Laureat Nobla studzi entuzjazm wokół AI: Trzy trendy, które zadecydują o naszej przyszłości
Noblista z ekonomii, Daron Acemoglu, podważa rewolucyjne obietnice Big Tech, wskazując na kluczowe obszary, które zdecydują o rzeczywistym, a nie reklamowanym, wpływie sztucznej inteligencji na gospodarkę.
Kilka miesięcy przed otrzymaniem Nagrody Nobla w dziedzinie ekonomii w 2024 roku, Daron Acemoglu, profesor z Massachusetts Institute of Technology (MIT), opublikował analizę, która nie przysporzyła mu zwolenników w Dolinie Krzemowej. Wbrew narracji wielkich firm technologicznych, wieszczącym rychłą rewolucję i transformację pracy umysłowej, Acemoglu oszacował, że sztuczna inteligencja przyniesie jedynie niewielki wzrost produktywności w USA i nie wyeliminuje potrzeby ludzkiej pracy. Dwa lata później, mimo że retoryka o "apokalipsie zawodowej" napędzanej przez AI stała się powszechna, dane empiryczne wciąż zdają się wspierać ostrożną tezę noblisty. Najnowsze badania pokazują, że AI nie wpływa jeszcze znacząco na wskaźniki zatrudnienia czy zwolnień. Jednak technologia rozwija się w zawrotnym tempie, co skłania do pytania: czy nowe osiągnięcia zmieniły perspektywę jednego z najbardziej wpływowych ekonomistów naszych czasów?
Acemoglu, którego prace od lat koncentrują się na wzajemnych oddziaływaniach między technologią, instytucjami a nierównościami, konsekwentnie argumentuje, że wpływ technologii nie jest z góry przesądzony. Zamiast ulegać panice lub bezkrytycznemu optymizmowi, wskazuje na trzy kluczowe obszary, które należy obserwować, aby zrozumieć realny kierunek rozwoju AI. Pierwszym z nich jest rozwój tak zwanych agentów AI - systemów, które mają działać autonomicznie w celu realizacji powierzonych im zadań. Firmy technologiczne przedstawiają je jako potencjalne zastępstwo dla pracowników, zdolne do samodzielnego wykonywania złożonych procesów. Acemoglu pozostaje sceptyczny, twierdząc, że to "przegrana propozycja". Uważa, że agenci lepiej sprawdzają się jako narzędzia wspomagające konkretne fragmenty pracy, a nie zastępujące całe stanowiska. Argumentuje, że ludzkie zawody składają się z dziesiątek zróżnicowanych zadań - od komunikacji z pacjentem po archiwizację danych w przypadku technika rentgenowskiego. Człowiek płynnie przełącza się między różnymi kontekstami i narzędziami, podczas gdy AI wymagałoby niezliczonych protokołów i integracji, by osiągnąć podobną elastyczność. Kluczowym testem dla agentów będzie więc nie tyle wykonanie pojedynczego, długiego zadania, co zdolność do orkiestracji wielu różnorodnych czynności - umiejętności, która dla ludzi jest naturalna.
Drugim sygnałem ostrzegawczym, na który zwraca uwagę Acemoglu, jest zjawisko, które można nazwać "nową falą rekrutacji". Koncerny Big Tech od lat oferują astronomiczne pensje badaczom AI, ale teraz zaczęły masowo budować wewnętrzne zespoły ekonomistów. OpenAI zatrudniło ekonomistów z Duke University i Harvardu, Anthropic powołało grupę dziesięciu czołowych badaczy, a Google DeepMind stworzyło stanowisko "dyrektora ds. ekonomii AGI". Acemoglu dostrzega w tym strategiczne działanie. Firmy technologiczne są świadome rosnącego sceptycyzmu opinii publicznej, napędzanego głównie obawami o miejsca pracy, i mają silną motywację, aby kształtować narrację ekonomiczną wokół swoich produktów. Noblista wyraża obawę, że celem tych działań może być nie tyle rzetelna analiza, co "promowanie własnego punktu widzenia lub dalsze podsycanie szumu". Istnieje ryzyko, że najbardziej wpływowe badania dotyczące wpływu AI na rynek pracy będą pochodzić od firm, które mają najwięcej do zyskania na korzystnych dla siebie wnioskach.
Trzecim, fundamentalnym obszarem do obserwacji jest, według Acemoglu, ekonomiczna nieefektywność obecnych modeli fundamentalnych oraz brak łatwych w użyciu aplikacji. Koszty trenowania największych modeli, takich jak GPT-4, sięgają setek milionów dolarów, a ich utrzymanie i użytkowanie skaluje się do miliardów. Jednocześnie, jak pokazują badania, zwroty z tych inwestycji są malejące - wydajność modeli rośnie logarytmicznie, a nie wykładniczo, w stosunku do gigantycznych nakładów obliczeniowych. W praktyce, modele te przynoszą co najwyżej kilku- lub kilkunastoprocentowy wzrost produktywności w bardzo wąskich zastosowaniach, co stawia pod znakiem zapytania ich rentowność w skali makro. Co więcej, zdaniem Acemoglu, wciąż nie doczekaliśmy się aplikacji opartych na AI, które miałyby taką łatwość użycia i uniwersalność jak niegdyś PowerPoint czy Word. Te programy mogły być zainstalowane i wykorzystane przez każdego, co napędziło poprzednie transformacje technologiczne. Obecne narzędzia AI, choć często oparte na języku naturalnym, wymagają od przeciętnego pracownika czasu i wysiłku, aby stać się realnie produktywnymi. To właśnie brak tych "killer apps" jest jednym z głównych powodów, dla których AI nie wywołała jeszcze sejsmicznego wstrząsu w gospodarce.
Daron Acemoglu studzi więc rozpalone głowy, przypominając, że przyszłość nie jest zdeterminowana przez same możliwości techniczne. O jej kształcie zadecydują bodźce ekonomiczne, wybory instytucjonalne i to, czy zdecydujemy się na ścieżkę zorientowaną na człowieka, czy na domyślną automatyzację. Wczesne dane pokazują, że AI częściej wspomaga wykwalifikowanych pracowników, niż ich zastępuje, co może prowadzić nie tyle do masowego bezrobocia, co do dalszej polaryzacji rynku pracy. Noblista przewiduje, że w obecnej dekadzie AI nie podwoi tempa wzrostu gospodarczego, a roczne zyski z produktywności wyniosą poniżej jednego procenta. Jego perspektywa stanowi cenny głos rozsądku w debacie zdominowanej przez "pewność retoryki i niepewność wszystkiego innego". To wezwanie do krytycznego myślenia i obserwacji rzeczywistych danych, a nie marketingowych obietnic.