Generative AI in Knowledge Work: Perception, Usefulness, and Acceptance of Microsoft 365 Copilot

यहाँ प्रीप्रिंट पेपर "Generative AI in Knowledge Work: Perception, Usefulness, and Acceptance of Microsoft 365 Copilot" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

ज्ञान-गहन कार्यों (knowledge-intensive work) में जनरेटिव एआई (GenAI) का एकीकरण अर्थव्यवस्था को तेजी से बदल रहा है, फिर भी गैर-विश्वविद्यालय अनुसंधान संगठनों (विशेष रूप से जर्मनी में außeruniversitäre Forschungseinrichtungen या AUF के रूप में जाने जाने वाले) में इसके उपयोग के संबंध में अनुभवजन्य शोध (empirical research) दुर्लभ बना हुआ है। ये संगठन अकादमिक अनुसंधान और औद्योगिक अनुप्रयोग के बीच महत्वपूर्ण सेतु के रूप में कार्य करते हैं, और नवाचार एवं दक्षता के लिए अद्वितीय दबावों का सामना करते हैं।

जबकि पूर्व अध्ययनों ने कॉर्पोरेट या विश्वविद्यालय परिवेश पर ध्यान केंद्रित किया है, निम्नलिखित डेटा का अभाव है:

• विभिन्न कर्मचारी समूह (वैज्ञानिक बनाम प्रशासनिक) GenAI उपकरणों को कैसे देखते हैं।
• प्रारंभिक कार्यान्वयन चरण के दौरान स्वीकृति कैसे विकसित होती है।
• कौन से विशिष्ट ज्ञान-कार्य (knowledge-work tasks) Microsoft 365 Copilot जैसे उपकरणों द्वारा प्रभावी ढंग से समर्थित हैं।

यह अध्ययन Microsoft 365 Copilot के एक बड़े गैर-विश्वविद्यालय अनुसंधान संगठन में इसके परिचय का विश्लेषण करके इस अंतर को भरने का लक्ष्य रखता है, जो समूह अंतर, स्वीकृति में अस्थायी परिवर्तन और कार्य-विशिष्ट उपयोगिता से संबंधित तीन मुख्य शोध प्रश्नों (F1–F3) को संबोधित करता है।

2. कार्यप्रणाली (Methodology)

अनुसंधान डिजाइन:

• दृष्टिकोण: मात्रात्मक (Quantitative), अन्वेषणात्मक (Exploratory), और आगमनात्मक (Inductive)।
• प्रकार: दोहरा क्रॉस-सेक्शनल सर्वेक्षण (दो माप बिंदु)।
• संदर्भ: एक बड़े जर्मन गैर-विश्वविद्यालय अनुसंधान संगठन (फ्रौनहोफर सोसाइटी संदर्भ) के भीतर M365 Copilot का एक तकनीकी पायलट।

नमूना और डेटा संग्रह:

• जनसंख्या: 550 कर्मचारी जिन्हें M365 Copilot लाइसेंस से सुसज्जित किया गया है, जिन्हें संगठनात्मक संरचना (संस्थान, आयु, लिंग, भूमिका) का प्रतिनिधित्व करने के लिए कोटा सैंपलिंग के माध्यम से चुना गया था।
• समय बिंदु:
  • T01: नवंबर–दिसंबर 2024 ($N=106$: 66 वैज्ञानिक, 40 प्रशासनिक)।
  • T02: मार्च–अप्रैल 2025 ($N=90$: 51 वैज्ञानिक, 39 प्रशासनिक)।
• नोट: T01 और T02 के प्रतिभागियों के बीच ओवरलैप बहुत कम था; इसलिए, डेटा का विश्लेषण दो स्वतंत्र क्रॉस-सेक्शनल नमूनों के रूप में किया गया न कि एक अनुदैर्ध्य पैनल (longitudinal panel) के रूप में। यह व्यक्तिगत प्रक्षेपवक्र (individual trajectories) के बारे में निष्कर्षों को सीमित करता है लेकिन नमूना-स्तर के रुझान विश्लेषण की अनुमति देता है।

उपकरण (Instrument):

• सर्वेक्षण उपकरण: मानकीकृत ऑनलाइन प्रश्नावली (LimeSurvey)।
• रचनाएँ (Constructs): टेक्नोलॉजी एक्सेप्टेंस मॉडल (TAM) पर आधारित और कार्य-संबंधी आयामों के साथ विस्तारित।
  • कथित उपयोगिता (Perceived Usefulness - PU): 5 आइटम (उत्पादकता, प्रभावशीलता, कार्यभार में कमी, आदि)।
  • कथित सुगमता (Perceived Ease of Use - PEOU): 2 आइटम (सहज संचालन, स्पष्ट अंतःक्रिया)।
  • आउटपुट गुणवत्ता और विश्वसनीयता: एकल आइटम।
  • कार्य-विशिष्ट उपयोगिता: 9 आइटम जो सूचना एकत्र करने, पाठ निर्माण और नेटवर्किंग जैसी गतिविधियों को कवर करते हैं।
• स्केल: 7-पॉइंट लिकर्ट स्केल (कोडेड -3 से +3)।
• विश्लेषण: वर्णनात्मक सांख्यिकी (Descriptive statistics), स्वतंत्र-नमूना वेलच टी-टेस्ट (असमान विचरण के लिए), और प्रभाव आकार (Effect size) गणना (कोहेन का $d$)।

