Ukratko rezimirajmo što se događa s umjetnom inteligencijom / strojnim učenjem / dubinskim učenjem / generativnim AI-om kao što su ChatGPT, Bard, Copilot i Midjourney. Američkom gospodarstvu prijeko je trebala Sljedeća Velika Stvar za poticanje produktivnosti i gospodarskog rasta. Najvjerojatniji kandidat bio je AI/ML. Da citiramo ekonomista Erika Brynjolfssona — možda vodećeg stručnjaka za digitalnu ekonomiju — koji zagovara AI/ML kao katalizator produktivnosti:
‘AI je tehnologija opće namjene (GPT – General Purpose Technology) koja utječe na gotovo svaku industriju dok ubrzava tempo otkrivanja. Nedavna otkrića u strojnom učenju potaknut će produktivnost u različitim područjima poput biotehnologije i medicine, energetskih tehnologija, maloprodaje, financija, proizvodnje i profesionalnih usluga.’
A što se tiče vremena za ovaj poticaj rastu produktivnosti:
‘Prednostima produktivnosti tehnologija opće namjene obično trebaju godine da se pokažu u službenim statistikama. Zapravo, produktivnost je u početku potisnuta jer organizacije ulažu vrijeme i trud u stvaranje nematerijalne imovine kao što su novi poslovni procesi, nove vještine, nova dobra i nove usluge. Međutim, kasnije se ta ulaganja ostvaruju, povećavajući produktivnost. Rezultat je J-krivulja produktivnosti. Nedavna istraživanja pokazuju da se približavaju rastućem dijelu J-krivulje produktivnosti za AI i srodne tehnologije.’

Brynjolfsson je dao te izjave kao dio “duge oklade” s tehno-skeptičnim ekonomistom Robertom Gordonom sa Sveučilišta Northwestern. Konkretno: “Rast produktivnosti privatnog nepoljoprivrednog poslovanja iznosit će u prosjeku preko 1,8 posto godišnje od prvog tromjesečja (Q1) 2020. do zadnjeg tromjesečja 2029 (Q4).” Brynjolfsson je bikovski “prediktor”, a Gordon medvjeđi “izazivač”.
Mnogo toga se dogodilo otkad je ta oklada napravljena prije nekoliko godina, ponajviše GenAI revolucija u proteklih šest mjeseci. I usprkos uzbudljivom ekonomskom potencijalu onoga što se čini kao “tehnologija opće namjene –kao što je to elektrifikacija, motor s unutarnjim izgaranjem i PC + internet, gotovo sve vijesti govorile su o potencijalu masovnog gubitka poslova, širenju nejednakosti i egzistencijalnom riziku za čovječanstvo.

Erik Brynjolfsson predstavlja drugačiju perspektivu GenAI-ja. U novoj analizi, “Machines of mind: The case for a AI-powered productivity boom”, objavljenoj na stranicama Brookings Institution, Brynjolfsson, zajedno s koautorima Martinom Bailyjem i Antonom Korinekom, fokusira se na utjecaj GenAI-ja na rast.

Anton Korinek – zašto očekujemo porast produktivnosti u narednom desetljeću:
– identificiramo dva kanala za povećanje rasta:
1) GAI podiže razinu produktivnosti kognitivnih radnika (oko 60% gospodarstva)
2) Ubrzava inovacije, jačajući stopu rasta produktivnosti
U usporedbi s ranijim tehnološkim revolucijama, ova će se tehnologija brže razvijati jer je digitalna: radnici već imaju svu infrastrukturu koja im je potrebna za pristup GAI-ju i mogu komunicirati s njim prirodnim jezikom.

Svijet rada je spreman za veliki potres. Kratkoročno, AI će biti ‘ruka pomoći’, povećavajući produktivnost i plaće. Ali moramo biti spremni na to da će umjetna inteligencija na srednji rok zamijeniti ljudske uloge. Za tehnologiju je ključno osnažiti, a ne zamijeniti ljude!

