Zašto je toliko teško izmjeriti učinke UI-ja na produktivnost

"Vrijeme je novac" prilično je istrošena fraza u poslovnom svijetu. Poput mnogih drugih klišeja često se koristi, ali se rijetko shvaća ozbiljno. Ali u kontekstu umjetne inteligencije (UI) i njezinih učinaka na ekonomsku produktivnost, vrijeme – točnije, uštedu vremena – postaje jedno od najvažnijih mjerila kad je riječ o tome hoće li se ogromna ulaganja u tehnologiju isplatiti.

Potencijal bilo koje tehnologije da podigne životni standard ovisi o njezinoj sposobnosti da potakne poboljšanja u onome što ekonomisti nazivaju ukupnom faktorskom produktivnošću – to jest, izvlačenju veće vrijednosti iz svih resursa koji se koriste u proizvodnji dobara ili usluga. Produktivnost je u jednakoj mjeri postala ključna preokupacija poslovnih lidera i kreatora politike, jer se njezin rast znatno usporio u posljednjim desetljećima, iako se čini da tehnološke promjene napreduju nevjerojatno brzo.

Iako gotovo svaki tjedan donosi novi model umjetne inteligencije s iznenađujućim mogućnostima i pratećim očekivanjima da će pomoći tvrtkama poboljšati njihove radne procese ili usluge, dokazi o oglašenom povećanju učinkovitosti za sada nisu dio ekonomske statistike. Ankete pokazuju da mnogi isprobavaju umjetnu inteligenciju. Nedavni pregled poslovnih anketa Uprave američke središnje banke pokazao je da to čini od 20 posto do 40 posto radnika. Drugo istraživanje pokazalo je da stopa usvajanja umjetne inteligencije među tvrtkama u Europskoj uniji u prosjeku iznosi 13,5 posto.

Kad su se ranije pojavile takozvane tehnologije opće namjene, uvijek je trebalo vremena da se povećanje produktivnosti pokaže u nacionalnim statističkim podacima. Dobro poznata studija slučaja o elektrifikaciji američke proizvodnje početkom 20. stoljeća otkrila je da je kašnjenje trajalo oko 50 godina. Ključni razlog: tvrtke su morale ulagati ne samo u električnu opremu nego i u nove tvornice. Parni mlin bio je visok nekoliko katova kako bi mogao učinkovito koristiti svoj izvor energije, dok je pokretna traka s električnim pogonom trebala vodoravan položaj. Trojica ekonomista predvođenih Erikom Brynjolfssonom sa Sveučilišta Stanford nazvala su ovaj fenomen "krivuljom produktivnosti u obliku slova J": nakon usvajanja nove tehnologije produktivnost prvo pada, a tek onda poraste

Još jedan razlog zašto se povećanje produktivnosti sporo odražava u podacima jest to što je teško mjeriti produktivnost, osobito u velikim dijelovima gospodarstva koji više ne proizvode standardiziranu robu koju je lako brojiti, poput perilica rublja i autodijelova. Uzmimo za primjer usluge poslovnog savjetovanja ili pravne usluge. Statističke agencije mogu lako prikupiti podatke o prihodima tih tipova poduzeća, ali kolika je količina njihovih outputa? Sigurno nije količina slajdova ili broj stranica u pravnom izvješću. Cijena koju naplaćuju za usluge povezana je s kvalitetom, ali kako statističar može uzeti u obzir kvalitetu vođenja poslovanja ili pravnog savjeta?

Google zarađuje milijarde od usluge koju nudi besplatno – pretraživanja – tako što naplaćuje oglase koji se prikazuju uz rezultate. Ipak, pripisivanje stvaranja ekonomske vrijednosti, što je ono što produktivnost želi izmjeriti, manje je jednostavno od zbrajanja Googleovih prihoda. Što je s doprinosima pružatelja internetskih usluga, vlasnika podatkovnih centara i pružatelja sadržaja?

