ATLAS: czego Google właśnie nauczył nas o realnym korzystaniu z AI

Google opublikował właśnie raport, który powinien zainteresować każdego, kto — tak jak ja — uważnie śledzi, jak sztuczna inteligencja faktycznie wchodzi do pracy i codziennego życia. Mowa o pierwszym raporcie ATLAS (Activity, Task, Landscape, and Adoption Study) — zakrojonym na szeroką skalę badaniu tego, jak ludzie naprawdę korzystają z narzędzi AI Google: aplikacji Gemini, AI Mode oraz API Gemini.

To, co czyni ten raport wartym uwagi, to nie kolejna marketingowa opowieść o AI, tylko surowe dane, na których się opiera: 15 milionów zanonimizowanych, zagregowanych interakcji człowiek-AI, obejmujących ponad 150 krajów, 140 języków, 800 zawodów i 4000 zadań. To prawdopodobnie najdokładniejszy dziś dostępny obraz tego, jak ludzie realnie korzystają z AI — daleki od fantazji o całkowitym zastąpieniu pracy człowieka.

Oto wnioski, które wydały mi się najbardziej przydatne, widziane przez pryzmat mojego doświadczenia w e-commerce i pracy z danymi.

1. Korzystanie z AI jest powszechne, ale płytkie

Raport pokazuje, że wykorzystanie AI w pracy obejmuje niemal wszystkie sektory i dotyczy 68% zawodów, reprezentujących 90% zatrudnienia w USA. Ale w szczegółach korzystanie jest selektywne: w typowej pracy AI używane jest jedynie do około 21% zadań.

Innymi słowy: AI jest wszędzie, ale nie zastępuje całych zawodów — wkracza w konkretne zadania. To dobrze zgadza się z tym, co widać w e-commerce: nikt nie oddaje całej strategii modelowi, ale każdy używa go, żeby przyspieszyć analizę, napisać brief albo szybciej przetestować hipotezę.

2. Współpracujemy z AI, jeszcze jej nie automatyzujemy

Kolejny istotny wniosek: zdecydowana większość zawodowego użycia AI to współpraca — generowanie pomysłów, strategia, wyszukiwanie informacji, nauka — a nie pełna automatyzacja. Mniej niż 10% interakcji zawodowych w pełni automatyzuje zadanie od początku do końca.

Zadania określane jako „nierutynowe kognitywne" (projektowanie kreatywne, testowanie hipotez) są znacznie częściej reprezentowane w użyciu AI niż wynikałoby to z ich rzeczywistego udziału w gospodarce (65% wobec 35%). To nie przypadek: to właśnie ten typ zadań, w którym asystent AI wnosi najwięcej bezpośredniej wartości, uzupełniając ludzki osąd, zamiast go zastępować.

3. Zawody manualne też się w to angażują — i to bardzo obrazowo

Wniosek, którego się nie spodziewałem: pracownicy zawodów technicznych i manualnych (mechanicy samochodowi, technicy przemysłowi) używają konwersacyjnej AI jako współpracownika w czasie rzeczywistym do diagnostyki, rozwiązywania problemów i nauki na bieżąco. Osoby te są dwukrotnie bardziej skłonne korzystać z multimodalnej AI (obrazy, wideo) niż przeciętny użytkownik — na przykład do interpretacji wyników testu, debugowania okablowania czy sprawdzania zużycia części.

To burzy stereotyp, że „AI jest tylko dla pracy biurowej".

4. Duża część wartości powstaje poza pracą

Ponad 86% interakcji z narzędziami AI Google odbywa się poza kontekstem zawodowym. Badanie zakupów, pomoc w obsłudze sprzętu, ale też uciążliwe sprawy administracyjne — podatki, formalności urzędowe, różnego rodzaju zobowiązania. To realna wartość ekonomiczna, w dużej mierze niewidoczna w standardowych wskaźnikach makroekonomicznych — ciekawa luka dla każdego, kto interesuje się danymi i pomiarem wpływu.

5. Globalna adopcja podąża za zamożnością krajów, z pewnymi wyjątkami

Nic dziwnego, że użycie AI na mieszkańca ściśle odpowiada zamożności danego kraju (PKB na mieszkańca), co budzi obawy o utrzymującą się cyfrową przepaść. Ale niektóre kraje o średnim dochodzie — w Ameryce Południowej i na Bliskim Wschodzie — adoptują AI w tempie porównywalnym z krajami znacznie bogatszymi, co pokazuje, że ta trajektoria nie jest z góry przesądzona.

Kolejny szczegół, który zwrócił moją uwagę: angielski stanowi jedynie około jednej trzeciej globalnych rozmów z AI. Użytkownicy nie przechodzą systematycznie na angielski przy złożonych zadaniach — pozostają przy swoim języku. Zachęcający sygnał dla każdego rynku nieanglojęzycznego, w tym Polski.

Jak powstał ATLAS

Od strony technicznej ATLAS opiera się na wewnętrznym narzędziu Google DeepMind o nazwie OCTO (Observation Clustering and Taxonomy Organisation), zaprojektowanym do przekształcania ogromnych ilości nieustrukturyzowanego tekstu — czyli rozmów z AI — w uporządkowane, przydatne kategorie. Jeśli chodzi o ochronę danych, Google deklaruje, że dodał kilka dodatkowych warstw zabezpieczeń poza standardową anonimizacją: usuwanie odniesień do informacji wrażliwych, usuwanie wszelkich powiązań między danymi ATLAS a oryginalnymi logami użytkowników, streszczanie tekstów, a następnie agregowanie streszczeń w grupy.

Co z tego wynika

Ten raport potwierdza intuicję, którą wielu z nas ma na co dzień: AI nie zastępuje pracy, tylko redystrybuuje ją zadanie po zadaniu, w bardzo nierównym stopniu w zależności od zawodu i zastosowania. Dla data-driven e-commerce i marketingu przekaz jest jasny — prawdziwa wartość nie weźmie się z natychmiastowej, pełnej automatyzacji, tylko z precyzyjnej integracji, zadanie po zadaniu, w istniejące procesy. To dobrze zgadza się z moim własnym podejściem: zacząć od danych, testować, mierzyć i skalować dane zastosowanie AI dopiero wtedy, gdy sprawdzi się na ograniczonym zakresie.

To dopiero pierwsza wersja ATLAS — Google zapowiada, że chce zrobić z niego długofalowy program badawczy, we współpracy ze środowiskiem akademickim. Zdecydowanie raport, który warto śledzić, jeśli chcemy zrozumieć AI poza warstwą promocyjną.

Źródło: Understanding the AI economy, Google Keyword Blog, 23 lipca 2026