Dok se približavamo AGI-ju, od vitalne je važnosti da se nosimo s potresima koje on može izazvati. Povećanje produktivnosti umjetne inteligencije bit će ogromno, ali isto bi moglo biti i premještanje radnika. Moramo se pripremiti za žetvu i dijeljenje ogromnih dobitaka od umjetne inteligencije.

Znanstvenici iz Stanford Digital Economy Lab u okviru Stanford HAI i Massachusetts Institute of Technology proučavali su utjecaj generativne umjetne inteligencije primijenjene u velikom broju u sektoru usluga korisnicima u pozivnom centru. Otkrili su da je pristup pomoći AI povećao produktivnost agenata za 14%, s najvećim utjecajem na manje iskusne radnike.
“Otkrili smo da radnici s pristupom umjetnoj inteligenciji ostvaruju prilično značajne dobitke u produktivnosti, ali većina tih dobitaka pripada početnicima ili manje sposobnim radnicima”, kaže Lindsey Raymond, doktorant na MIT-u i koautor novog rada. “To može biti zato što model umjetne inteligencije širi potencijalno prešutno znanje sposobnijih radnika i pomaže novim radnicima da napreduju po krivulji iskustva.”
Istraživački tim – koji uključuje ekonomista Erika Brynjolfssona, direktora Stanford Digital Economy Laba; Danielle Li, izvanrednu profesoricu na MIT Sloan School of Management i Raymonda – ispitali su postupnu implementaciju chat pomoćnika za softversku tvrtku s popisa Fortune 500 koja nudi softver za poslovne procese. Alat, obučen na podacima više od 5000 agenata u tvrtki, prati razgovore kupaca i nudi agentima tvrtke prijedloge u stvarnom vremenu kako odgovoriti klijentima. Agenti su mogli koristiti te prijedloge, ali su ih također mogli slobodno ignorirati.

Znanstvenici su otkrili da je alat omogućio agentima rješavanje 13,8% više problema po satu: agenti su se mogli brže kretati kroz probleme, rukovati s više poziva odjednom i bili su uspješniji u rješavanju problema. AI pomoćnik poboljšao je izvedbu manje kvalificiranih ili manje iskusnih radnika u svim mjerama produktivnosti. Agenti s dvomjesečnim radnim stažem koji su koristili alat mogli su raditi jednako dobro kao i agenti sa šest mjeseci staža koji nisu imali pristup AI-ju.
Istraživači su pronašli nekoliko pozitivnih učinaka umjetne inteligencije za najviše kvalificirane ili najiskusnije članove tvrtke. “Visokokvalificirani radnici mogu imati manje koristi od pomoći AI-ja upravo zato što preporuke AI-a obuhvaćaju znanje utjelovljeno u njihovim vlastitim ponašanjima”, kaže Brynjolfsson. Osim produktivnosti radnika, Brynjolfsson je primijetio da je pomoć umjetne inteligencije imala dodatnu korist: kao rezultat sugestija umjetne inteligencije koje su osmišljene kako bi pomogle agentima da budu suosjećajniji s frustriranim kupcima, kupci su se prema agentima odnosili mnogo pozitivnije.

Kako generativni AI i temeljni modeli sve šire poboljšavaju izvedbu, sve više ovih alata nalazi svoj put do radne snage. No do sada je samo nekoliko studija u većem opsegu ispitivalo njihov utjecaj na produktivnost, organizacijsku strukturu ili moral, primjećuju autori. Mali, ali rastući broj studija pokušao je razumjeti generativne AI mogućnosti, uključujući neke male eksperimente, ali ovo je jedna od prvih studija koja se bavi generativnim AI alatima na radnom mjestu u stvarnom svijetu.

