செயற்கை நுண்ணறிவு இனி பெரும்பாலான அமெரிக்கர்களுக்கு அவ்வப்போது பயன்படுத்தப்படும் ஒரு கருவி அல்ல — குறைந்தபட்சம் சமீபத்திய ஆய்வு ஆதாரங்களின்படி. ஆய்வு நிறுவனமான Epoch AI, கருத்துக் கணிப்பு நிறுவனமான Ipsos-உடன் இணைந்து, 2026-இல் ஆறு மாத காலப்பகுதியில் அமெரிக்காவில் கிட்டத்தட்ட தினசரி AI பயன்பாடு கூர்மையாக உயர்ந்ததைக் காட்டும் இரண்டு பிரதிநிதித்துவ ஆய்வுகளின் முடிவுகளை வெளியிட்டுள்ளது.

இந்த மாற்றம் புள்ளிவிவர இரைச்சலாக அல்லாமல், நடத்தையில் ஏற்பட்ட உண்மையான மாற்றமாகப் படிக்கக்கூடிய அளவுக்குப் பெரியது. மார்ச் முதல் ஆகஸ்ட் 2026 வரை, வாரத்தில் ஏழு நாட்களில் குறைந்தது ஆறு நாட்கள் AI-ஐ பயன்படுத்துவதாகத் தெரிவித்த அமெரிக்க பெரியவர்களின் விகிதம் 8 சதவீதத்திலிருந்து 19 சதவீதமாக உயர்ந்தது — அரை வருடத்திற்கும் குறைவான காலத்தில் இரட்டிப்புக்கும் மேல்.

இரண்டு ஆய்வுகள் என்ன அளந்தன

இந்த ஆய்வின் இரு அலைகளும் Epoch AI மற்றும் Ipsos-ஆல் நடத்தப்பட்டன, இரண்டும் அமெரிக்க மக்கள்தொகையைப் பிரதிபலிக்கும் வகையில் தோராயமாகத் தேர்ந்தெடுக்கப்பட்டு எடையிடப்பட்ட மாதிரிகளை அடிப்படையாகக் கொண்டிருந்தன. மார்ச் 2026-இல் நடத்தப்பட்ட முதல் அலை 2,017 பங்கேற்பாளர்களைக் கொண்டிருந்தது. ஆகஸ்ட்டில் நடத்தப்பட்ட இரண்டாவது அலை 1,016 பங்கேற்பாளர்களை உள்ளடக்கியிருந்தது.

முக்கிய ஒப்பீடு ஒரு எளிய அதிர்வெண் கேள்வியை அடிப்படையாகக் கொண்டது: ஒரு வழக்கமான வாரத்தில் ஒருவர் எத்தனை நாட்கள் AI-ஐ நாடுகிறார். பதில்கள், அவ்வப்போதைய பரிசோதனையிலிருந்து வழக்கமான சார்புநிலைக்கு நெருக்கமான ஒன்றை நோக்கி நகரும் மக்கள்தொகையைக் காட்டுகின்றன.

எண்கள் ஒரு பார்வையில்

  • வாரத்தில் ஏழு நாட்களில் குறைந்தது ஆறு நாட்கள் AI-ஐ பயன்படுத்தும் அமெரிக்க பெரியவர்களின் விகிதம் மார்ச் 2026-இல் 8 சதவீதத்திலிருந்து ஆகஸ்ட் 2026-இல் 19 சதவீதமாக உயர்ந்தது.
  • அவ்வப்போது பயன்படுத்துபவர்களின் — அதாவது வாரத்தில் ஒரே ஒரு நாள் மட்டுமே AI-ஐ பயன்படுத்தியவர்களின் — விகிதம் அதே காலகட்டத்தில் 17 சதவீதத்திலிருந்து 10 சதவீதமாகக் குறைந்தது.
  • மார்ச் ஆய்வில் 2,017 பதிலளித்தவர்கள் இருந்தனர்; ஆகஸ்ட் ஆய்வில் 1,016 பேர் இருந்தனர், இரண்டும் அமெரிக்க மக்கள்தொகையைப் பிரதிநிதித்துவப்படுத்தும் வகையில் எடையிடப்பட்டிருந்தன.

