BOSTON – Ifølge teknologiledere og mange tek-eksperter og akademikere er kunstig intelligens (AI) klar til å forvandle verden slik vi kjenner den gjennom enestående produktivitetsgevinster. Mens noen mener at maskiner snart vil gjøre alt mennesker kan gjøre – og innlede en ny tidsalder med ubegrenset velstand – er andre spådommer i det minste mer jordnære. For eksempel spår Goldman Sachs at generativ AI vil øke globalt BNP med 7 % i løpet av det neste tiåret, og McKinsey Global Institute forventer at den årlige veksten i BNP kan øke med 3-4 prosentpoeng mellom nå og 2040. The Economist forventer på sin side at AI vil skape et industriarbeidereventyr.
Er dette realistisk? Som jeg påpeker i en nylig publisert artikkel, er utsiktene langt mer usikre enn de fleste prognoser og gjetninger antyder. Likevel, selv om det i utgangspunktet er umulig å forutsi med sikkerhet hva AI vil gjøre om 20 eller 30 år, kan man si noe om det neste tiåret, fordi de fleste av de økonomiske effektene på kort sikt må involvere eksisterende teknologi og forbedringer av den.
Det er rimelig å anta at AI vil få størst innvirkning ved å automatisere noen oppgaver og gjøre noen arbeidere i noen yrker mer produktive. Økonomisk teori kan til en viss grad hjelpe oss med å vurdere de samlede virkningene. Ifølge Hultens teorem (oppkalt etter økonomen Charles Hulten), er de samlede TFP-effektene (total faktorproduktivitet) ganske enkelt produktet av andelen oppgaver som automatiseres multiplisert med de gjennomsnittlige kostnadsbesparelsene.
Selv om gjennomsnittlige kostnadsbesparelser er vanskelige å beregne og vil variere etter aktivitet, har det allerede blitt gjennomført noen grundige studier av AIs virkninger på visse oppgaver. For eksempel har Shakked Noy og Whitney Zhang undersøkt virkningen av ChatGPT på enkle skriveoppgaver (som å oppsummere dokumenter eller skrive rutinemessige forskningssøknader eller utarbeide markedsføringsmateriale), mens Erik Brynjolfsson, Danielle Li og Lindsey Raymond har vurdert bruken av AI-assistenter i kundeservice. Samlet sett antyder denne forskningen at de nåværende generative AI-verktøyene gir gjennomsnittlige arbeidskostnadsbesparelser på 27 % og totale kostnadsbesparelser på 14,4 %.
Hva med andelen oppgaver som vil bli påvirket av AI og relatert teknologi? Ved å bruke tall fra nyere studier, anslår jeg dette til å være rundt 4,6 %. Dette betyr at AI kun vil øke TFP med 0,66 % over ti år – eller med 0,06 % årlig. Siden AI også vil drive en investeringsboom, kan selvsagt den økte veksten i BNP være litt større, kanskje i området 1-1,5 %.
Disse tallene er langt lavere enn tallene fra Goldman Sachs og McKinsey. Hvis man ønsker å oppnå høyere tall, må man enten øke produktivitetsgevinstene på mikronivå eller anta at mange flere oppgaver i økonomien vil bli påvirket. Men ingen av disse scenarioene virker plausible. Arbeidskostnadsbesparelser langt over 27 % faller ikke bare utenfor det området som eksisterende studier gir oss. De samsvarer heller ikke med de observerte effektene av andre, enda mer lovende, teknologier. For eksempel har industrielle roboter transformert noen produksjonssektorer, og de ser ut til å ha redusert arbeidskostnadene med omtrent 30 %.
The newest issue of our magazine, PS Quarterly: Age of Extremes, is here. To gain digital access to all of the magazine’s content, and receive your print copy, subscribe to PS Premium now.
Subscribe Now
Likeledes er det usannsynlig at vi vil se langt mer enn 4,6 % av oppgavene bli overtatt. AI er langt fra å være i stand til å utføre de fleste manuelle eller sosiale oppgaver (inkludert tilsynelatende enkle funksjoner med noen sosiale aspekter, som regnskap). En spørreundersøkelse foretatt i 2019 som omfatter de fleste amerikanske bedrifter, viste at bare omtrent 1,5 % av dem hadde investert i AI. Selv om slike investeringer har økt det siste halvannet året, har vi en lang, lang vei å gå før AI blir utbredt.
