Jaki jest realny wpływ sztucznej inteligencji na produktywność?

Sztuczna inteligencja stała się tematem przewodnim dekady, ale znaczna część debaty publicznej pomija to, co już dzieje się w terenie.

Efekty nie są ukryte w odległych laboratoriach ani teoretycznych prognozach. Można je znaleźć w takich wskaźnikach, jak zamówienia na sprzęt, budżety firmowe, sieci energetyczne, a nawet w wydatkach konsumenckich opartych na akcjach.

Sztuczna inteligencja pojawia się w małych ilościach, które składają się na coś większego. Niektóre firmy pracują szybciej, niektóre miejsca pracy zmieniają kształt, a całe sektory reorganizują się wokół oprogramowania, które nie istniało trzy lata temu.

Pomysł, że sztuczna inteligencja nie wywarła jeszcze wpływu, nie jest już trafny. Kluczem jest jednak zrozumienie, gdzie widoczny jest wpływ i dlaczego oficjalne dane dotyczące produktywności dopiero zaczęły się zmieniać.

Jak bardzo sztuczna inteligencja zmieniła dotychczasowe liczby?

Najczystsze dane pochodzą z modelu budżetowego Penn Wharton, który dzieli wpływ sztucznej inteligencji na zadania, a nie na nazwy stanowisk. Ich odkrycia są użyteczną podstawą, ponieważ wykorzystują szczegółowe dane dotyczące zatrudnienia w USA.

Szacuje się, że około 40% dzisiejszych dochodów z pracy jest związanych z pracą, która mogłaby zostać przekształcona przez generatywną sztuczną inteligencję. Nie każde zadanie jest opłacalne do zautomatyzowania, ale spora część jest.

Ich model sugeruje, że prawdopodobnie wpłynie to na około 10 proc. dzisiejszego PKB, a udział ten może wzrosnąć do około 15 proc. w ciągu najbliższych dwóch dekad, ponieważ sektory o wysokiej ekspozycji rozwijają się szybciej niż reszta gospodarki.

Badania nad rzeczywistymi wdrożeniami dają jasny obraz tego, co dzieje się w firmach. Zespoły obsługi klienta, które korzystają z asystentów AI, realizują więcej spraw. Profesjonalni pisarze wykonują szkice o około 40% szybciej.

Inżynierowie oprogramowania szybciej wykonują zadania podczas korzystania z narzędzi w stylu Copilot.

Penn Wharton wykorzystuje te badania, aby założyć około 25% oszczędności kosztów pracy przy użyciu sztucznej inteligencji dzisiaj, a następnie wzrastać do 40% w miarę dalszego ulepszania systemów.

Gdy te oszczędności kosztów są ważone przez udział zadań, których to dotyczy, i korygowane pod kątem wskaźników adopcji, efekt makro staje się wyraźniejszy.

Wzrost całkowitej produktywności czynników produkcji w USA jest dziś niewielki i wynosi około 0,01 punktu procentowego. Oczekuje się jednak, że będzie on rósł w ciągu dekady i osiągnie szczyt na początku lat 30. XX wieku, w pobliżu 0,2 punktu procentowego, po czym osłabnie.

Długoterminowym rezultatem jest większa gospodarka, a nie trwale szybsze tempo wzrostu. Ich centralne szacunki mówią, że sztuczna inteligencja podniesie PKB o około 3% do 2055 roku.

Wniosek z takich badań jest taki, że wczesny wpływ sztucznej inteligencji na produktywność jest znaczący, ale nierównomierny i skoncentrowany w niektórych zadaniach i firmach.

Zagregowane liczby odzwierciedlają gospodarkę, która nie zreorganizowała się jeszcze wokół tej technologii.

Dlaczego inwestycje biznesowe wykonują ciężką pracę

Najwyraźniejsze oznaki wpływu sztucznej inteligencji pojawiają się po inwestycyjnej stronie gospodarki USA. Ostatnie badania przeprowadzone przez Bloomberga wykazały , że wydatki na sprzęt i oprogramowanie do przetwarzania informacji gwałtownie wzrosły w tym roku.

Wkład tych kategorii we wzrost PKB jest największy od dziesięcioleci.

Budowa centrów danych osiągnęła roczne tempo około 41 miliardów dolarów i jest jednym z niewielu rosnących segmentów w budownictwie prywatnym.

