The New Yorker: Lønnsomhetsdilemmaet til AI og historiske leksjoner Av John Cassidy I 1987 kommenterte Robert Solow fra Massachusetts Institute of Technology (M.I.T.), en nobelprisvinner i økonomi, i en artikkel i The Times Review of Books: «Dataalderen er overalt, men den finnes ikke i produktivitetsstatistikken. Til tross for den raske økningen i datakraft og den økende populariteten til personlige datamaskiner, viser regjeringsdata at nøkkelmålet for lønninger og levestandard – arbeidernes bruttoproduksjon per innbygger – har stagnert i mer enn et tiår. Dette ble kjent som "produktivitetsparadokset". Dette paradokset varte til 90-tallet av forrige århundre og enda lenger, og utløste et stort antall inkonsekvent akademisk forskning. Noen økonomer skylder på dårlig forvaltning av ny teknologi; Andre hevder at datamaskiner dverger deres økonomiske betydning sammenlignet med tidligere oppfinnelser som dampmaskinen og elektrisitet; Andre klandrer statistikken for feil, og tror at paradokset vil forsvinne etter korrigering. Nesten 40 år etter at Solows artikkel ble publisert, og nesten tre år etter at OpenAI ga ut ChatGPT-chatboten, kan vi stå overfor et nytt økonomisk paradoks, og denne gangen er hovedpersonen generativ kunstig intelligens. I følge en fersk undersøkelse utført av økonomer fra Stanford University, Clemson University og Verdensbanken, i juni og juli i år, brukte nesten halvparten av arbeiderne (45,6 % for å være nøyaktig) AI-verktøy. En ny studie av et team fra Media Lab ved Massachusetts Institute of Technology (M.I.T.) rapporterer imidlertid et overraskende resultat: "Selv om selskaper investerer 300 til 40 milliarder dollar i generativ AI, finner denne rapporten at 95 % av organisasjonene har null avkastning. ” Studiens forfattere gjennomgikk mer enn tre hundre offentlig tilgjengelige AI-prosjekter og kunngjøringer og intervjuet mer enn femti bedriftsledere. De definerer en "vellykket AI-investering" som en som har beveget seg utover pilotfasen og faktisk er distribuert, og har generert målbar økonomisk avkastning eller betydelige produktivitetsgevinster etter seks måneder. "Bare 5 % av vellykkede integrerte AI-pilotprosjekter skaper millioner av dollar i verdi, mens de aller fleste prosjektene forblir stillestående og ikke har noen målbar innvirkning på P&L (fortjeneste og tap)," skrev de. ” Det undersøkende intervjuet utløste en mengde svar, hvorav noen var fylt med skepsis. "Det var mye hype på LinkedIn som om alt hadde endret seg, men i vår faktiske virksomhet hadde ikke de grunnleggende tingene endret seg i det hele tatt," sa driftssjefen i et mellomstort produksjonsselskap til forskere. «Vi behandler kontrakter litt raskere, men det er alt.» En annen respondent kommenterte: "Vi så dusinvis av demoer i år. Kanskje en eller to er veldig nyttige. Resten er enten "wrappers" (refererer til bare pakking av eksisterende teknologier uten vesentlig innovasjon) eller "vitenskapelige prosjekter" (refererer til teknologiske undersøkelser som fortsatt er langt fra praktisk kommersiell anvendelse). ” For å være rettferdig bemerker rapporten også at det faktisk er selskaper som har gjort vellykkede AI-investeringer. For eksempel fremhever rapporten effektiviteten som skapes av tilpassede verktøy for backoffice-operasjoner, og sier: "Disse tidlige resultatene viser at systemer med evnen til å lære, hvis de er målrettet mot spesifikke prosesser, faktisk kan levere reell verdi uten selv store organisatoriske endringer." Undersøkelsen nevnte også at noen selskaper rapporterte "forbedret kundebevaring og salgskonverteringsfrekvens gjennom automatisert oppsøkende og intelligente oppfølgingssystemer", noe som tyder på at AI-systemer kan være nyttige for markedsføring. Men ideen om at «mange selskaper sliter med å oppnå betydelig avkastning» sammenfaller med en annen fersk undersøkelse fra det multinasjonale konsulentfirmaet Akkodis. Selskapet kontaktet mer enn 2,000 ledere og fant ut at prosentandelen administrerende direktører som er "veldig trygge" på selskapets AI-implementeringsstrategi har stupt fra 82 % i 2024 til 49 % i år. Tilliten til bedriftens CTO-er har også gått ned, om enn ikke like mye. Akkodis' undersøkelse sa at endringene "kan gjenspeile tidligere skuffende resultater på digitale