3. प्रमुख योगदान (Key Contributions)

1. संदर्भगत विशिष्टता: विशेष रूप से गैर-विश्वविद्यालय अनुसंधान संगठनों के भीतर GenAI अपनाने पर पहले अनुभवजन्य अध्येशनों में से एक प्रदान करता है, जो शुद्ध अकादमिक और मानक कॉर्पोरेट वातावरण दोनों से भिन्न एक क्षेत्र है।
2. अस्थायी गतिशीलता (Temporal Dynamics): 4-5 महीने की अवधि में उपयोगकर्ता की धारणा के विकास को कैप्चर करता है, जो स्थिर स्वीकृति स्तरों के बजाय "सीखने और नियमितीकरण (learning and routinization) प्रभावों" को प्रकट करता है।
3. कार्य-तकनीक फिट विश्लेषण (Task-Technology Fit Analysis): सामान्य स्वीकृति से आगे बढ़कर विशिष्ट ज्ञान-कार्य गतिविधियों को GenAI उपयोगिता के साथ मैप करता है, जिससे उच्च बनाम निम्न फिट के स्पष्ट पैटर्न की पहचान होती है।
4. समूह विभेदन: वैज्ञानिक और प्रशासनिक कर्मचारियों के बीच स्वीकृति में अंतर और उसके बाद होने वाले अभिसरण (convergence) को उजागर करता है, जो AI के प्रति एक समान संगठनात्मक प्रतिक्रिया की धारणा को चुनौती देता है।

4. मुख्य परिणाम (Key Results)

A. समूह अंतर (वैज्ञानिक बनाम प्रशासनिक)

• प्रारंभिक अवस्था (T01): प्रशासनिक कर्मचारियों ने वैज्ञानिक कर्मचारियों की तुलना में काफी अधिक कथित उपयोगिता (Perceived Usefulness) और आउटपुट गुणवत्ता दर्ज की।
• विकास (T02):
  • प्रशासनिक कर्मचारी: उच्च, स्थिर सकारात्मक रेटिंग बनाए रखी और समय के साथ कोई सांख्यिकीय रूप से महत्वपूर्ण वृद्धि नहीं देखी गई (जो संतृप्ति/प्लेटो प्रभाव का सुझाव देती है)।
  • वैज्ञानिक कर्मचारी: अधिक रूढ़िवादी/तटस्थ मूल्यांकन के साथ शुरू हुए लेकिन T02 तक कथित उपयोगिता और सुगमता में महत्वपूर्ण वृद्धि दिखाई।
• अभिसरण (Convergence): T02 तक, दोनों समूहों के बीच उपयोगिता और आउटपुट गुणवत्ता में महत्वपूर्ण अंतर काफी हद तक समाप्त हो गया था, जो दर्शाता है कि वैज्ञानिक कर्मचारियों ने अनुकूलन किया और समय के साथ मूल्य पाया।

B. तकनीकी विश्वसनीयता और सुगमता

• विश्वसनीयता: दोनों समूहों ने दोनों समय बिंदुओं पर तकनीकी विश्वसनीयता को सकारात्मक और निरंतर रेट किया। कोई महत्वपूर्ण परिवर्तन नहीं देखा गया, जो सुझाव देता है कि तकनीक शुरुआत से ही स्थिर थी।
• सुगमता (Ease of Use): वैज्ञानिक कर्मचारियों ने समय के साथ कथित सुगमता में महत्वपूर्ण सुधार दिखाया, जबकि प्रशासनिक कर्मचारी लगातार सकारात्मक रहे। यह सुझाव देता है कि वैज्ञानिक उपयोगकर्ताओं के लिए अंतःक्रिया स्पष्टता के संबंध में एक लर्निंग कर्व है।

C. कार्य-विशिष्ट उपयोगिता (F3)

अध्ययन ने उपयोगिता के तीन अलग-अलग पैटर्न की पहचान की:

1. उच्च उपयोगिता (संरचित, पाठ-आधारित): सूचना एकत्र करना, विश्लेषण, पाठ निर्माण और सूचना खोज जैसी गतिविधियों को उच्चतम रेटिंग मिली। प्रशासनिक कर्मचारियों ने वैज्ञानिकों की तुलना में इन्हें लगातार उच्च रेट किया, लेकिन दोनों समूहों ने सकारात्मक रुझान देखा।
2. तटस्थ उपयोगिता (रचनात्मक/मीडिया): मीडिया सामग्री के निर्माण को तटस्थ रेटिंग मिली, जो रचनात्मक या मल्टीमीडिया कार्यों के लिए वर्तमान सीमाओं को इंगित करता है।
3. निम्न/नकारात्मक उपयोगिता (सामाजिक/जटिल): नेटवर्किंग और अप-टू-डेट रहना को नकारात्मक या तटस्थ रेटिंग मिली। दिलचस्प बात यह है कि वैज्ञानिक कर्मचारियों के लिए फीडबैक प्राप्त करने की रेटिंग समय के साथ कम हुई, जो बताता है कि GenAI जटिल, अनुसंधान-विशिष्ट पीयर रिव्यू या फीडबैक लूप के लिए कम प्रभावी है।

D. जोखिम धारणा (Risk Perception)

• गलत आउटपुट से नुकसान: दोनों समूहों ने त्रुटियों के संभावित नुकसान को लगातार बहुत कम (नकारात्मक स्केल मान) रेट किया, जो टूल की नियंत्रणीयता या स्थापित सत्यापन प्रक्रियाओं में उच्च विश्वास को दर्शाता है।

5. महत्व और निहितार्थ (Significance and Implications)

सैद्धांतिक महत्व:

• GenAI संदर्भ में TAM का सत्यापन: पुष्टि करता है कि कथित उपयोगिता (Perceived Usefulness), सुगमता या तकनीकी विश्वसनीयता की तुलना में स्वीकृति का एक मजबूत चालक है, विशेष रूप से जैसे-जैसे उपयोगकर्ता अनुभव प्राप्त करते हैं।
• सीखने के प्रक्षेपवक्र (Learning Trajectories): यह प्रदर्शित करता है कि स्वीकृति स्थिर नहीं है; यह "नियमितीकरण" के माध्यम से विकसित होती है। वैज्ञानिक कर्मचारी, जो शुरू में संदेही थे, ने विशिष्ट वर्कफ़्लो में टूल को एकीकृत करने के साथ उच्च उपयोगिता धारणा विकसित की।
• कार्य-तकनीक फिट (Task-Technology Fit): इस परिकल्पना का समर्थन करता है कि GenAI (LLMs) वर्तमान में औपचारिक, भाषा-आधारित कार्यों में उत्कृष्ट है लेकिन जटिल, रचनात्मक या सामाजिक रूप से सन्निहित गतिविधियों के लिए संघर्ष करता है।

व्यावहारिक निहितार्थ:

• संदर्भ-संवेदनशील कार्यान्वयन: संगठन "एक ही आकार के सभी के लिए" (one-size-fits-all) रोलआउट लागू नहीं कर सकते। प्रशासनिक भूमिकाएं तत्काल दक्षता लाभ देख सकती हैं, जबकि वैज्ञानिक भूमिकाओं को मूल्य प्राप्त करने के लिए समय और विशिष्ट प्रशिक्षण की आवश्यकता हो सकती है।
• प्रशिक्षण आवश्यकताएं: प्रशिक्षण केवल टूल के मैकेनिक्स पर नहीं, बल्कि उच्च-फिट कार्यों (जैसे ड्राफ्टिंग, सारांश बनाना) की पहचान करने और कम-फिट कार्यों (जैसे रचनात्मक मीडिया, जटिल फीडबैक) के लिए अपेक्षाओं को प्रबंधित करने पर केंद्रित होना चाहिए।
• शासन (Governance): त्रुटियों की कम कथित जोखिम यह बताती है कि उपयोगकर्ता टूल पर भरोसा करते हैं, लेकिन संगठनों को कठोर सत्यापन प्रक्रियाओं को बनाए रखना चाहिए, विशेष रूप से अनुसंधान संदर्भों में जहां सटीकता सर्वोपरि है।
• मानव-AI सहयोग: निष्कर्षों का समर्थन करता है कि GenAI को मानव विशेषज्ञता को बदलने के बजाय एक पूरक उपकरण के रूप में देखा जाए, विशेष रूप से डोमेन-विशिष्ट ज्ञान के साथ संयोजन में।

सीमाएं:
लेखक नोट करते हैं कि यह अध्ययन अन्वेषणात्मक है जिसमें एक स्व-चयनित और गैर-प्रतिनिधिक नमूना शामिल है। परिणाम वस्तुनिष्ठ उत्पादकता मेट्रिक्स के बजाय व्यक्तिपरक स्व-रिपोर्ट पर आधारित हैं। क्रॉस-सेक्शनल प्रकृति व्यक्तिगत लर्निंग कर्व के बारे में दावे को सीमित करती है। भविष्य के अनुसंधान के लिए अनुदैर्ध्य (longitudinal) डिजाइन और वस्तुनिष्ठ प्रदर्शन डेटा की आवश्यकता है।