Η τεχνητή νοημοσύνη έχει τεράστια εξέλιξη και προχωρεί με μεγάλη ταχύτητα. Η νέα αυτή εκπληκτική τεχνολογία έχει επιτρέψει να ολοκληρώνονται πολύπλοκες και περίτεχνες εργασίες, και μάλιστα με ελάχιστη ανθρώπινη επίβλεψη. Ωστόσο, η απόδοσή της στην οικονομία απέχει πολύ από όσα υποσχέθηκε. Και αυτό δείχνουν οι μετρήσεις πραγματικών στοιχείων

Ο Economist θυμίζει ότι πριν από έναν χρόνο, ο υπουργός Οικονομικών των ΗΠΑ, Σκοτ Μπέσεντ, προέβλεπε ότι σύντομα η τεχνητή νοημοσύνη «θα αρχίσει να δαγκώνει», όπως έλεγε χαρακτηριστικά. Και εννοούσε ότι οι βελτιώσεις στην παραγωγικότητα από την ΑΙ θα είναι πραγματικά αισθητές. Επίσης, ο Κέβιν Γουόρς, ο προτεινόμενος από τον Ντόναλντ Τραμπ για την ηγεσία της Fed, υποστηρίζει ότι η παραγωγικότητα από την τεχνητή νοημοσύνη θα επιτρέψει την καταπολέμηση του πληθωρισμού.

Οι επιχειρήσεις υιοθετούν όλο και περισσότερο τη νέα τεχνολογία

Επιφανειακά, τα πράγματα δείχνουν ότι είναι έτσι. Το 2025 η αμερικανική οικονομία αναπτύχθηκε κατά 2,2%. Αλλά αυτή η ανάπτυξη δεν περιλαμβάνει θέσεις εργασίας. Η ετήσια αύξηση της απασχόλησης στις ΗΠΑ ήταν 0,1% ή 15.000 θέσεις εργασίας τον μήνα. Δηλαδή, αυξήθηκε η παραγωγή ανά εργαζόμενο. Ενώ τα στοιχεία για σημαντικά κέρδη παραγωγικότητας, τροφοδοτούμενα από την Τεχνητή Νοημοσύνη, είναι ελάχιστα.

Παραγωγικότητα, όχι

Αν και επίσημα στοιχεία δεν έχουν ακόμη δημοσιευτεί, μια εκτίμηση που βασίζεται στην αύξηση του πραγματικού ΑΕΠ και στις συνολικές ώρες εργασίας υποδηλώνει αύξηση της παραγωγικότητας περίπου 1,9% το 2025. Αυτό θα ήταν λίγο κάτω από τον μακροπρόθεσμο μέσο όρο περίπου 2% και πολύ χαμηλότερο από τις βελτιώσεις που σημειώθηκαν κατά την άνθηση του διαδικτύου τις δεκαετίες του 1990 και του 2000.

Επιπλέον, το χάσμα μεταξύ της αύξησης της παραγωγής και της απασχόλησης θα μπορούσε να οφείλεται σε πολλούς παράγοντες. Μεγάλο μέρος της πρόσφατης αύξησης του ΑΕΠ στις ΗΠΑ αντανακλά μια αύξηση των επενδύσεων, ιδίως σε υποδομές που σχετίζονται με την Τεχνητή Νοημοσύνη.

Σύμφωνα με τον Τζέισον Φέρμαν, του Πανεπιστημίου του Χάρβαρντ, περίπου το 90% της αύξησης του ΑΕΠ κατά το πρώτο εξάμηνο του 2025 προήλθε από δαπάνες σε κέντρα δεδομένων και σχετικές κεφαλαιουχικές επενδύσεις. Έρευνα από την Ομοσπονδιακή Τράπεζα του Σαν Φρανσίσκο διαπιστώνει ότι τα υποκείμενα κέρδη παραγωγικότητας, όταν εξαιρεθεί η επίδραση τέτοιων επενδύσεων, είναι κοντά στο μηδέν. Η δυναμική στην αγορά εργασίας δείχνει προς την ίδια κατεύθυνση. Η αυστηρότερη πολιτική μετανάστευσης έχει μειώσει την αύξηση του εργατικού δυναμικού, αυξάνοντας τη μέση παραγωγικότητα απομακρύνοντας πολλούς εργαζόμενους σε τομείς σχετικά χαμηλής παραγωγικότητας όπως η γεωργία και οι κατασκευές. Μια απότομη μείωση της προσωρινής απασχόλησης είχε παρόμοιο αποτέλεσμα.