இந்த இரண்டு இயக்கங்களையும் சேர்த்துப் பார்க்கும்போது, அவ்வப்போது முயற்சிக்கும் விஷயங்களின் பட்டியலில் AI-ஐ சேர்த்துக்கொள்ளும் மக்கள்தொகையை மட்டும் இது விவரிக்கவில்லை. அதிக பயன்பாட்டுக் குழு விரிவடைந்தது, குறைந்த பயன்பாட்டுக் குழு சுருங்கியது — இது ஏற்கனவே இந்தக் கருவிகளை எதிர்கொண்டவர்களிடையே ஆழமான ஈடுபாட்டைக் காட்டுகிறது.

அவ்வப்போதைய பயன்பாட்டிலிருந்து ஒரு பின்வாங்கல்

வாராந்திர அவ்வப்போது பயன்படுத்துபவர்களின் சரிவு, கதையின் மிகவும் வெளிப்படுத்தும் பாதியாக இருக்கலாம். கிட்டத்தட்ட தினசரி பயன்பாட்டின் உயர்வு, கோட்பாட்டளவில், உடனடியாக வழக்கமான பயனர்களாக மாறிய முதல் முறை பயனர்களின் அலையைப் பிரதிபலிக்கக்கூடும். ஆனால் வாரத்தில் ஒரே ஒரு நாள் மட்டுமே AI-ஐ தொட்டவர்களிடையே ஒரே நேரத்தில் ஏற்பட்ட சரிவு வேறு ஒன்று நடக்கிறது என்பதைக் குறிக்கிறது: ஏற்கனவே உள்ள சாதாரண பயனர்கள் அதிர்வெண் ஏணியில் மேலே நகர்கிறார்கள்.

இந்த வேறுபாடு, தத்தெடுப்பு அடுத்து எங்கு செல்கிறது என்பதை முன்னறிவிக்க முயலும் எவருக்கும் முக்கியமானது. வளர்ச்சி முற்றிலும் புதிய நுழைபவர்களிடமிருந்து வந்தால், ஆர்வமுள்ள புதியவர்களின் தொகுப்பு மெலிந்ததும் போக்கு தேக்கமடையக்கூடும். மாறாக, இந்த இயக்கம் ஏற்கனவே தொழில்நுட்பத்தை நன்கு அறிந்தவர்கள் அதை அடிக்கடி பயன்படுத்துவதால் இயக்கப்படுகிறது என்றால், கிட்டத்தட்ட தினசரி பயன்பாட்டின் உச்சவரம்பு தற்போதைய 19 சதவீதத்தை விட மிக அதிகமாக இருக்கும்.

எந்த விளக்கம் மேலோங்குகிறது என்பதை ஆய்வுகள் தீர்க்கவில்லை, ஆனால் வாரத்தில் ஒரு நாள் பயனர்களின் விகிதம் குறைந்துவருவது இரண்டாவது முறையுடன் ஒத்துப்போகிறது — ஒரு முறை நிகழும் புதுமை எழுச்சி அல்ல, படிப்படியான ஆழமாதல்.

தரவு எவ்வாறு சேகரிக்கப்பட்டது

Epoch AI என்பது செயற்கை நுண்ணறிவு பற்றிய அளவியல் பணிக்காக நற்பெயரைக் கட்டியெழுப்பிய ஒரு ஆய்வு நிறுவனம், மேலும் Ipsos-உடனான இந்த ஒத்துழைப்பு, கண்டுபிடிப்புகளுக்கு தொழில்முறை கருத்துக் கணிப்பின் இயந்திரத்தை வழங்குகிறது: தோராயமான தேர்வு, மக்கள்தொகை எடையிடல், மற்றும் முதல் அலைக்கு ஆயிரக்கணக்கான மாதிரி அளவுகள்.

இங்கு எடையிடல் முக்கியமானது. அது இல்லாமல், சுமார் 2,000 பேரின் ஆய்வு, பதிலளிக்க வாய்ப்புள்ள மக்கள்தொகைப் பிரிவுகளால் — பொதுவாக இளைய, அதிக ஆன்லைனில் உள்ள, மற்றும் தொழில்நுட்பத்தில் அதிக ஆர்வமுள்ள பதிலளித்தவர்களால் — சாய்ந்திருக்கக்கூடும். மாதிரியை நாட்டின் மொத்தத்துடன் பொருந்துமாறு சரிசெய்வதே, அதன் விளைவாக வரும் சதவீதங்களை, சுயமாகத் தேர்ந்தெடுக்கப்பட்ட குழுவின் விவரணைகளாக அல்லாமல், தேசிய நடத்தையின் மதிப்பீடுகளாக விவாதிக்க அனுமதிக்கிறது.

