Zakaj je tako težko izmeriti vpliv umetne inteligence na produktivnost

"Čas je denar," se v korporativnem svetu glasi že dodobra obrabljena fraza. Kot številni drugi klišeji se tudi ta pogosto uporablja, le redki pa jo jemljejo resno. Toda v kontekstu umetne inteligence in njenih učinkov na gospodarsko produktivnost postaja čas – natančneje njegov prihranek – eno najpomembnejših meril pri ocenjevanju, ali se bodo ogromne naložbe v tehnologijo izplačale.

Potencial vsake tehnologije, da zviša življenjski standard, je odvisen od njene sposobnosti izboljševanja nečesa, kar ekonomisti imenujejo skupna faktorska produktivnost – torej pridobivanje večje vrednosti iz vseh virov, ki se uporabljajo pri proizvodnji blaga ali storitev. Produktivnost je postala ključna skrb tako poslovnih voditeljev kot tudi oblikovalcev politik, saj se je njena rast v zadnjih desetletjih znatno upočasnila, pa čeprav se zdi, da tehnološke spremembe napredujejo presenetljivo hitro.

Čeprav nam skoraj vsak teden prinese nov model umetne inteligence s presenetljivimi zmogljivostmi in posledičnimi pričakovanji, da bo podjetjem pomagal izboljšati njihove delovne postopke ali storitve, pa dokazov o oglaševanem povečanju učinkovitosti v ekonomski statistiki za zdaj še ni. Glede na rezultate raziskav umetno inteligenco preizkušajo v številnih podjetjih. Nedavni pregled poslovnih raziskav odbora guvernerjev Centralne banke ZDA je pokazal, da se je tovrstnih preizkusov lotevalo 20 do 40 odstotkov uslužbencev. Druga študija je pokazala, da je stopnja sprejemanja tehnologije med podjetji v Evropski uniji v povprečju znašala 13,5 odstotka.

Ko so se v preteklosti pojavljale zgodnejše tako imenovane tehnologije za splošne namene, je vedno trajalo nekaj časa, da so se pozitivni vplivi na produktivnost pokazali v nacionalnih statističnih podatkih. Znana študija primera elektrifikacije ameriške proizvodnje v začetku 20. stoletja je pokazala, da je ta zaostanek znašal približno 50 let. Ključni razlog: podjetja so morala vlagati ne le v električno opremo, marveč tudi v gradnjo novih obratov. Tovarna na parni pogon je bila visoka več nadstropij, da je lahko učinkovito uporabljala svoj vir energije, medtem ko je montažna linija na električno energijo zahtevala linearno postavitev. Trojica ekonomistov pod vodstvom Erika Brynjolfssona s Stanfordske univerze je ta pojav označila kot "J-krivuljo produktivnosti": produktivnost ob uvedbi nove tehnologije pred vzponom najprej upade.

Dodatni razlog, da se povečanje produktivnosti v podatkih prikazuje počasi, je, da njeno merjenje ni preprosto, zlasti v obsežnih delih gospodarstva, ki ne proizvajajo več standardiziranih izdelkov, ki jih je enostavno prešteti, na primer pralnih strojev in avtomobilskih delov. Pomislite na primer na poslovno svetovanje ali pravne storitve. Agencije za statistiko lahko zlahka zbirajo podatke o prihodkih tovrstnih podjetij, a kaj predstavlja količino njihove proizvodnje? Zagotovo ne dolžina predstavitve na prosojnicah ali število strani v pravnem povzetku. Cena, ki jo podjetja zaračunavajo za storitve, je povezana z njihovo kakovostjo, a kako naj statistik ovrednoti kakovost upravljanja ali pravnega svetovanja? 

Google s storitvijo, ki jo ponuja brezplačno – iskanjem, namreč – služi milijarde z zaračunavanjem oglasov, ki so prikazani ob rezultatih iskanja. Vendar pa je pripisovanje ustvarjanja ekonomske vrednosti (kar je točno to, kar produktivnost želi izmeriti) bolj zapleteno kot zgolj preštevanje Googlovih prihodkov. Kaj pa prispevki ponudnikov internetnih storitev, lastnikov podatkovnih centrov in ponudnikov vsebin? 

