Artificiell intelligens (AI) har länge utlovats revolutionera vår ekonomi och vårt samhälle. Förespråkare menar att AI kommer att leda oss till ett utopiskt överflöd, medan kritiker varnar för dystopiska scenarier. Men trots all hype och snabba tekniska framsteg har AI:s effekter på ekonomin hittills varit överraskande beskedliga. Varför har vi ännu inte sett några dramatiska effekter av AI i BNP-statistiken?
Det råder ingen tvekan om att användningen av AI-verktyg ökar snabbt, särskilt bland individer och kunskapsarbetare. Enligt en undersökning använder redan över 70% av kunskapsarbetare AI-verktyg som ChatGPT i sitt dagliga arbete. AI-assistenter har visat sig kunna utföra många uppgifter till en bråkdel av kostnaden jämfört med mänsklig arbetskraft - enligt vissa beräkningar så lågt som 3% av kostnaden.
Med tanke på den snabba adoptionen och de dramatiska kostnadsbesparingarna borde vi rimligtvis redan nu se effekter på produktivitet och ekonomisk tillväxt. Men hittills lyser dessa effekter med sin frånvaro i de officiella ekonomiska siffrorna. Vad beror detta på?
En av de främsta anledningarna till att AI:s ekonomiska effekter ännu inte materialiserats är att dagens AI-system fortfarande har betydande begränsningar när det gäller att ersätta mänskligt arbete i mer komplexa sammanhang. Trots imponerande framsteg inom områden som språkförståelse och bildgenerering, finns det fortfarande många uppgifter som AI har svårt att hantera tillförlitligt.
Ett belysande exempel kommer från artikelförfattaren Rohit Krishnan, som beskriver ett till synes enkelt projekt där AI skulle extrahera specifik information från ostrukturerad text. Trots att detta är en uppgift som AI borde excel lera i, visade sig implementeringen vara oväntat utmanande:
Detta exempel illustrerar att även för relativt avgränsade uppgifter kräver AI fortfarande betydande mänsklig vägledning och övervakning för att leverera tillförlitliga resultat i en produktionsmiljö. Vi är ännu långt ifrån en plug-and-play-lösning där AI enkelt kan ersätta mänskliga arbetsuppgifter.
Utöver de tekniska begränsningarna finns det också betydande organisatoriska hinder för storskalig AI-adoption. Att integrera AI-verktyg i existerande arbetsflöden och affärsprocesser är ofta mer komplext än vad som först kan förefalla.
Som Dave Friedman påpekar i en kommentar till artikeln:
"Det tar tid för företag att lära sig hur man integrerar AI i sina arbetsflöden och omstrukturerar sina verksamheter kring denna teknik. Alltför ofta ser jag teknologer från Silicon Valley observera den snabba utvecklingen av AI-teknik och felaktigt anta att adoptionen av den inom företag kommer att vara lika snabb."
Friedman betonar att den amerikanska ekonomin är enorm och komplex, med företag som varierar kraftigt i teknologisk sofistikering - från techjättar som Google till lokala tandläkarmottagningar. För den stora massan av företag som ligger närmare tandläkarmottagningen i teknologisk mognad kommer det att ta avsevärd tid att absorbera och dra nytta av AI-teknologi.
För att förstå utmaningarna med att implementera transformativ teknologi kan vi dra lärdomar från historien. J.K. Lund drar en intressant parallell till införandet av elmotorer under den andra industriella revolutionen:
"Elmotorer började ersätta ångmaskiner och var bättre på nästan alla sätt - mer kraftfulla, effektivare, tystare, bättre vridmoment etc. Men de flesta fabrikschefer placerade helt enkelt en stor elmotor där ångmaskinen hade stått, och fortsatte att centralt driva all utrustning via remmar.
Det tog tid och organisatoriska förändringar att fullt ut utnyttja tekniken och använda elmotorer som de var avsedda: som hundratals decentraliserade kraftkällor som kunde göra fabriker mycket effektivare."
På samma sätt kan vi förvänta oss att det kommer att ta tid innan företag och organisationer lär sig att fullt ut utnyttja potentialen i AI-teknologi. De tekniska möjligheterna finns redan här, men de organisatoriska förändringarna som krävs för att realisera potentialen ligger sannolikt några år fram i tiden.
Så vad kan vi förvänta oss framöver när det gäller AI:s ekonomiska effekter? Kommer vi att se en gradvis produktivitetsökning i takt med att företag lär sig att integrera AI, eller står vi inför en mer abrupt omvälvning?
Vissa forskare, som Ege och Tamay från Epoch, har i en uppmärksammad studie argumenterat för att omfattande AI-automatisering potentiellt skulle kunna accelerera den globala ekonomiska tillväxten med en storleksordning, i likhet med effekterna av den industriella revolutionen. De pekar på tre huvudsakliga drivkrafter:
Men som vi har sett finns det fortfarande betydande hinder för en sådan utveckling på kort sikt. Det är mer troligt att vi kommer att se en gradvis ökning av produktiviteten i takt med att AI integreras allt djupare i olika branscher och arbetsprocesser.
Rohit Krishnan resonerar:
"Vi kanske ännu kommer att se stora effekter på ekonomin när vi ser ökad effektivitet och helt nya områden för skapande växa fram. Det hårda, detaljerade arbetet med att kontinuerligt driva upp tillväxttakten kan fortfarande verka magiskt, eftersom det består av flera S-kurvor staplade ovanpå varandra, där var och en är ganska mirakulös. Den verkliga frågan med AI är därför om detta sannolikt kommer att fortsätta trenden eller orsaka en brytning."
Sammanfattningsvis kan vi konstatera att AI:s begränsade effekter på ekonomin hittills inte nödvändigtvis är en indikation på teknologins långsiktiga potential. Snarare speglar det de betydande utmaningar som finns när det gäller att implementera och dra nytta av en så komplex och transformativ teknologi i stor skala.
Några nyckelpunkter att ta med sig:
I takt med att AI-teknologin fortsätter att utvecklas och organisationer lär sig att bättre integrera och utnyttja dess potential, kommer vi sannolikt att se allt tydligare ekonomiska effekter. Men vägen dit kommer troligen att vara mer evolutionär än revolutionär. Det återstår att se om och när vi når den brytpunkt där AI:s ekonomiska effekter blir verkligt transformativa på makronivå.
