What’s Dragging Down A.I. Efficiency? The ‘Verification Tax.’

Artificial intelligence is poised to transform office work, yet executives and employees report underwhelming productivity gains. Despite 69% of firms actively using AI, nearly 90% of surveyed executives say the technology has impacted neither employment nor productivity. Researchers from the Federal Reserve Bank of Atlanta, Stanford University, the Bank of England, and the Autonomous Technological Institute of Mexico attribute this to a "verification tax." This phenomenon describes the human effort required to check AI output for accuracy and safety, creating a bottleneck that offsets potential efficiency.

MIT Sloan's Christian Catalini emphasizes that human verification bandwidth is the current binding constraint on growth. Surveys indicate workers spend significant saved time correcting low-quality AI output. A Workday poll of 3,200 found employees use 37% of saved time for corrections.

Google economists found scientists spend nearly 90% of saved time checking AI outputs, with 46% spending over a quarter of that time. This rework suggests AI generates solutions quickly, but physical testing remains a slow downstream bottleneck. MIT and Wharton research on 500,000 GitHub developers shows AI tools increase activity, but gains shrink as work shifts from writing code to shipping software.

The constraint is shifting from coding to human review, integration, testing, and release. While AI saves time, automating a task often begins a new workflow phase requiring human oversight, particularly in tech where code review is essential for total efficiency.

الذكاء الاصطناعي على وشك تحويل العمل المكتبي، لكن المديرين والemployees ي报告ون مكاسب إنتاجية متواضعة. على الرغم من أن 69% من الشركة تستخدم AI نشطًا، إلا أن 90% تقريبًا من المديرين الم surveyed قالوا أن التكنولوجيا لم تؤثر على الوظيفة أو الإنتاجية. باحثو بنكAtlanta الفيدرالي، وstanford University، وBank of England، وAutonomous Technological Institute of Mexico يattribute هذا إلى "ضريبة التحقق". هذه الظاهرة تصف الجهد البشري اللازم للchecking دقة وسلامة مخرجات الذكاء الاصطناعي، مما ي_blocking تأثير الكفاءة المحتملة. Christian Catalini من MIT Sloan ي emphasizes أن عرض التحقق البشري هو القيود الحالية على النمو. الاستطلاعات تشير إلى أن العمال ي spends considerable time saved correcting جودة منخفضة مخرجات الذكاء الاصطناعي. Workday poll of 3,200 found employees use 37% of saved time for corrections.

Google economists found scientists spend nearly 90% of saved time checking AI outputs, with 46% spending over a quarter of that time. This rework suggests AI generates solutions quickly، لكن physical testing remains a slow downstream bottleneck. MIT and Wharton research on 500,000 GitHub developers shows AI tools increase activity، لكن gains shrink as work shifts from writing code to shipping software.

The constraint is shifting from coding to human review، integration، testing، and release. While AI saves time، automating a task often begins a new workflow phase requiring human oversight، particularly in tech where code review is essential for total efficiency.