Selvfølgelig kan AI ha større virkninger enn min analyse gir rom for hvis teknologien revolusjonerer den vitenskapelige oppdagelsesprosessen eller skaper mange nye oppgaver og produkter. De nylige AI-drevne oppdagelsene av nye krystallstrukturer og fremskritt innen proteinbretting antyder at slike muligheter finnes. Men det er lite sannsynlig at disse gjennombruddene vil være en betydelig kilde til økonomisk vekst i løpet av de neste ti årene. Selv om nye oppdagelser kunne ha blitt testet og gjort om til faktiske produkter mye raskere, er teknologibransjen for øyeblikket overdrevent fokusert på automatisering og monetarisering av data, fremfor å introdusere arbeidstakere for nye produksjonsoppgaver.
Det kan også vise seg at mine egne estimater er for høye. Tidlig bruk av generativ AI har naturlig nok funnet sted på områder der teknologien presterer rimelig godt, det vil si oppgaver hvor det finnes objektive mål for suksess – som å skrive enkle programmeringssubrutiner eller verifisere informasjon. Her kan modellen lære på grunnlag av ekstern informasjon og lett tilgjengelige historiske data.
Men mange av de 4,6 % av oppgavene som rimeligvis kunne ha blitt automatisert innen ti år – som å evaluere søknader, diagnostisere helseproblemer og økonomisk rådgivning – har ikke slike klart definerte objektive suksessmål og innebærer ofte komplekse kontekstavhengige variabler. (Det som er bra for én pasient, vil ikke nødvendigvis være riktig for en annen.) I slike tilfeller er det mye vanskeligere å lære fra ekstern observasjon, og generative AI-modeller må i stedet basere seg på atferden til eksisterende arbeidstakere.
Under slike omstendigheter vil det være mindre rom for betydelige forbedringer i forhold til menneskelig arbeidskraft. Dermed anslår jeg at omtrent en fjerdedel av oppgavene – altså en fjerdedel av 4,6 % – tilhører kategorien «vanskeligere å lære» og vil ha lavere produktivitetsgevinster. Når denne justeringen gjøres, synker TFP-veksten på 0,66 % til omtrent 0,53 %.
Hva med virkningene på arbeidstakere, lønninger og ulikhet? Den gode nyheten er at virkningene av AI kan vise seg å være mer jevnt fordelt på tvers av befolkningsgrupper sammenlignet med tidligere automatiseringsbølger, som de som har vært basert på roboter eller programvaresystemer. Hvis det er tilfelle, vil det ikke ha så omfattende innvirkning på ulikhet som tidligere automatiseringsteknologi har hatt. (Jeg har beregnet disse effektene i mitt tidligere arbeid med Pascual Restrepo.) Imidlertid finner jeg ingen bevis for at AI vil redusere ulikheten eller øke lønnsveksten. Noen grupper – spesielt hvite kvinner som er født og oppvokst i landet – er betydelig mer eksponert og vil bli negativt påvirket, og generelt vil mer av gevinsten tilfalle kapital enn arbeid.
Økonomisk teori og tilgjengelige data berettiger et mer beskjedent, realistisk syn på AI. Det er lite som støtter argumentet om at vi ikke bør bekymre oss for regulering fordi AI vil være det såkalte stigende tidevannet som løfter alle båter. AI er det økonomer kaller en universell teknologi. Vi kan gjøre mange ting med den, og det er sikkert bedre ting vi kan gjøre enn å automatisere arbeid og øke lønnsomheten innen digital annonsering. Men hvis vi ukritisk omfavner teknooptimisme eller lar teknologibransjen sette dagsorden, kan mye av potensialet gå tapt.
To have unlimited access to our content including in-depth commentaries, book reviews, exclusive interviews, PS OnPoint and PS The Big Picture, please subscribe
The US president’s disastrous performance in the first – and possibly only – debate with Donald Trump reinforced an already-entrenched narrative that will be difficult, if not impossible, to alter. His performance could even threaten to turn him into something of a lame duck, further weakening his influence at home and abroad.
thinks the US president’s evident physical and mental infirmities have already turned him into a lame duck.
