Apakah kesan sebenar AI terhadap produktiviti?

Kecerdasan buatan telah menjadi jalan cerita dekad ini, tetapi kebanyakan perbahasan awam terlepas apa yang sudah berlaku di lapangan.

Kesannya tidak tersembunyi dalam makmal yang jauh atau ramalan teori. Anda boleh menemuinya dalam metrik seperti pesanan peralatan, belanjawan korporat, grid kuasa, dan juga dalam perbelanjaan pengguna dipacu stok.

AI muncul dengan cara kecil yang menambah sesuatu yang lebih besar. Sesetengah firma bekerja lebih pantas, beberapa pekerjaan berubah bentuk, dan seluruh sektor menyusun semula perisian yang tidak wujud tiga tahun lalu.

Idea bahawa AI masih belum memberi kesan tidak lagi tepat. Tetapi kuncinya ialah memahami di mana kesannya boleh dilihat dan mengapa angka produktiviti rasmi baru mula bergerak.

Sejauh mana AI telah mengubah nombor setakat ini

Data paling bersih datang daripada Model Belanjawan Penn Wharton, yang memecahkan pengaruh AI kepada tugasan dan bukannya tajuk pekerjaan. Penemuan mereka adalah asas yang berguna kerana mereka menggunakan data pekerjaan AS yang terperinci.

Mereka menganggarkan bahawa kira-kira 40% daripada pendapatan buruh hari ini dikaitkan dengan kerja yang boleh dibentuk semula oleh AI generatif. Tidak setiap tugas menguntungkan untuk diautomasikan, tetapi bahagian yang besar adalah.

Model mereka mencadangkan bahawa sekitar 10% daripada KDNK hari ini berkemungkinan terjejas dan bahagian itu boleh meningkat kepada kira-kira 15% dalam dua dekad akan datang apabila sektor yang mempunyai pendedahan tinggi berkembang lebih cepat daripada ekonomi yang lain.

Kajian mengenai penggunaan sebenar melukis gambaran yang jelas tentang apa yang berlaku di dalam firma. Pasukan sokongan pelanggan yang menggunakan pembantu AI melengkapkan lebih banyak kes. Penulis profesional melengkapkan draf kira-kira 40% lebih cepat.

Jurutera perisian menyelesaikan tugas dengan lebih cepat apabila menggunakan alat gaya Copilot.

Penn Wharton menggunakan kajian ini untuk mengandaikan sekitar 25% penjimatan kos buruh apabila AI digunakan hari ini, meningkat kepada 40% apabila sistem bertambah baik lagi.

Apabila penjimatan kos ini ditimbang dengan bahagian tugas yang terjejas dan diselaraskan untuk kadar penerimaan, kesan makro menjadi lebih jelas.

Rangsangan kepada jumlah produktiviti faktor AS adalah kecil hari ini, kira-kira 0.01 mata peratusan. Tetapi ia dijangka meningkat sepanjang dekad dan memuncak pada awal 2030-an hampir 0.2 mata peratusan sebelum pudar.

Hasil jangka panjang ialah ekonomi yang lebih besar, bukan kadar pertumbuhan yang lebih pantas secara kekal. Anggaran pusat mereka ialah AI menaikkan KDNK sebanyak kira-kira 3% menjelang 2055.

Kesimpulan daripada penyelidikan sedemikian ialah kesan produktiviti awal AI adalah bermakna tetapi tidak sekata dan tertumpu dalam tugas dan syarikat tertentu.

Nombor agregat mencerminkan ekonomi yang masih belum menyusun semula dirinya di sekitar teknologi.

Mengapa pelaburan perniagaan melakukan tugas berat

Tanda-tanda pengaruh AI yang paling jelas muncul di bahagian pelaburan ekonomi AS. Penyelidikan baru-baru ini oleh Bloomberg menunjukkan bahawa perbelanjaan untuk peralatan dan perisian pemprosesan maklumat telah melonjak tahun ini.

Sumbangan kepada pertumbuhan KDNK daripada kategori ini adalah yang terbesar dalam beberapa dekad.

Pembinaan pusat data telah mencapai kadar tahunan sekitar $41 bilion dan merupakan salah satu daripada beberapa segmen yang berkembang dalam pembinaan swasta.