কৃত্রিম বুদ্ধিমত্তি অফিসের কাজ পরিবর্তনের জন্য প্রস্তুত, কিন্তু নির্বাহী এবং কর্মীরা উৎপাদনতা লাভ নিয়ে অপ্রতৃত রিপোর্ট করে। 69% কোম্পানি সক্রিয়ভাবে AI ব্যবহার করলেও, প্রায় 90% সর্বেক্ষিত নির্বাহীরা বলেন যে প্রযুক্তির কোনো প্রভাব হয়নি রোজগার বা উৎপাদনতার উপর। আটলান্টা ফেডারেল রিজার্ভ ব্যাংক, স্ট্যানফোর্ড ইউনিভার্সিটি, ব্যাংক অফ ইংল্যান্ড এবং মেক্সিকোর অটোনোমাস টেকনোলজিক্যাল ইনস্টিটিউটের গবেষকরা একে 'যাচাইকর' হিসেবে বর্ণনা করে। এই ঘটনাটি মানুষের প্রয়াসকে বর্ণনা করে যা AI সরলায়িত এবং নিরাপত্তার জন্য প্রস্তুত আদর্শের যাচাই করতে প্রয়োজন, যা সম্ভাব্য দক্ষতাকে বাধা হিসেবে সংঘটিত করে। MIT স্লোনের ক্রিশিয়ন ক্যাটালিনি জোর দেন যে মানুষের যাচাইকর ব্যান্ডwid্থ বর্তমান বৃদ্ধির বাধা। সমীক্ষাগুলো দেখায় যে কর্মীরা নিম্নমানের AI সরলায়িত সংশোধনে সঞ্চিত সময় ব্যয় করে। 3,200-এর একটি ওয়র্কডে সমীক্ষায় পাওয়া যায় যে কর্মীরা সঞ্চিত সময়ের 37% সংশোধনে ব্যয় করে। গুগলের অর্থনীতিবিদরা পেয়েছেন যে বিজ্ঞানীরা প্রায় 90% সঞ্চিত সময় AI সরলায়িত যাচাই করে, যার মধ্যে 46% এই সময়ের এক চতুর্থাংশের বেশি ব্যয় করে। এই পুনর্কার্য সুচারিত করে যে AI দ্রুত সমাধান তৈরি করে, কিন্তু ভৌতিক পরীক্ষা এখনো একটি ধীর ডাউনস্ট্রীম বাধা। MIT এবং ওয়র্টনের 500,000 গিটহাব ডেভেলপার্সের উপর গবেষণায় দেখায় যে AI সরঞ্জামগুলো ক্রিয়াকলাপ বাড়ায়, কিন্তু যখন কাজ কোড লেখার পরিবর্তে সফ্টওয়ার ডেলিভার করতে স্থানান্তরিত হয়, লাভ কমে। বাধা কোডিং থেকে মানুষের সমীক্ষা, একীকরণ, পরীক্ষা এবং মুক্তি দিকে স্থানান্তরিত হচ্ছে। AI সময় বাঁচালেও, একটি কাজ স্বয়ংক্রিয় করা প্রায়ই একটি নতুন কার্যপ্রবাহ পর্যায় শুরু করে যা মানুষের তত্ত্বাবধান প্রয়োজন করে, বিশে করে প্রযুক্তিতে যেখানে কোড সমীক্ষা সম্পূর্ণ দক্ষতার জন্য গুরুত্বপূর্ণ।

As artificial intelligence automates office tasks, it is also creating a new type of human work. Workers are increasingly being asked to check and verify the outputs of AI systems, a phenomenon researchers call the "verification tax." This hidden cost is eroding the productivity gains that AI promised, as employees spend more time correcting errors than they save by using the technology. The problem is especially acute in fields like software development, legal research, and content creation, where AI-generated drafts require meticulous human review.

Experts warn that without better tools for AI self-correction or improved model accuracy, the verification tax could stall AI adoption. Companies are now investing in hybrid workflows that blend human oversight with machine output, but the balance remains difficult to strike. The tension between automation and accuracy is becoming a central challenge for businesses embracing AI.

La inteligencia artificial está listas para transformar el trabajo de oficina, pero los ejecutivos y empleados reportan ganancias de productividad decepcionantes. A pesar del 69% de empresas usando AI, casi el 90% de ejecutivos dicen que la tecnología no afectó ni el empleo ni la productividad. Los investigadores del Banco de la Reserva Federal de Atlanta, la Universidad de Stanford, el Banco de Inglaterra y el Instituto Tecnológico Autónomo de México atribuyen esto a un "impuesto de verificación".

Este fenómeno describe el esfuerzo humano necesario para verificar la precisión y seguridad de la salida de IA, creando un cuello de botella que compensa la potencial eficiencia. Christian Catalini de MIT Sloan enfatiza que el ancho de banda de verificación humano es la actual limitación del crecimiento. Las encuestas indican que los trabajadores gastan tiempo significativo corrigiendo salidas de IA de baja calidad.

Una encuesta de Workday a 3,200 encontró que los empleados usan el 37% del tiempo ahorrado para correcciones. Economistas de Google encontraron que los científicos gastan casi el 90% del tiempo ahorrado verificando salidas de IA, con el 46% gastando más de un cuarto de ese tiempo. Este retrabajo sugiere que la IA genera soluciones rápidamente, pero las pruebas físicas siguen siendo un cuello de botella lento aguas abajo.

La investigación de MIT y Wharton sobre 500,000 desarrolladores de GitHub muestra que las herramientas de IA aumentan la actividad, pero las ganancias se reducen a medida que el trabajo cambia de escribir código a entregar software. La limitación se está moviendo de la codificación a la revisión humana, integración, pruebas y liberación. Ahorra tiempo la IA, automatizando una tarea a menudo comienza una nueva fase de flujo de trabajo que requiere supervisión humana, particularmente en la tecnología donde la revisión de código es esencial para la eficiencia total.

