AI აგენტები

როგორ ათავისუფლებს AI აგენტი რუტინისგან?

მთავარი BTU-ს მკვლევრების შეფასებით, AI აგენტი რუტინას მაშინ ამცირებს, როცა ადამიანს განმეორებით ინფორმაციის შეკრებასა და შედარებას აღარ სთხოვს და

როგორ ათავისუფლებს AI აგენტი რუტინისგან?

მთავარი

BTU-ს მკვლევრების შეფასებით, AI აგენტი რუტინას მაშინ ამცირებს, როცა ადამიანს განმეორებით ინფორმაციის შეკრებასა და შედარებას აღარ სთხოვს და ყურადღებას ნამდვილ ცვლილებებზე მიმართავს. საქართველოს ბიზნესისთვის ამ შესაძლებლობის გამოყენება მოითხოვს სანდო სამუშაო ჩანაწერს, გამონაკლისების მკაფიო გამოყოფას და შედეგის შემოწმებას, რადგან მოკლე შეტყობინებების სია ჯერ კიდევ არ ნიშნავს გაზომილ დროის დანაზოგს.

ძირითადი მიგნებები

  • AI აგენტის სასარგებლო ამოცანაა წინა მდგომარეობის დამახსოვრება და ახალი ინფორმაციის მასთან შედარება, რათა უცვლელი საქმე ხელახლა გადასაწყვეტ საკითხად არ დაბრუნდეს.
  • BTUAI-ს 2026 წლის 6 ნოემბრის ერთჯერად სინთეზურ ცდაში 12 ახალი შემოსული ჩანაწერიდან ხუთი ახალი ან შეცვლილი საქმე გამოიყო; დანარჩენი შვიდი განმეორებითი ჩანაწერი იყო. ეს არის შექმნილი საცდელი ნაკადის შედეგი და არა ქართული კომპანიების სტატისტიკა.
  • რუტინისგან გათავისუფლების შეფასებისას უნდა გაიზომოს ადამიანის შემოწმება, შესწორება და საბოლოო მომსახურების ხარისხიც; ამ ცდაში ადამიანის დრო და ფინანსური სარგებელი არ გაზომილა.

სამუშაო დღის მნიშვნელოვანი ნაწილი შეიძლება ისე გავიდეს, რომ ახალი გადაწყვეტილება არ მიგვიღია. გადავამოწმეთ წერილი, მოვძებნეთ ძველი ფაილი, ერთმანეთს შევადარეთ ორი ჩანაწერი და კიდევ ერთხელ ვიკითხეთ, ხომ არაფერი შეცვლილა. ასეთი მოქმედებები ხშირად აუცილებელია: მათ გარეშე ვადა იკარგება, მომხმარებელი პასუხს ვერ იღებს ან სხვადასხვა თანამშრომელი განსხვავებული ინფორმაციით მუშაობს. მაგრამ მათი აუცილებლობა არ ნიშნავს, რომ ინფორმაციის ხელახლა შეკრება ყოველ ჯერზე ადამიანმა უნდა დაიწყოს.

AI აგენტის შესაძლებლობა სწორედ ამ შუალედურ სამუშაოში ჩანს. აგენტი აქ ნიშნავს სისტემას, რომელსაც მიზნის მიხედვით შეუძლია ნაბიჯების შერჩევა, ნებადართული ინსტრუმენტების გამოყენება და მიღებული პასუხის საფუძველზე გაგრძელება. მისი სამუშაო შეიძლება იყოს არა ცალკე ტექსტის დაწერა, არამედ საქმის მდგომარეობის გარკვევა: რა ვიცოდით, რა მოვიდა ახალი, რა შეიცვალა და ვის სჭირდება ჩართვა. ამის შემდეგ თანამშრომელი იღებს გადაწყვეტილებისთვის მომზადებულ მასალას და არა ერთმანეთთან დაუკავშირებელი წერილების კიდევ ერთ გროვას.

