Τεχνητή νοημοσύνη: Οι επενδυτές αναμένουν ραγδαία αύξηση στη χρήση της αλλά αυτό δε συμβαίνει

Στις 20 Νοεμβρίου, Αμερικανοί στατιστικολόγοι δημοσίευσαν τα αποτελέσματα μιας έρευνας. Στα δεδομένα κρύβεται μια τάση που μπορεί να έχει επιπτώσεις σε δαπάνες της τάξης τρισεκατομμυρίων δολαρίων. Ερευνητές του αμερικανικού Γραφείου Απογραφής ρωτούν τις εταιρείες αν έχουν χρησιμοποιήσει τεχνητή νοημοσύνη «στην παραγωγή αγαθών και υπηρεσιών» τις τελευταίες δύο εβδομάδες. Πρόσφατα, σύμφωνα με τις εκτιμήσεις του Economist, το ποσοστό των Αμερικανών που χρησιμοποιούν τεχνητή νοημοσύνη στην εργασία τους έχει μειωθεί κατά μία ποσοστιαία μονάδα και τώρα βρίσκεται στο 11% (βλ. διάγραμμα 1).

Από σήμερα έως το 2030, οι μεγάλες εταιρείες τεχνολογίας θα δαπανήσουν 5 τρισεκατομμύρια δολάρια σε υποδομές για την παροχή υπηρεσιών τεχνητής νοημοσύνης.

Η υιοθέτηση της τεχνολογίας έχει μειωθεί απότομα στις μεγαλύτερες επιχειρήσεις, αυτές που απασχολούν πάνω από 250 άτομα. Τρία χρόνια μετά την έναρξη της γενετικής τεχνητής νοημοσύνης, η ζήτηση για την τεχνολογία φαίνεται εκπληκτικά αδύναμη, όπως επισημαίνει ο Economist.

Το αν η υιοθέτηση της τεχνητής νοημοσύνης είναι γρήγορη ή αργή έχει βαθιές συνέπειες. Για να αποκομίσει ο κόσμος οφέλη παραγωγικότητας από την τεχνητή νοημοσύνη, οι κανονικές επιχειρήσεις πρέπει να ενσωματώσουν την τεχνολογία στις καθημερινές τους δραστηριότητες. Είναι επίσης το πιο σημαντικό ερώτημα για να καθοριστεί αν ο κόσμος βρίσκεται ή όχι σε μια «φούσκα τεχνητής νοημοσύνης».

Από σήμερα έως το 2030, οι μεγάλες εταιρείες τεχνολογίας θα δαπανήσουν 5 τρισεκατομμύρια δολάρια σε υποδομές για την παροχή υπηρεσιών τεχνητής νοημοσύνης. Για να αξίζουν αυτές οι επενδύσεις, θα χρειαστούν έσοδα από την τεχνητή νοημοσύνη της τάξης των 650 δισεκατομμυρίων δολαρίων ετησίως, σύμφωνα με την τράπεζα JPMorgan Chase, από περίπου 50 δισεκατομμύρια δολάρια ετησίως σήμερα. Οι άνθρωποι που πληρώνουν για την τεχνητή νοημοσύνη στην προσωπική τους ζωή θα αγοράσουν πιθανώς μόνο ένα μικρό μέρος του τελικού ποσού που απαιτείται. Οι επιχειρήσεις πρέπει να καλύψουν το υπόλοιπο.

Όμως τις δικές τους εκτιμήσεις καταρτίζουν και άλλοι ερευνητές όσον αφορά στην υιοθέτηση της τεχνητής νοημοσύνης. Οι περισσότεροι από αυτούς διαπιστώνουν ότι το επίπεδο είναι υψηλότερο από 10% (βλ. διάγραμμα 2). Οι οικονομολόγοι διαφωνούν ως προς τους λόγους που υπάρχουν αυτές οι διαφορές. Ορισμένοι πιστεύουν ότι η έρευνα του Γραφείου Απογραφής είναι υπερβολικά περιοριστική (είναι δύσκολο να γνωρίζουμε με ακρίβεια πώς θα ερμηνεύσουν οι ερωτηθέντες τη φράση «χρήση τεχνητής νοημοσύνης στην παραγωγή αγαθών και υπηρεσιών»).

Το να ρωτάς τους υπαλλήλους για τη δική τους χρήση στην εργασία μπορεί να προκαλέσει πιο θετικές απαντήσεις από το να ρωτάς τα στελέχη για την επιχείρησή τους. Οι υποστηρικτές του Γραφείου αντιτείνουν ότι μόνο η κυβέρνηση διαθέτει το εκτεταμένο δίκτυο που απαιτείται για να δειγματοληπτήσει ένα πραγματικά αντιπροσωπευτικό δείγμα αμερικανικών επιχειρήσεων, και όχι μόνο εκείνων που δραστηριοποιούνται σε πιο καινοτόμους κλάδους, όπως η προγραμματισμός.