L'intelligence artificielle est sur le point de transformer le travail de bureau, mais les cadres et les employés signalent des gains de productivité décevants. Malgré 69 % des entreprises utilisant activement l'IA, près de 90 % des cadres interrogés disent que la technologie n'a ni affecté l'emploi ni la productivité. Les chercheurs de la Federal Reserve Bank of Atlanta, de Stanford University, de la Bank of England et de l'Autonomous Technological Institute of Mexico attribuent cela à un « impôt de vérification ».

Ce phénomène décrit l'effort humain nécessaire pour vérifier l'exactitude et la sécurité des sorties de l'IA, créant un goulot d'étranglement qui compense l'efficacité potentielle. Christian Catalini de MIT Sloan souligne que la largeur de bande de vérification humaine est la contrainte actuelle sur la croissance. Les enquêtes indiquent que les travailleurs passent du temps précieux à corriger les sorties de l'IA de faible qualité.

Une enquête Workday de 3 200 a révélé que les employés utilisent 37 % du temps épargné pour les corrections. Des économistes de Google ont découvert que les scientifiques passent près de 90 % du temps épargné à vérifier les sorties de l'IA, 46 % d'entre eux passant plus d'un quart de ce temps. Ce suggère que l'IA génère rapidement des solutions, mais les tests physiques restent un goulot d'étranglement lent en aval.

La recherche de MIT et Wharton sur 500 000 développeurs GitHub montre que les outils d'IA augmentent l'activité, mais les gains diminuent à mesure que le travail passe de l'écriture de code à l'expédition de logiciels. La contrainte se déplace de la codage à la revue humaine, à l'intégration, aux tests et à la libération. Bien que l'IA fasse gagner du temps, l'automatisation d'une tâche commence souvent une nouvelle phase de flux de travail nécessitant une surveillance humaine, en particulier dans la technologie où la revue de code est essentielle pour l'efficacité totale.

कृत्रिम बुद्धिमत्ति कार्यालय काम को बदलने के लिए तैयार है, लेकिन कार्यपालक और कर्मचारी उत्पादकता में अपेक्षा से कम लाभ की सूचना देते हैं। 69% कंपनियाँ सक्रिय रूप से AI का उपयोग कर रही हैं, लेकिन लगभग 90% सर्वेक्षित कार्यपालक कहते हैं कि प्रौद्योगिकी ने रोजगार और उत्पादकता दोनों पर कोई प्रभाव नहीं डाला। अटलांटा फेडरल रिजर्व बैंक, स्टैनफोर्ड यूनिवर्सिटी, बैंक ऑफ इंग्लैंड और मेक्सिको के ऑटोनोमस टेक्नोलॉजिकल इंस्टीट्यूट के शोधकर्ताओं ने इसे "सत्यापन कर" के रूप में वर्णित किया है। यह घटना मानव प्रयास का वर्णन करती है जो AI के आउटपुट की सटीकता और सुरक्षा की जाँच के लिए आवश्यक है, जो संभावित दक्षता को बाधित करने वाली बाधा बनाता है। MIT स्लॉन के क्रिशियन कैटालिनी जोर देते हैं कि मानव सत्यापन बैंडविड्थ वर्तमान विकास की बाधक सीमा है। सर्वेक्षण से पता चलता है कि कर्मचारी कम गुणवत्ता वाले AI आउटपुट को ठीक करने में बची हुई समय का अधिक व्यय करते हैं। 3,200 के एक Workday सर्वे ने पाया कि कर्मचारी बची हुई समय के 37% का उपयोग सुधार के लिए करते हैं। गूगल के अर्थशास्त्रविद् ने पाया कि वैज्ञानिक लगभग 90% बची हुई समय का AI आउटपुट की जाँच के लिए व्यय करते हैं, जिसमें से 46% इस समय के एक चौथाई से अधिक व्यय करते हैं। यह पुनर्कार्य सुझाव देता है कि AI तेजी से समाधान तैयार करता है, लेकिन भौतिक परीक्षण अभी भी एक धीमी डाउनस्ट्रीम बाधा है। MIT और वॉर्टन के 500,000 गिटहब डेवलपर्स पर अध्ययन से पता चला कि AI टूल्स गतिविधि बढ़ाते हैं, लेकिन जैसे-जैसे कार्य कोड लिखने से बदलकर सॉफ्टवेयर डिलीवर करने में जाता है, लाभ कम हो जाते हैं। सीमा कोडिंग से मानव समीक्षा, एकीकरण, परीक्षण और रिलीज़ करने में स्थानांतरित हो रही है। हालांकि AI समय बचाता है, एक कार्य को स्वचालित करना अक्सर एक नया कार्यप्रवाह चरण शुरू करता है जिसमें मानव नियंत्रण की आवश्यकता होती है, खासकर तकनीक में जहाँ कोड समीक्षा कुल दक्षता के लिए आवश्यक है।