Πώς μετριέται η παραγωγικότητα από τεχνητή νοημοσύνη

Στο ερώτημα, πώς μπορούν να καταλάβουν πόσο συνέβαλε η τεχνητή νοημοσύνη στην παραγωγικότητα, ο Economist εξηγεί ότι οι οικονομολόγοι πρέπει να εξετάσουν τρία πράγματα. Πόσο ευρέως έχει υιοθετηθεί η τεχνολογία, πόσο εντατικά χρησιμοποιείται και πόσο βελτιώνει την παραγωγή όταν εφαρμόζεται σε μεμονωμένες εργασίες.

Ασφαλώς, διαπιστώνεται ότι οι επιχειρήσεις υιοθετούν όλο και περισσότερο τη νέα τεχνολογία. Σύμφωνα με μελέτη της του Άλεξ Μπικ, της Ομοσπονδιακής Τράπεζας του Σεντ Λούις, και των συναδέλφων του, το 41% ​​των Αμερικανών εργαζομένων χρησιμοποίησαν παραγωγική Τεχνητή Νοημοσύνη στην εργασία τους τον Νοέμβριο του 2025. Τον Νοέμβριο του 2024 το ποσοστό αυτό ήταν 31%. Έρευνα του Τζον Χάρτλι, του Πανεπιστημίου του Στάνφορντ, εκτιμά ότι τα ποσοστά χρήσης ΑΙ αυξήθηκαν από περίπου 30% στο τέλος του 2024 σε 36% ένα χρόνο αργότερα.

Οι εργαζόμενοι αφιερώνουν περισσότερο συνολικό χρόνο εργασίας όταν χρησιμοποιούν τεχνητή νοημοσύνη

Ωστόσο, το γεγονός ότι υιοθετείται η τεχνητή νοημοσύνη από μόνο του δεν λέει και πολλά πράγματα αναφορικά με την παραγωγικότητα.

Διακριτές εργασίες, όχι αυτοματοποίηση

Ένα άλλο στοιχείο είναι η ένταση της ανάπτυξης της τεχνολογίας. Ο Άλεξ Μπικ διαπίστωσε ότι μόνο περίπου το 13% των εργαζομένων τη χρησιμοποιούν καθημερινά. Το μερίδιο των συνολικών ωρών εργασίας που αφορούν παραγωγική τεχνητή νοημοσύνη παραμένει μικρό, έχοντας αυξηθεί από 4,1% στα τέλη του 2024 σε μόλις 5,7% μέχρι τα μέσα του 2025. Επιπλέον, η μεγαλύτερη χρήση αποτελείται από διακριτές εργασίες και όχι από χονδρική αυτοματοποίηση.

Για παράδειγμα, τα δεδομένα της OpenAI υποδηλώνουν ότι τα μοντέλα της χρησιμοποιούνται κυρίως σε χώρους εργασίας για βοήθεια στη γραφή και ερωτήματα πληροφοριών. Το Claude της Anthropic χρησιμοποιείται κυρίως για να βοηθήσει τους ανθρώπους να γράφουν κώδικα υπολογιστή.

Επίσης, διαπιστώθηκε ότι τα οφέλη μπορεί να είναι μεγάλη χάρη στη χρήση της ΑΙ. Το 2023, οι Σακίντ Νόι και Γουίτνι Ζανγκ, του Τεχνολογικού Ινστιτούτου της Μασαχουσέτης (ΜΙΤ), διαπίστωσαν ότι η χρήση του ChatGPT μειώνει τους χρόνους ολοκλήρωσης των γραπτών εργασιών κατά σχεδόν 40%. Σε μελέτη συμβούλων του Boston Consulting Group, ο Φαμπρίτσιο Ντελ’Άκουα της Σχολής Διοίκησης Επιχειρήσεων του Harvard και οι συνεργάτες του διαπίστωσαν βελτιώσεις στην παραγωγικότητα που προκαλούνται από την Τεχνητή Νοημοσύνη κατά 12-25% σε ρεαλιστικές επαγγελματικές εργασίες. Επίσης, μια ευρύτερη ανασκόπηση από τη Μαρία Ντελ Ρίο-Τσανόνα του University College London και τους συναδέλφους της καταγράφει μέση αύξηση παραγωγικότητας 15-30% σε πραγματικές συνθήκες.