Tiga syarikat sahaja, Meta, Microsoft dan Google, membelanjakan $78 bilion untuk peralatan modal pada suku ketiga tahun ini, hampir dua kali ganda perbelanjaan mereka setahun sebelumnya. Ini ialah jejak fizikal ledakan AI.

Bloomberg menganggarkan bahawa perbelanjaan modal berkaitan AI menyumbang sekitar 1% kepada pertumbuhan KDNK AS pada separuh pertama 2025. Ini bermakna AI menyumbang lebih separuh daripada kadar pertumbuhan 1.6% dalam tempoh itu.

Jarang sekali gelombang teknologi tunggal memainkan peranan yang begitu besar dalam akaun negara.

Sesetengah penganalisis menjangkakan dorongan pelaburan akan mengukuh tahun depan. Yang lain berpendapat kemuncaknya telah berlalu. Walau apa pun, sumbangan itu boleh diukur hari ini.

Terdapat komplikasi yang sering tidak disedari. Kebanyakan perkakasan yang diperlukan untuk pusat data diimport. Itu melebarkan defisit perdagangan dan menghapuskan sebahagian daripada sumbangan pertumbuhan kasar.

Namun kerajaan persekutuan telah membenarkan pengecualian tarif untuk pelayan dan papan litar walaupun terdapat ketegangan perdagangan di tempat lain.

Ahli ekonomi menyatakan bahawa ledakan itu akan bergelut jika perkakasan menghadapi tugas yang sama yang dibayar oleh industri seperti kereta atau pembinaan.

Terdapat juga tekanan pada sistem kuasa. Pusat data menuntut sejumlah besar elektrik. Permintaan kuasa AS boleh meningkat kira-kira 16% menjelang 2029 jika trend semasa berterusan.

Peningkatan grid mengambil masa bertahun-tahun dan menghadapi kos yang lebih tinggi kerana tarif ke atas peralatan seperti transformer. Kenaikan harga elektrik boleh memperlahankan penggunaan AI atau memampatkan margin untuk firma yang cuba berskala.

Di dalam syarikat sudah merasakan perubahan

Tinjauan menawarkan perspektif yang berbeza. Mereka menunjukkan perkara yang berlaku sebaik sahaja alat AI memasuki aliran kerja harian. Kajian EMEA 2025 IBM ialah salah satu yang terbesar seumpamanya, berdasarkan 3,500 eksekutif di sepuluh negara.

Dua pertiga mengatakan bahawa AI telah menghasilkan keuntungan produktiviti yang ketara.

Satu daripada lima mengatakan mereka telah mencapai sasaran pulangan pelaburan mereka. 42% lagi menjangkakan pulangan dalam tempoh setahun, selalunya melalui pelaksanaan yang lebih pantas, kos yang lebih rendah dan kualiti perkhidmatan yang lebih baik.

Laporan itu menyerlahkan bahawa firma besar berada di hadapan. 72% perusahaan dengan lebih daripada seribu pekerja melaporkan keuntungan yang ketara. Hanya 55% firma kecil dan sederhana mengatakan perkara yang sama.

Organisasi sektor awam menunjukkan corak yang serupa dengan firma yang lebih kecil. Ini mencerminkan kitaran teknologi terdahulu di mana organisasi yang lebih besar mempunyai modal dan kapasiti teknikal untuk bergerak terlebih dahulu.

Data IBM juga menunjukkan bagaimana kerja berubah. Eksekutif berkata pekerja menghabiskan lebih banyak masa untuk perancangan, kerja kreatif dan pembangunan idea apabila AI mengendalikan tugas berulang.

Corak ini sejajar dengan kajian akademik yang menunjukkan AI membantu pekerja yang kurang berpengalaman merapatkan jurang prestasi dan membolehkan pekerja berpengalaman menumpukan pada output bernilai lebih tinggi.

Apa yang menonjol dalam kedua-dua penemuan IBM dan Penn Wharton ialah betapa tidak sekata keuntungan merentas pekerjaan. Tugas yang paling terdedah ialah dalam peranan sokongan pejabat, operasi perniagaan, IT, jualan dan pengurusan pertengahan.

Pendedahan memuncak sekitar persentil gaji lapan puluh hingga kesembilan puluh, kemudian menurun untuk mereka yang berpendapatan tertinggi yang cenderung melakukan tugas yang memerlukan pertimbangan, rundingan, atau kepakaran yang jarang berlaku.

