The New Yorker: Lönsamhetsdilemmat med AI och historiska lärdomar Av John Cassidy År 1987 kommenterade Robert Solow från Massachusetts Institute of Technology (M.I.T.), nobelpristagare i ekonomi, i en artikel i The Times Review of Books: "Datoråldern finns överallt, men den finns inte i produktivitetsstatistiken. Trots den snabba ökningen av datorkraft och den växande populariteten för persondatorer visar statliga data att det viktigaste måttet på löner och levnadsstandard – arbetarnas bruttoproduktion per capita – har stagnerat i mer än ett decennium. Detta blev känt som "produktivitetsparadoxen". Denna paradox varade fram till 90-talet av förra seklet och ännu längre, vilket utlöste ett stort antal inkonsekventa akademiska forskning. Vissa ekonomer skyller det på misskötsel av ny teknik; Andra hävdar att datorer förminskar sin ekonomiska betydelse jämfört med tidigare uppfinningar som ångmaskinen och elektriciteten; Andra skyller fel i statistiken och tror att paradoxen kommer att försvinna efter korrigering. Nästan 40 år efter att Solows artikel publicerades, och nästan tre år efter att OpenAI släppte chatboten ChatGPT, kan vi stå inför en ny ekonomisk paradox, och den här gången är huvudpersonen generativ artificiell intelligens. Enligt en nyligen genomförd undersökning av ekonomer från Stanford University, Clemson University och Världsbanken använde nästan hälften av arbetstagarna (45,6 % för att vara exakt) AI-verktyg i juni och juli i år. En ny studie av ett team från Media Lab vid Massachusetts Institute of Technology (M.I.T.) rapporterar dock ett överraskande resultat: "Även om företag investerar 300 till 40 miljarder dollar i generativ AI, visar denna rapport att 95 % av organisationerna har noll avkastning. ” Studiens författare granskade mer än trehundra offentligt tillgängliga AI-projekt och tillkännagivanden och intervjuade mer än femtio företagsledare. De definierar en "framgångsrik AI-investering" som en som har gått vidare från pilotfasen och faktiskt har implementerats och som har genererat mätbar ekonomisk avkastning eller betydande produktivitetsvinster efter sex månader. "Endast 5 % av framgångsrikt integrerade AI-pilotprojekt skapar miljontals dollar i värde, medan den stora majoriteten av projekten förblir stillastående och inte har någon mätbar inverkan på P&L (vinst-och-förlust)", skrev de. ” Den undersökande intervjun utlöste en uppsjö av svar, varav några var fyllda med skepsis. "Det var mycket hype på LinkedIn som om allt hade förändrats, men i vår faktiska verksamhet hade de grundläggande sakerna inte förändrats alls", berättade den operativa chefen för ett medelstort tillverkningsföretag för forskarna. "Vi behandlar avtal lite snabbare, men det är allt." En annan respondent kommenterade: "Vi tittade på dussintals demonstrationer i år. Kanske en eller två är riktigt användbara. Resten är antingen "wrappers" (som endast syftar på att paketera befintlig teknik utan betydande innovation) eller "vetenskapliga projekt" (som hänvisar till tekniska utforskningar som fortfarande är långt ifrån praktisk kommersiell tillämpning). ” För att vara rättvis noterar rapporten också att det faktiskt finns företag som har gjort framgångsrika AI-investeringar. Rapporten belyser till exempel de effektivitetsvinster som skapas av anpassade verktyg för backoffice-verksamhet, och konstaterar: "Dessa tidiga resultat visar att system med förmågan att lära sig, om de är inriktade på specifika processer, verkligen kan leverera verkligt värde utan ens stora organisatoriska förändringar." I undersökningen nämndes också att vissa företag rapporterade "förbättrad kundbehållning och försäljningskonverteringsfrekvenser genom automatiserad uppsökande verksamhet och intelligenta uppföljningssystem", vilket tyder på att AI-system kan vara användbara för marknadsföring. Men idén att "många företag kämpar för att göra betydande avkastning" sammanfaller med en annan nyligen genomförd undersökning av det multinationella konsultföretaget Akkodis. Företaget kontaktade mer än 2 000 chefer och fann att andelen vd:ar som är "mycket säkra" på företagets AI-implementeringsstrategi har sjunkit från 82 % 2024 till 49 % i år. Förtroendet hos företagens CTO:er har också minskat, om än inte lika mycket. Akkodis undersökning sa att förändringarna "kan återspegla tidigare nedslående resultat på digitala eller AI-projekt, förseningar eller