People in the US are using AI more often. | Image: Epoch AI
People in the US are using AI more often. | Image: Epoch AI

வளர்ச்சியைக் குறைத்து மதிப்பிடக்கூடிய ஒரு எச்சரிக்கை

இந்த இரு அலைகளும் முழுமையாக ஒப்பிடத்தக்கவை அல்ல என்பதை ஆய்வாளர்கள் வெளிப்படையாகக் கூறுகிறார்கள், அதற்குக் காரணம் கேள்வி கேட்கப்பட்ட விதத்தில் ஏற்பட்ட மாற்றம். மார்ச்சில், பங்கேற்பாளர்கள் ஒட்டுமொத்தமாக AI-ஐ எவ்வளவு அடிக்கடி பயன்படுத்தினார்கள் என்று கேட்கப்பட்டது. ஆகஸ்ட்டில், ஒவ்வொரு சேவையையும் தனித்தனியாகப் பற்றிக் கேட்கப்பட்டது, பின்னர் ஆய்வாளர்கள் அந்தச் சேவைகள் முழுவதும் தெரிவிக்கப்பட்ட மிக உயர்ந்த அதிர்வெண்ணை எடுத்துக்கொண்டனர்.

இந்த முறையியல் வேறுபாடு ஒரு முக்கியமான திசையில் வெட்டக்கூடும். சேவை வாரியாகக் கேட்பது, பதிலளித்தவர்கள் தாங்கள் பயன்படுத்தும் சில கருவிகளைக் கவனிக்காமல் விடச் செய்யலாம், அல்லது AI அவர்களின் வேலை அல்லது தனிப்பட்ட வாழ்வில் ஒரு பங்கை வகித்த நாட்களின் மொத்த எண்ணிக்கையைக் குறைத்து அறிவிக்கச் செய்யலாம். அப்படி நடந்திருந்தால், ஆகஸ்ட் எண்ணிக்கைகள் உண்மையான பயன்பாட்டை மிகைப்படுத்தாமல் குறைத்து மதிப்பிடும் — அதாவது 8 சதவீதத்திலிருந்து 19 சதவீதமாக அளவிடப்பட்ட இந்த உயர்வு, மாற்றத்தின் பழமைவாத வாசிப்பாக இருக்கக்கூடும்.

எப்படியிருந்தாலும், இந்த முரண்பாடு, இத்தகைய ஆய்வுப் போக்குகள் அறியப்பட்ட இணைப்புகளைக் கொண்ட மதிப்பீடுகளே தவிர, துல்லியமான மக்கள்தொகைக் கணக்கெடுப்புகள் அல்ல என்பதை நினைவூட்டுகிறது. இருப்பினும், பயணத்தின் திசை இரு அலைகளிலும் ஒத்துப்போகிறது.

எண்கள் ஏன் முக்கியம்

ஒரு தொழில்நுட்பம் ஆர்வத்திலிருந்து உள்கட்டமைப்புக்கு நகர்ந்துவிட்டதா என்பதற்கான தெளிவான சமிக்ஞைகளில் ஒன்று பயன்பாட்டின் அதிர்வெண். மக்கள் வாரத்தில் ஒரு முறை திறக்கும் தயாரிப்புகள், அவர்களின் வாழ்வில் — மற்றும் அவற்றைச் சுற்றி கட்டப்பட்ட பொருளாதாரத்தில் — கிட்டத்தட்ட தினசரி நாடும் கருவிகளை விட மிகவும் வேறுபட்ட இடத்தை வகிக்கின்றன.

கிட்டத்தட்ட தினசரி பழக்கம், மென்பொருளுக்கு அப்பாற்பட்ட தொடர் விளைவுகளைக் கொண்டுள்ளது. அது மக்கள் தகவலைத் தேடும், ஆவணங்களை வரைவு செய்யும், சிக்கல்களைத் தீர்க்கும், முடிவுகளை எடுக்கும் விதத்தை வடிவமைக்கிறது. அது எதிர்பார்ப்புகளையும் மாற்றுகிறது: ஒரு பணிப்பாய்வு வாரத்தில் பல நாட்கள் AI உதவியைச் சார்ந்திருக்கத் தொடங்கியதும், அதைக் கைவிடுவது உண்மையான செலவைச் சுமத்துகிறது, அந்தச் சார்பு ஒட்டிக்கொள்ளும் தன்மை கொண்டது.