თუმცა ამ დაპირებას მარტივი შემოწმება სჭირდება. თუ სისტემა ყოველ დილით იმავე ათ საქმეს ახალი სიტყვებით გვიბრუნებს, კითხვის რუტინა არ შემცირებულა. თუ ათიდან ერთ პრობლემურ საქმეს გამოტოვებს, სია მოკლე იქნება, მაგრამ სერვისი გაუარესდება. ამიტომ კარგი აგენტის შედეგი მხოლოდ ტექსტის სიმოკლე არ არის. აუცილებელია მნიშვნელოვანი ცვლილებების სრული შენარჩუნება და არასაჭირო გამეორების მოცილება.

რუტინა ხშირად მდგომარეობის აღდგენაა

განვიხილოთ პირობითი შესყიდვის პროცესი. გუშინ ვიცოდით რაოდენობა, მიწოდების თარიღი და პასუხისმგებელი თანამშრომელი. დღეს მოდის იგივე ინფორმაცია სხვა არხით, შემდეგ შესწორებული რაოდენობა და ბოლოს წერილი, რომელშიც სხვა თარიღია მითითებული. ადამიანს ჯერ უწევს იმის დადგენა, რომელი შეტყობინება რომელ საქმეს ეკუთვნის. შემდეგ არკვევს, რომელია გამეორება, რომელია დადასტურებული ცვლილება და რომელია წინააღმდეგობა. მხოლოდ ამის შემდეგ იწყება გადაწყვეტილებაზე ფიქრი.

აგენტს შეუძლია ეს მოსამზადებელი ჯაჭვი შეასრულოს, თუ აქვს საქმის მდგრადი ნომერი, წინარე მდგომარეობა და მონაცემის წყარო. მდგრადი ნომერი ნიშნავს, რომ სხვადასხვა წერილში ნახსენები ერთი შეკვეთა ერთ საქმედ რჩება. წინა მდგომარეობა საშუალებას იძლევა ახალი ტექსტი ცვლილებად ავტომატურად არ ჩაითვალოს. წყარო კი გვიჩვენებს, ვისგან და როდის მოვიდა განსხვავებული პირობა. ამ სამის გარეშე აგენტი შეიძლება მხოლოდ დამაჯერებელი შემაჯამებელი იყოს.

განსაკუთრებით მნიშვნელოვანია სხვაობა ახალ ინფორმაციასა და ახალ შეტყობინებას შორის. კლიენტის მიერ ხელახლა გამოგზავნილი მოთხოვნა ახალი საქმის შექმნის მიზეზი არ უნდა გახდეს. ამავე დროს, მსგავსი ტექსტი შეიძლება შეიცავდეს მნიშვნელოვან ერთციფრიან ცვლილებას: 80 ცალის ნაცვლად 85-ს, ან მიწოდებას ორშაბათის ნაცვლად ოთხშაბათს. გამეორების მოცილებამ ასეთი სხვაობა არ უნდა დაფაროს. სამუშაო ნაკადის შემცირება ღირებულია მხოლოდ მაშინ, როცა გადაწყვეტილებისთვის საჭირო ინფორმაცია არ იკარგება.

ყველა ნაბიჯს აგენტი არ სჭირდება

ზუსტად ერთნაირი ჩანაწერის პოვნა, ჯამის დათვლა და თარიღების ფორმატის გასწორება ხშირად ჩვეულებრივ პროგრამას შეუძლია. ენობრივი მოდელი უფრო გამოსადეგია იქ, სადაც სხვადასხვა ფორმით დაწერილი წინადადების მნიშვნელობა უნდა გაიგოს. მაგალითად, „შეკვეთა გააუქმეთ“ მოთხოვნაა და არა მტკიცებულება, რომ შეკვეთა უკვე გაუქმებულია. ასეთი განსხვავების შენარჩუნება პროცესს იცავს ნაადრევი დახურვისგან.

“Anthropic”-ის აგენტების დიზაინის განხილვა ერთმანეთისგან განასხვავებს წინასწარ განსაზღვრულ სამუშაო გზებსა და სისტემის მიერ არჩეულ მოქმედებებს და მარტივი გადაწყვეტით დაწყებას ურჩევს. BTU-ს მკვლევრების შეფასებით, რუტინის შემცირებისას ეს ნიშნავს შერეულ მიდგომას: ენობრივი გაგება გამოიყენება საჭირო ადგილას, ზუსტი შემოწმება კი კოდს ან მონაცემთა მკაფიო წესს ეყრდნობა. აგენტის დამატება თავისთავად უპირატესობა არ არის.

