Nowy Jorker: Dylemat zysków sztucznej inteligencji i lekcje z historii Autor: John Cassidy W 1987 roku laureat Nagrody Nobla w dziedzinie ekonomii, Robert Solow z Massachusetts Institute of Technology (M.I.T.), w artykule opublikowanym w "The Times Literary Supplement" skomentował: "Era komputerów jest wszędzie, z wyjątkiem statystyk dotyczących wydajności." Mimo że wówczas zdolności obliczeniowe rosły w zastraszającym tempie, a komputery osobiste stawały się coraz bardziej powszechne, dane rządowe pokazywały, że kluczowe wskaźniki mierzące płace i poziom życia — całkowita produkcja na pracownika — utknęły w martwym punkcie przez ponad dziesięć lat. To zjawisko stało się później znane jako "paradoks wydajności". Paradoks ten trwał aż do lat 90. XX wieku, a nawet dłużej, wywołując wiele sprzecznych badań akademickich. Niektórzy ekonomiści przypisali to złemu zarządzaniu nowymi technologiami; inni uważali, że w porównaniu do wcześniejszych wynalazków, takich jak maszyna parowa czy elektryczność, znaczenie komputerów w gospodarce jest znikome; jeszcze inni obwiniali błędy w statystyce, twierdząc, że po korekcie paradoks zniknie. Prawie 40 lat po publikacji artykułu Solowa, od momentu wydania ChatGPT przez OpenAI, możemy być świadkami nowego paradoksu gospodarczego, którego głównym bohaterem jest generatywna sztuczna inteligencja. Zgodnie z badaniami przeprowadzonymi przez ekonomistów z Uniwersytetu Stanforda, Uniwersytetu Clemson i Banku Światowego, w czerwcu i lipcu tego roku prawie połowa pracowników (dokładnie 45,6%) korzystała z narzędzi AI. Jednak nowa analiza zespołu z laboratorium medialnego M.I.T. przyniosła zdumiewający wynik: "Mimo że firmy zainwestowały w generatywną AI od 30 do 40 miliardów dolarów, raport wykazał, że 95% organizacji nie uzyskało żadnych zwrotów." Autorzy badania przeanalizowali ponad 300 publicznych projektów AI i ogłoszeń oraz przeprowadzili wywiady z ponad 50 menedżerami firm. Zdefiniowali "udane inwestycje w AI" jako te, które przekroczyły etap pilotażowy i zostały wdrożone w praktyce, a po sześciu miesiącach przyniosły wymierne zwroty finansowe lub znaczący wzrost wydajności. Napisali: "Tylko 5% udanych projektów pilotażowych AI generuje miliony dolarów wartości, podczas gdy zdecydowana większość projektów utknęła w martwym punkcie, nie mając żadnego wymiernego wpływu na P&L (czyli 'rachunek zysków i strat')." Wywiady w ramach badania wywołały szereg reakcji, z których niektóre były pełne sceptycyzmu. "Na LinkedInie wszyscy mówią, jak wszystko się zmieniło, ale w naszej rzeczywistości nic fundamentalnego się nie zmieniło," powiedział COO średniej wielkości firmy produkcyjnej badaczom. "Zarządzanie umowami stało się nieco szybsze, ale to wszystko." Inny uczestnik wywiadu skomentował: "W tym roku widzieliśmy dziesiątki prezentacji. Może jedna lub dwie były naprawdę użyteczne. Reszta to albo 'opakowania' (wrappers, czyli jedynie opakowania istniejącej technologii, bez rzeczywistej innowacji), albo 'projekty naukowe' (czyli technologie, które są dalekie od rzeczywistych zastosowań komercyjnych)." Sprawiedliwie należy zauważyć, że raport wskazuje, że niektóre firmy rzeczywiście dokonały udanych inwestycji w AI. Na przykład raport podkreśla efektywność narzędzi dostosowanych do operacji zaplecza (back-office operations) i zauważa: "Te wczesne wyniki sugerują, że systemy zdolne do uczenia się, jeśli są ukierunkowane na konkretne procesy, mogą przynieść rzeczywistą wartość, nawet bez konieczności wprowadzania znaczących zmian w strukturze organizacyjnej." Badanie wspomina również o niektórych firmach, które zgłosiły, że "poprawiły wskaźniki zatrzymania klientów i konwersji sprzedaży dzięki automatyzacji systemów kontaktowych i inteligentnym systemom follow-up", co sugeruje, że systemy AI mogą być przydatne w marketingu. Jednakże stwierdzenie, że "wiele firm ma trudności z uzyskaniem wymiernych zwrotów", pokrywa się z innym badaniem przeprowadzonym przez międzynarodową firmę doradczą Akkodis. Po skontaktowaniu się z ponad 2000 menedżerów firm, odkryli, że odsetek CEO, którzy są "bardzo pewni" strategii wdrażania AI w swoich firmach, spadł z 82% w 2024 roku do 49% w tym roku. Pewność CTO również spadła, chociaż nie tak drastycznie. Badanie Akkodis stwierdza, że te zmiany "mogą odzwierciedlać wcześniejsze rozczarowujące wyniki projektów cyfrowych lub AI, opóźnienia lub niepowodzenia w wdrażaniu oraz obawy dotyczące skalowalności." W zeszłym tygodniu media informowały o badaniach laboratorium