A mesterséges intelligencia termelékenységi paradoxona

A munka termelékenysége az elmúlt évtizedben jelentősen csökkent, annak ellenére, hogy a mesterséges intelligencia segített felváltani az ismétlődő feladatokat a napi munkában.

Valóban növeli a mesterséges intelligencia a munka termelékenységét? Fotó: LinkedIn .

A mesterséges intelligencia miatti munkahelyek elvesztése miatti növekvő aggodalmak közepette az optimisták azzal érvelnek, hogy ez egyszerűen egy eszköz a termelékenység növelésére, amely mind a munkavállalók, mind a gazdaság javát szolgálja. Satya Nadella, a Microsoft vezérigazgatója azt sugallja, hogy a felhasználóknak csak meg kell fogalmazniuk a céljaikat, míg az automatizált MI-ügynökök önállóan terveznek, hajtanak végre és tanulnak minden rendszeren.

A mesterséges intelligencia azonban egyfajta „produktivitási csapdát” teremt, egyre több embert ösztönözve arra, hogy használják, sőt, függővé váljanak tőle. Ez az önreflexió és a problémamegoldó képesség hanyatlásához vezet, és ami még súlyosabb, kihat a kreativitásra és az életben elért áttörésekre.

A mennyiség előtérbe helyezése a minőséggel szemben.

Az FT szerint a mesterséges intelligencia által támogatott eszközök ideálisak lennének, ha a teljesítmény önmagában elegendő a termelékenységi probléma megoldásához. Az újság rámutat, hogy az elmúlt fél évszázadban számos olyan számítógépet fejlesztettek ki, amelyek állítólag gyorsabbak, mint valaha, de a fejlett gazdaságokban a munkatermelékenység növekedési üteme lelassult, az 1990-es évekbeli évi körülbelül 2%-ról mára mindössze 0,8%-ra.

A számítógépek, az internet és a globális tehetségkapcsolatok megjelenésével az áttöréseknek robbanásszerűen kellett volna megnőniük. A kutatás termelékenysége azonban csökkent. Egy tudós ma kevesebb úttörő ötletet generál befektetett dolláronként, mint elődje az 1960-as években.

Gary Becker közgazdász egyszer rámutatott, hogy a szülőknek választaniuk kell a „minőség és a mennyiség” között. Például minél több gyermekük van, annál kevésbé valószínű, hogy minden gyermekbe külön-külön fektetnek be. Ugyanez történhet az innovációval is.

Túl sok projekt egyszerre negatívan befolyásolhatja a kreativitást. Fotó: Adobe Stock

A szabadalmi kibocsátás nagyszabású tanulmányai megerősítik, hogy a végrehajtott projektek száma fordítottan arányos az áttörések valószínűségével. Az elmúlt évtizedekben a tudományos cikkek és szabadalmak egyre inkább fokozatos bővüléssé, nem pedig jelentős áttöréssé váltak.

Eközben a történelem nagy elméi megértették ezt. Isaac Newton egyszer azt mondta, hogy „mindig „egy problémát tart maga előtt… amíg az első fényszikrák apránként fel nem tűnnek, és végül tiszta és teljes fénnyel törnek elő”. „A kreativitás azt jelenti, hogy nemet mondunk ezernyi dologra” – értett egyet Steve Jobs.

"A mesterséges intelligencia közepes képességű csapdája"

Ho Quoc Tuan úr, a Bristoli Egyetem Pénzügy és Számvitel mesterképzésének igazgatója említette a „mesterséges intelligencia átlagos képességcsapdájának” koncepcióját. Azok a munkakörök, amelyek gyakran megkövetelik egy átlagember képességeit, gyakran sok ismétlődő feladatot foglalnak magukban, világos és számszerűsíthető folyamatokat követnek. Azt állítja azonban, hogy pontosan ez a mesterséges intelligencia kiemelkedő erőssége.

A nagyléptékű nyelvi modellek (LLM-ek) hajlamosak ragaszkodni ahhoz, amit a statisztikák általános konszenzusnak tekintenek. Ha egy chatbottal 19. századi szöveget olvasna fel, az „bebizonyítaná”, hogy az emberek nem tudtak repülni, amíg a Wright fivérek meg nem tudták.

A Nature folyóiratban 2025 márciusában megjelent tanulmány kimutatta, hogy bár az LLM segíthet csökkenteni az ismétlődő tudományos feladatokat, a gondolkodás igazi ugrásai továbbra is az embereké. Tuan úr azt is állította, hogy a már ismert dolgokhoz való ragaszkodás, a kockázatvállalás vonakodása és a kritikai gondolkodás hiánya végzetes gyengeségek a mesterséges intelligencia korszakában.

Demis Hassabis, a Google DeepMind csapatának vezetője, amely az AlphaFoldot, a fehérjeformák előrejelzésére képes modellt fejlesztette ki, a mai napig a mesterséges intelligencia egyik legkiemelkedőbb tudományos eredményének számít. De még ő is elismeri, hogy a valóban általános mesterséges intelligencia eléréséhez még „sokkal több innovációra” lesz szükség.

Az AlphaFold, a Nobel-díjas tudományos munka, szintén „több innovációra” szorul. Fotó: Google Deepmind.

A közeljövőben a mesterséges intelligencia elsősorban a hatékonyság növelését fogja segíteni, nem pedig az innováció előmozdítását. Az Arxivon közzétett, több mint 7000 tudásmunkás bevonásával készült felmérés kimutatta, hogy azok, akik magas fokú termelékenységgel használják a mesterséges intelligenciát, átlagosan heti 3,6 órával (ami 31%-nak felel meg) csökkentették az e-mail-feldolgozási idejüket, miközben az együttműködésen alapuló feladatok gyakorlatilag változatlanok maradtak.

Ha azonban mindenki a ChatGPT-nek delegálja az e-mailes válaszokat, a beérkező levelek száma megnőhet, aláásva a kezdeti hatékonyságot. Az FT szerint az 1990-es évekbeli amerikai termelékenység-fellendülés tapasztalatai azt mutatják, hogy egy új eszköz előnyei gyorsan elhalványulnak, ha nem párosulnak valódi innovatív áttörésekkel.

Forrás: https://znews.vn/nghich-ly-nang-suat-cua-ai-post1561451.html