ასევე არ არის აუცილებელი, რომ აგენტმა ყველაფერი დამოუკიდებლად დაასრულოს. გაურკვეველ თარიღზე მუშაობის შეჩერება შეიძლება სწორი შედეგი იყოს. თუ მომწოდებლის წერილი და შესყიდვების ჩანაწერი ერთმანეთს ეწინააღმდეგება, სისტემა ვერ ჩაანაცვლებს კომპანიის წესს იმის შესახებ, რომელი წყაროა სანდო. მისი სასარგებლო მოქმედებაა წინააღმდეგობის გამოყოფა და კონკრეტული კითხვის მომზადება. ადამიანი აღარ ეძებს პრობლემას მთელ მიმოწერაში, მაგრამ საბოლოო არჩევანს კვლავ თავად აკეთებს.

რატომ არის ეს მნიშვნელოვანი საქართველოში?

საქსტატის 2025 წლის საწარმოთა საინფორმაციო-საკომუნიკაციო ტექნოლოგიების გამოკვლევის მიხედვით, ინტერნეტზე წვდომა საწარმოთა 94.9%-ს ჰქონდა, ვებგვერდს კი 15.3% იყენებდა. ეს მონაცემები 2026 წლის 29 მაისს გამოქვეყნდა. ინტერნეტზე წვდომა პროცესების ინტეგრაციას არ ზომავს, ხოლო ვებგვერდის არქონა თავისთავად ჩამორჩენას არ ამტკიცებს. ორივე მაჩვენებელი გვახსენებს, რომ ციფრულ არხზე ყოფნა და ერთიანი სამუშაო პროცესის ქონა სხვადასხვა საკითხია.

ამ განსხვავებას პრაქტიკული მნიშვნელობა აქვს ვაჭრობისთვის, ტურიზმისთვის, განათლებისთვის და პროფესიული მომსახურებისთვის. თითოეულში შეიძლება არსებობდეს ერთდროულად რამდენიმე წერილი, სამუშაო ცხრილი და სტატუსის ჩანაწერი. ეს არის გამოყენების შესაძლო სფეროები და არა ამ სექტორებში უკვე გაზომილი ეფექტი. ქართული ბიზნესის საჭიროება მხოლოდ ახალი ინტერფეისი არ არის; საჭიროა ქართულად მიღებული მოთხოვნის სწორ საქმესთან დაკავშირება და გაურკვეველი პირობების ადამიანის ყურადღებამდე მიტანა.

მცირე გუნდში ერთი თანამშრომელი შეიძლება მომხმარებელსაც პასუხობდეს, შეკვეთასაც ამოწმებდეს და მენეჯერისთვის ინფორმაციასაც ამზადებდეს. ასეთ პირობებში აგენტის ეკონომიკური როლი შეიძლება გამოჩნდეს საქმის მომზადების უწყვეტობაში. მაგრამ თუ ყველა შესწორებას თანამშრომელი ხელახლა ასწორებს, სისტემა ფარულ დამატებით შრომას ქმნის. დანერგვის არჩევანი უნდა ეყრდნობოდეს კონკრეტულ სამუშაოს და მის ხარისხს, არა მხოლოდ პროგრამის შესაძლებლობების დემონსტრაციას.

ენის საკითხიც შემოწმების ნაწილია. სისტემამ სწორად უნდა გაარჩიოს თარიღი, რაოდენობა, უარყოფა და მოქმედების სტატუსი. „ჯერ არ გაუქმებულა“ და „გაუქმებულია“ საპირისპირო ინფორმაციას იძლევა. ქართულად გამართულად დაწერილი პასუხი ამ განსხვავების დაცვას ავტომატურად არ ადასტურებს. ამიტომ საცდელი სამუშაო უნდა შეიცავდეს არა მხოლოდ მარტივ სწორ ჩანაწერებს, არამედ ცვლილებებს, გამეორებებსა და წინააღმდეგობებსაც.

