A mesterséges intelligencia lesz a gazdasági növekedés motorja?

A mesterséges intelligencia gazdasági növekedésre gyakorolt hatásával kapcsolatban rendívül kevés vizsgálat áll a rendelkezésre. A témával kapcsolatban néhány héttel ezelőtt jelent meg egy kutatás a Fed elemzőitől. Ennek részleteit beszéljük meg cikkünkben. Témáink:

• A mesterséges intelligencia (AI) hatása a gazdasági növekedésre
• Mikor járul hozzá az AI a gazdasági növekedéshez?

A ChatGPT megjelenésével felgyorsultak az AI, mesterséges intelligenciával foglalkozó fejlesztések, és a témához kapcsolódó kutatások száma is fokozódott. Alapvetően két nagyobb terület köré csoportosíthatjuk ezen vizsgálatokat. Egyrészt előtérbe kerültek a befektetési szempontok, azaz mely iparágak, vállalatok tudják majd kihasznál a mesterséges intelligencia előnyeit (részletek itt), illetve milyen mértékben hasznosíthatók a rendszerek előrejelzésre (lásd itt). Másrészt sokkal fontosabbnak tekinthető, hogy milyen makrogazdasági hatásai lesznek  a mesterséges intelligenciának, elsődlegesen a munkaerőpiacra (itt beszéltünk erről), illetve a gazdasági növekedésre gyakorolt hatásait értve ezalatt.

A mesterséges intelligencia (AI) hatása a gazdasági növekedésre

A rendelkezésünkre álló elméletek (lásd közepes jövedelem csapdáját) szerint hosszú távon, tartósan gazdasági növekedést nem lehet alapozni a tőke és a munkaerő növekedésére. A csökkenő hozadék miatt a gazdasági növekedés előbb utóbb megáll, az egyetlen tényező a termelékenység-növekedés, mely a technológiai fejlődés útján érhető el. A fentieket nemcsak elméleti modellek, hanem empirikus vizsgálatok (lásd itt) is megerősítik. Ezzel pedig elérkeztünk a fejlett és fejlődő országok aktuális problémájához, azaz gazdasági növekedést a termelékenység növekedésével lehet elérni, de a termelékenység növekedési üteme rendkívül alacsony az elmúlt években. Ahogy az alábbi képen látható, 1930-2000 között időszakon évente átlagosan 2 százalékot nőtt a termelékenység az Egyesült Államokban, majd az elmúlt két évtizedben már csak 1,12 százalékos növekedés mutatható ki. Történik mindez annak ellenére, hogy az internet, az email, az okostelefonok, az online meetingek, a home office, továbbá a mesterséges intelligencián alapuló eljárások már a gyakorlatban működnek.

Forrás: Hogan, Kalyani (2024)

A hazai adatok sem mutatnak jobb képet. A 2000-2020 közötti időszakon hazánkban átlagosan évi 1,6 százalékkal nőtt a munkaerő termelékenység, és amíg a 2000-2010 közötti időszakon évi 2,6 százalékos növekedés volt, az elmúlt évtizedben már csak 0,6 százalékot tudott évente nőni a termelékenység.

Forrás: KSH

A fenti probléma a fejlett országok esetében összefüggésbe hozható azzal, hogy ma már lényegesen alacsonyabb a kutatások hatékonysága, azaz sokkal több tudós, így sokkal több tőke szükséges az új dolgok felfedezéséhez (korábbi cikkünkben érintettük a témát itt). A grafikonon az Egyesült Államok esetében látjuk a kutatók számát (zöld színnel, jobb értéktengelyen), a kék görbe a Total Factor Productivity (TFP growth) mutató, mely leegyszerűsítve a termelékenység változását mutatja. Az ábrából jól kivehető, hogy ugyanolyan termelékenység-növekedés eléréshez ma 20-szor több kutatóra van szükség, mint 100 évvel ezelőtt.

Forrás: Are Ideas Getting Harder to Find?

Jól látható tehát a fentiekből, hogy a termelékenység-növelés nem lineáris folyamat, azaz az újabb és újabb hatékonyságot növelő felfedezésekhez sokkal több kutatóra, sokkal több anyagi forrásra lesz szükség a jövőben. Ha ezek nem lesznek biztosíthatók, akkor a termelékenység nem növelhető tovább. Sajnos ebből az is következik, hogy azok a modellek, melyek a jövőbeni gazdasági növekedést az elmúlt évtizedek termelékenységének kivetítésére alapozzák, tévesek (vannak ilyenek, lentebb még kitérek erre).

Bár kétségtelen, hogy a fenti eredményekben még az AI széles körű elterjedése nem jelent meg. Az előzetese vizsgálatok ugyanakkor azt mutatják, hogy a fejlett nyelvi modellek (például ChatGPT, Claude, Llama) akár jelentősen növelhetik a munkavállalók hatékonyságát. A témával kapcsolatos egyik kutatást 444 felsőfokú végzettséggel rendelkező (különböző szakmák például HR, marketing, tanácsadás stb.) személy bevonásával végezték el. A résztvevőket véletlenszerű besorolással két részre bontották és a csoport felének engedélyezték a ChatGPT használatát, a másik csoportnak erre nem volt lehetősége. Ahogy az alábbi grafikonokból is látható az átlagos produktivitás növekszik, a feladatra fordított idő csökken, a feladat elvégzésének minősége javul abban a csoportban, ahol engedélyezték a ChatGPT használatát.

