Ξεχάστε το επόμενο «μπαμ» παραγωγικότητας: η μεγάλη παγίδα της τεχνητής νοημοσύνης
Στην πραγματικότητα, μετά την απότομη επιβράδυνση της δεκαετίας του 1970, η παραγωγικότητα των ΗΠΑ έχει βιώσει μόνο μία σύντομη έκρηξη ανάπτυξης: την εποχή των υπολογιστών. Η παραγωγή ανά ώρα εργασίας αυξήθηκε κατά περίπου 3% ετησίως στα τέλη της δεκαετίας του 1990 και στις αρχές της δεκαετίας του 2000, και στη συνέχεια εξασθένησε.
Όταν η AI παίρνει αποφάσεις αυτόνομα, ποιος θα πληρώσει το βαρύ τίμημα των λαθών του;
Θα μπορούσε η τεχνητή νοημοσύνη (AI) να είναι διαφορετική περίπτωση; Οι αισιόδοξοι δείχνουν την κύρια παραγωγικότητα της εργασίας, η οποία αυξήθηκε με ετήσιο ρυθμό 1,8% το τέταρτο τρίμηνο του 2025, σημειώνει στο Social Europe ο καθηγητής Τεχνητής Νοημοσύνης Καρλ Μπένεντικτ Φρέι.
Αντιθέτως, θα ήμασταν τυχεροί αν βλέπαμε την τεχνολογία να φτάνει έστω και τη βραχύβια επανάσταση των υπολογιστών.
Η αύξηση της παραγωγικότητας πιθανότατα θα απογοητεύσει, όχι επειδή η τεχνολογία είναι αδύναμη, αλλά επειδή αυτοματοποιεί κάτι θεμελιωδώς διαφορετικό από αυτό που έκαναν ο προσωπικός υπολογιστής και το διαδίκτυο.
Πιο συγκεκριμένα, η AI δημιουργεί ένα σημείο συμφόρησης (bottleneck) που τα προηγούμενα ψηφιακά εργαλεία κατάφεραν σε μεγάλο βαθμό να αποφύγουν.
Σκεφτείτε τι πραγματικά αυτοματοποίησε η επανάσταση των υπολογιστών — ταχύτερους υπολογισμούς και πρόσβαση στη γνώση. Οι υπολογιστές, το email, τα λογιστικά φύλλα και ο Παγκόσμιος Ιστός (web) αφαίρεσαν τις τριβές από τη διαδικασία εύρεσης, αποθήκευσης και μετάδοσης πληροφοριών.
Ένας ερευνητής που χρειαζόταν μια πηγή δεν χρειαζόταν πλέον να ψάξει σε μια βιβλιοθήκη ή να περιμένει να του αποσταλεί ταχυδρομικά.
Τα κέρδη παραγωγικότητας ήταν σχετικά απλά, επειδή οι άνθρωποι μπορούσαν απλώς να υποκαταστήσουν την πιο αργή μέθοδο (μια βιβλιοθήκη) με την ταχύτερη (Google). Η πληροφορία που βρισκόταν στο διαδίκτυο ήταν η ίδια με αυτή που θα έβρισκε κανείς σε ένα ράφι.
Κρίσιμης σημασίας είναι το γεγονός ότι, όταν οι υπολογιστές εκτελούσαν βασικές εργασίες, το έκαναν ντετερμινιστικά. Ένα λογιστικό φύλλο θα μπορούσε να πολλαπλασιάσει λανθασμένα δεδομένα εισόδου, αλλά δεν εφηύρε την αριθμητική.
