# mollick-real-ai-agents-work-oneusefulthing-2025-09-29

## Veille

Ethan Mollick - AI Agents and Real Work - Economic Impact - OpenAI Study - Research Replication - Future of Work - One Useful Thing

## Titre Article

Real AI Agents and Real Work: The race between human-centered work and infinite PowerPoints

## Date

2025-09-29

## URL

https://www.oneusefulthing.org/p/real-ai-agents-and-real-work?utm_campaign=post&utm_medium=web

## Keywords

KI-Agenten, reale Arbeit, wirtschaftliche Auswirkung, OpenAI, KI-Fähigkeiten, Transformation der Arbeit, Forschungsreplikation, agentische KI, Zukunft der Arbeit, KI-Akzeptanz, Aufgabenautomatisierung, KI-Produktivität, wissenschaftliche Forschung, Mensch-KI-Zusammenarbeit

## Authors

Ethan Mollick, Professeur à la Wharton School, University of Pennsylvania

## Ton

**Profil:** Akademisch-zugänglich | Ich-Erzählung | Analytisch-zukunftsgerichtet | Fortgeschritten-Experte

Mollick pflegt seinen charakteristischen Professor-Kommunikator-Stil: Er untermauert eine zukunftsgerichtete These (KI-Agenten überschreiten die Schwelle wirtschaftlich relevanter Arbeit) mit konkreten empirischen Belegen (OpenAI-Studie, METR-Messungen) und mit seinem eigenen Experiment (Replikation eines ökonomischen Papers mit Claude Sonnet 4.5). Der Titel, der „menschzentrierte Arbeit“ und „unendliche PowerPoints“ gegenüberstellt, verdichtet die zentrale Spannung in einer einprägsamen Formulierung. Der Ton ist ausgewogen: weder Katastrophismus noch naiver Enthusiasmus, mit anhaltender Aufmerksamkeit für Grenzen („zackige“ Fähigkeiten, fehlende echte Handlungsfähigkeit, Risiko der Überproduktion mittelmäßiger Inhalte). Zielgruppe: Führungskräfte, Forscher und Fachleute, die die reale Auswirkung von KI-Agenten auf die Arbeit verstehen möchten.

## Pense-betes

- OpenAI-Studie: Experten (14 Jahre durchschnittliche Erfahrung) vs. KI bei realistischen 4- bis 7-Stunden-Aufgaben, Blindbewertung
- Menschen gewinnen noch, aber knapp; die neuesten Modelle entwickeln sich schnell weiter
- Hauptschwäche der KI: Formatierung der Ausgabe und Befolgung von Anweisungen (verbessert sich rasch)
- Vorhersage: Die nächste Modellgeneration dürfte menschliche Experten im Durchschnitt übertreffen
- KI ersetzt Aufgaben, nicht ganze Berufe; „zackige“ (jagged) Fähigkeiten (hier exzellent, dort mangelhaft)
- Mollicks Experiment: Claude Sonnet 4.5 repliziert autonom ein anspruchsvolles ökonomisches Paper (Lesen, Dateisortierung, STATA-zu-Python-Konvertierung)
- Kreuzvalidierung: Stichprobenprüfung durch Mollick und erneute Replikation durch GPT-5 Pro
- Was Menschen Stunden kostet, wird in Minuten erledigt → potenzieller Hebel gegen die wissenschaftliche Replikationskrise
- METR-Studie: Die Länge der Aufgaben, die KI autonom bewältigen kann, wächst exponentiell (von GPT-3 bis GPT-5)
- Agenten besitzen keine Handlungsfähigkeit im menschlichen Sinne: Menschen legen Ziele und Grenzen fest
- Drei produktive Nutzungsarten: Automatisierung von Routineaufgaben, Erweiterung menschlicher Fähigkeiten, Schaffung neuer Möglichkeiten
- Zentrales Risiko: Überproduktion von Inhalten mit geringem Wert („unendliche PowerPoints“), wenn Organisationen es an Vorstellungskraft mangeln lassen

## RésuméDe400mots

Ethan Mollick argumentiert, dass KI-Agenten eine kritische Schwelle überschritten haben: Sie sind nun in der Lage, wirtschaftlich relevante Arbeit zu leisten. Zunächst stützt er sich auf eine aktuelle OpenAI-Studie, die KI-Modelle mit menschlichen Experten (14 Jahre durchschnittliche Erfahrung in Finanzwesen, Recht, Einzelhandel) bei realistischen Aufgaben vergleicht, die für 4 bis 7 Stunden konzipiert sind und blind von einer dritten Expertengruppe bewertet werden. Ergebnis: Menschen gewinnen noch, aber knapp, mit je nach Sektor unterschiedlichen Abständen. Die neuesten Modelle entwickeln sich rasch weiter, und die Hauptschwäche der KI — Formatierung der Ausgabe und Befolgung von Anweisungen — verbessert sich schnell. Mollick sagt voraus, dass die nächste Modellgeneration menschliche Experten im Durchschnitt übertreffen wird. Er relativiert dies jedoch: KI ersetzt Aufgaben, nicht ganze Berufe, und ihre Fähigkeiten bleiben „zackig“ (jagged), auf manchen Aufgaben exzellent, auf anderen mangelhaft.