Kecerdasan buatan siap mengubah pekerjaan kantor, namun eksekutif dan karyawan melaporkan keuntungan produktivitas yang mengecewakan. Meskipun 69% perusahaan menggunakan AI secara aktif, hampir 90% eksekutif yang disurvei mengatakan bahwa teknologi tidak mempengaruhi baik ketenagakerjaan maupun produktivitas. Peneliti dari Federal Reserve Bank of Atlanta, Stanford University, Bank of England, dan Autonomous Technological Institute of Mexico mengaitkan ini dengan "pajak verifikasi".

Fenomena ini menggambarkan upaya manusia yang diperlukan untuk memverifikasi akurasi dan keamanan keluaran AI, menciptakan hambatan yang mengimbangi efisiensi potensial. Christian Catalini dari MIT Sloan menekankan bahwa bandwidth verifikasi manusia adalah batasan pertumbuhan saat ini. Survei menunjukkan bahwa pekerja menghabiskan waktu yang disimpan secara signifikan untuk memperbaiki keluaran AI berkualitas rendah.

Survei Workday terhadap 3.200 menemukan bahwa karyawan menggunakan 37% waktu yang disimpan untuk koreksi. Ekonomis Google menemukan bahwa ilmuwan hampir menghabiskan 90% waktu yang disimpan untuk memeriksa keluaran AI, dengan 46% menghabiskan lebih dari seperempat dari waktu itu. Penelitian ini menunjukkan bahwa AI menghasilkan solusi dengan cepat, namun pengujian fisik masih menjadi hambatan lambat di hilir.

Penelitian MIT dan Wharton terhadap 500.000 pengembang GitHub menunjukkan bahwa alat AI meningkatkan aktivitas, namun keuntungan menyusut ketika pekerjaan berubah dari menulis coding ke mengirim software. Batas beralih dari coding ke review manusia, integrasi, testing, dan release. Meskipun AI menghemat waktu, mengotomatisasi sebuah tugas sering memulai satu fase alur kerja baru yang memerlukan pengawasan manusia, terutama di teknologi di mana review coding penting untuk efisiensi total.

人工知能はオフィスワークを変革する準備はできているが、経、経営者と従業員は生産性の向上が不十分であると報告している。69％の企業が積極的にAIを使用しているにもかかわらず、調査された経営者の約90％は、技術が雇用または生産性に影響を与えていないと答えている。アトランタ連邦储备银行、スタンフォード大学、イングランド銀行、およびメキシコの自律技術研究所の研究者たちは、これを「検証税」と呼んでいる。この現象は、AIの出力の正確性と安全性を確認するための人間の努力を説明し、潜在的な効率を相殺するボトルネックを作り出している。MITスローアンダーソンのクリスチャン・カタリニは、人間の検証帯域幅が現在の成長の制約であると強調している。調査は、労働者が低品質のAI出力を是正するのに大量的な時間を使っていることを示している。3,200人を対象としたWorkdayの調査では、従業員が節約した時間の37％を是正に使用していることが分かった。Googleの経済学者たちは、科学者が節約した時間の約90％をAI出力の確認に費やし、その46％がその時間の4分の1以上を費やしていることを発見した。この再作業は、AIが急速に解決策を生成するが、物理的なテストはまだ遅い下流のボトルネックであることを示している。GitHubの500,000の開発者に関するMITとWhartonの研究では、AIツールが活動を増加させるが、コード書くことからソフトウェア出荷に作業が移行するにつれて利益が縮小している。制約はコードから人間の审查、統合、テスト、リリースに移行している。AIが時間を節約する也好、タスクを自動化することはoften新しいワークフローの段階を開始し、人間の監督を必要とする、特に技術分野ではコード审查が総合効率に不可欠である。

A inteligência artificial está prestes a transformar o trabalho de escritório, mas executivos e empregados relatam ganhos de produtividade modestos. Apesar de 69% das empresas usando ativamente IA, quase 90% dos executivos pesquisados dizem que a tecnologia não afetou nem o emprego nem a produtividade. Pesquisadores do Federal Reserve Bank of Atlanta, Stanford University, Bank of England e do Autonomous Technological Institute of Mexico atribuem isso a um "imposto de verificação".

