AI აგენტები

როგორ აძლიერებს AI აგენტი ადამიანს?

მთავარი BTU-ს მკვლევრების ანალიტიკური შეფასებით, AI აგენტი ადამიანს მაშინ აძლიერებს, როცა გადაწყვეტილებისთვის საჭირო ინფორმაციას ამოწმებს და არჩევანის საფუძველს გასაგებს

როგორ აძლიერებს AI აგენტი ადამიანს?

მთავარი

BTU-ს მკვლევრების ანალიტიკური შეფასებით, AI აგენტი ადამიანს მაშინ აძლიერებს, როცა გადაწყვეტილებისთვის საჭირო ინფორმაციას ამოწმებს და არჩევანის საფუძველს გასაგებს ხდის. ქართული ბიზნესისთვის სარგებელი მხოლოდ პასუხის სწრაფად მომზადებით არ შემოიფარგლება: თანამშრომელს შეუძლია, შეამჩნიოს შეცდომა, დასვას ზუსტი კითხვა და შეინარჩუნოს გადაწყვეტილების მიღების უფლება.

მთავარი მიგნებები

  • AI აგენტის მიერ გაწეული დახმარების ღირებულება მხოლოდ შესრულებული დავალებების რაოდენობით არ იზომება: მნიშვნელოვანია, რამდენად უკეთ შეუძლია ადამიანს შედეგის შემოწმება და გამოყენება.
  • საქსტატის მიხედვით, 2025 წელს საქართველოს საწარმოთა 94,9%-ს ინტერნეტზე წვდომა ჰქონდა. ამ მაჩვენებლით ვერ განვსაზღვრავთ, რამდენად მზად არის საწარმოთა მონაცემები AI სისტემებში გამოსაყენებლად.
  • BTUAI-ს მცირე ქართულენოვანი ტექსტური ცდა ამოწმებს გადაწყვეტილების მისაღებად მომზადებულ პასუხებს და არა ადამიანების პროდუქტიულობას. თანამშრომლის შესაძლებლობების რეალური გაუმჯობესების დასადგენად ადამიანებთან ცალკე კვლევაა საჭირო.

ადამიანის შესაძლებლობის გაფართოება

სამუშაო დღის დიდი ნაწილი ხშირად რთული გადაწყვეტილებისთვის საჭირო ინფორმაციის მოძიებას ეთმობა. თანამშრომელმა უნდა იპოვოს ბოლო შეთანხმება, შეადაროს ორი ჩანაწერი, გადაამოწმოს თანხა და გაარკვიოს, ვის შეუძლია პასუხის დამტკიცება. მხოლოდ ამის შემდეგ შეუძლია თანამშრომელს გადაწყვიტოს: რომელი პირობაა მისაღები, რა რისკს იღებს კომპანია და როგორ უნდა ესაუბროს კლიენტს. AI აგენტს სწორედ ამ მოსამზადებელი სამუშაოს შემცირება შეუძლია. თუმცა მომზადების ავტომატიზაცია თავისთავად უკეთეს გადაწყვეტილებას არ ნიშნავს.

აგენტი აქ ნიშნავს AI სისტემას, რომელსაც მიზნის მისაღწევად შეუძლია რამდენიმე ნაბიჯის დაგეგმვა, ხელმისაწვდომი წყაროებისა და ხელსაწყოების გამოყენება და მიღებული შედეგის მიხედვით მუშაობის გაგრძელება. ტექსტური პასუხის შემქმნელი მოდელი ამ სისტემის ნაწილი შეიძლება იყოს, მაგრამ ერთი ტექსტური პასუხი ჯერ არ ადასტურებს მთლიანი აგენტის საიმედოობას. „Anthropic“-ის ტექნიკური განმარტებაც განასხვავებს წინასწარ განსაზღვრულ სამუშაო პროცესსა და სისტემას, რომელიც შემდეგ ნაბიჯს თვითონ არჩევს. მეტი დამოუკიდებლობა დამატებით შემოწმებას საჭიროებს.

ადამიანის გაძლიერება მის ნაცვლად ტექსტის შექმნაზე მეტს გულისხმობს. დახმარებამ ადამიანს უნდა მისცეს შესაძლებლობა, გააკეთოს ისეთი რამ, რასაც ადრე ვერ აკეთებდა, ან თავისი საქმე უკეთ შეასრულოს. ეს შეიძლება გულისხმობდეს მნიშვნელოვანი გამონაკლისის დანახვას, რამდენიმე შეთავაზების სწორად შედარებას ან რთული საკითხის გასაგებად ახსნას. ამიტომ გასაზომია ადამიანის მიერ მიღებული შედეგიც და არა მხოლოდ სისტემის მიერ წარმოებული მასალა.

