Η ιστορία της τεχνολογικής προόδου είναι συχνά μια ιστορία αναμονής. Σήμερα, καθώς οι αγορές και οι επιχειρήσεις παγκοσμίως βυθίζονται σε έναν πυρετό επενδύσεων για την Τεχνητή Νοημοσύνη (AI), μια νέα έκθεση της Bank of America (BofA) έρχεται να λειτουργήσει ως ψυχρολουσία για τους υπερβολικά αισιόδοξους. Παρά τις προσδοκίες ότι η Generative AI θα μεταμορφώσει ριζικά την παγκόσμια οικονομία, τα επίσημα στοιχεία δείχνουν ότι η επίδρασή της στην παραγωγικότητα παραμένει, προς το παρόν, στο ναδίρ. Πρόκειται για μια σύγχρονη εκδοχή του περίφημου «Παραδόξου του Solow», του νομπελίστα οικονομολόγου που το 1987 παρατήρησε ότι «βλέπουμε την εποχή των υπολογιστών παντού, εκτός από τα στατιστικά στοιχεία για την παραγωγικότητα».
Η Ψευδαίσθηση της Άμεσης Απόδοσης
Σύμφωνα με τους αναλυτές της Bank of America, βρισκόμαστε σε μια φάση που χαρακτηρίζεται από τεράστιες κεφαλαιουχικές δαπάνες (CapEx) αλλά ελάχιστες μετρήσιμες αποδόσεις στο ευρύτερο οικονομικό επίπεδο. Οι τεχνολογικοί κολοσσοί, γνωστοί ως «Magnificent Seven», έχουν διοχετεύσει εκατοντάδες δισεκατομμύρια δολάρια στην κατασκευή κέντρων δεδομένων και την αγορά επεξεργαστών της Nvidia. Ωστόσο, αυτή η επένδυση δεν έχει ακόμη μεταφραστεί σε αύξηση της αποδοτικότητας για τη μέση επιχείρηση. Η BofA επισημαίνει ότι η υιοθέτηση της AI απαιτεί χρόνο για την αναδιοργάνωση των επιχειρηματικών διαδικασιών, την εκπαίδευση του προσωπικού και την ενσωμάτωση των νέων εργαλείων στις καθημερινές ροές εργασίας.
Το πρόβλημα δεν είναι η ίδια η τεχνολογία, αλλά η ταχύτητα με την οποία οι παραδοσιακοί τομείς της οικονομίας μπορούν να την απορροφήσουν. Ενώ ένας προγραμματιστής μπορεί να δει αύξηση 40% στην ταχύτητα συγγραφής κώδικα, η συνολική παραγωγικότητα μιας τράπεζας, μιας βιομηχανίας ή ενός νοσοκομείου δεν αλλάζει εν μία νυκτί. Υπάρχει μια δομική υστέρηση που ιστορικά συνοδεύει κάθε μεγάλη τεχνολογική επανάσταση.
Μαθήματα από το Παρελθόν: Ο Ηλεκτρισμός και το Διαδίκτυο
Η έκθεση της BofA κάνει μια αναδρομή στην ιστορία για να δώσει πλαίσιο στη σημερινή κατάσταση. Όταν ο ηλεκτρισμός άρχισε να αντικαθιστά τον ατμό στα εργοστάσια στα τέλη του 19ου αιώνα, χρειάστηκαν σχεδόν 40 χρόνια για να φανεί η πραγματική άνοδος της παραγωγικότητας. Οι ιδιοκτήτες εργοστασίων έπρεπε πρώτα να επανασχεδιάσουν ολόκληρη τη διάταξη των κτιρίων τους, καθώς δεν χρειαζόταν πλέον να είναι συγκεντρωμένοι γύρω από μια κεντρική ατμομηχανή. Παρομοίως, η επανάσταση των προσωπικών υπολογιστών της δεκαετίας του 1980 άρχισε να αποδίδει καρπούς στα στατιστικά της παραγωγικότητας μόνο στα μέσα της δεκαετίας του 1990.
- Η προσαρμογή των υποδομών απαιτεί χρόνο και τεράστια κεφάλαια.
- Η εκπαίδευση του εργατικού δυναμικού είναι ο πιο αργός κρίκος της αλυσίδας.
