Zašto je tako teško izmeriti uticaj veštačke inteligencije na produktivnost

"Vreme je novac" otrcana je fraza u korporativnom svetu. Kao i mnogi drugi klišei, često se koristi, ali se retko shvata ozbiljno. Međutim, u kontekstu AI-ja i njenog uticaja na ekonomsku produktivnost, vreme – tačnije, ušteda vremena – postaje jedno od najvažnijih pokazatelja da li će se ogromna ulaganja u tu tehnologiju isplatiti. 

Koliko neka tehnologija može unaprediti životni standard, zavisi od toga koliko je u stanju da poboljša ono što ekonomisti nazivaju ukupnim faktorom produktivnosti, odnosno da doprinese većoj efikasnosti i iskorišćenosti resursa koji se koriste u proizvodnji dobara ili usluga. Produktivnost je postala ključna preokupacija kako poslovnih lidera, tako i kreatora politika jer se njen rast znatno usporio poslednjih decenija, iako se čini da tehnološke promene napreduju neverovatno brzo. 

Mada gotovo svake nedelje izlazi novi AI model sa začuđujućim sposobnostima, uz očekivanje da će pomoći kompanijama da poboljšaju svoje radne procese ili usluge, ekonomske statistike zasad ne potvrđuju da je došlo do najavljivanog poboljšanja efikasnosti. Istraživanja pokazuju da mnogi isprobavaju veštačku inteligenciju. Nedavni pregled istraživanja Odbora guvernera Federalnih rezervi SAD (Fed) pokazao je da od 20 do 40 odsto radnika u kompanijama koristi AI. Drugo istraživanje pokazalo je da u proseku 13,5 odsto kompanija u Evropskoj uniji koristi AI tehnologije. 

Kada su ranije takozvane tehnologije opšte namene počinjale da se primenjuju, moralo je proći vreme pre nego što bi se njihove koristi za produktivnost pojavile u nacionalnim statistikama. Dobro poznata studija slučaja o elektrifikaciji američke proizvodnje s početka 20. veka pokazala je da je za to bilo potrebno oko 50 godina. Jedan od ključnih razloga je bilo to što su kompanije morale da investiraju ne samo u električnu opremu, već i u nove fabrike. Fabrika na parni pogon imala je više spratova kako bi efikasno koristila izvor energije dok je proizvodna traka na električni pogon zahtevala horizontalni raspored. Trojica ekonomista, predvođena Erikom Brynjolfssonom sa Univerziteta Stenford, nazvala su ovaj fenomen "J-krivuljom produktivnosti" (termin potiče od sličnosti krivulje na grafikonu sa slovom J, prim. prev.): produktivnost pada nakon usvajanja nove tehnologije pre nego što krene da raste.  

Cydney Cosette za Bloomberg Businessweek

 

Takođe, poboljšanje produktivnosti sporo dolazi do izražaja u podacima zato što je teško meriti produktivnost, posebno u velikim granama privrede koje više ne proizvode standardizovanu, lako brojivu, robu kao što su veš-mašine i auto-delovi. Uzmimo za primer konsultantske ili pravne usluge. Statističke agencije mogu lako da prikupe podatke o prihodu tih kompanija, ali koji je obim njihove proizvodnje? Sigurno to nije broj slajdova u prezentaciji ili broj stranica u pravnom podnesku. Cena koju naplaćuju za usluge povezana je sa kvalitetom, ali kako da statističar uzme u obzir sposobnost menadžmenta ili kvalitet pravnog saveta? 

Google zarađuje milijarde od pretrage - usluge koju nudi besplatno pošto naplaćuje oglase koji se prikazuju uz rezultate pretrage. Ipak, teže je utvrditi koliki je doprinos toga u stvaranju ekonomske vrednosti, što je cilj merenja produktivnosti, nego sabrati Googleove prihode. Šta je pritom sa doprinosom od internet provajdera, vlasnika data centara i provajdera sadržaja? 

Za praćenje uticaja veštačke inteligencije korisnije je meriti produktivnost na osnovu toga ko i koliko troši vremena AI. Iako smo skloni da mislimo o tehnologiji kao nečemu što donosi nove naprave ili izume, u većini slučajeva tokom istorije poboljšanje produktivnosti svodilo se na to da su radnici mogli brže da obavljaju zadatke i tako dobiju više vremena za druge aktivnosti. Ukratko, uvođenje inovacija u procese važnije je od inovacije proizvoda. 