“Ovdje nam treba daleko više istraživanja”, kaže Brynjolfsson. “Ne znamo može li se utjecaj umjetne inteligencije na produktivnost mijenjati tijekom vremena, a dodavanje ovih alata u ured moglo bi zahtijevati komplementarna organizacijska ulaganja, razvoj vještina i redizajn poslovnih procesa. A sustavi umjetne inteligencije mogu utjecati na zadovoljstvo radnika i kupaca, osipanje i obrasce ponašanja. Ima toliko toga što ne znamo.”

Razgovarali su o opasnostima fokusiranja razvoja umjetne inteligencije na sustave koji nadmašuju ljudske sposobnosti za razliku od sustava koji nadopunjuju ljude – fenomen koji Brynjolfsson naziva “Turingova zamka”. Njih dvojica također su razgovarali o tome kako izmjeriti učinke dobrobiti od napretka u umjetnoj inteligenciji sveobuhvatnije od tradicionalne statistike BDP-a, te implikacije temeljnih modela — najnovije klase sustava umjetne inteligencije — za naše gospodarstvo i društvo.

Sažetak
Sustave umjetne inteligencije (AI) sve je teže razlikovati od ljudskih bića. Ako ti sustavi omoguće ljudima obavljanje novih zadataka, bit će nam bolje nego da oni samo zamjene ljudske radnike.

Glavne točke

Tehnolozi se približavaju točki stvaranja strojeva koji tako dobro oponašaju ljude da se ne može razlikovati čovjek od stroja; nemogućnost razlikovanja ljudi od strojeva može biti prije test ljudske lakovjernosti nego dobar test inteligencije stroja.

Tehnološki napredak koji povećava ljudske sposobnosti može povećati plaće; korištenje strojeva kao zamjene za ljudska bića u konačnici će koncentrirati bogatstvo onih koji posjeduju strojeve.
Možemo poticati razvoj tehnologija koje povećavaju ljudske sposobnosti, a ne zamjenjuju ljudske radnike; trenutno je, međutim, ekonomski sustav potpuno iskrivljen tako da daje prednost automatizaciji. Tehnolozi su previše usredotočeni na izradu strojeva koji kopiraju ljudske sposobnosti a poduzeća su previše usredotočena na korištenje strojeva za zadatke koje ljudski radnici već obavljaju.

Javna politika visoko oporezuje rad i subvencionira ulaganja u opremu, dajući prednost automatizaciji nad povećanjem.

Jedan dobar primjer tehnologije koja povećava ljudske sposobnosti je sustav pozivnog centra koji savjetuje ljudskog operatera kako bolje komunicirati s korisnicima; kombinacija čovjeka i stroja učinkovitija je od rada pojedinačno.

Mnoge metrike učinka usmjerene su na uklanjanje ljudskih radnika; treba razviti alternativni sustav za mjerenje koliko dobro tehnologije povećavaju ljudske sposobnosti.
Neki tvrde da je ekonomija previše vezana za sustav koji zahtijeva od ljudi da obavljaju plaćeni rad, te da bi tehnologija trebala osloboditi ljude potrebe za radom; za sada ovo nije preporučljivo:
ljude posao ispunjava.

Oni koji ovise o velikodušnosti drugih da podrže nešto poput univerzalnog temeljnog dohotka imali bi malu pregovaračku moć.

Kada strojevi učine ljude nepotrebnima, morat će se razviti nove institucije koje će zaštititi pregovaračku moć neradnika.

Zaključak
Tehnolozi, tvrtke i kreatori politika usredotočili su se na razvoj strojeva koji služe kao zamjena za ljudske radnike. Supstitucija će smanjiti plaće i mogla bi rezultirati koncentracijom bogatstva u rukama onih koji posjeduju strojeve. Tehnologija koja nadopunjuje i povećava ljudske sposobnosti, dopuštajući ljudima da obavljaju potpuno nove zadatke, mogla bi povećati plaće i imati šire raspodijeljene koristi. Trenutne porezne politike imaju tendenciju obeshrabrivanja radne snage i potiču kapitalna ulaganja u opremu, usmjeravajući gospodarstvo prema automatizaciji. Za promicanje ravnomjernije raspodjele bogatstva kreatori politike mogli bi razmotriti poreznu politiku koja je uravnoteženija ili favorizira povećanje.