Pogled na porabljen čas – natančneje, na njegovo količino in dejanskega porabnika časa – je pri spremljanju učinka umetne inteligence bolj uporabna meritev produktivnosti. Čeprav o tehnologiji radi razmišljamo kot o novih pripomočkih ali izumih, je večina izboljšav na področju produktivnosti v zgodovini pripomogla k temu, da so delavci dobili možnost določene stvari opraviti hitreje, kar jim nato zagotovi več časa za druge dejavnosti. Skratka – inovacije v postopkih so pomembnejše od inovacij v obliki izdelkov. 

Pomislite na širjenje uporabe parnih ladij. Prve izboljšave, kot je oblaganje trupa z bakrom, so privedle do višjih hitrosti ladij na jadra, a korenite spremembe v potovanjih in trgovanju v poznem 19. stoletju je prinesla uvedba parnih kliperjev. Novejši primer procesne inovacije je širjenje proizvodnih tehnik po načelu just-in-time, ki so bile v osemdesetih uvedene na Japonskem. Z izboljšavami v logistiki so se panoge vse od avtomobilov do oblačil spremenile z namenom večje usklajenosti proizvodnje s povpraševanjem, kar je zmanjšalo tveganje neprodanih zalog. 

Pri nekaterih tehnologijah so koristi za celotno gospodarstvo manj očitne. Oglejmo si primer samopostrežnih blagajn, ki so danes nameščene v številnih trgovinah. Lastniki trgovin prihranijo pri plačah blagajnikov, ki jih te blagajne nadomeščajo, kar morda poveča izmerjeno produktivnost maloprodajnega sektorja. A namesto tega izkoriščajo neplačani čas kupcev, zato ni povsem jasno, ali je na splošno prišlo do povečanja produktivnosti. Nekateri načini uporabe umetne inteligence potrošnikom kratijo čas v korist organizacij, ki jih uporabljajo. Pomislite na čas (in stres), povezan s klicnimi centri za pomoč strankam, kjer se vam na telefon nikakor ne oglasi živi človek, ali pa na postopek vračila izdelka na spletni strani e-trgovine. 

Prav iz teh razlogov je zdaj, ko je umetna inteligenca začela spreminjati naša življenja, čas tisto ključno ekonomsko merilo. Na žalost se o tem, kako ljudje razporejajo ure posameznega dne, bodisi na delovnem mestu ali zunaj njega, zbira le malo podatkov. Nekatere nacionalne statistične agencije, ki potrošnike anketirajo o njihovi porabi časa, zdaj v ankete vključujejo tudi vprašanja o dejavnostih na spletu. A tovrstne ankete so redke in še vedno je težko ugotoviti, ali so naša življenja zaradi dejavnosti na spletu enostavnejša in učinkovitejša ali prek zapletenih spletnih menijev terjajo časovni davek in s tem delo prelagajo na posameznika. 

Umetna inteligenca je svojo priročnost že dokazala z avtomatizacijo zamudnih procesov, kot so povzemanje pravnih precedensov, oblikovanje predstavitev in pisanje standardnih delov računalniških programov. Podjetja bi morala o svojih priložnostih na področju produktivnosti razmišljati glede na to, kako njihovi zaposleni čas porabljajo zdaj in kako bi ga lahko v prihodnosti bolje izkoristili. Z drugimi besedami – umetna inteligenca nam ponuja priložnost za odkrivanje dejavnosti, ki po nepotrebnem terjajo največ časa. Zaposleni bodo odgovor na to vprašanje zagotovo poznali, teh informacij pa morda ne bodo pripravljeni deliti s svojimi nadrejenimi, saj se bojijo, da bi bila njihova delovna mesta zaradi tega lahko ukinjena. (Skupina Goldman Sachs je v svojem poročilu iz leta 2023 ocenila, da bi lahko umetna inteligenca ukinila 300 milijonov delovnih mest s polnim delovnim časom po vsem svetu, vendar točnega podatka v resnici ne pozna nihče.) 

Ekonomisti in statistiki bi morali medtem razmišljati o novih vrstah anket in inovativnejših metodah zbiranja podatkov, kot je spremljanje uporabe mobilnih telefonov in računalnikov, kar bi lahko pojasnilo nekaj od naštetih nejasnosti. To, kako razporedimo 24 dragocenih ur, ki jih imamo na voljo v enem dnevu, je končno merilo vrednosti – in način, kako bo umetna inteligenca dokazala svojo ekonomsko korist. 

Trenutno ni komentarjev za novico. Bodi prvi, ki bo komentiral ...

Pusti komentar