რა ემატება ადამიანის ცოდნას?

კარგი თანამშრომელი იცნობს კლიენტს, სამუშაოს მიზანსა და კომპანიის შესაძლებლობებს, მაგრამ ყველა დოკუმენტის ერთდროულად გახსენება არ შეუძლია. აგენტს შეუძლია მოძებნოს ნებადართული ჩანაწერები, ერთმანეთთან დააკავშიროს და აჩვენოს, რომელი დასკვნა რომელ ფაქტს ეყრდნობა. ამგვარი დახმარება ადამიანის გამოცდილებას არ ცვლის. გამოცდილება საჭიროა იმის გასაგებად, თუ რამდენად მნიშვნელოვანია აღმოჩენილი განსხვავება კონკრეტულ ურთიერთობაში.

წარმოვიდგინოთ სასტუმროს თანამშრომელი, რომელიც ჯგუფისთვის შეთავაზებას ამზადებს. სისტემას შეუძლია ნომრებისა და ღამეების მიხედვით თანხის დათვლა და საუზმის საფასურის ცალკე მითითება. თანამშრომელმა კი უნდა გადაწყვიტოს, ღირს თუ არა ფასდაკლების გაკეთება, რომელი პირობის შეთავაზება შეუძლია და რამდენად მნიშვნელოვანია ეს ჯგუფი სასტუმროსთვის. მაგალითი შესაძლო გამოყენებას ასახავს. რეალურ სასტუმროში შედეგი არ გაზომილა.

ასეთი განაწილება ცოდნის გავრცელებასაც შეიძლება დაეხმაროს. ახალი თანამშრომელი მზა პასუხთან ერთად ხედავს, რა უნდა შეამოწმოს და რატომ. თუ პასუხი განმარტების გარეშე მოდის, თანამშრომლის როლი შეიძლება სისტემის პასუხის დადასტურებით შემოიფარგლოს. თუ პასუხში მითითებულია წყარო, გამოთვლა და დაუდგენელი გარემოება, მას შეუძლია არ დაეთანხმოს შედეგს და თავისი ცოდნა დაამატოს. ასეთი დახმარება შეიძლება სწავლასაც უწყობდეს ხელს. ეს სარგებელი ცალკე უნდა შეფასდეს.

რას გვიჩვენებს ადამიანებთან ჩატარებული კვლევა?

„Brynjolfsson“-ის, „Li“-სა და „Raymond“-ის კვლევა, რომელიც 2025 წელს „The Quarterly Journal of Economics“-ში გამოქვეყნდა, მომხმარებელთა მხარდაჭერის სამსახურის 5 172 თანამშრომელს მოიცავდა. შესწავლილ კომპანიაში ხელოვნური ინტელექტით მხარდაჭერის დანერგვა საათში მოგვარებული საკითხების რაოდენობის საშუალოდ 15%-იან ზრდას უკავშირდებოდა. შედეგები არათანაბარი იყო: ნაკლები გამოცდილების მქონე თანამშრომლები მეტ სარგებელს იღებდნენ, ყველაზე გამოცდილ თანამშრომლებთან კი მუშაობის ხარისხი მცირედით გაუარესდა.

ეს მნიშვნელოვანი მტკიცებულებაა, რადგან საქმე რეალურ თანამშრომლებსა და სამუშაო შედეგებს ეხება. მაგრამ კვლევაში გამოყენებული სისტემა თანამშრომელს პასუხებს სთავაზობდა. კვლევა დამოუკიდებელი AI აგენტების ყველა ტიპს არ მოიცავდა. ერთი კომპანიის შედეგი საკმარისი არ არის იმის სათქმელად, რა სარგებელს უნდა ელოდოს ქართული სასტუმრო, უნივერსიტეტი ან სავაჭრო ქსელი. წყარო შესაძლებლობას გვიჩვენებს და თან გვაფრთხილებს, რომ გამოცდილება და დავალების ტიპი შედეგს ცვლის.

