Inteligența artificială promite productivitate, dar cifrele încă nu apar. Ce spun specialiștii

În ultimii doi ani, aproape orice prezentare pentru investitori a venit cu aceeași idee: dacă pui suficientă inteligență artificială în fluxurile de lucru, oamenii vor produce mai mult, mai repede, iar economia va simți „saltul”. Între timp, companiile construiesc centre de date, cumpără cipuri și aruncă miliarde în infrastructură, dar întrebarea de bază rămâne incomodă: unde este productivitatea promisă?

Unul dintre cei mai vocali sceptici, J. P. Gownder (Forrester), spune că, în datele disponibile azi, pur și simplu nu se vede un impuls clar generat de AI. Nu neagă că tehnologia poate schimba lumea muncii, dar avertizează că schimbarea nu se traduce automat în câștiguri economice măsurabile.

Când Gownder vorbește despre lipsa unui „boom” de productivitate, el se sprijină pe o lecție veche: tehnologia poate fi peste tot, iar statistica să rămână rece. Observația îi aparține laureatului Nobel Robert Solow, care nota încă din 1987 că era computerelor se vede peste tot, mai puțin în statisticile de productivitate — idee rămasă în economie sub numele de „paradoxul Solow”.

În interviul pentru The Register, analistul face o comparație care lovește direct în optimismul de azi: perioada 1947–1973 a avut o creștere anuală medie a productivității de 2,7%, în timp ce 1990–2001 a coborât la 2,1% (deși PC-urile deveniseră mainstream), iar 2007–2019 la 1,5%. Mesajul nu e că PC-ul a fost inutil, ci că legătura dintre „adopți tehnologie” și „se vede imediat în PIB per oră” e mult mai puțin liniară decât se vinde în pitch-urile de produs.

Vezi și:

Ce se întâmplă cu elevii care nu susţin simularea Evaluării Naţionale luni şi marţi. Anunţul făcut de Ministerul Educaţiei

Imagini dureroase de la priveghiul lui Mugurel Vrabete. Membrii trupei Holograf, marii absenţi de la tristul eveniment

Aici apare și nuanța pe care mulți o omit: productivitatea nu înseamnă doar „ai un instrument mai rapid”, ci un amestec de procese, competențe, management, măsurare, calitate și timp pierdut pe integrare. Uneori tehnologia mută efortul dintr-o parte în alta (de exemplu, scrii mai repede, dar verifici mai mult), iar la nivel macro efectul se diluează. Când aștepți ca AI să „facă minuni” în toate departamentele, ajungi să măsori o medie în care câteva echipe câștigă, alte echipe pierd, iar totalul rămâne aproape pe loc.

Studiile care taie din entuziasm: ROI, cod, agenți

Scepticismul nu mai e doar „feeling”. Există deja cercetări care sugerează că multe implementări nu livrează profit, cel puțin nu rapid. Un raport asociat cu MIT a fost preluat pe larg pentru concluzia că o mare parte dintre inițiativele GenAI în companii nu au impact măsurabil asupra P&L (pe scurt, ROI-ul promis nu se vede în cifre).

Și poate cel mai dureros exemplu pentru hype-ul curent: programarea. Un studiu controlat realizat de METR a arătat că dezvoltatori cu experiență, lucrând pe proiecte open-source familiare, au fost mai lenți când au avut voie să folosească instrumente AI — cu o creștere a timpului de finalizare de 19%. Partea aproape ironică este că participanții au crezut că sunt mai rapizi, ceea ce sugerează o diferență între percepție și rezultat, mai ales când intră la mijloc verificarea și corectarea sugestiilor AI.

Vezi și:

Alte zeci de concedieri în rândul specialiștilor IT: compania care preferă să mizeze pe inteligența artificială și susține că așa crește cifra de afaceri

Nu te vei mai putea ascunde atât de ușor în mediul online sub umbrela anonimatului: cum te prinde și te dă de gol inteligența artificială

Apoi vin „agenții” care ar trebui să automatizeze sarcini întregi. Remote Labor Index (RLI), un benchmark construit pe proiecte de muncă remote „cap-coadă”, a găsit că cele mai bune sisteme testate au atins o rată de automatizare de doar 2,5% — adică foarte aproape de podea pentru ce înseamnă livrabile acceptabile în condiții reale. Cu alte cuvinte, promisiunea „înlocuim echipe întregi” se lovește încă de realitatea workflow-urilor, a cerințelor implicite și a standardelor de calitate.

În paralel, apar efecte secundare de cultură organizațională. A fost popularizat conceptul de „workslop”: muncă generată cu AI care arată lustruită, dar împinge efortul real către următorul om din lanț — cel care trebuie să verifice, să repare, să rescrie și să-și asume responsabilitatea. Asta nu doar că poate înghiți timpul economisit, ci poate eroda încrederea între colegi și poate strica relațiile de lucru.

De ce companiile nu frânează și ce ar fi util să urmărești

Dacă datele sunt atât de „neconvingătoare”, de ce continuă cheltuielile? Un răspuns ține de inerția pieței și de presiunea competitivă: nimeni nu vrea să fie firma care „a ratat valul”. În multe analize de piață se vorbește despre un salt al investițiilor în AI chiar și în condiții de deziluzie după primele implementări. Pe scurt: se pariază pe faptul că eficiența va veni mai târziu, după integrare și schimbări de proces, nu din simpla „lipire” a unui chatbot peste muncă.

În același timp, discuția despre joburi e adesea amestecată cu altceva: cost-cutting clasic, outsourcing și reorganizări. Unele prognoze spun că AI și automatizarea ar putea explica în jur de 6% din pierderile de joburi până în 2030 (ordine de mărime: peste 10 milioane de roluri), dar subliniază că nu e un „apocalips” imediat și că, mai degrabă, AI va augmenta un procent mult mai mare de roluri. În plus, o parte din concedierile puse pe seama AI pot fi „AI-washing” — justificări elegante pentru decizii financiare.

Dacă vrei să înțelegi realist impactul, urmărește lucruri simple și verificabile: compară timpul total „din cerință până în livrare” (nu doar timpul de scriere), măsoară rata de rework și numărul de erori, cere exemple de proiecte unde AI a redus pași întregi (nu doar a generat text), și uită-te la calitate: câte livrabile trec fără corecții masive. Iar când auzi „am concediat pentru că AI”, caută imediat întrebarea de control: ce proces s-a schimbat, concret, și ce indicator a urcat după schimbare?

Distanţa minimă între clădiri. Cui dă dreptate legea dacă sunt prea apropiate