medialnego M.I.T. w momencie, gdy akcje związane z AI, takie jak Nvidia, Meta i Palantir, zaczęły spadać. Oczywiście, korelacja nie oznacza przyczynowości, a ostatnie uwagi CEO OpenAI, Sama Altmana, mogą odgrywać ważniejszą rolę w tej wyprzedaży (biorąc pod uwagę ostatnie wzrosty cen, wyprzedaż była nieunikniona). Jak donosi CNBC, Altman podczas kolacji z dziennikarzami stwierdził, że obecna wycena jest "absurdalna" (insane) i użył słowa "bańka" (bubble) trzy razy w ciągu 15 sekund. Mimo to badanie M.I.T. przyciągnęło dużą uwagę. Po pierwszej fali doniesień prasowych pojawiły się informacje, że laboratorium medialne, które ma powiązania z wieloma firmami technologicznymi, potajemnie ogranicza dostęp do tego raportu. Moje wiadomości do biura prasowego tej organizacji oraz do dwóch autorów raportu pozostały bez odpowiedzi. Chociaż raport jest bardziej subtelny niż niektóre doniesienia medialne sugerują, z pewnością kwestionuje wielką narrację gospodarczą, która wspierała boom technologiczny od momentu wydania ChatGPT przez OpenAI w listopadzie 2022 roku. Skrócona wersja tej narracji brzmi: powszechne wprowadzenie generatywnej AI jest niekorzystne dla pracowników (szczególnie pracowników umysłowych), ale bardzo korzystne dla firm i ich akcjonariuszy, ponieważ przyniesie ogromny skok wydajności, a tym samym znaczne zyski. Dlaczego ten scenariusz wydaje się jeszcze nie zrealizowany? Jednym z możliwych powodów jest przypomnienie poglądu z lat 80. i 90. XX wieku, że błędy w zarządzaniu ograniczają korzyści wydajnościowe, jakie przynosi technologia komputerowa. Badanie laboratorium medialnego wykazało, że niektóre z najbardziej udanych inwestycji w AI zostały dokonane przez startupy, które stosowały wysoko dostosowane narzędzia w wąskich obszarach roboczych. Z drugiej strony "przepaści generatywnej AI" (GenAI Divide) te mniej udane startupy "albo budują uniwersalne narzędzia, albo próbują rozwijać zdolności wewnętrznie". Raport ogólnie wskazuje, że granica między sukcesem a porażką "nie wydaje się być napędzana przez jakość modelu czy regulacje, ale przez (metody) wdrażania." Można sobie wyobrazić, że nowość i złożoność generatywnej AI mogą zniechęcać niektóre firmy. Ostatnie badanie firmy Gartner wykazało, że mniej niż połowa CEO wierzy, że ich CIO "mają biegłość w AI". Ale dla rozczarowujących wyników podkreślonych w raporcie laboratorium medialnego istnieje inna możliwa interpretacja: dla wielu dojrzałych firm generatywna AI (przynajmniej w obecnej formie) nie jest tak cudowna, jak się ją przedstawia. "Jest doskonała w burzy mózgów i pisaniu pierwszych wersji, ale nie pamięta preferencji klientów ani nie uczy się z wcześniejszych edycji," powiedział jeden z uczestników badania laboratorium medialnego. "Powtarza te same błędy, a każda sesja wymaga wprowadzenia dużej ilości kontekstu. W przypadku pracy o wysokim ryzyku potrzebuję systemu, który może gromadzić wiedzę i ciągle się doskonalić." Oczywiście, wiele osób uważa AI za bardzo użyteczną, a istnieją dowody akademickie, które to potwierdzają: w 2023 roku dwaj ekonomiści z M.I.T. odkryli, że w badaniu losowym uczestnicy, którzy mieli kontakt z ChatGPT, byli w stanie szybciej ukończyć "zadania pisarskie w dziedzinie specjalistycznej", a jakość pisania również się poprawiła. W tym samym roku inne zespoły badawcze odkryły, że programiści korzystający z Copilot (asystenta programowania AI) na Githubie oraz agenci wsparcia klienta korzystający z dedykowanych narzędzi AI również zyskali na wydajności. Badacze z laboratorium medialnego odkryli, że wielu pracowników korzysta w pracy z osobistych narzędzi, takich jak GPT czy Claude; raport określa to zjawisko jako "gospodarka cieni AI" (shadow AI economy) i komentuje, że "zwrot z inwestycji (ROI), który to przynosi, często przewyższa ten, który generują projekty inicjowane przez pracodawców. Jednak pytanie pozostaje, a na pewno jest to pytanie, które menedżerowie będą zadawać coraz częściej: dlaczego więcej firm nie widzi tych korzyści w swoich ostatecznych (firmowych) zyskach? Częściowo problem może polegać na tym, że chociaż generatywna AI jest intrygująca, jej zastosowanie w wielu dziedzinach gospodarki jest ograniczone. Branże takie jak rekreacja i hotelarstwo, handel detaliczny, budownictwo, nieruchomości oraz opieka (opieka nad dziećmi, osobami starszymi lub osobami z ograniczeniami) — te branże zatrudniają łącznie około 50 milionów Amerykanów, ale nie wydają się być bezpośrednimi kandydatami do transformacji AI. ...