BTU-ს მკვლევრების შეფასებით, ამიტომ პრაქტიკული კითხვა ასე უნდა დაისვას: კონკრეტულ თანამშრომელს კონკრეტულ საქმეში რომელი დაბრკოლება უშლის ხელს და შეუძლია თუ არა აგენტს მისი მოხსნა? თუ დაბრკოლება დაკარგული დოკუმენტია, ჯერ მისი მოძიებაა საჭირო. თუ პრობლემა ურთიერთგამომრიცხავი პირობებია, სისტემა წინააღმდეგობას უნდა აჩვენებდეს. თუ საქმე ღირებულებით არჩევანს ეხება, მაგალითად, კლიენტთან ურთიერთობის შენარჩუნებას, მხოლოდ სწრაფი გამოთვლა საკმარისი არ არის.

რატომ არის ქართული გარემო მნიშვნელოვანი?

საქსტატის 2026 წლის 29 მაისს გამოქვეყნებული მონაცემების მიხედვით, 2025 წელს საქართველოს საწარმოთა 94,9%-ს ინტერნეტზე წვდომა ჰქონდა, ვებგვერდს კი 15,3% იყენებდა. ეს ორი განსხვავებული მაჩვენებელია. პირველი ტექნიკურ წვდომას აღწერს, მეორე კი ვებგვერდის გამოყენებას. არცერთი მაჩვენებელი არ გვიჩვენებს, რამდენ საწარმოს აქვს ერთმანეთთან შეთანხმებული შიდა ჩანაწერები ან რამდენად მკაფიოდ არის განსაზღვრული თანამშრომელთა უფლებამოსილებები.

ამ განსხვავებას პრაქტიკული მნიშვნელობა აქვს. ინტერნეტთან დაკავშირებული კომპანია შეიძლება კვლავ ეყრდნობოდეს სხვადასხვა ფაილში, წერილსა და პირად მიმოწერაში გაფანტულ ინფორმაციას. აგენტი ასეთ გარემოში მხოლოდ მაშინ იქნება გამოსადეგი, თუ შეძლებს საჭირო ჩანაწერის პოვნას და დაუდასტურებელი ვერსიის გამოყოფას. ეს დასკვნა სამუშაოს მოთხოვნებს ეფუძნება. საქსტატის მაჩვენებლები მონაცემთა ხარისხს არ ასახავს.

ქართულენოვანი მომსახურება კიდევ ერთ პირობას ამატებს: თანამშრომელს უნდა შეეძლოს პასუხის ზუსტად წაკითხვა, სადავო ადგილის ამოცნობა და შესწორება. გამართული ქართული მხოლოდ სასიამოვნო სტილი არ არის. მნიშვნელოვანია, პასუხში უცვლელად დარჩეს ვადა, თანხა, გამონაკლისი და პირობითი ფორმულირება. ინგლისურენოვან დემონსტრაციაში მიღებული წარმატება ქართულ სამუშაო მასალასთან მუშაობის ამ უნარს ავტომატურად არ ადასტურებს.

ეს საკითხი ერთი პროფესიის ფარგლებს სცდება. სავაჭრო კომპანიას რაოდენობების შეთანხმება სჭირდება, სასწავლო ცენტრს რეგისტრაციისა და გადახდის ჩანაწერების გარჩევა, მომსახურების გუნდს კი შეფასებების სწორი განმარტება. საერთო სარგებელი შეიძლება იყოს სამუშაოსთვის საჭირო ინფორმაციის უფრო გასაგებად წარმოდგენა. თუმცა განსხვავებული სამუშაოები განსხვავებულ შეცდომებს წარმოშობს, ამიტომ ერთი წარმატებული მაგალითი მთლიანი ორგანიზაციის მზადყოფნის დასტური ვერ იქნება.

როდის იქცევა დახმარება დამატებით ტვირთად?

თუ თანამშრომელს თითოეული პასუხის თავიდან მომზადება უწევს, სისტემამ სამუშაო უბრალოდ სხვა ადგილას გადაიტანა. დახმარების ღირებულების დათვლისას შემოწმების ხარჯიც უნდა გავითვალისწინოთ. გასათვალისწინებელია ინფორმაციის მომზადება, სისტემის დაკავშირება სამუშაო რესურსებთან, პასუხის წაკითხვა, შესწორება და ხარვეზების მოგვარება. სწრაფად მიღებული მონახაზი შეიძლება სასარგებლო იყოს, მაგრამ ჯერ არ ნიშნავს დასრულებულ საქმეს.