AI தயாரிப்புகளை உருவாக்கும் நிறுவனங்களுக்கு, சாதாரண பயனர் அடுக்கு சுருங்குகிறது என்ற கண்டுபிடிப்பு, உச்சியில் ஏற்படும் வளர்ச்சிக்கு இணையான முக்கியத்துவம் வாய்ந்ததாக இருக்கலாம். வெறும் பயனர் ஈர்ப்பு மட்டுமல்ல, தக்கவைப்பு மற்றும் பழக்க உருவாக்கமும் இந்த எண்களை இயக்குவதாகத் தெரிகிறது.

ஆய்வுகள் விட்டுச்செல்லும் திறந்த கேள்விகள்

அதிர்வெண், மக்கள் எவ்வளவு அடிக்கடி வருகிறார்கள் என்பதைச் சொல்கிறது, ஆனால் அவர்கள் வந்ததும் என்ன செய்கிறார்கள் என்பதைச் சொல்லவில்லை. இந்த ஆய்வுகள் கிட்டத்தட்ட தினசரி பயன்பாட்டை பணி, தொழில், அல்லது ஈடுபட்ட குறிப்பிட்ட சேவைகள் வாரியாகப் பிரிக்கவில்லை — ஆகஸ்ட் முறையியல் சேவைகளைத் தனித்தனியாகக் கேட்டது, ஆனால் வெளியிடப்பட்ட ஒப்பீடு ஒரு நபருக்குத் தெரிவிக்கப்பட்ட மிக உயர்ந்த அதிர்வெண்ணை மையமாகக் கொண்டுள்ளது.

இந்த மாற்றத்திற்கான அடிப்படைக் காரணத்தையும் இந்த முடிவுகள் விளக்கவில்லை. ஆய்வுகள் நடத்தையைப் பதிவு செய்கின்றன, ஊக்கத்தை அல்ல, எனவே இந்த உயர்வு மேம்பட்ட கருவிகள், வளர்ந்துவரும் பரிச்சயம், பணியிட எதிர்பார்ப்புகள், அல்லது இம்மூன்றின் ஏதோ ஒரு கலவையைப் பிரதிபலிக்கக்கூடும். அந்த விளக்கங்களுக்கிடையே வேறுபாடு காண ஒரு வெவ்வேறு வகையான ஆய்வு தேவைப்படும்.

அடுத்து கவனிக்க வேண்டியவை

வெளிப்படையான அடுத்த தரவுப் புள்ளி மூன்றாவது அலை. ஆகஸ்ட் கேள்வி வடிவத்தைப் பயன்படுத்தும் மற்றொரு ஆய்வு, ஒப்பிடுதல் சிக்கலின் ஒரு பகுதியைத் தீர்க்கும் — கிட்டத்தட்ட தினசரி பயன்பாடு தொடர்ந்து ஏறுகிறதா அல்லது ஐந்தில் ஒரு பெரியவரை எட்டிய நிலையில் தேக்கமடைகிறதா என்பதைக் காட்டும்.

அவ்வப்போதைய பயனர் விகிதம் தொடர்ந்து குறைகிறதா என்பதையும் கவனிக்க வேண்டும். கிட்டத்தட்ட தினசரி குழு விரிவடையும்போது வாரத்தில் ஒரு நாள் பயன்பாடு தொடர்ந்து சுருங்கினால், படம் ஒரு ஒருங்கிணைப்பாக மாறும் — ஒரு தொழில்நுட்பம் எழுச்சியடைந்து மங்கிவிடாமல், சாதாரண வாழ்வின் தாளத்தில் பொருந்திக்கொள்வது. மார்ச் முதல் ஆகஸ்ட் 2026 வரையிலான ஆறு மாதங்கள் ஏற்கனவே அந்தத் திசையில் ஒரு அர்த்தமுள்ள படியாகத் தெரிகின்றன.

இந்தக் கட்டுரை The Decoder-இன் செய்தி அறிக்கையை அடிப்படையாகக் கொண்டது. மூலக் கட்டுரையைப் படிக்கவும்.

Originally published on the-decoder.com