С учетом внимания энтузиастов искусственного интеллекта: прогнозы о том, что технология внезапно застрелит производительность вверх, странно напоминают прогнозы, сделанные после введения компьютеров на рабочем месте. Затем мы были уверены, что чудесные «машины» будут автоматизировать огромные части работы в белых воротниках и привести к «худой», в цифровой движении экономике.
Через шесть десятилетий история повторяется. Вскоре после дебюта в CHATGPT в 2022 году исследователи из Массачусетского института заявили, что сотрудники будут на 40% более продуктивными, чем их коллеги без ИИ.
Такие обвинения могут быть не более долговечными, чем оптимистичные прогнозы из эпохи Безумцев. Строгое исследование, опубликованное в мае Национальным бюро экономических исследований (NBER), обнаружило только 3 % экономии времени, а другие исследования показывают, что чтение ИИ для сложных когнитивных задач приводит к более невозможным и более неэффективным сотрудникам.
Мы стали свидетелями появления другого «парадокса производительности» — термина, описывающего, как производительность удивительно сохраняется или даже снижается в первые четыре десятилетия информационной эры. Хорошей новостью является то, что уроки этого времени могут помочь управлять нашими ожиданиями сегодня.
Изобретение транзистора, интегрированных цепей, чипов памяти и микропроцессоров питало экспоненциальный прогресс в информационных технологиях с 60 -х годов, а вычислительная мощность компьютеров примерно каждые два года по почти постоянной цене.
Еще в 1964 году The Wall Street Journal описал, как «электронные маги» — компьютеры — захватили «много задач» в офисах страны. «Они выполняют эти действия быстрее и дешевле, чем целые армии». Позже в том же году газета объявила, что компьютеры привели к «резкой задержке в найме сотрудников в белых воротниках».
Это быстро стало догмой, что компьютеры приведут к массовой автоматизации (и структурной безработице). Один человек, вооруженный аналогичной машиной, мог справиться с работой, которая ранее требовала сотни сотрудников. В течение следующих трех десятилетий сектор услуг решительно принял компьютеры.
Тем не менее, обещанная прибыль не материализовалась. Исследования с конца 1980-х годов показали, что именно этот сектор услуг, который экономист Стивен Роуч описывает как «наиболее щедро оборудован с высоким технологическим капиталом»-отвечает самой слабой производительности за тот же период.
В ответ экономист Роберт Солоу выпустил знаменитый ответ, который мы «видим компьютеры повсюду, кроме статистики эффективности».
Экономисты предложили несколько объяснений этой загадки, также известных как парадокс Солоу. Возможно, наименее удовлетворительным было утверждение-даже сегодня, повторяемое, что все это явление-это мираж неправильного измерения и что эффекты массовой автоматизации каким-то образом избежали экономических данных.
Другие указали, что это вина менеджеров, которые не смогли превратить инвестиции в ИТ в реальные выгоды. Это зерно правды: исследования показывают, что боссы без разбора потратили на новое оборудование, на параллельном найме дорогостоящих специалистов параллельно, чтобы поддерживать и постоянно обновлять системы. Вместо того, чтобы сокращать рабочую силу, компьютеры взорвали ее.
Еще более убедительной является гипотеза о «времени» экономиста Пола А. Дэвида. Он утверждает, что новые технологические режимы разразились ожесточенными конфликтами, регулирующими битвами и борьбой за долю рынка. Переходный период, в котором существуют старые методы, наряду с новыми, требует, чтобы весь мир буквально изменил, чтобы приспособиться к технологии — процесс, который не приводит к мгновенной эффективности, и часто наоборот.
В качестве доказательства Дэвид указывает на появление электричества, источника энергии быстрее, чем пара, который впоследствии вытесняет. Тем не менее, потребовалось почти 40 лет, пока его введение не повысит производительность труда. На пути к этим стандартам было сделано после ожесточенных споров, возникали волны консолидации, регуляторные столкновения, и каждый завод должен был быть обоснован — сложный процесс, дорогой и длинный.
Та же история повторялась с компьютерами.
В 1966 году, всего через два года после восторженных статей, Wall Street Journal уже встревожился, что машины, способные хранить и бушують огромное количество данных, были затоплены чрезмерно подробными отчетами. «Один аккаунт», публикация была обеспокоена », — 25 000 компьютеров в стране бросают 7 300 миль бумаги в день». Корпоративный эквивалент «слишком много информации».
Эти жалобы не исчезали, но к концу 1990 -х годов экономика США, наконец, задержка задержки в производительности. Некоторые экономисты посвятили его массовому внедрению информационных технологий: лучше, чем никогда. Тем не менее, эффективность вскоре снова снизилась, несмотря на — и, возможно, из -за Интернета и других инноваций эпохи.
Искусственный интеллект ничем не отличается. Новая технология будет иметь непредвиденные последствия, многие из которых нейтрализуют или даже полностью подрывают его подозреваемую эффективность. Это не означает, что ИИ бесполезен или что корпорации не будут охватывать его с энтузиазмом. Но любой, кто ожидает немедленного бумана производительности, будет глубоко разочарован.