კიდევ ერთი საფრთხეა დამაჯერებლად ფორმულირებული პასუხი, რომელიც თანამშრომლის მცდარ ვარაუდს იმეორებს. მხარდაჭერა თანამშრომლის ყველა ვარაუდთან თანხმობას არ გულისხმობს. თუ მონაცემები საწყის ჩანაწერს ეწინააღმდეგება, აგენტმა განსხვავება უნდა გამოაჩინოს ისე, რომ ადამიანს მისი შემოწმება შეეძლოს. წინააღმდეგ შემთხვევაში შეცდომა უფრო სწრაფად გავრცელდება.

თეორიული პასუხი ასეთია: AI აგენტი ადამიანს აძლიერებს, როდესაც ინფორმაციის მოძიებასა და გადამოწმებას საკუთარ თავზე იღებს, ხოლო ადამიანს უკეთესი არჩევანის შესაძლებლობას უტოვებს. იმის დასადგენად, აუმჯობესებს თუ არა ეს შესაძლებლობა მუშაობას, შედეგი ადამიანების სამუშაო გარემოში უნდა შევამოწმოთ. შემდეგი მცირე ცდა ამ ფართო დაპირების მხოლოდ ერთ წინაპირობას ეხება: როგორ შეუძლია ტექსტურ სისტემას გადაწყვეტილებისთვის საჭირო ინფორმაციის მომზადება.

ტექსტური ცდა (BTUAI)

თეორიის შესამოწმებლად კითხვა დავავიწროვეთ: შეუძლია თუ არა სისტემას თანამშრომლისთვის მომზადებულ, შეცდომის შემცველ სამუშაო ჩანაწერში პრობლემის აღმოჩენა და გადაწყვეტილების უკეთესი საფუძვლის შექმნა? 2026 წლის 6 ნოემბერს ერთჯერადი ტექსტური ცდა ჩატარდა ავტორის მიერ შედგენილი ექვსი ქართულენოვანი სცენარის გამოყენებით. შემთხვევები სპეციალურად ამ კვლევისთვის შეიქმნა და არ წარმოადგენს რეალური ადამიანების შეცდომებს ან კომპანიების ჩანაწერებს.

ცდის თემები იყო სასწავლო ცენტრის გადახდები, სასტუმროს შეთავაზება, მაღაზიის მარაგი, მომხმარებელთა შეფასებები, დიზაინის სტუდიის სამუშაო დროის დაგეგმვა და ხელშეკრულების ვერსიები. თითოეულ შემთხვევაში იყო საწყისი მონაცემები და სამუშაო დასკვნა, რომელიც მნიშვნელოვან ხარვეზს შეიცავდა. სისტემას უნდა შეეფასებინა ჩანაწერი, ეჩვენებინა შესამოწმებელი საფუძველი, დაესახელებინა გაურკვეველი საკითხი და შემდეგი ნაბიჯი. სისტემისთვის რეალურ გარემოში მოქმედება არ მოუთხოვიათ.

პასუხების მიღებამდე თითოეული შემთხვევისთვის ოთხი შინაარსობრივი კრიტერიუმი განისაზღვრა: სწორად განმარტებული მტკიცებულება, გამოთვლის ან ჩანაწერების შესაბამისობა, უცნობი ინფორმაციის გამოყოფა და ადამიანის არჩევანის შენარჩუნება. პასუხების მოსამზადებლად და შესაფასებლად ერთი და იმავე AI პლატფორმის ორი ცალკე სამუშაო სესია გამოიყენეს. პასუხების მომზადების სესიას შეფასების კრიტერიუმები არ მიეწოდა. შეფასების სესიაში სცენარებიც შედგა, ამიტომ შეფასება დამოუკიდებელ ადამიანს არ ჩაუტარებია და არც ბრმა წესით ჩატარებულა. პასუხები ერთხელ მივიღეთ და უკეთესი შედეგის მისაღებად არ შეგვიცვლია.

რა გამოჩნდა ექვს პასუხში?