Ovaj događaj dio je serijala The Brookings Institution, Brookings centra za propise i tržišta, “Ekonomija i regulacija umjetne inteligencije i novih tehnologija”, koji se fokusira na analizu načina na koji umjetna inteligencija i druge tehnologije u nastajanju utječu na gospodarstvo, tržišta i društvo te kako se mogu najučinkovitije regulirati.

Godinu dana kasnije, Brynjolfsson kaže da je ChatGPT, sa svojim rezultatima koji zvuče ljudski, “kao tipični primjer za ono na što sam upozoravao”: “turbopotaknutu” raspravu o tome kako se nove tehnologije mogu koristiti da ljudima daju nove sposobnosti, a ne jednostavno ih zamijeniti.

Unatoč zabrinutosti da će AI programeri nastaviti slijepo nadmašivati ​​jedni druge u oponašanju ljudskih sposobnosti u svojim kreacijama, Brynjolfsson, direktor Stanford Digital Economy Laba, općenito je tehno-optimist kada je u pitanju umjetna inteligencija. Prije dvije godine predvidio je porast produktivnosti zbog umjetne inteligencije i drugih digitalnih tehnologija, a ovih je dana optimističan po pitanju utjecaja novih modela umjetne inteligencije.

Velik dio Brynjolfssonovog optimizma dolazi iz uvjerenja da bi tvrtke mogle imati velike koristi od upotrebe generativne umjetne inteligencije (GAI) kao što je ChatGPT za proširenje svoje ponude i poboljšanje produktivnosti svoje radne snage. “To je izvrstan alat za kreativnost. Sjajno vam pomaže da radite nove stvari. Nije jednostavno raditi istu stvar jeftinije,” kaže Brynjolfsson. Sve dok se tvrtke i programeri mogu “držati podalje od mentaliteta mišljenja da ljudi nisu potrebni”, kaže on, “to će biti vrlo važno.”

U roku od jednog desetljeća, predviđa on, generativna umjetna inteligencija mogla bi dodati trilijune dolara u gospodarski rast u SAD-u. “Većina našeg gospodarstva zapravo su radnici znanja i informatike”, kaže on. “I teško je zamisliti bilo koju vrstu informacijskih djelatnika na koju neće barem djelomično utjecati.”

Kada će taj porast produktivnosti doći – ako se dogodi – ekonomska je igra pogađanja. Možda samo trebamo biti strpljivi.

” Godine 1950. Alan Turing predložio je “igru oponašanja”, test je li stroj inteligentan: može li stroj tako dobro oponašati čovjeka da su njegovi odgovori na pitanja bili nerazlučivi od ljudskog? Od tada, stvarajući inteligenciju koja odgovara ljudskoj inteligenciji bio je implicitno ili eksplicitno cilj tisuća istraživača, inženjera i poduzetnika. Prednosti umjetne inteligencije nalik ljudskoj (HLAI) uključuju ogromnu produktivnost, povećanu dokolicu i možda najdublje bolje razumijevanje naših vlastitih umova. Ali nisu sve vrste umjetne inteligencije slične ljudskima – zapravo, mnogi od najmoćnijih sustava vrlo su različiti od ljudi–a pretjerani fokus na razvoj i implementaciju HLAI-a može nas dovesti u zamku. Kako strojevi postaju bolje zamjene za ljudski rad, radnici gube ekonomsko i političko pregovaranje moći i postaju sve više ovisni o onima koji kontroliraju tehnologiju.