- Οι ρυθμιστικοί κανόνες και η γραφειοκρατία συχνά καθυστερούν την πλήρη αξιοποίηση των καινοτομιών.
Αυτή η «καμπύλη J» της παραγωγικότητας σημαίνει ότι αρχικά η αποδοτικότητα μπορεί ακόμη και να μειωθεί, καθώς οι πόροι εκτρέπονται από την παραγωγή στην εκμάθηση και την εγκατάσταση της νέας τεχνολογίας, πριν ξεκινήσει η εκρηκτική άνοδος.
Τα Εμπόδια στην Ενσωμάτωση της AI
Γιατί λοιπόν η AI δεν «δουλεύει» ακόμη για το ΑΕΠ; Η BofA εντοπίζει τρεις κύριους λόγους. Πρώτον, η ποιότητα των δεδομένων. Πολλές εταιρείες διαθέτουν τεράστιους όγκους δεδομένων που είναι όμως ασύνδετα, ακατάστατα ή αποθηκευμένα σε παλαιά συστήματα, καθιστώντας τα άχρηστα για τα μοντέλα AI. Δεύτερον, η έλλειψη εξειδικευμένου ταλέντου. Δεν αρκεί να αγοράσεις μια συνδρομή στο ChatGPT. Χρειάζονται μηχανικοί που να μπορούν να προσαρμόσουν τα μοντέλα στις ειδικές ανάγκες κάθε κλάδου. Τρίτον, η οργανωτική αδράνεια. Η διοίκηση των εταιρειών συχνά διστάζει να αλλάξει ριζικά επιτυχημένα μοντέλα λειτουργίας δεκαετιών.
«Η Τεχνητή Νοημοσύνη είναι μια τεχνολογία γενικής χρήσης, όπως η ατμομηχανή ή το διαδίκτυο. Η πλήρης ισχύς της δεν απελευθερώνεται όταν απλώς προστίθεται στις υπάρχουσες διαδικασίες, αλλά όταν οι διαδικασίες ξαναγράφονται από την αρχή γύρω από αυτήν», αναφέρει η έκθεση.
Επιπλέον, υπάρχει το ζήτημα της μέτρησης. Πολλά από τα οφέλη της AI, όπως η βελτιωμένη ποιότητα εξυπηρέτησης πελατών ή η ταχύτερη διάγνωση ασθενειών, είναι δύσκολο να καταγραφούν με τους παραδοσιακούς δείκτες του ΑΕΠ, οι οποίοι εστιάζουν κυρίως στην ποσότητα της παραγωγής ανά ώρα εργασίας.
Η Προοπτική: Πότε θα έρθει η Ανάκαμψη;
Παρά τη σημερινή στασιμότητα, η Bank of America παραμένει αισιόδοξη για το μέλλον. Προβλέπει ότι η επίδραση της AI θα αρχίσει να γίνεται ορατή στους δείκτες παραγωγικότητας προς το τέλος της τρέχουσας δεκαετίας. Καθώς το κόστος της υπολογιστικής ισχύος μειώνεται και οι εταιρείες ολοκληρώνουν τη μετάβασή τους σε «AI-native» μοντέλα λειτουργίας, θα δούμε μια σταδιακή επιτάχυνση. Η τράπεζα εκτιμά ότι η AI θα μπορούσε τελικά να προσθέσει έως και 1,5 ποσοστιαία μονάδα στην ετήσια αύξηση της παγκόσμιας παραγωγικότητας, αλλά αυτό θα συμβεί μετά το 2027-2028.
Μέχρι τότε, οι επενδυτές θα πρέπει να είναι οπλισμένοι με υπομονή. Το χάσμα μεταξύ της χρηματιστηριακής ευφορίας και της οικονομικής πραγματικότητας ενδέχεται να προκαλέσει αναταράξεις, καθώς οι αγορές θα αναζητούν απτά αποτελέσματα στις ισολογισμούς των εταιρειών πέρα από τους κατασκευαστές τσιπ. Η AI δεν είναι μια μαγική λύση, αλλά ένα μακροπρόθεσμο στοίχημα που απαιτεί βαθιές δομικές αλλαγές για να αποδώσει.