ნაკლები რუტინა და მეტი პროდუქტიულობა სხვადასხვა საზომია

საერთაშორისო კვლევა გვაძლევს რეალური შედეგის გაზომვის მაგალითს. “Brynjolfsson”-ის, “Li”-სა და “Raymond”-ის 2025 წელს გამოქვეყნებული ნაშრომი ერთ კომპანიაში 5,172 მომსახურების თანამშრომლის მონაცემებზე AI დახმარებას საათში გადაწყვეტილი საკითხების საშუალოდ 15%-იან ზრდას უკავშირებს. შედეგი განსხვავდებოდა თანამშრომელთა გამოცდილების მიხედვით. ეს იყო ადამიანების დამხმარე სისტემა და არა საქართველოში დამოუკიდებელი აგენტების გამოცდა; მაჩვენებელს ქართულ კომპანიებზე პირდაპირ ვერ გადავიტანთ.

სასარგებლო განსხვავება თავად საზომშია. შესრულებული საქმე უნდა იყოს ხარისხიანად დასრულებული და არა უბრალოდ სწრაფად დახურული. აგენტმა შეიძლება მოკლე მიმოხილვა შექმნას, მაგრამ თანამშრომელს მისი შემოწმებისთვის ხანგრძლივი დრო დასჭირდეს. შეიძლება ძველი მონაცემი შეინარჩუნოს და შეცდომა მოგვიანებით მომხმარებელთან გამოჩნდეს. ამ ხარჯების გამოტოვება დანაზოგის სურათს ხელოვნურად აუმჯობესებს.

ამიტომ რუტინის შემცირება ჯერ პროცესის ცვლილებაა: ნაკლები განმეორებითი ძებნა, უფრო მკაფიო მიმდინარე მდგომარეობა და უკეთ გამოკვეთილი გამონაკლისი. მხოლოდ რეალურ სამუშაოზე დაკვირვება გვეტყვის, გადაიქცა თუ არა ეს ცვლილება თანამშრომლის დაზოგილ დროდ, უკეთ მომსახურებად ან დამატებით შემოსავალად. ქვემოთ მოცემული ცდა ამ ჯაჭვის პირველ ნაწილს ამოწმებს და დანარჩენის გაზომვას არ იჩემებს.

ნაწილი მეორე BTUAI პილოტი

თორმეტი შეტყობინებიდან რა დარჩა გადასახედად

2026 წლის 6 ნოემბერს BTUAI-სთვის შესრულდა მცირე ქართულენოვანი ცდა: შეეძლო თუ არა AI შემსრულებელს განმეორებითი სამუშაო ნაკადისგან ახალი და შეცვლილი საქმეების გამოყოფა ისე, რომ გაურკვევლობა არ დაეფარა. წინასწარ შეიქმნა 24 სინთეზური ტექსტური ჩანაწერი. პირველი 12 ჩანაწერი საწყის მდგომარეობას აღწერდა, მეორე 12 კი შემდგომ შემოსულ ინფორმაციას. ეს არ ყოფილა რეალური კომპანიის მიმოწერა ან ადამიანების მონაწილეობით საველე კვლევა.

მეორე ნაკადში ექვსი უცვლელი განახლება იყო, სამი საქმე შეიცვალა, ორი ახალი საქმე დაემატა და ერთი შეტყობინება განმეორებით გადაიგზავნა. ცვლილებებს შორის იყო რაოდენობის დადასტურებული შესწორება, ერთმანეთთან შეუსაბამო მიწოდების თარიღები და გაუქმების მოთხოვნა. AI შემსრულებელმა მიიღო საწყისი და შემდგომი ჩანაწერები და ინსტრუქცია, შეენარჩუნებინა საქმეების ისტორია, გამოეყო ცვლილებები და არ განეხორციელებინა გარე მოქმედება.

