De productiviteitsparadox van AI

De arbeidsproductiviteit is de afgelopen tien jaar aanzienlijk gedaald, ondanks het feit dat kunstmatige intelligentie heeft bijgedragen aan de vervanging van repetitieve taken in het dagelijks werk.

Verhoogt AI de productiviteit op het werk echt? Foto: LinkedIn .

Temidden van toenemende zorgen over banenverlies als gevolg van AI, stellen optimisten dat het simpelweg een hulpmiddel is om de productiviteit te verhogen, wat zowel werknemers als de economie ten goede komt. Microsoft-CEO Satya Nadella suggereert dat gebruikers alleen hun doelen hoeven aan te geven, waarna geautomatiseerde AI-agenten zelfstandig plannen, uitvoeren en leren binnen alle systemen.

Kunstmatige intelligentie creëert echter een 'productiviteitsval', waardoor steeds meer mensen worden aangemoedigd om het te gebruiken en er zelfs afhankelijk van te worden. Dit zal leiden tot een afname van zelfreflectie en probleemoplossend vermogen, en, nog ernstiger, zal de creativiteit en baanbrekende ontdekkingen in het leven belemmeren.

Kwantiteit boven kwaliteit stellen.

Volgens de Financial Times zouden AI-tools ideaal zijn wanneer prestaties op zich al voldoende zijn om het productiviteitsprobleem op te lossen. De krant wijst erop dat er de afgelopen halve eeuw veel computers zijn ontwikkeld die zogenaamd sneller zijn dan ooit tevoren, maar dat de groei van de arbeidsproductiviteit in ontwikkelde economieën is afgenomen, van ongeveer 2% per jaar in de jaren negentig tot slechts ongeveer 0,8% nu.

Met de komst van computers, internet en wereldwijde connectiviteit tussen talenten zouden doorbraken in een stroomversnelling moeten komen. Toch is de onderzoeksproductiviteit afgenomen. Een wetenschapper genereert tegenwoordig minder baanbrekende ideeën per geïnvesteerde dollar dan zijn voorganger in de jaren zestig.

Econoom Gary Becker merkte ooit op dat ouders moeten kiezen tussen "kwaliteit en kwantiteit". Hoe meer kinderen ze bijvoorbeeld hebben, hoe minder ze geneigd zijn om in elk kind afzonderlijk te investeren. Hetzelfde lijkt te gebeuren met innovatie.

Te veel projecten tegelijk kunnen een negatieve invloed hebben op de creativiteit. Foto: Adobe Stock.

Grootschalige studies naar patentproductie bevestigen dat het aantal uitgevoerde projecten omgekeerd evenredig is aan de kans op doorbraken. In de afgelopen decennia zijn wetenschappelijke publicaties en patenten steeds vaker incrementele toevoegingen geworden in plaats van grote doorbraken.

Ondertussen begrepen grote denkers door de geschiedenis heen dit. Isaac Newton zei ooit dat hij altijd "een probleem voor zich houdt... totdat de eerste lichtvonken beetje bij beetje verschijnen en uiteindelijk uitbarsten in een helder en compleet licht." "Creativiteit is nee zeggen tegen duizend dingen," beaamde Steve Jobs.

"De valkuil van de gemiddelde capaciteit van AI"

De heer Ho Quoc Tuan, directeur van de masteropleiding Financiën en Accountancy aan de Universiteit van Bristol, noemde het concept van de "AI-valkuil van gemiddelde vaardigheden". Banen die vaak de vaardigheden van een gemiddeld persoon vereisen, omvatten vaak veel repetitieve taken en volgen duidelijke en meetbare processen. Hij betoogt echter dat dit juist de grote kracht van AI is.

Grootschalige taalmodellen (LLM's) hebben de neiging vast te houden aan wat statistisch gezien als algemene consensus wordt beschouwd. Als je een chatbot 19e-eeuwse teksten zou laten lezen, zou die "bewijzen" dat mensen niet konden vliegen, totdat de gebroeders Wright dat wel deden.

Een review die in maart 2025 in Nature werd gepubliceerd, toonde aan dat hoewel LLM kan helpen bij het verminderen van repetitieve wetenschappelijke taken, de echte doorbraken in denken nog steeds aan mensen toebehoren. De heer Tuan betoogde ook dat vasthouden aan wat al bekend is, terughoudendheid om risico's te nemen en een gebrek aan kritisch denken fatale zwakheden zijn in het AI-tijdperk.

Demis Hassabis, hoofd van het team bij Google DeepMind dat AlphaFold ontwikkelde, een model dat eiwitstructuren kan voorspellen, wordt beschouwd als een van de meest opmerkelijke wetenschappelijke prestaties op het gebied van AI tot nu toe. Maar zelfs hij erkent dat er nog "veel meer innovatie" nodig is om echt algemene kunstmatige intelligentie te bereiken.

AlphaFold, het wetenschappelijke werk dat met de Nobelprijs werd bekroond, heeft ook "meer innovatie" nodig. Foto: Google Deepmind.

In de nabije toekomst zal AI vooral bijdragen aan een hogere efficiëntie in plaats van innovatie te bevorderen. Een onderzoek onder meer dan 7.000 kenniswerkers, gepubliceerd op Arxiv , toonde aan dat degenen die AI intensief gebruiken hun e-mailverwerkingstijd gemiddeld met 3,6 uur per week (oftewel 31%) verkorten, terwijl samenwerkingstaken vrijwel onveranderd blijven.

Als iedereen echter e-mailreacties delegeert aan ChatGPT, kan het aantal e-mails in de inboxen toenemen, waardoor de aanvankelijke efficiëntie teniet wordt gedaan. Volgens de Financial Times laat de ervaring met het Amerikaanse productiviteitsherstel in de jaren negentig zien dat de voordelen van een nieuwe tool snel verdwijnen als deze niet gepaard gaat met echte innovatieve doorbraken.

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