Στασιμότητα στην υιοθέτηση της τεχνητής νοημοσύνης

Ακόμη και τα μη επίσημα στοιχεία δείχνουν στασιμότητα στην υιοθέτηση της τεχνολογίας από τις επιχειρήσεις. Ο Jon Hartley του Πανεπιστημίου του Στάνφορντ και οι συνεργάτες του διαπίστωσαν ότι τον Σεπτέμβριο το 37% των Αμερικανών χρησιμοποιούσε γενετική τεχνητή νοημοσύνη στην εργασία του, σε σύγκριση με το 46% τον Ιούνιο. Μια έρευνα του Alex Bick της Ομοσπονδιακής Τράπεζας του Σαιντ Λούις και των συνεργατών του διαπίστωσε ότι, τον Αύγουστο του 2024, το 12,1% των ενηλίκων σε ηλικία εργασίας χρησιμοποιούσε γενετική τεχνητή νοημοσύνη καθημερινά στην εργασία του. Ένα χρόνο αργότερα, το ποσοστό αυτό ήταν 12,6%. Η Ramp, μια εταιρεία χρηματοοικονομικής τεχνολογίας, διαπίστωσε ότι στις αρχές του 2025 η χρήση της τεχνητής νοημοσύνης στις αμερικανικές εταιρείες αυξήθηκε κατακόρυφα στο 40% πριν σταθεροποιηθεί. Η αύξηση της υιοθέτησης φαίνεται πραγματικά να επιβραδύνεται.

Η αύξηση της υιοθέτησης της τεχνητής νοημοσύνης φαίνεται πραγματικά να επιβραδύνεται

Μια πιθανή εξήγηση είναι η οικονομική αβεβαιότητα, η οποία έχει ενταθεί από τους εμπορικούς πολέμους, τη μείωση της μετανάστευσης και τις αβέβαιες προοπτικές για τα επιτόκια. Οι επιχειρήσεις ενδέχεται να αναβάλλουν τις επενδύσεις τους μέχρι να ξεκαθαρίσει η κατάσταση. Επιπλέον, η ιστορία δείχνει ότι η τεχνολογία τείνει να εξαπλώνεται με διακοπές και επανεκκινήσεις. Ας σκεφτούμε για παράδειγμα τη χρήση του υπολογιστή στα αμερικανικά νοικοκυριά, όπου η ταχύτητα υιοθέτησής του επιβραδύνθηκε στα τέλη της δεκαετίας του 1980. Αυτό ήταν ένα απλό εμπόδιο πριν από τη δεκαετία του 1990, όταν οι υπολογιστές εισέβαλαν στα αμερικανικά νοικοκυριά, αναφέρει χαρακτηριστικά ο Economist.

Ωστόσο, θα μπορούσαν να υπάρχουν και λιγότερο ευνοϊκές εξηγήσεις για τη στασιμότητα στην υιοθέτηση της τεχνητής νοημοσύνης. Μία από αυτές σχετίζεται με τις δυναμικές εξουσίας εντός των εταιρειών. Σχεδόν όλοι οι ανώτεροι διευθυντές εκθειάζουν την τεχνητή νοημοσύνη. Σε πρόσφατες τηλεδιασκέψεις για τα οικονομικά αποτελέσματα, σχεδόν τα δύο τρίτα των στελεχών των εταιρειών του S&P 500 αναφέρθηκαν στην τεχνητή νοημοσύνη. Ταυτόχρονα, τα άτομα που είναι πραγματικά υπεύθυνα για την εφαρμογή της τεχνητής νοημοσύνης μπορεί να μην είναι τόσο προοδευτικά, ίσως επειδή ανησυχούν ότι η τεχνολογία θα τους στερήσει τη δουλειά τους.

Μια έρευνα της Dayforce, μιας εταιρείας λογισμικού, διαπίστωσε ότι το 87% των στελεχών χρησιμοποιούν την τεχνητή νοημοσύνη στην εργασία τους, κάτι που όμως κάνουν μόλις το 57% των διευθυντών και το 27% των υπαλλήλων. Ίσως οι μεσαίοι διευθυντές να θέτουν σε εφαρμογή πρωτοβουλίες τεχνητής νοημοσύνης για να ικανοποιήσουν τις απαιτήσεις των ανωτέρων τους, μόνο για να τις καταργήσουν αθόρυβα σε μεταγενέστερη ημερομηνία.

Η αλλαγή της αντίληψης για τη χρησιμότητα της τεχνητής νοημοσύνης θα μπορούσε να είναι ένας άλλος λόγος για τη στασιμότητα στην υιοθέτησή της. Υπάρχουν όλο και περισσότερες ενδείξεις ότι η τρέχουσα γενιά μοντέλων δεν είναι σε θέση να μετασχηματίσει την παραγωγικότητα των περισσότερων εταιρειών. Στο βαθμό που οι υπάρχοντες χρήστες της τεχνητής νοημοσύνης καταλήγουν στο συμπέρασμα ότι η απόδοσή της δεν είναι εντυπωσιακή, οι πιθανοί χρήστες ενδέχεται να αναβάλουν την υιοθέτησή της. Τρεις ενδείξεις θα μπορούσαν να κάνουν τους υποψήφιους χρήστες να διστάσουν.

Τρεις λόγοι για το «φρένο» στην ΑΙ

Πρώτον, στοιχεία από τις δημόσιες αγορές. Η Goldman Sachs καταρτίζει έναν δείκτη εταιρειών με τη «μεγαλύτερη εκτιμώμενη πιθανή μεταβολή στα βασικά κέρδη από την υιοθέτηση της τεχνητής νοημοσύνης μέσω της αύξησης της παραγωγικότητας». Ο δείκτης της τράπεζας περιλαμβάνει την Ford, μια αυτοκινητοβιομηχανία, την h&rBlock, μια εταιρεία φορολογικών υπηρεσιών, και την News Corp, μια εταιρεία μέσων ενημέρωσης, οι οποίες έχουν όλες υιοθετήσει πρωτοβουλίες τεχνητής νοημοσύνης. Για μεγάλο χρονικό διάστημα, οι τιμές των μετοχών αυτών των εταιρειών ακολουθούσαν την πορεία της αγοράς. Πρόσφατα, όμως, ο δείκτης έχει μείνει πίσω. Οι επενδυτές, τουλάχιστον μέχρι στιγμής, δεν θεωρούν ότι η υιοθέτηση της τεχνητής νοημοσύνης μεταφράζεται σε βελτίωση της κερδοφορίας ή της ανάπτυξης.

Δεύτερον, τα στοιχεία των ερευνών. Σύμφωνα με μια δημοσκόπηση στελεχών που διεξήγαγε η συμβουλευτική εταιρεία Deloitte και το Κέντρο για την τεχνητή νοημοσύνη, τη διαχείριση και την οργάνωση του Πανεπιστημίου του Χονγκ Κονγκ, το 45% των ερωτηθέντων ανέφερε ότι τα αποτελέσματα των πρωτοβουλιών τεχνητής νοημοσύνης ήταν χαμηλότερα από τις προσδοκίες τους. Μόνο το 10% ανέφερε ότι τα αποτελέσματα ξεπέρασαν τις προσδοκίες τους. Μια πρόσφατη μελέτη της McKinsey, μιας άλλης συμβουλευτικής εταιρείας, υποστήριξε ότι για τους περισσότερους οργανισμούς, η χρήση της τεχνητής νοημοσύνης δεν έχει ακόμη επηρεάσει σημαντικά τα κέρδη σε επίπεδο επιχείρησης.

Τρίτον, η οικονομική έρευνα. Τουλάχιστον βραχυπρόθεσμα, η εισαγωγή της τεχνητής νοημοσύνης μπορεί να μειώσει την παραγωγικότητα με απρόσμενους τρόπους. Οι προσπάθειες αναδιάρθρωσης των συστημάτων πληροφορικής και των ροών εργασίας μπορεί να μειώσουν προσωρινά την αποδοτικότητα, πριν τελικά αυξηθεί κατακόρυφα — ένα φαινόμενο που ο Erik Brynjolfsson του Πανεπιστημίου του Στάνφορντ έχει ονομάσει «καμπύλη J της παραγωγικότητας». Κάποιοι αναρωτιούνται αν υπάρχει ένα άλλο πρόβλημα που είναι συγκεκριμένο για την τεχνητή νοημοσύνη. Μια μελέτη της Yvonne Chen του Πανεπιστημίου ShanghaiTech και των συναδέλφων της αναφέρεται στην «παγίδα της μετριότητας της τεχνητής νοημοσύνης». Με τη βοήθεια της τεχνολογίας, οι άνθρωποι μπορούν να παράγουν κάτι «αρκετά καλό». Αυτό βοηθά τους πιο αδύναμους εργαζόμενους. Ωστόσο, η μελέτη διαπιστώνει ότι μπορεί να βλάψει την παραγωγικότητα των καλύτερων, οι οποίοι αποφασίζουν να εργάζονται λιγότερο σκληρά.

Οι οργανισμοί θα μάθουν πώς να ενσωματώνουν την τεχνητή νοημοσύνη πιο αποτελεσματικά, ενώ τα ίδια τα μοντέλα θα συνεχίσουν να βελτιώνονται. Εάν συσσωρευτούν στοιχεία για τη μετασχηματιστική επίδραση της τεχνολογίας στην αποδοτικότητα του χώρου εργασίας, περισσότερες εταιρείες θα συνειδητοποιήσουν ότι δεν μπορούν να λειτουργήσουν χωρίς αυτήν. Ωστόσο, ακόμη και αν αυτό συμβεί, η στασιμότητα στη χρήση ΑΙ υποδηλώνει ότι τα οικονομικά οφέλη από την τεχνητή νοημοσύνη θα έρθουν πιο αργά, πιο άνισα και με μεγαλύτερο κόστος από ό,τι υποδηλώνει η τρέχουσα επενδυτική έκρηξη. Μέχρι να επιταχυνθεί η υιοθέτησή της, τα έσοδα που απαιτούνται για να δικαιολογηθούν οι επενδύσεις ύψους 5 τρισεκατομμυρίων δολαρίων στην τεχνητή νοημοσύνη θα παραμείνουν απρόσιτα.