valstijų dalis sumažėjo nuo 30 iki 24 proc.), pasaulyje tendencija yra priešinga.
Daugiausiai DI naudojančios valstybės tik dar labiau atitrūksta nuo likusio pasaulio. TOP 20 šalių dabar tenka net 48 proc. viso pasaulinio DI naudojimo, tenkančio vienam gyventojui (prieš kelis mėnesius šis rodiklis siekė 45 proc.).
Lietuvai ir kitoms mažoms, atviros ekonomikos valstybėms tai yra gyvybiškai svarbus pavojaus signalas. Mes neturime prabangos atsilikti. Šalys ir įmonės, kurios greičiau integruos DI sprendimus į savo veiklą, įgis sunkiai pavejamą produktyvumo pranašumą. Vėluojančios rizikuoja tapti tiesiog nekonkurencingos globalioje rinkoje.
Grėsmė ir galimybė: nauja nelygybės era
Apibendrinant šią ataskaitą, ryškėja viena fundamentali ekonominė tendencija, kurią ekonomistai vadina „įgūdžiams imliu technologiniu pokyčiu“ (angl. skill-biased technological change).
DI gali tapti nauju socialinės atskirties varikliu. Ankstyvieji DI naudotojai, kurie dažniausiai jau dabar užima aukštos kvalifikacijos pozicijas, toliau gilina savo gebėjimą dirbti su DI. Jie dirba greičiau, atlieka sudėtingesnes užduotis ir pasiekia geresnių rezultatų. Šie žmonės tampa savotiškais „superdarbuotojais“.
Tai aiškus signalas tiek darbuotojams, tiek darbdaviams: neužtenka organizacijoje tiesiog įsigyti DI prenumeratų. Įmonės konkurencinis pranašumas vis labiau priklausys ne nuo to, kokius modelius ji naudoja, o nuo to, kiek laiko darbuotojai skyrė mokydamiesi dirbti su šiais įrankiais, suprasdami jų ribas ir galimybes. Kaip rodo „Anthropic“ duomenys, patirtis šioje srityje jau dabar atsiperka su kaupu.
About the Author
