Investițiile în inteligență artificială: promisiuni, realitate și provocări
De mai bine de doi ani, companiile investesc masiv în integrarea inteligenței artificiale în fluxurile de lucru, alimentate de ideea că, dacă se adaugă suficient AI, productivitatea va exploda, iar economia va resimți un salt semnificativ. Cu fonduri uriașe alocate pentru construirea centrelor de date, achiziția de cipuri performante și infrastructură digitală, optimismul este în floare. Însă, după atâtea milioane investite, întrebarea esențială rămâne încă fără răspuns clar: unde se vede, cu adevărat, beneficiul promis? În condițiile în care datele și studiile recente indică o lipsă de dovezi concrete privind creșterea productivității, mulți experți și cercetători pun sub semnul întrebării promisiunile care au alimentat valul de investiții.
Produsul așteptat nu se arată în cifre. Pentru cine și de ce?
Unul dintre cei mai vocali critici ai optimismului generat de AI este analistul J. P. Gownder, de la Forrester, care spune fără emfază că „în datele disponibile azi, pur și simplu nu se vede un impuls clar generat de AI”. Chiar dacă recunoaște că tehnologia are potențial impact asupra modului în care muncim, Gownder atrage atenția că schimbarea nu se traduce automat în creșteri de productivitate măsurabile. Această realitate este ilustrată de exemplul clasic al paradoxului Solow, formulat în 1987, care observă că, în ciuda avansurilor tehnologice ubiquide, creșterea productivității rămâne modestă.
Analistul face referire la perioadele 1947–1973, 1990–2001 și 2007–2019, în care creșterea medie a productivității a fost de 2,7%, 2,1% și, respectiv, 1,5%. Contrar așteptărilor, efectul tehnologiei, inclusiv al computerelor, nu s-a reflectat întotdeauna în câștiguri economice considerabile. În plus, productivitatea nu înseamnă doar înlocuirea unor instrumente cu unele mai rapide, ci implică un amestec complex de procese, competențe, management și calitate – toate acestea influențate de integrarea și adaptarea tehnologiei.
Studiile care pun la îndoială entuziasmul
Și dacă în trecut optimismul era alimentat de povești despre potențialul extraordinar al AI, cercetările recente arată o imagine diferită. Un raport realizat în colaborare cu MIT sugerează că multe dintre inițiativele de implementare a GenAI (generative AI) în companii nu aduc profit imediat sau chiar deloc, cel puțin în mod vizibil în cifrele de bilanț. Un exemplu rămâne utilizarea AI în programare: un studiu controlat realizat de METR a demonstrat că dezvoltatorii experimentați, folosind unelte AI, au devenit, paradoxal, mai lent, cu un timp de finalizare cu 19% mai mare.
În plus, așteptarea ca AI să înlocuiască complet echipe întregi se lovește de realitatea workflow-urilor, care impun cerințe stricte de calitate și verificare. Un benchmark supranumit Remote Labor Index a arătat că cele mai eficiente sisteme de automatizare au atins o rată de doar 2,5% de automatizare, ceea ce înseamnă că în practică, în cele mai multe cazuri, tehnologia are un impact limitat asupra reducerii efortului uman. Iar problemele culturale apar atunci când echipele sunt împinse să lucreze cu AI, dar în același timp trebuie să gestioneze un „workslop”: muncă fals îmbunătățită, dar care mută efortul adevărat către alte niveluri ale fluxului, provocând tensiuni interne și pierderi de încredere.
De ce continuă investițiile și ce trebuie urmărit cu atenție
Chiar dacă datele indică o lipsă de dovezi clare privind return of investment-ul, cheltuielile continuă. Motivul principal ține de inerția pieței și de presiunea competiției: nimeni nu își permite să rateze valul AI, mai ales când se pare că eficiența reală va veni abia după implementare, odată ce procesele și fluxurile de lucru vor fi adaptate.
Pe de altă parte, discuțiile despre pierderile de locuri de muncă sunt adesea amestecate cu strategii de reducere a costurilor și externalizări. Unele estimări sugerează că AI ar putea explica aproximativ 6% dintre pierderile de joburi până în 2030, ceea ce înseamnă peste 10 milioane de roluri, însă majoritatea specialiștilor consideră că impactul va fi mai degrabă unul de augmentare a muncii, decât un înlocuitor total. În plus, multe concedieri justificate de AI pot fi, de fapt, „AI-washing”, adică justificări superficiale pentru decizii financiare deja luate.
Pentru a înțelege mai realist impactul, trebuie urmărite indicatori concreți: timpul total necesar unei sarcini, rata de rework, numărul de erori și calitatea livrabilelor. Soluțiile de AI trebuie evaluate nu doar după cât de „inteligent” par, ci după cât de eficient contribuie la reducerea efortului și îmbunătățirea rezultatelor. În cazul în care companiile vor raporta concedieri motivând AI, validarea acestei decizii trebuie să includă întrebarea: „Ce proces s-a schimbat concret și ce indicator s-a îmbunătățit?” Asta pentru a evita să cadă în capcana unei investiții doar pentru a alimenta hype-ul și a evita, pe termen lung, deziluzia și pierderea încrederii în potențialul AI.
În final, accentul trebuie să cadă pe o abordare critică, unde așteptările să fie aliniate cu realitatea și unde investițiile sunt dublate de măsurători concrete, pentru a înțelege dacă tehnologia chiar schimbă regulile jocului sau doar trage după ea promisiuni nerealiste.