ავტორის შეფასებით, 24 კრიტერიუმიდან 23 ცალსახად შესრულდა, ერთი კი პირობითი პასუხის საფუძველზე ჩაითვალა შესრულებულად. გადახდების შემთხვევაში სისტემამ 78 უნიკალური გადამხდელი მხოლოდ იმ პირობით მიუთითა, რომ განმეორებული ჩანაწერების დათვლის წესი დადასტურდებოდა. შემფასებელმა კრიტერიუმი შესრულებულად მიიჩნია. ამ დაშვებით ექვსივე შემთხვევაში ყველა კრიტერიუმი შესრულებულად ჩაითვალა. თითოეულმა პასუხმა გამოავლინა საწყისი ჩანაწერის პრობლემა და დატოვა დასაზუსტებელი საკითხი. ეს აჩვენებს, რომ ამ მარტივ, წინასწარ შედგენილ შემთხვევებში სისტემა სასარგებლო მოსამზადებელ მასალას ქმნიდა. შედეგი არ გვიჩვენებს, როგორ იმოქმედებდა ადამიანი ამ მასალის მიღების შემდეგ.

ყველაზე მნიშვნელოვანი იყო არა მხოლოდ პასუხის შესწორება, არამედ ცრუ სიზუსტის თავიდან აცილება. ონლაინმაღაზიის სცენარში საწყობს 64 ერთეული ჰქონდა, 19 დაჯავშნილი იყო, 7 კი დაზიანებული. უცნობი იყო, შედიოდა თუ არა დაზიანებული ერთეულები დაჯავშნილ მარაგში. ამიტომ ხელმისაწვდომი მარაგი შეიძლებოდა ყოფილიყო 38-დან 45 ერთეულამდე. სისტემამ 40 ერთეულის მიწოდება დაუდასტურებლად დატოვა და თანამშრომელს საწყობში დასაზუსტებელი კითხვა შესთავაზა: რამდენი დაზიანებული ერთეულია უკვე დაჯავშნილი?

სამუშაო დროის მაგალითში ერთი პრეზენტაციის მომზადება ჩვეულებრივ 6 საათს საჭიროებდა. AI სისტემის მიერ მონახაზის მომზადებას 1 საათი სჭირდებოდა, ადამიანის მიერ მის შემოწმებას 2 საათი, შესწორებას კი 1 საათი, ხოლო ერთჯერად დანერგვას 5 საათი. კვირაში ორი პრეზენტაციის შემთხვევაში ჩვეულებრივი მიდგომით სამუშაოს 12 საათი სჭირდებოდა, ახალი მიდგომით კი პირველ კვირას 13 საათი გამოდიოდა. BTU-ს მკვლევრების გამოთვლით, ეს ერთსაათიანი მატებაა და არა სამუშაო ჩანაწერში დაპირებული ათსაათიანი დაზოგვა. სამუშაოს იმავე მოცულობის შემთხვევაში, დანერგვის ხარჯის განმეორების გარეშე, შემდეგ კვირაში მოსალოდნელი დანაზოგი 4 საათია. დროის ყველა მაჩვენებელი სცენარშია მოცემული და დაკვირვებით არ არის მიღებული.

მომხმარებელთა შეფასებების შემთხვევაში სისტემა 4,25-ის ნაცვლად სწორად ითვლიდა 4,4-ს: 40 შეფასების საშუალოს (4,5) და 10 შეფასების საშუალოს (4,0) სხვადასხვა წონა აქვს. ამავე დროს სისტემამ არ განაზოგადა 50 ნებაყოფლობითი შეფასების შედეგი ყველა მომხმარებელზე. სასტუმროს შემთხვევაში ნომრების ფასდაკლებული ღირებულება, 3 240 ლარი, საუზმის ჩათვლით გამოთვლილ სრულ ფასად არ ჩათვალა. ხელშეკრულების შემთხვევაში ახალი თარიღი დამტკიცების მტკიცებულებად არ მიიღო.

დასკვნა

პილოტმა დაგვანახა გადაწყვეტილების მხარდამჭერი პასუხის შესაძლო ღირებულება: სისტემა ასწორებს გამოთვლას, მიუთითებს დაუდასტურებელ ვარაუდზე და ადამიანს კონკრეტულ დასაზუსტებელ კითხვას უტოვებს. მაგრამ ექვსი მარტივი შემთხვევის ავტორისეული მაღალი შეფასება სისტემის ზოგად საიმედოობას არ ადგენს. ცდაში ადამიანებისგან შემდგარი საკონტროლო ჯგუფი არ მონაწილეობდა. ცდის ფარგლებში არ შეფასებულა შესრულების დრო, სწავლის შედეგი, საბოლოო გადაწყვეტილება ან ფინანსური შედეგი. არც სხვა მოდელთან შედარება ჩატარებულა.