French President Emmanuel Macron has done himself no favors with his haughty, imperious style. But quite apart from the personal failings of a man who fancies himself a philosopher-king, a centrist project aimed at taking the best from the left and the right was always likely to alienate both sides.
thinks a series of lucky breaks masked the essential incoherence of the French president's political project.
BOSTON – Ifølge teknologiledere og mange tek-eksperter og akademikere er kunstig intelligens (AI) klar til å forvandle verden slik vi kjenner den gjennom enestående produktivitetsgevinster. Mens noen mener at maskiner snart vil gjøre alt mennesker kan gjøre – og innlede en ny tidsalder med ubegrenset velstand – er andre spådommer i det minste mer jordnære. For eksempel spår Goldman Sachs at generativ AI vil øke globalt BNP med 7 % i løpet av det neste tiåret, og McKinsey Global Institute forventer at den årlige veksten i BNP kan øke med 3-4 prosentpoeng mellom nå og 2040. The Economist forventer på sin side at AI vil skape et industriarbeidereventyr.
Er dette realistisk? Som jeg påpeker i en nylig publisert artikkel, er utsiktene langt mer usikre enn de fleste prognoser og gjetninger antyder. Likevel, selv om det i utgangspunktet er umulig å forutsi med sikkerhet hva AI vil gjøre om 20 eller 30 år, kan man si noe om det neste tiåret, fordi de fleste av de økonomiske effektene på kort sikt må involvere eksisterende teknologi og forbedringer av den.
Det er rimelig å anta at AI vil få størst innvirkning ved å automatisere noen oppgaver og gjøre noen arbeidere i noen yrker mer produktive. Økonomisk teori kan til en viss grad hjelpe oss med å vurdere de samlede virkningene. Ifølge Hultens teorem (oppkalt etter økonomen Charles Hulten), er de samlede TFP-effektene (total faktorproduktivitet) ganske enkelt produktet av andelen oppgaver som automatiseres multiplisert med de gjennomsnittlige kostnadsbesparelsene.
Selv om gjennomsnittlige kostnadsbesparelser er vanskelige å beregne og vil variere etter aktivitet, har det allerede blitt gjennomført noen grundige studier av AIs virkninger på visse oppgaver. For eksempel har Shakked Noy og Whitney Zhang undersøkt virkningen av ChatGPT på enkle skriveoppgaver (som å oppsummere dokumenter eller skrive rutinemessige forskningssøknader eller utarbeide markedsføringsmateriale), mens Erik Brynjolfsson, Danielle Li og Lindsey Raymond har vurdert bruken av AI-assistenter i kundeservice. Samlet sett antyder denne forskningen at de nåværende generative AI-verktøyene gir gjennomsnittlige arbeidskostnadsbesparelser på 27 % og totale kostnadsbesparelser på 14,4 %.
Hva med andelen oppgaver som vil bli påvirket av AI og relatert teknologi? Ved å bruke tall fra nyere studier, anslår jeg dette til å være rundt 4,6 %. Dette betyr at AI kun vil øke TFP med 0,66 % over ti år – eller med 0,06 % årlig. Siden AI også vil drive en investeringsboom, kan selvsagt den økte veksten i BNP være litt større, kanskje i området 1-1,5 %.
Disse tallene er langt lavere enn tallene fra Goldman Sachs og McKinsey. Hvis man ønsker å oppnå høyere tall, må man enten øke produktivitetsgevinstene på mikronivå eller anta at mange flere oppgaver i økonomien vil bli påvirket. Men ingen av disse scenarioene virker plausible. Arbeidskostnadsbesparelser langt over 27 % faller ikke bare utenfor det området som eksisterende studier gir oss. De samsvarer heller ikke med de observerte effektene av andre, enda mer lovende, teknologier. For eksempel har industrielle roboter transformert noen produksjonssektorer, og de ser ut til å ha redusert arbeidskostnadene med omtrent 30 %.
Secure your copy of PS Quarterly: Age of Extremes
The newest issue of our magazine, PS Quarterly: Age of Extremes, is here. To gain digital access to all of the magazine’s content, and receive your print copy, subscribe to PS Premium now.