Forrás: Noy, Zhang (2023)

A vizsgálatból az is kiderül, hogy különösen azok a személyek értek el nagyobb minőségjavulást, akik előzetes hozzáértése alacsonyabb volt, azaz a nagyobb hozzáértéssel rendelkező személyek kevésbé élvezhetik a ChatGPT előnyeit. Emellett pedig az is kiderül a vizsgálatból, hogy a ChatGPT használata jelentősen csökkentheti a képzettségen, a hozzáértésen belüli különbségeket.

A fenti kiemelt példán túl, további vizsgálatok is készültek a témában (lásd Brynjolfsson et al. 2023, vagy Peng et al. 2023 és Wiles et all 2023). Ezek összegezhetők azzal, hogy 8-36 százalék közötti termelékenység-növekedést mértek a nyelvi modellek használatával kapcsolatos kísérletekben. Vélhetően tehát a technológia pozitívan járul hozzá a termelékenységhez, kérdéses azonban, hogy a jövőben milyen gyorsan jelenik meg a mesterséges intelligencia termelékenység-növelő hatása. Erre a kérdésre kereste a választ Kalyani, Hogan a Fed két elemzője.

Mikor járul hozzá az AI a gazdasági növekedéshez?

Ahogy fentebb látható volt, a gazdasági növekedés fontos forrása a termelékenység növekedése. Múltbeli példák azonban azt mutatják, hogy a technológiai széles körben történő elterjedését követően mérhető jelentősebb termelékenység növekedés. Például az első asztali számítógép 1968-ban került tömeggyártásra, majd az 1990-es évekre vált láthatóvá a háztartásokban, munkahelyeken, lásd alábbi képen. Ezt követően az 1991-2004 közötti időszakon a termelékenység (TFP, azaz Total Factor Productivity) 1 százalékkal nőtt évente, míg az 1980-1990 közötti időszakon évi 0,6% növekedés volt mérhető.  

Forrás: Hogan, Kalyani (2024)

A szerzők a vizsgálatukban további új technológiák elterjedését vizsgálták kifejezetten alkalmazotti munkakörben (nem háztartások körében).

 

Forrás: Hogan, Kalyani (2024)

Az alábbi képen a felhőszámítás terjedésének becslése látható, mely lényegen lassabb, mint az okostelefonok beépülése.

Forrás: Hogan, Kalyani (2024)

A következő kép a 3D-nyomtatást mutatja, mely évtizedek óta létező technológia, mégis az álláshelyek 1,5 százalékával hozható összefüggésbe.

Forrás: Hogan, Kalyani (2024)

A szerzők szerint a jelenlegi, korainak tekinthető adatok azt mutatják, hogy az AI-elterjedése sokkal inkább hasonlít a személyi számítógépek, és a felhőszámítás terjedésére. Többek között ezt a U.S Census Bureau felmérésére hivatkozva valószínűsítik. Eszerint a megkérdezett cégek 3 százaléka alkalmazott AI algoritmusokat 2018-ban, és ez az arány 4,4 százalékra nőtt 2023-2024 közötti adatokon, azaz az AI alkalmazások üzleti életben való elterjedése lassú.  

További útmutatást nyújthat a témával kapcsolatban Bloom és szerzőtársainak (2021) vizsgálata, akik 1286 technológiai újítás sorsát vizsgálták meg, és pozitív kapcsolatot találtak a technológia gyorsjelentésekben és álláshirdetésekben megjelenésének száma és a technológia áttörő jellege között. Az alábbi grafikon néhány fontosabb, ismertebb technológia látható az 1286 újításból. Tehát ha a vállalatvezetők sokat beszélnek egy technológiáról, akkor sok álláshirdetése jelenik meg a technológiával kapcsolatban (magyarázóerő, R²=57%). Másrészt csak egy kis számú technológia tartozik az áttörő technológiák közé, és ezek sajátossága a gyorsjelentésekben és álláshirdetésekben történő említések rendkívül magas száma.

Forrás: Bloom  (2021)

A mesterséges intelligencia esetében a gyorsjelentésekben magas említésszámot látunk, ugyanakkor az álláshirdetések területén még nem jelent meg a technológiai magas arányban. A fentiek utalhatnak arra, hogy még a technológia kezdeti fázisában vagyunk, ugyanakkor Bloom és szerzőtársainak adataiból is az derül ki, hogy az új technológiák elterjedése lassú folyamat, sokkal inkább évtizedes időtávokról, mint néhány évről beszélhetünk. Ez a vizsgálat is inkább azt erősíti meg, hogy a mesterséges intelligencia okozta termelékenység-növekedés évek múlva jelenik majd meg a gazdasági adatokban.