Οι επενδύσεις διογκώνονται, όμως τα μακροοικονομικά στοιχεία δεν δείχνουν ακόμη έκρηξη απόδοσης.


Η συζήτηση γύρω από την τεχνητή νοημοσύνη κυριαρχείται από την αίσθηση επιτάχυνσης. Τα μοντέλα γίνονται ισχυρότερα, οι εφαρμογές πληθαίνουν, οι επενδύσεις σε υποδομές διογκώνονται. Σε μικροεπίπεδο, εργαζόμενοι αναφέρουν ταχύτερη ολοκλήρωση εργασιών, αυτοματοποίηση ρουτίνας, υποστήριξη σε σύνθετα καθήκοντα. Ωστόσο, όταν η ανάλυση μεταφέρεται σε επίπεδο συνολικής οικονομίας, η εικόνα είναι πιο συγκρατημένη.

Στις Ηνωμένες Πολιτείες η ανάπτυξη κινήθηκε σε σχετικά ικανοποιητικά επίπεδα το 2025, με ρυθμό άνω του 2%. Την ίδια στιγμή όμως η αύξηση της απασχόλησης ήταν οριακή. Θεωρητικά αυτό σημαίνει βελτίωση της παραγωγής ανά εργαζόμενο. Παρ όλα αυτά οι εκτιμήσεις για την ετήσια αύξηση της παραγωγικότητας κινούνται κοντά στον ιστορικό μέσο όρο και όχι σε επίπεδα που να θυμίζουν τεχνολογική επανάσταση. Η απόδοση παραμένει περίπου στο 2%, χαμηλότερη από την περίοδο έντονης ψηφιακής μετάβασης των δεκαετιών 1990 και 2000.

Ένα κρίσιμο ερώτημα είναι τι ακριβώς μετράμε. Μεγάλο μέρος της πρόσφατης αύξησης του ΑΕΠ αποδίδεται σε επενδύσεις κεφαλαίου, κυρίως σε κέντρα δεδομένων και εξοπλισμό που σχετίζεται με την ΑΙ. Ο οικονομολόγος Jason Furman έχει επισημάνει ότι σημαντικό ποσοστό της ανόδου του ΑΕΠ το πρώτο εξάμηνο του 2025 συνδέεται με τέτοιου είδους δαπάνες. Αυτό όμως δεν ισοδυναμεί αυτομάτως με διατηρήσιμη βελτίωση της παραγωγικότητας εργασίας. Όταν αφαιρείται η επίδραση των επενδύσεων αυτών, τα υποκείμενα κέρδη εμφανίζονται περιορισμένα.

Η υιοθέτηση της τεχνητής νοημοσύνης πράγματι αυξάνεται. Έρευνες από την Federal Reserve Bank of St. Louis δείχνουν ότι ολοένα και μεγαλύτερο ποσοστό εργαζομένων χρησιμοποιεί εργαλεία παραγωγικής ΑΙ. Αντίστοιχα, μελέτες από το Stanford University καταγράφουν σταδιακή άνοδο στη χρήση μέσα σε έναν χρόνο. Ωστόσο, η συχνότητα και η ένταση χρήσης παραμένουν σχετικά χαμηλές. Μόνο ένα μικρό ποσοστό εργαζομένων αξιοποιεί την ΑΙ σε καθημερινή βάση και το μερίδιο των συνολικών ωρών εργασίας που συνδέεται με τέτοια εργαλεία παραμένει μονοψήφιο.

Επιπλέον, η χρήση αφορά κυρίως επιμέρους εργασίες και όχι ολιστική αναδιοργάνωση παραγωγικών διαδικασιών. Τα δεδομένα της OpenAI υποδηλώνουν ότι τα εργαλεία της αξιοποιούνται κυρίως για σύνταξη κειμένων και αναζήτηση πληροφοριών, ενώ το Claude της Anthropic χρησιμοποιείται κυρίως για υποστήριξη στον προγραμματισμό. Πρόκειται για ενίσχυση παραγωγικότητας σε μικροκλίμακα, όχι για πλήρη μετασχηματισμό επιχειρησιακών μοντέλων.

Σε πειραματικές συνθήκες τα αποτελέσματα είναι εντυπωσιακά. Έρευνα των Shakked Noy και Whitney Zhang στο Massachusetts Institute of Technology έδειξε ότι η χρήση γλωσσικών μοντέλων μπορεί να μειώσει σημαντικά τον χρόνο ολοκλήρωσης γραπτών εργασιών. Αντίστοιχα, μελέτη του Boston Consulting Group σε συνεργασία με το Harvard Business School κατέγραψε διψήφιες αυξήσεις απόδοσης σε συγκεκριμένα επαγγελματικά σενάρια. Αυτές όμως οι βελτιώσεις δεν μεταφράζονται αυτομάτως σε μακροοικονομική επιτάχυνση.

Ο λόγος είναι διττός. Πρώτον, η εξοικονόμηση χρόνου δεν ανακατανέμεται πάντα σε δραστηριότητες υψηλής αξίας. Σε ορισμένες περιπτώσεις οι εργαζόμενοι αφιερώνουν επιπλέον χρόνο σε έλεγχο, διόρθωση ή επαλήθευση περιεχομένου που παράγεται από ΑΙ. Δεύτερον, η πραγματική ώθηση στην παραγωγικότητα έρχεται όταν οι επιχειρήσεις ανασχεδιάζουν τις δομές τους γύρω από τη νέα τεχνολογία και όχι απλώς όταν προσθέτουν ένα ακόμη εργαλείο.

Η ιστορία της τεχνολογικής προόδου το επιβεβαιώνει. Η μετάβαση από την ατμοκίνηση στον ηλεκτρισμό δεν αύξησε άμεσα την αποδοτικότητα. Χρειάστηκαν δεκαετίες μέχρι να αναδιαμορφωθούν τα εργοστάσια ώστε να αξιοποιούν πλήρως την ηλεκτρική ενέργεια. Παρόμοια, οι προσωπικοί υπολογιστές δεν εκτόξευσαν την παραγωγικότητα μέχρι να μετασχηματιστούν οι εφοδιαστικές αλυσίδες και τα επιχειρηματικά μοντέλα.

Σήμερα η τεχνητή νοημοσύνη φαίνεται να βρίσκεται σε πρώιμο στάδιο οργανωτικής ενσωμάτωσης. Μελέτη της Bank of England δείχνει ότι τα διοικητικά στελέχη αφιερώνουν περιορισμένο χρόνο εβδομαδιαίως σε εργαλεία ΑΙ και η πλειονότητα δεν διαπιστώνει ακόμη μετρήσιμη αύξηση στην παραγωγικότητα της εργασίας. Αυτό υποδηλώνει ότι ο βαθύς μετασχηματισμός δεν έχει συντελεστεί.

Συμπερασματικά, η τεχνητή νοημοσύνη εξελίσσεται ταχύτατα σε τεχνολογικό επίπεδο, αλλά η οικονομική της επίδραση παραμένει μέχρι στιγμής μετριοπαθής. Η διάχυση, η ένταση χρήσης και κυρίως η οργανωτική αναδιάρθρωση θα καθορίσουν αν η σημερινή φάση θα μετατραπεί σε πραγματική επανάσταση παραγωγικότητας ή αν θα αποδειχθεί μια σταδιακή, πιο αργή μετάβαση από ό,τι πολλοί προέβλεπαν.