ცდა ერთჯერადად შესრულდა. AI შემსრულებელმა ქართულენოვანი ტექსტები შეადარა და მოამზადა სტრუქტურირებული შედეგი; “Python” გამოიყენებოდა მონაცემის დამუშავებისა და რაოდენობების გადამოწმებისთვის. ამგვარად, ცდის საგანი იყო ტექსტური სამუშაოს რეალურად შესრულებული შიდა დამუშავება და არა წინასწარ დაწერილი პროგრამის აგენტად გამოცხადება. შედეგი ცალკე AI შემმოწმებელმა საწყის ჩანაწერებს შეუდარა; ეს არ ყოფილა ადამიანური ექსპერტიზა.

მაჩვენებელი: ერთჯერადი სინთეზური ცდის შედეგი:
საწყისი საქმეები 12
შემდგომი შემოსული ჩანაწერები 12
ახალი ან შეცვლილი საქმეები 5
გამეორების გამო ცვლილებების სიიდან გამორიცხული ჩანაწერები 7
საბოლოოდ შენარჩუნებული განსხვავებული საქმეები 14
ადამიანის გადაწყვეტილებისთვის გამოყოფილი გამონაკლისები 2

წყარო: BTUAI-ს ავტორისეული ქართულენოვანი საცდელი ნაკადი და რეალურად შესრულებული AI დამუშავება, 6 ნოემბერი 2026. ერთეულია ჩანაწერი ან საქმე, ცხრილის კონკრეტული სტრიქონის მიხედვით; ადამიანის დრო არ გაზომილა.

BTU-ს მკვლევრების გამოთვლით, მეორე ნაკადის 12 ჩანაწერიდან ცვლილებების სიაში ხუთი მოხვდა, შვიდი კი განმეორებად დარჩა. შესაბამისად, სიის ელემენტების რაოდენობა ყველა შემოსული ჩანაწერის ჩამოთვლასთან შედარებით 7/12-ით, ანუ 58.3%-ით ნაკლები იყო. ეს არის ამ კონკრეტული, წინასწარ შექმნილი ნაკადის შეკუმშვის მაჩვენებელი. იგი არ ნიშნავს 58.3%-ით ნაკლებ სამუშაო დროს, შრომის ხარჯს ან პერსონალის საჭიროებას.

მოკლე სიაში დარჩენილი რთული საქმეები

ერთი შემთხვევა განსაკუთრებით აჩვენებს სწორ საზღვარს. საწყის ჩანაწერში 70 ცალის მიწოდება 16 ნოემბერს იყო მითითებული; შემდგომ შეტყობინებაში მომწოდებელი 18 ნოემბერს ასახელებდა, შესყიდვების ჩანაწერში კი ისევ 16 ნოემბერი რჩებოდა. ცდის პირობებში არცერთ წყაროს უპირატესობა არ ჰქონდა. გამოსადეგი შედეგი ამ ორ თარიღს ერთად ინარჩუნებდა და საკითხს დასაზუსტებლად გამოყოფდა, ნაცვლად იმისა, რომ უახლესი ტექსტი ავტომატურად საბოლოო პირობად ჩაეთვალა.

მეორე გამონაკლისი გაუქმებას ეხებოდა. მომხმარებლის მოთხოვნა დაფიქსირდა, მაგრამ შეკვეთა გაუქმებულად არ გამოცხადდა. რაოდენობის ცალკე შესწორება კი 80-დან 85-მდე დადასტურებულ ცვლილებად ჩაიწერა. ეს შემთხვევები აჩვენებს, თუ რატომ ვერ ჩაანაცვლებს მხოლოდ ტექსტის დამოკლება საქმის დამუშავებას: ერთი ცვლილება ჩანაწერს ასწორებს, მეორე წყაროებს შორის წინააღმდეგობას ტოვებს, მესამე კი უფლებამოსილ გადაწყვეტილებას მოითხოვს.