Subscribe Now
Likeledes er det usannsynlig at vi vil se langt mer enn 4,6 % av oppgavene bli overtatt. AI er langt fra å være i stand til å utføre de fleste manuelle eller sosiale oppgaver (inkludert tilsynelatende enkle funksjoner med noen sosiale aspekter, som regnskap). En spørreundersøkelse foretatt i 2019 som omfatter de fleste amerikanske bedrifter, viste at bare omtrent 1,5 % av dem hadde investert i AI. Selv om slike investeringer har økt det siste halvannet året, har vi en lang, lang vei å gå før AI blir utbredt.
Selvfølgelig kan AI ha større virkninger enn min analyse gir rom for hvis teknologien revolusjonerer den vitenskapelige oppdagelsesprosessen eller skaper mange nye oppgaver og produkter. De nylige AI-drevne oppdagelsene av nye krystallstrukturer og fremskritt innen proteinbretting antyder at slike muligheter finnes. Men det er lite sannsynlig at disse gjennombruddene vil være en betydelig kilde til økonomisk vekst i løpet av de neste ti årene. Selv om nye oppdagelser kunne ha blitt testet og gjort om til faktiske produkter mye raskere, er teknologibransjen for øyeblikket overdrevent fokusert på automatisering og monetarisering av data, fremfor å introdusere arbeidstakere for nye produksjonsoppgaver.
Det kan også vise seg at mine egne estimater er for høye. Tidlig bruk av generativ AI har naturlig nok funnet sted på områder der teknologien presterer rimelig godt, det vil si oppgaver hvor det finnes objektive mål for suksess – som å skrive enkle programmeringssubrutiner eller verifisere informasjon. Her kan modellen lære på grunnlag av ekstern informasjon og lett tilgjengelige historiske data.
Men mange av de 4,6 % av oppgavene som rimeligvis kunne ha blitt automatisert innen ti år – som å evaluere søknader, diagnostisere helseproblemer og økonomisk rådgivning – har ikke slike klart definerte objektive suksessmål og innebærer ofte komplekse kontekstavhengige variabler. (Det som er bra for én pasient, vil ikke nødvendigvis være riktig for en annen.) I slike tilfeller er det mye vanskeligere å lære fra ekstern observasjon, og generative AI-modeller må i stedet basere seg på atferden til eksisterende arbeidstakere.
Under slike omstendigheter vil det være mindre rom for betydelige forbedringer i forhold til menneskelig arbeidskraft. Dermed anslår jeg at omtrent en fjerdedel av oppgavene – altså en fjerdedel av 4,6 % – tilhører kategorien «vanskeligere å lære» og vil ha lavere produktivitetsgevinster. Når denne justeringen gjøres, synker TFP-veksten på 0,66 % til omtrent 0,53 %.
Hva med virkningene på arbeidstakere, lønninger og ulikhet? Den gode nyheten er at virkningene av AI kan vise seg å være mer jevnt fordelt på tvers av befolkningsgrupper sammenlignet med tidligere automatiseringsbølger, som de som har vært basert på roboter eller programvaresystemer. Hvis det er tilfelle, vil det ikke ha så omfattende innvirkning på ulikhet som tidligere automatiseringsteknologi har hatt. (Jeg har beregnet disse effektene i mitt tidligere arbeid med Pascual Restrepo.) Imidlertid finner jeg ingen bevis for at AI vil redusere ulikheten eller øke lønnsveksten. Noen grupper – spesielt hvite kvinner som er født og oppvokst i landet – er betydelig mer eksponert og vil bli negativt påvirket, og generelt vil mer av gevinsten tilfalle kapital enn arbeid.
Økonomisk teori og tilgjengelige data berettiger et mer beskjedent, realistisk syn på AI. Det er lite som støtter argumentet om at vi ikke bør bekymre oss for regulering fordi AI vil være det såkalte stigende tidevannet som løfter alle båter. AI er det økonomer kaller en universell teknologi. Vi kan gjøre mange ting med den, og det er sikkert bedre ting vi kan gjøre enn å automatisere arbeid og øke lønnsomheten innen digital annonsering. Men hvis vi ukritisk omfavner teknooptimisme eller lar teknologibransjen sette dagsorden, kan mye av potensialet gå tapt.
Oversatt av Marius Gustavson