Artikel komentar Fortune menyatakan bahwa ekonomi AI saat ini didominasi oleh dua perasaan: satu sisi adalah "kali ini berbeda," sementara sisi lainnya adalah "tidak ada yang tahu jawabannya." Artikel tersebut berpendapat bahwa keberadaan bersama antara optimisme dan ketidakpastian ini merupakan ciri paling menonjol dari gelombang AI saat ini.
Profesor Ethan Mollick dari Wharton School, University of Pennsylvania, baru-baru ini menyatakan dalam sebuah acara di New York Public Library bahwa bahkan laboratorium AI, eksekutif perusahaan, dan pemimpin opini industri tidak memiliki metode siap pakai untuk menjawab bagaimana AI benar-benar akan mengubah perusahaan. Ia mengatakan bahwa siapa pun yang mengklaim telah menguasai "naskah standar" tidak dapat dipercaya.
Peningkatan produktivitas keseluruhan masih terbatas
Artikel tersebut mengutip data dari Bank Amerika yang menyatakan bahwa AI saat ini hanya memberikan dorongan sekitar 0,1% terhadap produktivitas tahunan ekonomi secara keseluruhan. Angka ini berbeda signifikan dengan harapan pasar yang tinggi terhadap AI. Bank Amerika dalam laporan yang sama tetap menggambarkan AI sebagai teknologi yang berdampak lebih besar daripada listrik dan internet.
Penelitian Goldman Sachs pada Maret tahun ini juga menghasilkan kesimpulan serupa. Laporan tersebut menyatakan bahwa belum terlihat hubungan signifikan antara AI dan peningkatan produktivitas di tingkat ekonomi secara keseluruhan. Namun, di industri-industri di mana penerapan AI lebih terkonsentrasi, seperti layanan pelanggan dan perangkat lunak, peningkatan produktivitas median dapat mencapai 30%.
Menurut perkiraan Bank Amerika, saat ini tugas pekerjaan yang dapat diubah oleh AI sekitar 20%, di mana hanya 23% yang saat ini memiliki efisiensi biaya. Bahkan setelah otomatisasi selesai, penghematan biaya tenaga kerja diperkirakan sekitar 27%, sementara biaya tenaga kerja itu sendiri sekitar separuh dari total biaya. Berdasarkan ukuran ini, batas atas teoretis peningkatan produktivitas tenaga kerja saat ini sekitar 0,66%, dan angka ini akan semakin ditekan oleh friksi dan keterlambatan eksekusi saat diimplementasikan.
Proses internal perusahaan memperlambat pelaksanaan
Artikel tersebut berpendapat bahwa manfaat AI belum sepenuhnya terwujud, dan masalahnya tidak selalu berasal dari teknologi itu sendiri, melainkan lebih banyak terkait struktur organisasi. Mollick menyebutkan bahwa departemen TI perusahaan sering menjadi tempat paling mudah terhenti dalam proyek AI, bukan karena menolak inovasi, tetapi karena tanggung jawabnya secara alami cenderung mengutamakan pengendalian risiko.
Dia juga menunjukkan bahwa sistem KPI juga membatasi ruang uji coba. Jika perusahaan langsung menuntut suatu proyek harus memberikan peningkatan 10%, biasanya hanya akan memilih perbaikan kecil terhadap proses yang sudah ada, bukan mendorong penggantian terhadap proses itu sendiri. Dengan kata lain, penerapan AI yang benar-benar mengubah cara kerja belum tentu dapat berkembang dengan lancar dalam kerangka kinerja tradisional.
Perusahaan AI pun masih mencari cara untuk menerapkannya
Artikel tersebut juga menyebutkan fenomena yang lebih jelas: banyak perusahaan AI sedang membangun tim konsultasi dan implementasi sendiri untuk membantu klien mengintegrasikan model ke dalam bisnis nyata. Mollick berpendapat bahwa hal ini sendiri menunjukkan bahwa industri belum memiliki jalur penerapan yang matang dan dapat direplikasi.
Jika kemampuan model sudah cukup kuat untuk membentuk ulang sejumlah besar pekerjaan kantor, perusahaan-perusahaan ini seharusnya lebih mudah menjawab pertanyaan dasar "bagaimana menerapkannya." Namun kenyataannya, bahkan penyedia teknologi paling optimis terhadap AI pun masih mencari cara untuk menerapkannya di perusahaan.
Artikel ini berpendapat bahwa kontradiksi inti dalam industri AI saat ini bukan hanya terletak pada tingkat valuasi, tetapi lebih pada ketidaksesuaian antara kecepatan kemajuan teknologi dan kemampuan organisasi untuk menyerapnya. Pasar percaya bahwa AI akan membawa perubahan mendalam, namun pada saat yang sama belum memiliki jalur implementasi yang bisa langsung diadopsi; ketegangan ini akan terus memengaruhi tahap berikutnya dari ekonomi AI.