Potrivit liderilor din tehnologie și multor experți și academicieni, inteligența artificială e gata să transforme lumea așa cum o cunoaștem, prin câștiguri de productivitate fără precedent. În timp ce unii cred că mașinile vor face în curând tot ceea ce pot face oamenii, deschizând o nouă eră a prosperității fără limite, alte predicții se ancoratează în cifre. De exemplu, Goldman Sachs prezice că generative AI va crește PIB-ul global cu 7% în următorul deceniu, iar McKinsey Global Institute anticipează că rata anuală de avans al PIB-ului ar putea crește cu 3-4 puncte procentuale de acum până în 2040. La rândul său, The Economist se așteaptă ca inteligența artificială să creeze bogăție pentru gulerele albastre.
30 iulie - Maraton Profit News TV: Inteligența Artificială în Economie. Parteneri: Garanti BBVA, Gomag.
Cât de realiste sunt toate acestea? După cum remarc într-o lucrare recentă, perspectiva e mult mai incertă decât sugerează majoritatea previziunilor și estimărilor. Totuși, deși este practic imposibil de prezis ce va face inteligența artificială în 20 sau 30 de ani, se poate spune ceva despre următorul deceniu, deoarece majoritatea acestor efecte economice pe termen scurt trebuie să implice tehnologiile existente și îmbunătățirile aduse acestora.
Este rezonabil să presupunem că impactul cel mai mare al inteligenței artificiale va veni din automatizarea unor sarcini și ca unii lucrători din anumite ocupații vor fi mai productivi.
Teoria economică oferă unele îndrumări pentru evaluarea acestor efecte agregate. Conform teoremei lui Hulten (numită după economistul Charles Hulten), efectele agregate de „productivitate totală a factorilor” (TFP) sunt pur și simplu produsul ponderii sarcinilor care sunt automatizate înmulțite cu economiile medii ale costurilor.
Deși economiile medii ale costurilor sunt dificil de estimat și vor varia în funcție de activitate, au existat deja câteva studii ale efectelor AI asupra anumitor sarcini. De exemplu, Shakked Noy și Whitney Zhang au examinat impactul ChatGPT asupra sarcinilor simple de scriere (cum ar fi rezumarea documentelor sau scrierea de propuneri de rutină pentru granturi sau materiale de marketing), în timp ce Erik Brynjolfsson, Danielle Li și Lindsey Raymond au evaluat utilizarea asistenților AI în serviciul pentru clienți. Luate împreună, cercetările sugerează că instrumentele AI generative disponibile în prezent aduc economii medii ale costurilor cu forța de muncă de 27% și economii ale costurilor generale de 14,4%.
Dar care e ponderea sarcinilor care vor fi afectate de AI și de tehnologiile conexe? Folosind cifrele din studii recente, estimez că acesta se situează în jur de 4,6%, ceea ce înseamnă că AI va crește TFP cu doar 0,66% în zece ani sau cu 0,06% anual. Desigur, din moment ce AI va genera și un boom investițional, accelerarea creșterii PIB ar putea fi puțin mai mare, poate în intervalul 1-1,5%.
Aceste cifre sunt mult mai mici decât cele de la Goldman Sachs și McKinsey. Dacă doriți să obțineți acele rezultate mai mari, fie trebuie să accelerați creșterea productivității la nivel micro, fie să presupuneți că vor fi afectate mult mai multe sarcini din economie. Dar niciunul dintre scenarii nu pare plauzibil. Economiile cu forța de muncă mult peste 27% nu numai că ies din raza celor anticipate de studiile existente, dar nu se aliniază nici cu efectele observate ale altor tehnologii chiar mai promițătoare. De exemplu, roboții industriali au transformat unele sectoare de producție și par să fi redus costurile cu forța de muncă cu aproximativ 30%.
În mod similar, este puțin probabil să vedem cu mult mai mult de 4,6% din sarcini preluate, deoarece AI nu este nici pe departe capabil să efectueze majoritatea sarcinilor manuale sau sociale (inclusiv funcții aparent simple cu unele aspecte sociale, cum ar fi contabilitatea). Începând cu 2019, un sondaj efectuat în esență asupra tuturor companiilor din SUA a constatat că doar aproximativ 1,5% dintre acestea au avut investiții în inteligența artificială. Chiar dacă astfel de investiții au crescut în ultimul an și jumătate, avem un drum lung, lung de parcurs până când AI să devină răspândit.
Desigur, AI ar putea avea efecte mai mari decât permite analiza mea dacă revoluționează procesul de descoperire științifică sau dacă va crea multe sarcini și produse noi. Descoperirile recente obținute cu ajutorul inteligenței artificiale ale noilor structuri cristaline și progresele în plierea proteinelor sugerează astfel de posibilități. Dar este puțin probabil ca aceste progrese să fie o sursă majoră de creștere economică în decurs de zece ani. Chiar dacă noile descoperiri ar putea fi testate și transformate în produse reale mult mai rapid, industria tehnologiei se concentrează în prezent excesiv pe automatizare și monetizarea datelor, mai degrabă decât pe introducerea de noi sarcini de producție pentru lucrători.
Mai mult, chiar propriile mele estimări ar putea fi prea mari. Adoptarea timpurie a IA generativă a avut loc în mod natural acolo unde funcționează rezonabil de bine, adică la sarcini pentru care există măsuri obiective de succes, cum ar fi scrierea subrutinelor simple de programare sau verificarea informațiilor. Aici, modelul poate învăța pe baza informațiilor externe și a datelor istorice ușor disponibile.
Dar, dintre cele 4,6% din sarcini care ar putea fi automatizate în mod fezabil în decurs de zece ani, multe, cum ar fi evaluarea aplicațiilor, diagnosticarea problemelor de sănătate, oferirea de consiliere financiară, nu au măsuri obiective de succes atât de clar definite și implică adesea variabile complexe dependente de context (ce e bun pentru un pacient nu va fi potrivit pentru altul). În aceste cazuri, învățarea din observația exterioară este mult mai grea, iar modelele AI generative trebuie să se bazeze în schimb pe comportamentul lucrătorilor existenți.
În aceste circumstanțe, va fi mai puțin loc pentru îmbunătățiri majore față de munca umană. Astfel, estimez că aproximativ un sfert din sarcinile ce pot fi automatizate sunt din categoria „mai greu de învățat” și vor avea câștiguri mai mici de productivitate. Odată efectuată această ajustare, cifra de creștere a TFP de 0,66% scade la aproximativ 0,53%.
Dar care sunt efectele asupra lucrătorilor, salariilor și inegalității? Vestea bună este că, în comparație cu valurile anterioare de automatizare – cum ar fi cele bazate pe roboți sau sisteme software – efectele AI pot fi distribuite mai larg între grupurile demografice. Impactul asupra inegalității nu va fi însă la fel de mare ca în cazul tehnologiilor anterioare de automatizare (am estimat aceste efecte în lucrările mele anterioare cu Pascual Restrepo).
Nu găsesc nicio dovadă că AI va reduce inegalitatea sau va stimula creșterea salariilor. Unele grupuri – în special femeile albe – sunt semnificativ mai expuse și vor fi afectate negativ, iar capitalul va câștiga mai mult decât forța de muncă în general.
Teoria economică și datele disponibile justifică o perspectivă mai modestă și mai realistă pentru IA. Puține lucruri pot susține argumentul că nu ar trebui să ne îngrijorăm cu privire la reglementare, deoarece AI va fi valul ascendent proverbial care ridică toate ambarcațiunile. AI este ceea ce economiștii numesc o tehnologie de uz general. Putem face multe lucruri cu el și, cu siguranță, există lucruri mai bune de făcut decât automatizarea muncii și creșterea profitabilității publicității digitale. Dar dacă îmbrățișăm necritic optimismul tehnologic sau lăsăm industria tehnologică să stabilească agenda, o mare parte din potențial ar putea fi irosit.
Daron Acemoglu, profesor de economie la MIT, este coautor (împreună cu Simon Johnson) al lucrării Power and Progress: Our Thousand-Year Struggle Over Technology and Prosperity (PublicAffairs, 2023)
Copyright: Project Syndicate, 2024.
www.project-syndicate.org