Este fenômeno descreve o esforço humano necessário para verificar a precisão e segurança das saídas de IA, criando um gargalos que compensa a eficiência potencial. Christian Catalini do MIT Sloan enfatiza que a largura de banda de verificação humana é a atual limitação do crescimento. As pesquisas indicam que os trabalhadores gastam tempo significativo corrigindo saídas de IA de baixa qualidade.

Uma pesquisa Workday de 3.200 encontrou que os empregados usam 37% do tempo economizado para correções. Economistas do Google descobriram que os cientistas gastam quase 90% do tempo economizado verificando saídas de IA, com 46% gastando mais de um quarto desse tempo. Este retrabalho sugere que a IA gera soluções rapidamente, mas os testes físicos permanecem um gargalos lento a jusante.

A pesquisa do MIT e Wharton sobre 500.000 desenvolvedores GitHub mostra que as ferramentas de IA aumentam a atividade, mas os ganhos diminuem à medida que o trabalho muda de escrever código para entregar software. A limitação está mudando da codificação para revisão humana, integração, testes e lançamento. Embora a IA economize tempo, automatizar uma tarefa geralmente inicia uma nova fase de fluxo de trabalho que requer supervisão humana, especialmente em tecnologia onde a revisão de código é essencial para a eficiência total.

Искусственный интеллект готов изменить офисную работу, но руководители и сотрудники сообщают о скромных приростах производительности. Несмотря на то что 69% компаний активно используют IA, почти 90% опрошенных руководителей говорят, что технология не повлияла ни на занятость, ни на производительность. Исследователи из Federal Reserve Bank of Atlanta, Stanford University, Bank of England и Autonomous Technological Institute of Mexico приписывают это «налогу на проверку». Это явление описывает человеческие усилия, необходимые для проверки точности и безопасности выводов IA, создавая узкое место, которое компенсирует потенциальную эффективность. Christian Catalini из MIT Sloan подчеркивает, что пропускная способность человеческой проверки является текущим ограничением роста. Опросы указывают на то, что работники тратят значительное количество времени на исправление низкокачественных выводов IA. Опрос Workday среди 3 200 человек показал, что сотрудники используют 37% высвобожденного времени на исправления. Экономисты Google обнаружили, что ученые тратят почти 90% высвобожденного времени на проверку выводов IA, причем 46% тратят более четверти этого времени. Этот реработ предполагает, что IA генерирует решения быстро, но физическое тестирование остается медленным узким местом вниз по потоку. Исследования MIT и Wharton на 500 000 разработчиках GitHub показывают, что инструменты IA увеличивают активность, но выигрыши уменьшаются по мере того, как работа перемещается от написания кода к доставке программного обеспечения. Ограничение перемещается от кодирования к человеческому обзору, интеграции, тестированию и релизу. Несмотря на то что IA экономит время, автоматизация задачи часто начинает новый этап рабочего процесса, требующего человеческого надзора, особенно в технологиях, где обзор кода важен для общей эффективности.

人工智能正在改变办公室工作，但高管和员工报告生产力提升不明显。尽管69%的企业积极使用AI，近90%的高管表示技术对就业和生产力没有影响。亚特兰大联邦储备银行、斯坦福大学、英格兰银行和墨西哥自治技术研究所的研究人员将此归因于“验证税”。这一现象描述了人类检查AI输出准确性和安全性所需的努力，造成了抵消潜在效率的瓶颈。MIT斯隆管理学院的Christian Catalini强调，人类验证带宽是当前增长的约束条件。调查显示，工人花费大量节省的时间来纠正低质量的AI输出。一项对3200名员工的Workday民意调查发现，员工使用37%的节省时间进行纠正。谷歌经济学家发现，科学家花费近90%的节省时间检查AI输出，其中46%花费超过四分之一的时间。这种返工表明AI快速生成解决方案，但物理测试仍然是缓慢的下游瓶颈。MIT和沃顿商学院对50万GitHub开发者的研究显示，AI工具增加了活动，但随着工作从编写代码转向发布软件，收益缩小。约束正在从编码转向人类审查、集成、测试和发布。虽然AI节省了时间，但自动化任务通常开始需要人类监督的新工作流程阶段，特别是在技术领域，代码审查对总效率至关重要。