eller AI-prosjekter, forsinkelser eller feil i implementeringen, og bekymringer om skalerbarhet." ” Forrige uke falt mediedekningen av MIT Media Lab-forskning sammen med nedgangen til høyt verdsatte AI-relaterte aksjer som Nvidia, Meta og Palantir. Korrelasjon er selvfølgelig ikke det samme som årsakssammenheng, og nylige kommentarer fra OpenAI-sjef Sam Altman kan ha spilt en viktigere rolle i dette salget (gitt de siste prisøkningene, er et salg uunngåelig). Ifølge CNBC sa Altman på en middag med journalister at den nåværende verdsettelsen er «latterlig høy» (sinnssyk) og brukte ordet «boble» tre ganger på 15 sekunder. Likevel har denne MIT-studien tiltrukket seg mye oppmerksomhet. Etter den første runden med nyhetsdekning ble det avslørt at Media Labs, som har bånd til mange teknologiselskaper, i det stille begrenset tilgangen til rapporten. Informasjonen jeg la igjen til organisasjonens PR-kontor og de to forfatterne av rapporten ble overveldet. Selv om rapporten er mer nyansert enn noen nyhetsrapporter beskriver, setter den absolutt spørsmålstegn ved den store økonomiske fortellingen som har underbygget teknologiboomen siden OpenAIs utgivelse av ChatGPT i november 2022. Den korte versjonen av denne fortellingen er at den utbredte spredningen av generativ AI er dårlig for arbeidere, spesielt kunnskapsarbeidere, men ekstremt bra for selskaper og deres aksjonærer, fordi det vil gi et stort sprang i produktivitet og som et resultat god fortjeneste. Hvorfor ser denne scenen ut til å ha skjedd ennå? En mulig årsak minner om ideen fra åtti- og nittitallet i forrige århundre om at ledelsesfeil begrenser produktivitetsfordelene som datamaskiner gir. Media Labs forskning fant at noen av de mest vellykkede AI-investeringene gjøres av startups som bruker svært tilpassede verktøy i trange områder av arbeidsflyten. På den andre siden av GenAI-skillet bygger mindre vellykkede startups "enten generelle verktøy eller prøver å utvikle evner internt." Mer generelt sier rapporten at skillet mellom suksess og fiasko "ikke ser ut til å være drevet av modellkvalitet eller regulering, men av [implementerings]metoder." ” Som du kan forestille deg, kan nyheten og kompleksiteten til generativ AI avskrekke noen selskaper. En fersk studie fra konsulentfirmaet Gartner fant at mindre enn halvparten av administrerende direktører mener at deres IT-sjefer er «AI-kyndige». Men det er en annen mulig forklaring på den skuffende rekorden som fremheves i Media Lab-rapporten: For mange etablerte selskaper er generativ AI (i det minste i sin nåværende form) slett ikke så guddommelig som den er utpekt. "Den er flott til å brainstorme og skrive førsteutkast, men den husker ikke kundens preferanser og lærer ikke av tidligere redaktører," sa en respondent i Media Lab-undersøkelsen. «Den gjentar den samme feilen, og den må angi mye kontekst per økt. For jobber med høy innsats trenger jeg et system som bygger kunnskap og kontinuerlig forbedres. ” Selvfølgelig er det mange som synes AI er nyttig, og det er også akademisk bevis som støtter dette: I 2023 fant to økonomer ved MIT at deltakere utsatt for ChatGPT i en randomisert studie fullførte «profesjonelle skriveoppgaver» raskere og forbedret skrivekvaliteten. Samme år fant andre forskerteam også at programmerere som brukte Githubs Copilot, en AI-programmeringsassistent, og kundestøtteagenter som bruker proprietære AI-verktøy, så produktivitetsgevinster. Forskere ved Media Lab fant ut at mange ansatte bruker sine personlige verktøy på jobben, som GPT eller Claude; Rapporten omtaler dette fenomenet som «skygge-AI-økonomien» og kommenterer at «avkastningen på investeringen (ROI) det gir» har en tendens til å være bedre enn arbeidsgiverinitierte prosjekter. Men spørsmålet gjenstår, og det er absolutt et spørsmål som bedriftsledere stiller oftere: Hvorfor ser ikke flere selskaper disse fordelene gjenspeilet i bunnlinjen? En del av problemet kan være at generativ AI, selv om den er overbevisende, har begrensede anvendelser på mange områder av økonomien. Fritid og gjestfrihet, detaljhandel, konstruksjon, eiendom og omsorg (omsorg for barn, eldre eller svakelige) – disse bransjene sysselsetter til sammen rundt 50 millioner amerikanere, men de ser ikke ut som direkte kandidater for AI-transformasjon. ...