Nasuprot tome, kada je umjetna inteligencija usmjerena na proširenje ljudske inteligencije, a ne na njihovo oponašanje, ljudi zadržavaju moć inzistirati na udjelu stvorene vrijednosti. Što više, proširenje stvara nove mogućnosti i nove proizvode i usluge, u konačnici generirajući daleko veću vrijednost od samo ljudske inteligencije. Dok obje vrste AI mogu biti iznimno korisne, trenutno postoji među tehnolozima, poslovnim rukovoditeljima i kreatorima politike više poticaja za automatizaciju nego nego za povećanje vrijednosti ljudi .”

Osnovne ideje u ovom eseju inspirirane su nizom razgovora s Jamesom Manyika i Andrew McAfee. Zahvalan sam na vrijednim komentarima i sugestijama o ovom djelu Matt Beane, Seth Benzell, Avi Goldfarb, Katya Klinova, Alena Kykalova, Gary Marcus, Andrea Meyer, Dana Meyer, te brojnim sudionicima na seminarima u Stanford Digital Economy Lab i Sveučilištu u Torontu, Creative Destruction Lab, ali oni ne bi trebali biti odgovorni za bilo kakve pogreške ili mišljenja u eseju.

© 2022 by Erik Brynjolfsson
Published under a Creative Commons Attribution-NonCommercial 4.0 International (CC BY-NC 4.0) license

Najvažnija tehnologija opće namjene našeg doba je umjetna inteligencija (AI), posebice strojno učenje (ML)—odnosno, sposobnost stroja da nastavi poboljšavati svoje performanse, a da ljudi ne moraju objašnjavati kako će točno izvršiti sve zadatke koji su mu zadani. U samo nekoliko posljednjih godina strojno učenje postalo je daleko učinkovitije i široko dostupno. Sada možemo izgraditi sustave koji uče kako sami izvršavati zadatke.
U sferi poslovanja, AI je spremna imati transformacijski učinak, na razini ranijih tehnologija opće namjene. Iako se već koristi u tisućama kompanija diljem svijeta, većina velikih prilika još nije iskorištena. Učinci umjetne inteligencije bit će povećani u nadolazećem desetljeću, budući da će proizvodnja, maloprodaja, transport, financije, zdravstvo, pravo, oglašavanje, osiguranje, zabava, obrazovanje i gotovo svaka druga industrija transformirati svoje temeljne procese i poslovne modele kako bi iskoristili prednosti strojnog učenja. Usko grlo sada je u upravljanju, implementaciji i poslovnoj mašti. Međutim, kao i mnoge druge nove tehnologije, AI je proizvela mnogo nerealnih očekivanja. Vidimo poslovne planove obilato posute referencama na strojno učenje, neuronske mreže i druge oblike tehnologije, s malo veze s njenim stvarnim mogućnostima.

Započelo je vrijeme tektonskih promjena u poslovnom svijetu, koje donosi tehnološki napredak. Kao što je bio slučaj s parnom snagom i električnom energijom, nije pristup samim novim tehnologijama, pa čak ni najboljim tehnolozima, ono što odvaja pobjednike od gubitnika. Umjesto toga, inovatori su dovoljno otvoreni da vide iza statusa quo i zamisle vrlo različite pristupe, te dovoljno pametni da ih provedu. Jedno od najvećih naslijeđa strojnog učenja moglo bi biti stvaranje nove generacije poslovnih vođa. Umjetna inteligencija, posebice strojno učenje, najvažnija je tehnologija opće namjene našeg doba. Utjecaj ovih inovacija na poslovanje i gospodarstvo odrazit će se ne samo u njihovim izravnim doprinosima, već i u njihovoj sposobnosti da omoguće i potaknu komplementarne inovacije. Novi proizvodi i procesi omogućeni su boljim sustavima vida, prepoznavanjem govora, inteligentnim rješavanjem problema i mnogim drugim mogućnostima koje pruža strojno učenje.

HBR Insights on AI –  Erik Brynjolfsson and Andrew McAfee