შემდგომი კვლევა ადამიანებს უნდა მოიცავდეს: ერთი და იმავე ტიპის დავალებების შესრულება უნდა შევადაროთ აგენტის დახმარებითა და მის გარეშე, წინასწარ განსაზღვრული ხარისხისა და დროის მაჩვენებლების მიხედვით. განსაკუთრებით მნიშვნელოვანია, შეუძლია თუ არა თანამშრომელს არასწორი რჩევის ამოცნობა. დღევანდელი ტექსტური ცდა ამ ეტაპს არ ცვლის.

ამიტომ სათაურში დასმულ კითხვაზე პასუხისას მნიშვნელოვანია, გავითვალისწინოთ როგორც შესაძლებლობა, ისე ცდის შედეგი. AI აგენტს შეუძლია, ადამიანს ინფორმაციის მოძიებაში დაეხმაროს და მის გასააზრებლად მეტი დრო დაუტოვოს, თუ შედეგი შესამოწმებელია და გაურკვევლობა დამალული არ არის. მაგრამ ადამიანის შესაძლებლობების გაუმჯობესება გაზომილ შედეგად მხოლოდ მაშინ ჩაითვლება, როცა ადამიანის მუშაობის გაუმჯობესებაც დადასტურდება.

შემოწმება შედეგი
ავტორის მიერ შესრულებულად მიჩნეული შემთხვევები (H1-ის პირობითი პასუხის ჩათვლით) 6/6
ცალსახად შესრულებული და პირობითად ჩათვლილი კრიტერიუმები 23 + 1 პირობითი
ადამიანის მუშაობის შედეგის გაზომვა არ ჩატარებულა

წყარო: BTUAI-ს ავტორისეული ტექსტური ცდა, 2026 წლის 6 ნოემბერი. თითოეული შემთხვევა ოთხი კრიტერიუმით შეფასდა.

კითხვები და პასუხები

შეუძლია თუ არა აგენტს, არ დაეთანხმოს ადამიანს?

დიახ. თუ სამუშაო ჩანაწერი მონაცემებს არ შეესაბამება, აგენტს შეუძლია აჩვენოს შეუსაბამობა და ადამიანს მისი შემოწმების შესაძლებლობა მისცეს.

რას ნიშნავს შეფასების შედეგი?

23 კრიტერიუმი ცალსახად შესრულდა, ერთი კი შემფასებელმა პირობითი პასუხის საფუძველზე ჩათვალა შესრულებულად. ეს არც ზოგადი საიმედოობის მაჩვენებელია და არც ადამიანის მუშაობის გაუმჯობესების პროცენტული მაჩვენებელი.

გაზომილია თუ არა დაზოგილი დრო?

არა. დრო სცენარში მოცემული პირობების მიხედვით გამოითვალა. ცდაში არ გაზომილა, რამდენი დრო დასჭირდებოდა ადამიანს დავალების შესასრულებლად.

ვინ იღებს საბოლოო გადაწყვეტილებას?

პილოტის მოდელის მიხედვით, საბოლოო გადაწყვეტილებას პასუხისმგებელი ადამიანი იღებს. რეალურ ორგანიზაციაში გადაწყვეტილებისა და მოქმედების უფლებამოსილებები წინასწარ უნდა იყოს განსაზღვრული.

 

პირველწყაროები

ცდის წყარო: BTUAI-ს მიერ 2026 წლის 6 ნოემბერს შენახული ექვსი სცენარი, ექვსი პასუხი და შეფასების ჩანაწერი. საჯარო ბმული არ არის ხელმისაწვდომი.

ქართული კონტექსტი: საქსტატი, „საწარმოებში საინფორმაციო და საკომუნიკაციო ტექნოლოგიების გამოყენება 2025 წელს“, გამოქვეყნდა 2026 წლის 29 მაისს. https://www.geostat.ge/media/79412/Use-of-Information-Communication-Technologies-in-Enterprises—2025.pdf

ადამიანებთან ჩატარებული კვლევა: Brynjolfsson, Li და Raymond, Generative AI at Work, QJE, 2025. https://academic.oup.com/qje/article/140/2/889/7990658

აგენტისა და სამუშაო პროცესის განმარტება: Anthropic, Building effective agents, 2024 წლის 19 დეკემბერი. https://www.anthropic.com/research/building-effective-agents