Μέτριος αντίκτυπος

Ωστόσο, αν ληφθούν υπόψη και οι τρεις παράγοντες, διαπιστώνεται ότι η Τεχνητή Νοημοσύνη έχει μέχρι στιγμής μόνο μέτριο αντίκτυπο στην παραγωγικότητα. Και σε συνδυασμό με την αύξηση των ωρών εργασίας που αφιερώνονται στη χρήση της ΑΙ, με το πόσο βελτιώνει την αποδοτικότητα, η ώθηση είναι της τάξης του 0,25-0,5% το 2025.

Και όπως επισημαίνει ο Economist, αυτός ο υπολογισμός είναι σχεδόν σίγουρα υπερβολικά γενναιόδωρος. Υποθέτει ότι όλος ο εξοικονομούμενος χρόνος αναδιανέμεται παραγωγικά και ότι οι εργαζόμενοι ούτε αποφεύγουν ούτε παράγουν προϊόν χαμηλότερης αξίας.

Τα στελέχη αφιερώνουν μόνο περίπου 1,5 ώρα την εβδομάδα χρησιμοποιώντας τεχνητή νοημοσύνη

Αλλά η πραγματικότητα δεν είναι ακριβώς έτσι. Μελέτες υποδηλώνουν ότι οι εργαζόμενοι αφιερώνουν περισσότερο συνολικό χρόνο εργασίας όταν χρησιμοποιούν τεχνητή νοημοσύνη. Άλλες, ότι η τεχνολογία χρησιμοποιείται μερικές φορές για τη δημιουργία «προϊόντων» χαμηλής ποιότητας που απαιτούν επεξεργασία ή επαλήθευση.

Συνεπώς, θα ήταν μάλλον υπερβολή να δηλώνεται ότι η τεχνητή νοημοσύνη τροφοδοτεί μια έκρηξη παραγωγικότητας. Τέτοιες βελτιώσεις συνήθως γίνονται όχι μόνο όταν οι εργαζόμενοι χρησιμοποιούν ένα νέο εργαλείο πιο συχνά, αλλά και όταν οι εταιρείες αναδιοργανώνουν την παραγωγή γύρω από αυτό.

Τι δείχνει η ιστορία

Και η ιστορία το αποδεικνύει. Τα πρώτα εργοστάσια έγιναν μόνο λίγο πιο αποτελεσματικά όταν οι ατμομηχανές αντικαταστάθηκαν από ηλεκτροκινητήρες. Η πραγματική επανάσταση ήρθε δεκαετίες αργότερα, αφού οι κατόψεις επανασχεδιάστηκαν για να αξιοποιήσουν στο έπακρο την ηλεκτρική ενέργεια. Στο πιο κοντινό παρελθόν, η αύξηση της παραγωγικότητας από τους προσωπικούς υπολογιστές ήρθε μόνο όταν οι εταιρείες εφάρμοσαν επιχειρηματικά μοντέλα που αξιοποίησαν την τεχνολογία στο έπακρο.

Ενώ στη δεκαετία του 1990 η παραγωγικότητα δεν ήρθε από την ίδια τη Σίλικον Βάλεϊ, αλλά από το λιανικό εμπόριο. Όταν οι υπολογιστές μεταμόρφωσαν την εφοδιαστική αλυσίδα και τη διαχείριση αποθεμάτων.

Η τεχνητή νοημοσύνη δεν έχει φτάσει ακόμη σε παρόμοιο στάδιο. Σύμφωνα με πρόσφατη μελέτη του Ίβαν Γιότσοφ, της Τράπεζας της Αγγλίας, και των συν-συγγραφέων, τα στελέχη αφιερώνουν μόνο περίπου 1,5 ώρα την εβδομάδα χρησιμοποιώντας τεχνητή νοημοσύνη.

Και εννέα στους δέκα διευθυντές δεν βλέπουν καμία μετρήσιμη βελτίωση στην παραγωγικότητα της εργασίας. Η οργανωτική αναδιάρθρωση, με άλλα λόγια, μόλις έχει ξεκινήσει.

Όσο μεγάλο και αν είναι αυτό που φέρνει η τεχνητή νοημοσύνη, προς το παρόν είναι αόρατο στα μακροοικονομικά δεδομένα.

Ειδήσεις Σήμερα: