Tην εργασία των προγραμματιστών λογισμικού πριν και μετά την υιοθέτηση εργαλείων ΑΙ παρακολούθησε μελέτη του Mert Demirer του MIT, χαρτογραφώντας πώς η τεχνητή νοημοσύνη συμβάλλει στην παραγωγή αλλά και στη δημιουργία αξίας.
Στην έρευνα μετρήθηκαν στοιχεία όπως η ποσότητα του γραμμένου κώδικα, ο αριθμός των μεμονωμένων αρχείων που τέθηκαν υπό επεξεργασία, ο αριθμός των έργων ή των λειτουργιών στα οποία αφιερώθηκαν οι προγραμματιστές, μέχρι οι κυκλοφορίες νέου λογισμικού.
Ποια ήταν τα ευρήματα; Οι προγραμματιστές δημιούργησαν ή επεξεργάστηκαν σχεδόν 300% περισσότερα αρχεία, αλλά η ενίσχυση που έδωσε η AI στους προγραμματιστές μειώθηκε στο μισό όταν μετρήθηκε ο αριθμός των μεμονωμένων έργων που υποβλήθηκαν προς αξιολόγηση.
Ακόμη μεγαλύτερη ήταν η πτώση της συμβολής της όταν μετρήθηκαν οι κυκλοφορίες λογισμικού – το ποσοστό υποστήριξης της AI εν προκειμένω έπεσε στο 30%.
Μια ακόμη έρευνα σχετικά με τη χρήση της τεχνητής νοημοσύνης σε νομικές υπηρεσίες διαπίστωσε ότι ο συνδυασμός φθηνών πρακτόρων τεχνητής νοημοσύνης ανοιχτού κώδικα με κορυφαία μοντέλα που ενεργούν ως σποραδικοί «σύμβουλοι» απέδωσε καλύτερα αποτελέσματα με πολύ χαμηλότερο κόστος
Τεχνητή νοημοσύνη: Μεγάλες προσδοκίες;
Μια αύξηση 30% στην παραγωγή του βασικού προϊόντος μιας εταιρείας είναι αξιοσημείωτη, ωστόσο τα παραπάνω ευρήματα δείχνουν ότι μια τέτοια αύξηση δεν συμβαδίζει πάντα με την άνοδο στη δημιουργούμενη αξία, σημειώνουν οι Financial Times
Αυτό που μοιάζει με μια εκρηκτική ώθηση για μια συγκεκριμένη εργασία, συχνά μεταφράζεται σε χαμηλότερη αξία μόλις η εργασία αυτή χρειαστεί να ελεγχθεί από ανθρώπους, να αναθεωρηθεί και τελικά να κυκλοφορήσει αφού λάβει επαγγελματική έγκριση.
Ως προς την παραγόμενη αξία, οι ερευνητές του MIT διαπίστωσαν ότι οι αυξήσεις στην παραγωγή λογισμικού με τη βοήθεια της τεχνητής νοημοσύνης δεν συνδέθηκαν με μια αντίστοιχη αύξηση στις πωλήσεις.
Μάλιστα, οι περισσότερες από τις νέες εφαρμογές δεν καταφέρνουν να προσελκύσουν ούτε ένα καν ένα μικρό ακροατήριο, σύμφωνα με τους FT.
Στροφή προς AI χαμηλού κόστους
Το παραπάνω εύρημα σχετικά με την αναντιστοιχία μεταξύ παραγωγικότητηας και δημιουργούμενης αξίας συμπίπτει χρονικά με την απόφαση του CEO της Uber Dara Khosrowshahi να στρέψει μεγάλο μέρος της χρήσης της τεχνητής νοημοσύνης σε μοντέλα χαμηλότερου κόστους, διατηρώντας τα μοντέλα αιχμής για ειδικές περιπτώσεις.
Έπειτα, μια νέα έρευνα σχετικά με τη χρήση της τεχνητής νοημοσύνης για νομικές υπηρεσίες διαπίστωσε ότι ο συνδυασμός φθηνών πρακτόρων τεχνητής νοημοσύνης ανοιχτού κώδικα με κορυφαία μοντέλα που ενεργούν ως σποραδικοί «σύμβουλοι» απέδωσε καλύτερα αποτελέσματα με πολύ χαμηλότερο κόστος, αναφέρουν οι FT.
Τι από τα δύο συμβαίνει; Η ικανότητα της τεχνητής νοημοσύνης να προσφέρει πραγματική αξία έχει υπερεκτιμηθεί ή μήπως το πλαίσιο όπου η ΑΙ χρησιμοποιείται δεν συμβάλει την παραγωγή αξίας;
Οι παγιωμένες δομές κρατούν τα οφέλη χαμηλά
Ο Demirer και οι άλλοι ερευνητές της μελέτης πιστεύουν ότι η πιο πιθανή εξήγηση είναι ότι οι τρέχουσες οργανωτικές δομές και οι αγορές δεν έχουν ρυθμιστεί για να αξιοποιήσουν τα πραγματικά οφέλη που έχει να προσφέρει η τεχνητή νοημοσύνη.
Όπως δείχνουν και στοιχεία από προηγούμενες τεχνολογικές επαναστάσεις, τα πραγματικά άλματα στην παραγωγικότητα προήλθαν από νέες εταιρείες και διαδικασίες, και όχι τόσο από τις ήδη υπάρχουσες επιχειρήσεις που ενσωμάτωσαν τη νέα τεχνολογία σε υπάρχουσες ροές εργασίας.
Αυτό επιβεβαιώνεται και από την υπάρχουσα κατάσταση. Από τη μία πλευρά, νέες εταιρείες όπως η Anthropic και η OpenAI, οι οποίες βασίζονται ουσιωδώς στην ΑΙ, βλέπουν τα έσοδα και την παραγωγικότητά τους να εκτινάσσονται.
Ωστόσο, άλλες εταιρείες, π.χ. λογισμικού ή νομικών υπηρεσιών, μόνο μέτρια κέρδη βλέπουν στα «ταμεία» τους από την ενσωμάτωση της ΑΙ σε υπάρχουσες ροές.
