A mesterséges intelligencia termelékenységi paradoxona

A munka termelékenysége jelentősen csökkent az elmúlt évtizedben, annak ellenére, hogy a mesterséges intelligencia hozzájárult az ismétlődő feladatok helyettesítéséhez a napi munkában.

Valóban növeli a mesterséges intelligencia a termelékenységet? Fotó: LinkedIn .

A mesterséges intelligencia miatti munkahely-elvesztéssel kapcsolatos növekvő félelmek közepette az optimisták szerint ez egyszerűen egy termelékenységi eszköz, amely mind a munkavállalók, mind a gazdaság számára előnyös lesz. Satya Nadella, a Microsoft vezérigazgatója szerint a felhasználók egyszerűen csak megfogalmazzák céljaikat, míg az automatizált MI-ügynökök minden rendszerben megtervezik, végrehajtják és tanulnak.

A mesterséges intelligencia azonban egyfajta „produktivitási csapdát” teremt, amely arra késztet, hogy egyre több ember használja, sőt, támaszkodjon rá. Ez az önkérdőjelek és a problémamegoldó képesség csökkenéséhez vezet, és ami még súlyosabb, hatással lesz a kreativitásra és az életben elért áttörésekre.

A mennyiségre koncentrálj a minőség helyett

Az FT szerint az ideális mesterséges intelligencia eszköz az lenne, ahol a hatékonyság önmagában elegendő a termelékenységi probléma megoldásához. Az újság rámutat, hogy az elmúlt fél évszázadban több olyan számítógép volt, amelyek állítólag gyorsabbak, mint valaha, de a fejlett gazdaságokban a munkatermelékenység növekedési üteme az 1990-es évek évi körülbelül 2%-áról napjainkban körülbelül 0,8%-ra esett vissza.

Amikor a számítógépeket kiegészült az internettel, és a globális tehetségek összekapcsolódtak, az áttöréseknek robbanásszerűen kellett volna növekedniük. Ehelyett a kutatás termelékenysége csökkent. Egy tudós ma kevesebb áttörést ér el befektetett dolláronként, mint elődje az 1960-as években.

Gary Becker közgazdász rámutatott, hogy a szülőknek választaniuk kell a „minőség és a mennyiség” között. Minél több gyermekük van például, annál kevesebbet engedhetnek meg maguknak, hogy minden gyermekbe befektessenek. Ugyanez történhet az innovációval is.

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

A szabadalmi kibocsátás nagyszabású tanulmányai megerősítik, hogy a végrehajtott projektek száma fordítottan arányos az áttörés valószínűségével. Az elmúlt évtizedekben a tudományos cikkek és a szabadalmak inkább szivárogtak le, mintsem áttörésként jelentek meg.

Eközben a történelem nagy elméi jól értették ezt. Isaac Newton egyszer azt mondta, hogy „mindig egy problémát tartott maga előtt… amíg az első fénysugarak apránként meg nem jelentek, majd végül tiszta és teljes fénybe nem törtek.” „Az innováció 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 megemlítette a „mesterséges intelligencia átlagos képességcsapdájának” koncepcióját. A rendszeres munka, amely átlagos képességű emberek képességeit igényli, gyakran sok ismétlődő feladatot foglal magában, világos és számszerűsíthető folyamatokat követve. Úgy véli azonban, hogy ez a mesterséges intelligencia kiemelkedő erőssége.

A nagy nyelvi modellek (LLM-ek) általában ahhoz ragaszkodnak, amit a statisztikák szerint egy általános konszenzusnak tartanak. Ha egy chatbotnak 19. századi szöveget adsz, az „bebizonyítja”, hogy az emberek nem tudtak repülni, amíg a Wright fivérek nem tudták.

A Nature folyóiratban 2025 márciusában megjelent tanulmány megállapította, hogy bár az LLM-ek segíthetnek csökkenteni az ismétlődő tudományos munkát, a gondolkodás igazi ugrásai továbbra is az embereké. Tuan úr azt is hiszi, hogy a már ismert dolgokhoz való ragaszkodás, a kockázatvállalás mellőzése és a kritikai gondolkodás végzetes gyengeségek a mesterséges intelligencia korszakában.

Demis Hassabis, a Google DeepMind csapatának vezetője, amely az AlphaFoldot, a fehérjeformákat előrejelző modellt fejlesztette ki, a mesterséges intelligencia egyik legjelentősebb tudományos eredményének számít napjainkig. De még ő is elismeri, hogy a valódi általános mesterséges intelligencia eléréséhez még „sok további innovációra” lesz szükség.

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

Rövid távon a mesterséges intelligencia inkább a hatékonyságról, mint a kreativitásról fog szólni. Az Arxivon publikált, több mint 7000 tudásmunkás bevonásával készült felmérés szerint azok, akik generatív mesterséges intelligenciát széles körben használtak, átlagosan heti 3,6 órával (31%-kal) csökkentették az e-mailezésre fordított idejüket, miközben az együttműködésen alapuló feladatok nagyrészt változatlanok maradtak.

Ha azonban mindenki kiszervezi az e-mail-válaszadást a ChatGPT-nek, a beérkező levelek száma megnőhet, ami a kezdeti termelékenység elvesztését eredményezheti. Az FT szerint az 1990-es évek amerikai termelékenység-fellendülésének tapasztalatai azt mutatják, hogy az új eszközök előnyei gyorsan elhalványulnak, ha nem párosulnak valódi kreatív áttörésekkel.

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