Um den Wert dieser realen Arbeit zu veranschaulichen, schildert Mollick seine eigene Erfahrung: Er bat Claude Sonnet 4.5, ein anspruchsvolles ökonomisches Paper mit mehreren Experimenten zu replizieren, wobei er den vollständigen Text und das Replikationsdatenarchiv bereitstellte. Autonom las das Modell das Paper, sortierte die Dateien, konvertierte den STATA-Code nach Python und überprüfte methodisch alle Ergebnisse, einschließlich komplexer Interaktionen. Mollick überprüfte die Ergebnisse stichprobenartig und ließ die Replikation von GPT-5 Pro erneut replizieren. Was erfahrene Forscher Stunden kosten würde, wird in Minuten erledigt — ein bedeutender Ansatz zur Bewältigung der wissenschaftlichen Replikationskrise, da eine großmaßstäbliche Überprüfung möglich wird, die zuvor undenkbar war.

Dieser Fähigkeitssprung beruht auf einer verbesserten Modellgenauigkeit: Selbst kleine Fortschritte reduzieren die Fehlerquote über lange Aufgabenketten hinweg erheblich, und die jüngsten „denkenden“ Modelle verfügen über Selbstkorrekturmechanismen. Die METR-Studie zeigt, dass die Länge der Aufgaben, die KI autonom bewältigen kann, seit GPT-3 exponentiell gewachsen ist.

Mollick weist dennoch darauf hin, dass Agenten keine Handlungsfähigkeit im menschlichen Sinne besitzen: Sie entscheiden nicht über ihre eigenen Ziele, und Menschen müssen Ziele und Grenzen festlegen. Er identifiziert drei produktive Nutzungsarten: die Automatisierung von Routineaufgaben (Berichte, Präsentationen), die Erweiterung menschlicher Fähigkeiten (Forschungsreplikation) und die Schaffung neuer Möglichkeiten. Das symmetrische Risiko ist die „unendliche Überproduktion von PowerPoints“: einfallslose Organisationen, die Agenten nutzen, um immer mehr Inhalte von geringem Wert zu erzeugen. Die Zukunft der Arbeit wird von unserer Fähigkeit abhängen, Nutzungsformen zu entwickeln, die menschliche Fähigkeiten ergänzen, statt sie mechanisch zu ersetzen.

## GrapheDeConnaissance

- Ethan Mollick —publie→ Real AI Agents and Real Work (DOCUMENT, 0.98)
- Ethan Mollick —travaille_chez→ Wharton School (ORGANISATION, 0.98)
- OpenAI —publie→ étude capacités agents IA (DOCUMENT, 0.95)
- agents IA —permet→ travail économiquement pertinent (CONCEPT, 0.93)
- Ethan Mollick —utilise→ Claude Sonnet 4.5 (TECHNOLOGIE, 0.95)
- Claude Sonnet 4.5 —permet→ réplication d'articles de recherche scientifique (CONCEPT, 0.92)
- GPT-5 Pro —soutient→ réplication réalisée par Claude (CONCEPT, 0.88)
- METR —mesure→ longueur des tâches accomplies de façon autonome par l'IA (CONCEPT, 0.9)
- agents IA —améliore→ longueur des tâches autonomes (croissance exponentielle) (CONCEPT, 0.9)
- agents IA —remplace→ tâches (pas emplois entiers) (CONCEPT, 0.88)
- réplication automatique —résout→ crise de réplication scientifique (CONCEPT, 0.85)
- Ethan Mollick —recommande→ augmentation des capacités humaines par l'IA (CONCEPT, 0.87)
- Ethan Mollick —prédit→ un risque de surproduction de contenu à faible valeur par les agents IA (AFFIRMATION, 0.85)
- Ethan Mollick —prédit→ la prochaine génération de modèles dépassera en moyenne les experts humains (AFFIRMATION, 0.88)

---
Canonical: https://www.thekb.eu/de/fiches/mollick-real-ai-agents-work-oneusefulthing-2025-09-29/