Setite se ulaska parobroda u širu upotrebu. Ranija poboljšanja, poput oblaganja trupa broda bakrom, ubrzala su jedrenjake, ali je uvođenje kliper-brodova na parni pogon ("clipper" je naziv za vrstu brzog broda koji se u 19. veku koristio za prevoz robe; ti brodovi su bili simbol brzine i inovacije prim. prev.) transformisalo putovanja i trgovinu krajem 19. veka. Noviji primer uvođenja inovacija u proces predstavlja širenje metode proizvodnje po potrebi  (takozvana "just in time" metoda;  roba se proizvodi samo kada je potrebna, u određenoj količini i datom trenutku, čime se smanjuje potreba za velikim zalihama i skladištenjem, prim. prev.) koja je prvi put primenjena u Japanu tokom osamdesetih godina prošlog veka. Zbog unapređenja na planu logistike, brojne industrije, od automobilske do tekstilne, krenule su da usklađuju proizvodnju sa potražnjom, smanjujući rizik od gomilanja neprodate robe. 

Nije, međutim, sasvim jasno kolike su koristi od pojedinih tehnologija na nivou celokupne ekonomije. Uzmite, recimo, samouslužne terminale za plaćanje kojih sada ima u mnogim prodavnicama. Ovi aparati omogućavaju vlasnicima radnji da uštede na platama koje bi davali kasirkama, i verovatno pomažu da pokazatelji produktivnosti maloprodajnog sektora budu bolji. No, oni umesto toga koriste neplaćeno vreme kupaca, tako da nije jasno da li je uopšte došlo do značajnog porasta produktivnosti. Neke AI aplikacije na razne načine troše vreme potrošača u korist organizacija koje koriste te aplikacije. Pomislite o vremenu (i stresu) koje je potrebno za rešavanje problema preko kol-centra za podršku korisnicima, gde s druge strane veze nije ljudsko biće, ili navigacije kroz proces vraćanja proizvoda na sajtu za onlajn prodaju. 

Zbog svega toga, vreme je ključan ekonomski pokazatelj u trenutku kada veštačka inteligencija počinje da transformiše naše živote. Nažalost, nema mnogo podataka o tome kako ljudi koriste sate tokom dana, bilo na poslu ili van njega. Neke nacionalne statističke agencije koje anketiraju potrošače o tome kako koriste vreme, sada u ankete uključuju i pitanja o onlajn aktivnostima. Međutim, ova istraživanja nisu česta, i još uvek je teško razaznati da li onlajn aktivnosti čine život lakšim i efikasnijim ili troše vreme kroz komplikovane onlajn menije, prebacujući posao na pojedinca. 

Veštačka inteligencija već se pokazala korisnom u automatizaciji vremenski zahtevnih procesa – sumiranju pravnih presedana, formatiranju prezentacija i programiranju standardnih delova koda. Trebalo bi da kompanije razmisle o prilikama za povećanje produktivnosti u smislu toga kako njihovi zaposleni sada provode vreme i kako bi to vreme mogli da korisnije upotrebe u budućnosti. Drugim rečima, veštačka inteligencija nudi priliku da se utvrdi koji su to poslovi ili zadaci na koje se previše troši vreme. 

Zaposleni će sigurno znati odgovor iako možda neće želeti da ga podele sa svojim nadređenima u strahu da bi njihovi poslovi mogli biti ukinuti. (U izveštaju Goldman Sachsa iz 2023. procenjuje se da bi veštačka inteligencija mogla da dovede do ukidanja 300 miliona radnih mesta sa punom radnim vremenom širom sveta, mada to niko zapravo tačno ne zna.) 

Ekonomisti i statističari u međuvremenu trebalo bi da razmišljaju o novim vrstama istraživanja i inovativnijim metodama prikupljanja podataka, poput praćenja korišćenja mobilnih telefona i računara, što bi pomoglo da se popune neke praznine. To kako koristimo dragocena 24 sata tokom dana najbolje govori o tome šta nam je bitno i ujedno način na koji će veštačka inteligencija dokazati svoju ekonomsku vrednost. 

 

Trenutno nema komentara za vest. Ostavite prvi komentar...

Ostavi komentar