Diljem svijeta ponuda teškom mukom drži korak s potražnjom. Inflacija je i dalje tvrdoglavo visoka, unatoč agresivnom povećanju kamatnih stopa. Globalna radna snaga ubrzano stari. Manjak radne snage sveprisutan je i uporan.

To su samo neke od sila koje stoje iza izazova produktivnosti s kojim se suočava globalno gospodarstvo. I postaje sve jasnije da moramo iskoristiti umjetnu inteligenciju (UI) za rješavanje tog izazova.

Ograničenja opskrbe i sve veći troškovi prigušit će rast. Inflacija će ostati trajna prijetnja, zahtijevajući više kamatne stope koje povećavaju troškove kapitala. Sve hitnija velika ulaganja u energetsku tranziciju bit će iznimno teška, gospodarski, politički i društveno. Međutim, bez njih će se pogoršati poremećaji povezani s klimom.

Digitalni pomoćnici

Ali ima vijesti koje ulijevaju nadu. Kako Gordon Brown, Mohamed El-Erian i ja se tvrdimo u našoj sljedećoj knjizi Permakriza: plan za spašavanje slomljenog svijeta, opći porast produktivnosti mogao bi znatno promijeniti tu sliku. A s obzirom na to da UI brzo napreduje, ovo baš i nisu puste želje. Ključno je osigurati da se inovacije u području UI i njezine primjene u nadolazećim godinama usredotoče na rast produktivnosti.

Čak i dok je UI napredovala od prepoznavanja rukopisa do prepoznavanja govora do prepoznavanja slike i predmeta, zdrav je razum govorio da tehnologija najbolje funkcionira u dobro definiranim domenama. Nije imala ljudsku sposobnost otkrivanja u kojoj domeni radi i da po potrebi promijeni domenu.

To se promijenilo s usponom velikih jezičnih modela (LLM) i generativne umjetne inteligencije u širem smislu. Modeli funkcioniraju kao platforme opće namjene za izradu aplikacija za posebne namjene u cijelom gospodarstvu znanja. Budući da razumiju i proizvode običan jezik, svatko ih može koristiti. ChatGPT je navodno privukao 100 milijuna korisnika u dva mjeseca nakon objave.

Utrka za razvojem takvih aplikacija, povezanih sa širokim rasponom sektora i kategorija poslova, već je započela. OpenAI, tvrtka koja stoji iza ChatGPT-a, stvorila je sučelje za programiranje aplikacija (API) koje omogućuje drugima da grade vlastita rješenja UI temeljena na velikim jezičnim modelima, dodajući podatke i specijaliziranu obuku za specifičnu upotrebu koju ciljaju.

Nedavna studija ekonomista s MIT-a Erika Brynjolfssona i njegovih koautora pruža ranu naznaku potencijala produktivnosti. Pristup generativnom alatu temeljenom na UI osposobljen za audiosnimke interakcija između korisnika i mjernih podataka o performansama povećao je produktivnost u prosjeku za 14%, mjereno problemima riješenima po satu.

Manje iskusni agenti za korisničku podršku imali su najviše koristi od tog alata, što ukazuje na to da UI – koja obuhvaća i filtrira akumulirano iskustvo cijelog sustava tijekom vremena – može pomoći radnicima da se brže “kreću niz krivulju iskustva”. Ovaj učinak “izravnanja” vjerojatno će biti uobičajena značajka primjena UI, posebno onih koje odgovaraju ovom “modelu digitalnog pomoćnika”.

Postoje mnoge verzije tog modela, koje mogu iskoristiti sposobnost UI i sustava ambijentalne inteligencije da prate i bilježe ishode. Za liječnike koji pregledavaju pacijente ili obilaze bolnicu, alati UI mogu proizvesti prvi nacrt potrebnih izvješća, koja će liječnik tada trebati samo urediti. Procjene uštede vremena variraju, ali sve su vrlo velike.

Regulatori i pravila

Umjetna inteligencija svakako također može omogućiti automatizaciju mnogih zadataka i zamjenu ljudskih radnika. Ali alati UI u osnovi su strojevi za predviđanje. Oni griješe, izmišljaju stvari i nastavljaju pristranosti na kojima su obučeni. S obzirom na to, razborita primjena u skorije vrijeme vjerojatno neće isključiti ljude. Kako bi ostvarili potencijal UI za povećanje produktivnosti, tvorci politika morat će djelovati u nekoliko područja.

Za početak, inovacije, eksperimentiranje i razvoj aplikacija ovise o općem pristupu velikim jezičnim modelima. Možda će biti dovoljno konkurencije da osigura pristup po razumnoj cijeni. No, s obzirom na to koliko malo tvrtki ima računalni kapacitet za obuku velikih jezičnih modela, regulatori moraju ostati oprezni na tom planu.

Štoviše, država će morati surađivati s industrijom i istraživačima kako bi uspostavila općeprihvaćena načela odgovornog upravljanja i uporabe podataka te provela propise za poštivanje tih načela. Postizanje prave ravnoteže između sigurnosti i otvorenosti od ključne je važnosti. Pravila ne mogu biti toliko restriktivna da ometaju eksperimentiranje i inovacije.

Naposljetku, istraživačima potreban je pristup znatnoj računalnoj snazi za testiranje i osposobljavanje novih modela umjetne inteligencije. Državna ulaganja u sustav računalstva u oblaku donijela bi dugoročni napredak u području umjetne inteligencije i robotike, uz dalekosežne gospodarske koristi. Zapravo, učinkovito i napredno upravljanje razvojem umjetne inteligencije, s obnovljenom predanošću globalnoj suradnji, moglo bi biti ključno za prosperitetniju, uključiviju i održiviju budućnost.