misslyckanden i implementeringen och oro för skalbarhet." ” Förra veckan sammanföll mediebevakningen av MIT Media Labs forskning med nedgången för högt värderade AI-relaterade aktier som Nvidia, Meta och Palantir. Naturligtvis är korrelation inte lika med orsakssamband, och de senaste kommentarerna från OpenAI:s VD Sam Altman kan ha spelat en viktigare roll i denna försäljning (med tanke på de senaste prisökningarna är en försäljning oundviklig). Enligt CNBC sa Altman vid en middag med reportrar att den nuvarande värderingen är "löjligt hög" (vansinnig) och använde ordet "bubbla" tre gånger på 15 sekunder. Ändå har denna MIT-studie väckt mycket uppmärksamhet. Efter den första omgången av nyhetsbevakning avslöjades det att Media Labs, som har kopplingar till många teknikföretag, i tysthet begränsade tillgången till rapporten. Den information jag lämnade till organisationens PR-kontor och de två författarna till rapporten var överväldigad. Även om rapporten är mer nyanserad än vad vissa nyhetsrapporter beskriver, ifrågasätter den verkligen den stora ekonomiska berättelsen som har legat till grund för teknikboomen sedan OpenAI:s lansering av ChatGPT i november 2022. Den korta versionen av denna berättelse är att den utbredda spridningen av generativ AI är dålig för arbetstagare, särskilt kunskapsarbetare, men extremt bra för företag och deras aktieägare, eftersom den kommer att medföra ett enormt språng i produktiviteten och som ett resultat av detta goda vinster. Varför verkar den här scenen ha utspelat sig ännu? En möjlig orsak påminner om idén från åttio- och nittiotalen under förra århundradet om att ledningsmisstag begränsar de produktivitetsfördelar som datorer medför. Media Labs forskning visade att några av de mest framgångsrika AI-investeringarna görs av nystartade företag som använder mycket anpassade verktyg inom smala områden av arbetsflödet. På andra sidan av GenAI-klyftan bygger mindre framgångsrika startups "antingen verktyg för allmänna ändamål eller försöker utveckla funktioner internt". Mer allmänt sägs det i rapporten att skillnaden mellan framgång och misslyckande "inte verkar drivas av modellens kvalitet eller reglering, utan av [genomförande]metoder". ” Som du kan föreställa dig kan nyheten och komplexiteten hos generativ AI avskräcka vissa företag. En nyligen genomförd studie av konsultföretaget Gartner visade att mindre än hälften av vd:arna anser att deras CIO:er är "AI-kunniga". Men det finns en annan möjlig förklaring till det nedslående resultat som lyfts fram i Media Lab-rapporten: För många etablerade företag är generativ AI (åtminstone i sin nuvarande form) inte alls så gudomlig som den framhålls. "Den är bra på att brainstorma och skriva första utkast, men den kommer inte ihåg kundernas preferenser och lär sig inte av tidigare redaktörer", sa en av de svarande i Media Labs undersökning. "Det upprepar samma fel, och det måste ange mycket kontext per session. För jobb med höga insatser behöver jag ett system som bygger kunskap och ständigt förbättras. ” Naturligtvis finns det många människor som tycker att AI är användbart, och det finns också akademiska bevis som stöder detta: År 2023 fann två ekonomer vid MIT att deltagare som exponerades för ChatGPT i en randomiserad studie slutförde "professionella skrivuppgifter" snabbare och förbättrade skrivkvaliteten. Samma år fann andra forskargrupper också att programmerare som använde Githubs Copilot, en AI-programmeringsassistent, och kundsupportagenter som använde proprietära AI-verktyg såg produktivitetsvinster. Forskare vid Media Lab fann att många anställda använder sina personliga verktyg på jobbet, som GPT eller Claude; I rapporten kallas detta fenomen för "skugg-AI-ekonomin" och det påpekas att "den avkastning på investeringen som det medför" tenderar att vara bättre än projekt som initieras av arbetsgivaren. Men frågan kvarstår, och det är verkligen en fråga som företagsledare ställer oftare: Varför ser inte fler företag dessa fördelar återspeglas i slutresultatet? En del av problemet kan vara att generativ AI, även om den är övertygande, har begränsade tillämpningar inom många områden av ekonomin. Fritid och gästfrihet, detaljhandel, bygg, fastigheter och vård (vård av barn, äldre eller sjuka) – dessa branscher sysselsätter tillsammans cirka 50 miljoner amerikaner, men de ser inte ut som direkta kandidater för AI-transformation. ...