MSD / Gegenbefund / RESEARCH EDITION

Quando a IA estende o trabalho: a contra-descoberta do METR

Em um teste randomizado com 16 desenvolvedores experientes e 246 tarefas, as ferramentas de IA do início de 2025 aumentaram o tempo de conclusão em 19%. Os envolvidos avaliaram os seus benefícios como significativamente mais favoráveis.

Jetzt eintauchen ↓RECHERCHESTAND 12.11.2026 · FAKTEN + EINORDNUNG + SZENARIEN
RESEARCH NOTE / 2025Gegenbefund

KI & Agenten

Pesquisa externa · Classificação MSD
Keine Behauptung eines eigenen Versuchs.

01 / EINORDNUNG

O que esta descoberta significa.

Grenzen des Nachweises

Foram examinados grandes projetos e ferramentas de código aberto familiares da época. Outras tarefas e modelos mais recentes podem produzir resultados diferentes.

Nossa derivação para uma operação piloto

testar o suporte em relação a um grupo de comparação real; Documente a velocidade percebida e a conclusão medida separadamente.

Esta derivação é uma recomendação editorial da MSD. Não é mais um resultado do estudo citado.

Fonte e versão

METR · randomisierter Versuch · Publikations-/Bezugsjahr 2025. Recherchiert am 12.11.2026.

Leia a fonte primária ↗

Investigação externa, não uma referência de projeto de um cliente da MSD. Publicaremos as nossas próprias experiências apenas com a configuração, data, medições e tentativas falhadas documentadas.

02 / LIGAÇÕES

Pense no futuro. Continue verificando.

KI & Agenten / Methodik / 2026

Neue Werkzeuge, neue Auswahlverzerrung ↗

O METR descreve uma experiência de acompanhamento em fevereiro de 2026. As evidências de um trabalho mais rápido são difíceis de interpretar devido à seleção de participantes e tarefas, bem como a problemas com a medição do tempo.

METR · Methodenupdate 24.02.2026
KI & Agenten / Grundlage / 2017

Atenção: A linguagem pode ser processada em paralelo ↗

O artigo do Transformer apresenta uma arquitetura baseada em atenção para processamento de sequências. É um alicerce metodológico de modelos linguísticos e multimodais posteriores.

Vaswani et al. · Attention Is All You Need
IA e Agentes / Pesquisa / 2022

ReAct combina planejamento e ação linguística ↗

O ReAct examina como os modelos de linguagem podem conectar etapas intermediárias com ações em um ambiente. As ferramentas fornecem novas observações para etapas futuras.

Yao et al. · ReAct