Kumpulan yang paling kurang terdedah termasuk pembinaan, pengangkutan, perkhidmatan makanan dan kerja penjagaan secara peribadi. Ini bermakna kesan buruh jangka pendek tertumpu pada peranan kolar putih bergaji sederhana hingga tinggi, bukan dalam pekerjaan manual.

Apa yang sebenarnya dikatakan oleh CEO di dalam bilik lembaga pengarah

Pemimpin korporat menggambarkan perubahan yang lebih pantas daripada kitaran sebelumnya. Ketua eksekutif Goldman Sachs David Solomon berkata dia tidak dapat mencari CEO yang tidak cuba mereka bentuk semula proses di sekitar automasi.

Beliau berkata syarikat mahu meningkatkan pengeluaran tanpa meningkatkan jumlah pekerja dan AI kini menjadi teras kepada usaha tersebut.

Satya Nadella dari Microsoft membuat komen yang sama dengan memanggil detik ini sebagai "anjakan platform AI." Jensen Huang dari Nvidia, yang telah menyamakannya dengan revolusi perindustrian baharu.

Pandangan mereka menerangkan perkara yang dilihat oleh pemimpin AI semasa dalam operasi mereka sendiri dan dalam kalangan pelanggan mereka.

Data menyokong sentimen ini. Semakin ramai firma bukan sekadar menambah alatan AI pada aliran kerja sedia ada. Mereka sedang membina semula aliran kerja di sekitar alat.

Sesetengah rantaian nilai reka bentuk dari awal dengan mengambil kira AI. Yang lain beralih daripada kitaran perancangan berkala kepada membuat keputusan berterusan berpandukan sistem AI.

Perubahan ini mengambil masa untuk ditapis kepada nombor produktiviti rasmi, yang membantu menjelaskan jurang antara apa yang dilaporkan oleh firma secara dalaman dan apa yang muncul dalam statistik nasional.

Satu lagi perkara penting muncul dalam tinjauan. Syarikat mahukan sistem AI yang terbuka dan boleh dikendalikan. Kira-kira 85% daripada responden IBM berkata ketelusan, kebolehoperasian dan fleksibiliti pembekal adalah penting.

Apakah yang semua ini memberitahu kita tentang kesan produktiviti AI sebenar

AI hari ini muncul di tiga tempat dalam ekonomi. Nampaknya peningkatan perbelanjaan modal oleh firma berlumba-lumba untuk membina kapasiti pengkomputeran. Ia muncul dalam kerja harian pengguna awal yang melaporkan pelaksanaan yang lebih pantas dan output yang lebih tinggi.

Dan ia juga muncul dalam pasaran aset, di mana syarikat yang diterajui AI telah menjana trilion dolar dalam kekayaan ekuiti baharu yang telah mencetuskan penggunaan yang lebih tinggi dalam kalangan isi rumah mewah, mencetuskan kebimbangan tentang "gelembung AI."

Apa yang belum muncul lagi ialah peningkatan produktiviti yang meluas di seluruh ekonomi. Ini bukan sesuatu yang luar biasa.

Teknologi tujuan umum sebelum ini, seperti elektrifikasi dan internet, muncul dalam data hanya selepas firma menyusun semula pengeluaran.

Corak yang sama dimainkan lagi. AI masih dalam fasa pelaburan dan eksperimen untuk kebanyakan syarikat. Sebaik sahaja penyusunan semula selesai, keuntungan mungkin akan muncul dengan lebih jelas.

Anggaran yang paling berhati-hati mencadangkan AI meningkatkan pertumbuhan produktiviti sebanyak beberapa persepuluh mata peratusan pada kemuncaknya dan meninggalkan ekonomi secara kekal lebih besar sebanyak beberapa peratus.

Ramalan yang lebih bercita-cita tinggi mencadangkan keuntungan yang lebih tinggi jika AI mempercepatkan inovasi itu sendiri.

Jurang antara pandangan ini bergantung pada seberapa cepat firma menyusun semula kerja, sejauh mana alat AI tersebar kepada syarikat yang lebih kecil dan sektor awam, dan sama ada infrastruktur seperti grid kuasa boleh berskala untuk memadankan permintaan.