Tylko trzy firmy, Meta, Microsoft i Google, wydały w trzecim kwartale tego roku 78 miliardów dolarów na sprzęt kapitałowy, prawie dwukrotnie więcej niż rok wcześniej. To jest fizyczny ślad boomu na sztuczną inteligencję.

Bloomberg szacuje, że wydatki kapitałowe związane ze sztuczną inteligencją przyczyniły się do wzrostu PKB USA w pierwszej połowie 2025 r. o około 1%. Oznacza to, że sztuczna inteligencja odpowiadała za ponad połowę 1,6% stopy wzrostu w tym okresie.

Rzadko zdarza się, aby pojedyncza fala technologiczna odgrywała tak ogromną rolę w rachunkach narodowych.

Niektórzy analitycy spodziewają się, że impuls inwestycyjny umocni się w przyszłym roku. Inni uważają, że szczyt już minął. Tak czy inaczej, wkład ten jest dziś mierzalny.

Istnieje komplikacja, która często pozostaje niezauważona. Znaczna część sprzętu potrzebnego do budowy centrów danych jest importowana. Zwiększa to deficyt handlowy i usuwa część wkładu brutto we wzrost gospodarczy.

Jednak rząd federalny zezwolił na zwolnienia z ceł na serwery i płytki drukowane, pomimo napięć handlowych w innych miejscach.

Ekonomiści zauważają, że boom byłby trudny, gdyby sprzęt podlegał tym samym cłom, które płacą takie branże jak motoryzacja czy budownictwo.

Obciążenie ciąży również na systemie elektroenergetycznym. Centra danych wymagają dużych ilości energii elektrycznej. Popyt na energię w USA może wzrosnąć o około 16% do 2029 roku, jeśli obecne trendy się utrzymają.

Modernizacja sieci trwa latami i wiąże się z wyższymi kosztami ze względu na taryfy na urządzenia, takie jak transformatory. Rosnące ceny energii elektrycznej mogą spowolnić wdrażanie sztucznej inteligencji lub obniżyć marże firm próbujących się rozwijać.

Wewnątrz firm, które już odczuwają zmianę

Ankiety dają inną perspektywę. Pokazują, co się dzieje, gdy narzędzia AI wchodzą do codziennych przepływów pracy. Badanie IBM w regionie EMEA w 2025 r. jest jednym z największych tego typu i opiera się na 3500 osobach kadry kierowniczej z dziesięciu krajów.

Dwie trzecie respondentów stwierdziło, że sztuczna inteligencja przyniosła już znaczny wzrost wydajności.

Jedna na pięć osób twierdzi, że osiągnęła już swoje cele w zakresie zwrotu z inwestycji. Kolejne 42% spodziewa się zwrotu w ciągu roku, często dzięki szybszej realizacji, niższym kosztom i lepszej jakości usług.

W raporcie podkreślono, że duże firmy są na czele. 72% przedsiębiorstw zatrudniających ponad tysiąc pracowników odnotowuje znaczące wzrosty. Tylko 55% małych i średnich firm mówi to samo.

Organizacje sektora publicznego wykazują podobne wzorce jak mniejsze firmy. Odzwierciedla to wcześniejsze cykle technologiczne, w których większe organizacje dysponowały kapitałem i możliwościami technicznymi, aby działać jako pierwsze.

Dane IBM pokazują również, jak zmienia się praca. Dyrektorzy twierdzą, że pracownicy spędzają więcej czasu na planowaniu, pracy kreatywnej i rozwijaniu pomysłów, gdy sztuczna inteligencja zajmuje się powtarzalnymi zadaniami.

Wzorzec ten jest zgodny z badaniami akademickimi, które pokazują, że sztuczna inteligencja pomaga mniej doświadczonym pracownikom zniwelować luki w wydajności i pozwala doświadczonym pracownikom skupić się na wynikach o wyższej wartości.

To, co rzuca się w oczy zarówno w ustaleniach IBM, jak i Penn Wharton, to to, jak nierównomierne są zyski w różnych zawodach. Najbardziej narażone zadania dotyczą ról wsparcia biurowego, operacji biznesowych, IT, sprzedaży i kierownictwa średniego szczebla.

