Влияние ИИ на производительность

Обеспечивают ли приложения ИИ экономию времени или устанавливают налог на время?

«Время — деньги». Это хорошо известная фраза в корпоративном мире. Как и многие другие клише, она часто используется, но редко воспринимается всерьез. Но в контексте искусственного интеллекта и его влияния на экономическую производительность время, а точнее, экономия времени, становится одним из самых важных показателей того, окупятся ли огромные инвестиции в эту технологию.

Потенциал любой технологии, способной поднять уровень жизни, зависит от ее способности повышать то, что экономисты называют совокупной производительностью факторов производства, то есть получать больше пользы от всех ресурсов, используемых в производстве товаров или услуг. Производительность стала одной из главных забот как руководителей компаний, так и политиков, поскольку в последние десятилетия ее рост существенно замедлился, несмотря на то, что технологические изменения происходят поразительно быстро.

Несмотря на то что почти каждую неделю появляется новая модель ИИ с поразительными возможностями и соответствующими ожиданиями, что она поможет компаниям усовершенствовать рабочие процессы или услуги, в экономической статистике пока нет доказательств заявленного повышения эффективности. Опросы показывают, что многие пробуют ИИ. Недавний обзор опросов, проведенных Федеральной резервной системой США, показал, что от 20 до 40 % работников делают это. Другое исследование показало, что уровень внедрения ИИ среди компаний Европейского союза составляет в среднем 13,5 %.

Когда ранее появлялись так называемые технологии общего назначения, всегда требовалось время, чтобы преимущества производительности проявились в национальной статистике. Известное исследование электрификации американского производства в начале XX века показало, что отставание составило около 50 лет. Одна из ключевых причин: предприятиям приходилось инвестировать не только в электрооборудование, но и в новые фабрики. Паровая мельница возвышалась на несколько этажей, чтобы эффективно использовать свой источник энергии, а сборочная линия, работающая от электричества, требовала горизонтальной планировки. Группа экономистов под руководством Эрика Бринйолфссона из Стэнфордского университета назвала это явление «J-кривой производительности»: после внедрения новой технологии производительность сперва падает, а затем растет.

Еще одна причина, по которой рост производительности медленно отражается в данных, заключается в том, что измерить производительность сложно, особенно в тех крупных отраслях экономики, которые больше не производят стандартизированные, легко поддающиеся подсчету товары, такие как стиральные машины и автозапчасти. Возьмите управленческий консалтинг или юридические услуги. Статистические агентства могут легко собрать данные о доходах таких компаний, но каково количество произведенной ими продукции? Это, конечно, не длина презентации или количество страниц в юридической записке. Цена, которую они берут за услуги, связана с качеством, но как статистик может учесть качество управленческих или юридических консультаций?
Компания Google зарабатывает миллиарды на услуге, которую она предлагает для бесплатного поиска, взимая плату за рекламу, отображаемую рядом с результатами. Однако приписать экономическую ценность, которую и призвана измерить производительность, не так просто, как подсчитать доходы Google. Как насчет вклада интернет-провайдеров, владельцев центров обработки данных и поставщиков контента?

Более полезным показателем производительности труда, позволяющим проследить влияние ИИ, является время, потраченное на решение определенных задач: сколько и кем. Хотя мы склонны думать о технологиях в терминах новых гаджетов или изобретений, большая доля повышения производительности в истории сводилась к тому, что работники получали возможность делать некоторые вещи быстрее, высвобождая больше времени для других видов деятельности. Одним словом, инновации в процессах важнее инноваций в продуктах.

Вспомните распространение пароходов. Более ранние усовершенствования, такие как обшивка корпусов медью, ускорили парусные суда, но именно появление паровых клиперов изменило путешествия и торговлю в конце XIX века. Более свежий пример инновационного процесса — распространение технологий производства «точно в срок», впервые примененных в Японии в 1980-х годах. Благодаря усовершенствованию логистики, отрасли промышленности, от автомобильной до швейной, перешли на более точную привязку производства к спросу, снизив риск застревания на нераспроданных запасах.

Для некоторых технологий экономические выгоды менее очевидны. Рассмотрим кассы самообслуживания, которые сейчас установлены во многих магазинах. Они позволяют владельцам магазинов экономить на зарплате кассиров, которых они заменяют, что, возможно, повышает производительность труда в розничной торговле. Но вместо этого они используют неоплачиваемое время покупателей, поэтому нельзя сказать, что в целом это сильно повышает производительность. Во многих других отношениях некоторые приложения ИИ облагают потребителей налогом на время в пользу организаций, которые их используют. Подумайте о времени (и стрессе), затрачиваемом на работу с колл-центрами по обслуживанию клиентов, где никто из людей никогда не берет трубку, или на навигацию по процессу возврата на сайте электронной коммерции.

По этим причинам время является ключевой экономической метрикой, интересующей нас по мере того, как ИИ начинает трансформировать нашу жизнь. К сожалению, существует мало данных о том, как люди распределяют часы каждого дня, как на работе, так и вне ее. Некоторые национальные статистические агентства, проводящие опросы потребителей об их использовании времени, теперь включают вопросы о деятельности в Интернете. Но такие опросы проводятся нечасто, и пока сложно определить, становятся ли действия в Интернете более удобными и эффективными или, наоборот, влекут за собой налог на время через сложные онлайн-меню, тем самым перекладывая труд на плечи человека.

ИИ уже доказал свою полезность для автоматизации трудоемких процессов: обобщения юридических прецедентов, форматирования презентаций и написания стандартных фрагментов кода. Предприятия должны думать о возможностях повышения производительности с точки зрения того, как их сотрудники тратят время сейчас и как они могли бы тратить его с большей пользой в будущем. Другими словами, ИИ дает возможность выяснить, какие виды деятельности или задачи являются «поглотителями» времени. Сотрудники наверняка знают ответ на этот вопрос, хотя, возможно, не захотят делиться информацией с начальством, опасаясь, что их рабочие места могут быть ликвидированы. (В отчете Goldman Sachs за 2023 год предполагается, что ИИ может ликвидировать 300 миллионов рабочих мест по всему миру, но точно никто не знает).

Тем временем экономисты и статистики должны подумать о новых типах опросов и более инновационных методах сбора данных, таких как отслеживание использования мобильных телефонов и компьютеров, которые помогут заполнить некоторые из этих пробелов. То, как мы распределяем 24 драгоценных часа в сутках, является конечной мерой ценности, и того, как ИИ докажет свою экономическую эффективность.