Korisniji mjerni parametar za praćenje utjecaja umjetne inteligencije jest promatranje koliko je vremena utrošeno i tko je trošio to vrijeme. Iako smo skloni razmišljati o tehnologiji u smislu novih naprava ili izuma, većina poboljšanja produktivnosti u povijesti svela se na to da su radnici stekli sposobnost da neke stvari rade brže te su tako oslobodili više vremena za druge aktivnosti. Ukratko, inovacije procesa važnije su od inovacija proizvoda.

Razmislite o širenju parobroda. Ranija poboljšanja, kao što je oblaganje trupa bakrom, ubrzala su plovidbu jedrenjaka, ali uvođenje parobroda dovelo je do transformacije putovanja i trgovine u kasnom 19. stoljeću. Noviji primjer inovacije procesa jest širenje proizvodnih tehnika just in time (točno na vrijeme) koje su uvedene u Japanu tijekom 1980-ih. Zahvaljujući poboljšanjima u logistici, industrije od automobilske do tekstilne prešle su na usklađivanje proizvodnje s potražnjom, čime se smanjio rizik od gomilanja neprodanih zaliha.

Za neke tehnologije koristi za cijelo gospodarstvo nisu toliko jasne. Uzmite za primjer samoposlužne blagajne koje su sada postavljene u mnogim trgovinama. Vlasnicima trgovina štede iznos plaće blagajnika koje zamjenjuju, što može povećati izmjerenu produktivnost maloprodajnog sektora. Ali umjesto toga iskorištavaju neplaćeno vrijeme kupaca, tako da nije jasno povećava li se općenito produktivnost. Na mnoge druge načine, neke primjene umjetne inteligencije troše vrijeme potrošača u korist organizacija koje ih koriste. Razmislite o vremenu (i stresu) pri korištenju pozivnih centara službe za korisnike u kojima nitko nikada ne podiže slušalicu ili pri upravljanju postupkom povrata na internetskim stranicama e-trgovine.

Zbog toga je vrijeme ključni ekonomski mjerni parametar od interesa u trenutku kad umjetna inteligencija počinje s transformacijom naših života. Nažalost, postoji malo podataka o tome na koji način ljudi svakodnevno raspoređuju svoje vrijeme, bilo na poslu bilo izvan njega. Neke nacionalne statističke agencije koje anketiraju potrošače o njihovu korištenju vremena sada uključuju pitanja o mrežnim aktivnostima. Ali te su ankete rijetke i još uvijek je teško razlučiti čine li mrežne aktivnosti život ugodnijim i učinkovitijim ili umjesto toga troše vrijeme putem kompliciranih online izbornika i tako prebacuju posao na pojedinca.

Umjetna inteligencija već se pokazala korisnom za automatizaciju dugotrajnih procesa – sažimanje pravnih presedana, oblikovanje prezentacija i pisanje standardnih dijelova koda. Tvrtke bi trebale razmišljati o svojoj produktivnosti – o tome kako njihovi zaposlenici trenutačno provode vrijeme i kako bi ga u budućnosti mogli bolje koristiti. Drugim riječima, umjetna inteligencija nudi priliku da se utvrdi koje su aktivnosti ili zadaci kradljivci vremena. Zaposlenici će sigurno znati odgovor, iako možda ne žele podijeliti te informacije sa svojim šefovima jer se boje da bi im radno mjesto moglo biti ukinuto. (U izvješću Goldman Sachsa iz 2023. procjenjuje se da bi umjetna inteligencija mogla ukinuti 300 milijuna radnih mjesta s​ punim radnim vremenom u cijelom svijetu, ali to zapravo nitko ne zna.)

Ekonomisti i statističari bi u međuvremenu trebali razmišljati o novim vrstama istraživanja i inovativnijim metodama prikupljanja podataka, kao što je praćenje korištenja mobitela i računala, što bi pomoglo popuniti neke od tih praznina. Način na koji raspoređujemo dragocjena 24 sata koja imamo u danu krajnje je mjerilo vrijednosti – i način na koji će umjetna inteligencija dokazati svoju ekonomsku vrijednost.