Ekspozycja osiąga szczyt w okolicach osiemdziesiątego do dziewięćdziesiątego percentyla płac, a następnie spada w przypadku osób o najwyższych zarobkach, które mają tendencję do wykonywania zadań wymagających osądu, negocjacji lub rzadkiej wiedzy specjalistycznej.

Najmniej narażone grupy obejmują budownictwo, transport, usługi gastronomiczne i opiekę osobistą. Oznacza to, że krótkoterminowy wpływ na rynek pracy koncentruje się na średnich i wysoko płatnych stanowiskach umysłowych, a nie na stanowiskach fizycznych.

Co tak naprawdę mówią prezesi w salach konferencyjnych

Liderzy korporacyjni opisują zmianę, która jest szybsza niż poprzednie cykle. Dyrektor generalny Goldman Sachs, David Solomon, powiedział, że nie może znaleźć prezesa, który nie próbowałby przeprojektować procesów wokół automatyzacji.

Powiedział, że firmy chcą zwiększyć produkcję bez zwiększania zatrudnienia, a sztuczna inteligencja jest teraz centralnym elementem tych wysiłków.

Satya Nadella z Microsoftu wypowiedział się w podobnym tonie, nazywając ten moment "zmianą platformy AI". Jensen Huang z Nvidii porównał to do nowej rewolucji przemysłowej.

Ich poglądy opisują to, co obecni liderzy AI widzą w swoich własnych operacjach i wśród swoich klientów.

Dane potwierdzają ten sentyment. Coraz więcej firm nie tylko dodaje narzędzia sztucznej inteligencji do istniejących przepływów pracy. Przebudowują przepływy pracy wokół narzędzi.

Niektóre projektują łańcuchy wartości od podstaw z myślą o sztucznej inteligencji. Inni przechodzą od okresowych cykli planowania do ciągłego podejmowania decyzji pod kierunkiem systemów sztucznej inteligencji.

Zmiany te wymagają czasu, aby przeniknąć do oficjalnych danych dotyczących produktywności, co pomaga wyjaśnić rozbieżność między tym, co firmy zgłaszają wewnętrznie, a tym, co pojawia się w statystykach krajowych.

Kolejny ważny punkt pojawia się w ankietach. Firmy chcą otwartych i interoperacyjnych systemów sztucznej inteligencji. Około 85% respondentów IBM stwierdziło, że przejrzystość, interoperacyjność i elastyczność dostawców są niezbędne.

Co to wszystko mówi nam o realnym efekcie produktywności AI?

Sztuczna inteligencja pojawia się dziś w trzech miejscach w gospodarce. Wygląda na to, że rosnące wydatki kapitałowe firm prześcigają się w budowaniu mocy obliczeniowej. Pojawia się to w codziennej pracy wczesnych użytkowników, którzy zgłaszają szybszą realizację i wyższą wydajność.

Pojawia się to również na rynkach aktywów, gdzie firmy oparte na sztucznej inteligencji wygenerowały biliony dolarów nowego majątku kapitałowego, który napędził wyższą konsumpcję wśród zamożnych gospodarstw domowych, wywołując obawy o "bańkę AI".

To, co jeszcze się nie zapowiada, to szeroki wzrost produktywności w całej gospodarce. Nie jest to niczym niezwykłym.

Wcześniejsze technologie ogólnego przeznaczenia, takie jak elektryfikacja i Internet, pojawiły się w danych dopiero po tym, jak firmy zreorganizowały produkcję.

Ten sam schemat rozgrywa się ponownie. Sztuczna inteligencja jest nadal w fazie inwestycji i eksperymentów dla większości firm. Po zakończeniu reorganizacji zyski prawdopodobnie będą widoczne wyraźniej.

Najbardziej ostrożne szacunki sugerują, że sztuczna inteligencja podnosi wzrost produktywności o kilka dziesiątych punktu procentowego w szczytowym momencie i pozostawia gospodarkę trwale większą o kilka procent.

Bardziej ambitne prognozy sugerują większe zyski, jeśli sztuczna inteligencja sama w sobie przyspieszy innowacje.

Rozbieżność między tymi poglądami zależy od tego, jak szybko firmy się restrukturyzują, jak szeroko narzędzia sztucznej inteligencji rozprzestrzeniają się na mniejsze firmy i sektor publiczny oraz czy infrastrukturę, taką jak sieć energetyczna, można skalować w celu dopasowania do popytu.