მნიშვნელოვანია შენარჩუნებული საქმეების რაოდენობაც. საწყის 12 საქმეს ორი ახალი დაემატა და საბოლოო სია 14 საქმეს მოიცავდა. ის საქმეები, რომლებიც მეორე ნაკადში აღარ იყო ნახსენები, არ წაშლილა. წინააღმდეგ შემთხვევაში აგენტი ზედმეტ ხმაურთან ერთად ღია ვალდებულებებსაც დამალავდა. ნაკადის მოკლე მიმოხილვა და სრული სამუშაო ჩანაწერი სხვადასხვა დანიშნულების შედეგებია; კარგი სისტემა ორივეს ინარჩუნებს.

რას ვერ გვეტყვის ეს ცდა?

ამ შესრულებაში წინასწარ ჩადებული ცვლილებები გამოვლინდა, მაგრამ ცდის წარმატება ზოგად სიზუსტეს არ ადგენს. ჩანაწერები მცირე, სუფთა და ამ ამოცანისთვის შექმნილი იყო. პირობები არ შეიცავდა სკანირებულ დოკუმენტებს, მრავალმნიშვნელოვან სახელებს, დაკარგულ დანართებს, შეცვლილ საქმის ნომრებს ან ინსტრუმენტის გაუმართაობას. არც ჩვეულებრივ პროგრამასთან შედარება ჩატარებულა; შესაბამისად, აგენტური მიდგომის უპირატესობა მარტივ ავტომატიზაციასთან ამ ცდით არ დამტკიცებულა.

ასევე არ არსებობდა ადამიანური სამუშაოს საკონტროლო ჯგუფი ან ქრონომეტრაჟი. უცნობია, რამდენ დროს დახარჯავდა თანამშრომელი შედეგის შემოწმებაზე და რამდენად სასარგებლო იქნებოდა მოკლე სია რეალურ დღეს. ამ საკითხებზე ნულოვანი მტკიცებულება უნდა დარჩეს ნულოვან მტკიცებულებად და არ გადაიქცეს პროდუქტიულობის დაპირებად. შემდგომი ნაბიჯი რეალურ, ნებადართულ სამუშაო ნაკადზე ხარისხისა და სრული შრომითი დანახარჯის დაკვირვება იქნებოდა.

დასკვნა

AI აგენტი რუტინისგან ათავისუფლებს მაშინ, როცა ადამიანს საქმის მდგომარეობის ხელახლა აღდგენა აღარ უწევს და ყურადღება გამონაკლისებზე გადააქვს. მცირე ცდამ ამ მექანიზმის შესაძლებელი შიდა შედეგი აჩვენა: განმეორებითი შეტყობინებები გაიფილტრა, მნიშვნელოვანი ცვლილებები დარჩა და გაურკვეველი საკითხები გადაწყვეტილებად არ გასაღდა. საქართველოს ბიზნესისთვის ღირებული მიზანია სწორედ ასეთი შემოწმებადი სამუშაოს გადაცემა; დროისა და ფულის დანაზოგი კი ცალკე, რეალურ პროცესში დასამტკიცებელი შედეგია.

კითხვები და პასუხები:

რომელი რუტინით შეიძლება დაწყება?

საქმის წინა და მიმდინარე მდგომარეობის შედარებით, თუ ხელმისაწვდომია წყაროები და შესაძლებელია ცვლილებების გადამოწმება.

შვიდი ჩანაწერის გაფილტვრა შვიდით ნაკლებ საქმეს ნიშნავს?

არა. ცდაში გაფილტრული იყო განმეორებითი ინფორმაცია; ყველა განსხვავებული საქმე საბოლოო ჩანაწერში შენარჩუნდა.

რატომ დარჩა ორი საკითხი ადამიანისთვის?

ერთი მიწოდების ურთიერთსაწინააღმდეგო თარიღებს ეხებოდა, მეორე გაუქმების მოთხოვნას. მათი საბოლოო გადაწყვეტა მოცემული ინფორმაციისა და უფლებამოსილების ფარგლებს სცდებოდა.

დადასტურდა თუ არა დროის დაზოგვა?

არა. ცდამ აჩვენა ჩანაწერების დამუშავება და ცვლილებების გამოყოფა; ადამიანის დრო, ხარჯი და მომსახურების შედეგი არ გაზომილა.

