Fortune, mevcut AI ekonomisinin aynı anda "bu sefer farklı" ve "kimse cevap bilmiyor" gibi iki duyguya hakim olduğunu belirtiyor. Makale, bu birlikte var olan iyimserlik ve belirsizliğin, şu anki AI hiperaktivitesinin en belirgin özelliğini oluşturduğunu düşünüyor.
Amerika Birleşik Devletleri'nin Pennsylvania Eyaleti'ndeki Pensilvanya Üniversitesi'nin Wharton Okulu profesörü Ethan Mollick, New York Kütüphanesi'nde düzenlenen bir etkinlikte, AI laboratuvarları, şirket yöneticileri ve endüstri liderlerinin bile AI'nın işletmeleri nasıl gerçekten değiştireceğini yanıtlamak için hazır bir yöntemleri olmadığını belirtti. Herhangi birinin "standart senaryoyu" zaten bildiğini iddia ettiğini söyledi.
Toplam verimlilik hâlâ sınırlı düzeyde artıyor
Bank of America verilerine göre, AI şu anda toplam ekonomik yıllık verimlilik üzerinde yalnızca %0,1'lik bir etkiye sahip. Bu rakam, AI ile ilgili piyasa beklentileriyle açıkça çelişiyor. Bank of America, aynı raporda AI'yı elektrik ve internetten daha büyük etkiye sahip bir teknoloji olarak tanımlıyor.
Ayrıca, Goldman Sachs'ın bu yıl Mart'taki araştırması da benzer bir sonuca varmıştır. Rapor, yapay zekâ ile genel ekonomik verimlilik artışı arasında şu ana kadar belirgin bir ilişki gözlenmediğini belirtmektedir. Ancak, müşteri hizmetleri ve yazılım gibi yapay zekânın daha yoğun kullanıldığı sektörlerde, medyan verimlilik artışı %30'a ulaşmaktadır.
Amerikan Bankası'nın hesaplamalarına göre, AI'nin şu anda değiştirilebilecek iş yerindeki görevlerin yaklaşık %20'sini oluşturuyor ve bu görevlerin sadece %23'ü şu aşamada maliyet etkinliği sağlıyor. Otomasyon tamamlandığında, tasarruf edilecek işgücü maliyetleri yaklaşık %27 olacakken, işgücü maliyetleri kendisi toplam maliyetlerin yaklaşık yarısını oluşturuyor. Bu ölçüte göre, mevcut teorik işgücü verimliliği artış sınırı yaklaşık %0,66'dır ve pratikte uygulandığında sürtünmeler ve uygulama gecikmeleri nedeniyle bu oran daha da düşecektir.
Kurumsal iç süreçler uygulamayı yavaşlatıyor
Makale, yapay zekânın getirdiği getirilerin tam olarak ortaya çıkmamasının sorunun öncelikle teknolojiye değil, daha çok organizasyonel yapıya bağlı olduğunu savunuyor. Mollick, kurumsal IT departmanlarının yapay zeka projelerinin en çok durgunluk yaşadığı yerler olduğunu, yeniliklere karşı çıkmasından ziyade görevlerinin doğal olarak risk kontrolüne yönelik olmasından kaynaklandığını belirtiyor.
O, KPI sisteminin deneme alanını da sınırladığını belirtti. Bir projenin baştan itibaren %10'luk bir iyileşme sağlaması gerektiği talep edilirse, genellikle mevcut süreçlerde küçük düzeltmeler yapılmasına yol açar, süreçlerin kendisini değiştirmeye yönelik çözümler değil. Başka bir deyişle, iş yöntemlerini gerçekten değiştiren AI uygulamaları, geleneksel performans çerçevesi içinde kolayca geliştirilemeyebilir.
Yapay zeka şirketleri de dağıtım yöntemleri üzerinde çalışıyor.
Makale, daha da açıklayıcı bir fenomeni de belirtiyor: birçok AI şirketi, modelleri gerçek işlere entegre etmek için müşterilere danışmanlık ve dağıtım ekipleri kuruyor. Mollick, bunun kendisi olarak, sektörün henüz olgun, kopyalanabilir bir uygulama yolu oluşturmadığını gösteriyor.
Eğer model yetenekleri, büyük miktarda beyaz yakalı işi yeniden şekillendirecek kadar güçlü olsaydı, bu şirketlerin “nasıl dağıtılmalı” gibi temel soruyu yanıtlaması daha kolay olmalıydı. Ancak gerçeklik, AI’ya en büyük güveni gösteren teknoloji sağlayıcılar bile kurumsal uygulama için yöntemler arıyor.
Makale, mevcut AI endüstrisinin temel çatışmasının yalnızca değerlemelerin yüksekliği değil, teknolojik ilerleme hızı ile organizasyonların bu değişimi absorbe etme kapasitesi arasındaki uyumsuzluk olduğunu savunuyor. Piyasa, AI'nın derin değişikliklere yol açacağına inanırken aynı zamanda doğrudan uygulanabilir bir yol haritasına sahip değil; bu gerilim, AI ekonomisinin bir sonraki aşamasını etkilemeye devam edecektir.