บทความของ Fortune ระบุว่า เศรษฐกิจปัญญาประดิษฐ์ในปัจจุบันถูกควบคุมโดยอารมณ์สองแบบพร้อมกัน: ด้านหนึ่งคือ “ครั้งนี้แตกต่าง” อีกด้านคือ “ไม่มีใครรู้คำตอบ” บทความมองว่า ความหวังและความไม่แน่นอนที่อยู่ร่วมกันนี้ คือลักษณะเด่นที่สุดของคลื่นความนิยมปัญญาประดิษฐ์ในขณะนี้
ศาสตราจารย์ Ethan Mollick จากโรงเรียนธุรกิจ沃顿 มหาวิทยาลัยเพนซิลเวเนีย ประเทศสหรัฐอเมริกา กล่าวในการประชุมที่ห้องสมุดสาธารณะนิวยอร์กว่า แม้แต่ห้องปฏิบัติการ AI ผู้บริหารบริษัท และผู้นำความคิดในอุตสาหกรรม ก็ยังไม่มีวิธีการที่พร้อมใช้งานใดๆ ในการตอบคำถามว่า AI จะเปลี่ยนแปลงธุรกิจอย่างแท้จริงอย่างไร เขาบอกว่า ผู้ใดก็ตามที่อ้างว่ามี “บทละครมาตรฐาน” แล้ว ไม่น่าเชื่อถือ
ผลผลิตโดยรวมยังคงจำกัด
บทความอ้างข้อมูลจากธนาคารอเมริกาที่ระบุว่า ปัจจุบัน AI มีผลต่อผลิตภาพทางเศรษฐกิจโดยรวมเพียงประมาณ 0.1% ต่อปี ตัวเลขนี้ขัดแย้งอย่างชัดเจนกับความคาดหวังสูงของตลาดต่อ AI ธนาคารอเมริกาในรายงานเดียวกันยังคงอธิบาย AI ว่าเป็นเทคโนโลยีที่มีผลกระทบมากกว่าไฟฟ้าและอินเทอร์เน็ต
การวิจัยของโกลด์แมน แซคส์ในเดือนมีนาคมปีนี้ก็ให้ข้อสรุปที่คล้ายกัน รายงานระบุว่า ยังไม่พบความสัมพันธ์ที่ชัดเจนระหว่าง AI กับการเพิ่มประสิทธิภาพการผลิตในระดับเศรษฐกิจโดยรวม อย่างไรก็ตาม ในอุตสาหกรรมที่มีการใช้งาน AI อย่างเข้มข้น เช่น บริการลูกค้าและซอฟต์แวร์ ประสิทธิภาพการผลิตแบบมัธยฐานสามารถเพิ่มขึ้นได้ถึง 30%
ตามการคำนวณของธนาคารอเมริกา งานในที่ทำงานที่ AI สามารถปรับปรุงได้ในปัจจุบันคิดเป็นประมาณ 20% โดยมีเพียง 23% เท่านั้นที่มีประสิทธิภาพด้านต้นทุนในขั้นตอนนี้ แม้จะดำเนินการอัตโนมัติเสร็จสิ้น ต้นทุนแรงงานที่ประหยัดได้จะอยู่ที่ประมาณ 27% ขณะที่ต้นทุนแรงงานเองคิดเป็นประมาณครึ่งหนึ่งของต้นทุนรวม โดยใช้เกณฑ์นี้คำนวณ ขีดจำกัดสูงสุดทางทฤษฎีของการเพิ่มผลิตภาพแรงงานในปัจจุบันอยู่ที่ประมาณ 0.66% และเมื่อนำไปใช้งานจริง จะถูกลดลงเพิ่มเติมจากความเสียดทานและการล่าช้าในการดำเนินการ
กระบวนการภายในองค์กรทำให้การดำเนินการล่าช้า
บทความชี้ว่าผลตอบแทนจาก AI ยังไม่ปรากฏอย่างเต็มที่ ปัญหาอาจไม่ได้เกิดจากเทคโนโลยีเองเป็นอันดับแรก แต่เกิดจากโครงสร้างองค์กรมากกว่า Mollick กล่าวว่า แผนกไอทีของบริษัทมักเป็นจุดที่โครงการ AI ติดขัดง่ายที่สุด ไม่ใช่เพราะต่อต้านนวัตกรรม แต่เพราะหน้าที่ของพวกเขาโดยธรรมชาติเน้นการควบคุมความเสี่ยง
เขายังชี้ให้เห็นว่าระบบ KPI ยังจำกัดพื้นที่ในการทดลอง หากองค์กรเริ่มต้นด้วยข้อกำหนดว่าโครงการใดโครงการหนึ่งต้องสร้างการปรับปรุง 10% มักจะเลือกเฉพาะการปรับปรุงเล็กน้อยต่อกระบวนการเดิม แทนที่จะผลักดันการแทนที่กระบวนการโดยรวม กล่าวอีกนัยหนึ่ง การใช้งาน AI ที่เปลี่ยนแปลงวิธีการทำงานอย่างแท้จริง อาจไม่สามารถเติบโตได้อย่างราบรื่นภายใต้กรอบประสิทธิภาพแบบดั้งเดิม
บริษัท AI ยังอยู่ในกระบวนการค้นหาวิธีการนำไปใช้งาน
บทความยังกล่าวถึงปรากฏการณ์ที่ชี้ให้เห็นชัดเจนยิ่งขึ้น: บริษัท AI หลายแห่งกำลังสร้างทีมให้คำปรึกษาและดำเนินการเอง เพื่อช่วยลูกค้าเชื่อมต่อโมเดลเข้ากับธุรกิจจริง Mollick มองว่า สิ่งนี้เองก็แสดงให้เห็นว่าอุตสาหกรรมยังไม่มีเส้นทางการนำไปใช้งานที่สุกงอมและสามารถทำซ้ำได้
หากความสามารถของโมเดลแข็งแกร่งพอที่จะเปลี่ยนแปลงงานของพนักงานออฟฟิศจำนวนมาก บริษัทเหล่านี้ควรจะตอบคำถามพื้นฐานว่า “จะนำไปใช้งานอย่างไร” ได้ง่ายกว่านี้ แต่ในความเป็นจริง แม้แต่ผู้ให้บริการเทคโนโลยีที่มองโลกในแง่ดีที่สุดเกี่ยวกับ AI ก็ยังคงค้นหาวิธีการนำ AI ไปใช้งานในองค์กร
บทความชี้ว่า ความขัดแย้งหลักในอุตสาหกรรม AI ปัจจุบันไม่ได้จำกัดอยู่ที่ระดับการประเมินมูลค่าเท่านั้น แต่ยังรวมถึงความไม่สอดคล้องกันระหว่างความเร็วของความก้าวหน้าทางเทคโนโลยีกับความสามารถขององค์กรในการดูดซับเทคโนโลยีนั้น ตลาดเชื่อว่า AI จะก่อให้เกิดการเปลี่ยนแปลงอย่างลึกซึ้ง แต่ในขณะเดียวกันก็ยังขาดเส้นทางการดำเนินการที่สามารถนำไปใช้ได้โดยตรง ความตึงเครียดนี้จะยังคงส่งผลกระทบต่อการพัฒนาขั้นต่อไปของเศรษฐกิจ AI