კვლევის საფუძველი

კვლევის კითხვა: შეუძლია თუ არა AI შემსრულებელს განმეორებითი ქართულენოვანი ნაკადიდან ახალი და შეცვლილი საქმეების გამოყოფა ისე, რომ საქმის ისტორია და გადაუჭრელი საკითხები შეინარჩუნოს?

მეთოდი: BTUAI-სთვის 2026 წლის 6 ნოემბერს შესრულდა ერთი მცირე სინთეზური ცდა. AI შემსრულებელმა შეადარა წინასწარ შექმნილი ტექსტები და მოამზადა საქმეების საბოლოო მდგომარეობა, ცვლილებებისა და გამონაკლისების სიები. “Python” გამოყენებული იყო მონაცემთა დამუშავებისა და რაოდენობების შესამოწმებლად; ცალკე AI შემმოწმებელმა შედეგი საწყის ჩანაწერებს შეუდარა. ეს არ ყოფილა ადამიანური ექსპერტიზა, რეალური კომპანიის საველე კვლევა ან ბრმა გამოცდა.

მონაცემები და პერიოდი: 2026 წლის 6 ნოემბრის ავტორისეული ნაკადი შეიცავდა 24 ჩანაწერს: 12 საწყისს და 12 შემდგომს. მეორე ნაკადში იყო ექვსი უცვლელი განახლება, სამი შეცვლილი საქმე, ორი ახალი საქმე და ერთი ხელახალი გადაგზავნა. ქართული კონტექსტისთვის გამოყენებულია საქსტატის 2025 წლის საწარმოთა “ICT” მონაცემები, გამოქვეყნებული 2026 წლის 29 მაისს; საერთაშორისო კონტექსტისთვის – “QJE”-ის 2025 წლის კვლევა და “Anthropic”-ის 2024 წლის დიზაინის გზამკვლევი. ეს წყაროები პილოტის შედეგს დამოუკიდებლად არ ადასტურებს.

ძირითადი შედეგი და ერთეულები: BTU-ს მკვლევრების გამოთვლით, შემდგომი 12 ჩანაწერიდან ცვლილებების სიაში ხუთი საქმე მოხვდა: სამი შეცვლილი და ორი ახალი. შვიდი განმეორებითი ჩანაწერი სიიდან გამოირიცხა; საბოლოო მდგომარეობაში შენარჩუნდა 14 განსხვავებული საქმე (12 + 2). ორი გამონაკლისი – მიწოდების თარიღების წინააღმდეგობა და გაუქმების მოთხოვნა – ამ ხუთი საქმის ნაწილია და არა დამატებითი საქმეები. სიის ელემენტების შემცირებაა (12 − 5)/12 × 100 = 58.3%. მნიშვნელი არის მეორე ნაკადის ჩანაწერები და არა განსხვავებული საქმეები ან სამუშაო საათები.

შეზღუდვები: ეს არის ერთი წინასწარ მოწყობილი მცირე ნაკადი, სტაბილური ნომრებითა და სუფთა ტექსტით. არ გაზომილა ადამიანის დრო, შემოწმების შრომითი დანახარჯი, ხარჯი ან მომსახურების შედეგი; არ ყოფილა განმეორებითი ცდები ან ჩვეულებრივ პროგრამასთან შედარება. 58.3% არ ნიშნავს დროის, ხარჯის ან პერსონალის დაზოგვას და არ აფასებს ზოგად სიზუსტეს ან საქართველოს ბიზნესის პროდუქტიულობას. საქსტატის მაჩვენებლები AI-ის გამოყენებას არ ზომავს.

პირველწყაროები

BTUAI-ს ავტორისეული ქართული სინთეზური ჩანაწერები, შესრულების შედეგი და ცალკე AI შემოწმება, 6 ნოემბერი 2026: საჯარო URL არ აქვს.

Geostat 2025: https://www.geostat.ge/media/79412/Use-of-Information-Communication-Technologies-in-Enterprises—2025.pdf

QJE 2025: https://academic.oup.com/qje/article/140/2/889/7990658

Anthropic 2024: https://www.anthropic.com/research/building-effective-agents