«Время — деньги» — избитая фраза в корпоративном мире. Как и многие другие клише, она часто используется, но редко воспринимается всерьез. Но в контексте искусственного интеллекта и его влияния на экономическую производительность,  время - а точнее, экономия времени, становится одним из важнейших показателей окупаемости огромных инвестиций в искусственный интеллект.

Потенциал любой технологии для повышения уровня жизни зависит от ее способности стимулировать улучшения в том, что экономисты называют общей производительностью факторов производства, то есть извлечение большей ценности из всех ресурсов, используемых в производстве товаров или услуг. Производительность стала ключевой заботой как руководителей бизнеса, так и политиков, поскольку ее рост существенно замедлился в последние десятилетия, хотя технологические изменения, по-видимому, развиваются поразительно быстро.

Почти каждую неделю появляется новая модель ИИ с поразительными возможностями и ожиданиями того, что она поможет компаниям улучшить свои рабочие процессы или услуги. Но доказательств заявленного повышения эффективности в экономической статистике пока нет.

Многие компании пробуют внедрить ИИ - недавние опросы предприятий Федеральной резервной системы США показали, что это делают от 20% до 40% работников. Другое исследование говорит, что средний уровень внедрения среди компаний в Европейском союзе составляет 13,5%, пишут СМИ.

Для любых технологий так называемого общего назначения всегда требуется время, чтобы их преимущества проявились в статистике. Известное исследование электрификации американского производства в начале 20 века показало, что отставание составляло около 50 лет. Одна из основных причин: предприятиям приходилось инвестировать не только в электрооборудование, но и в новые фабрики. 

Паровая мельница была высотой в несколько этажей, тогда как сборочная линия, работающая на электричестве, нуждалась в плоской планировке. Трио экономистов во главе с Эриком Бриньолфссоном из Стэнфордского университета назвало это явление «J-кривой производительности»: производительность падает при принятии новой технологии, прежде чем начинает расти.

Производительность стагнирует в странах G-7. Источник: данные Penn World Tables, составленные Дайан Койл

Еще одна причина, по которой рост производительности медленно отражается в данных, заключается в том, что измерить его довольно сложно. Особенно в крупных секторах экономики, которые больше не производят стандартизированные, легко поддающиеся подсчету товары - такие, как стиральные машины и автозапчасти. 

Возьмем управленческий консалтинг или юридические услуги. Статистика легко собирает данные о доходах таких компаний, но каков объем их продукции? Это, конечно, не длина слайдов или количество страниц в юридическом заключении. Цена, которую они взимают за услуги, связана с качеством, но как статистик может учитывать качество управленческих или юридических консультаций?

Google зарабатывает миллиарды на сервисе, который предлагает бесплатно поиск, взимая плату за рекламу, отображаемую рядом с результатами. Однако приписывать создание экономической ценности, которую производительность стремится измерить, не так просто, как подсчитывать доходы Google. А как насчет вклада интернет-провайдеров, владельцев центров обработки данных и поставщиков контента?

Анализ потраченного времени — сколько и кем — является более правильным показателем производительности для отслеживания влияния ИИ. Хотя мы склонны думать о технологиях с точки зрения новых гаджетов или изобретений, большинство улучшений производительности в истории сводилось к тому, что работники получали возможность делать некоторые вещи быстрее, освобождая больше времени для других видов деятельности. Короче говоря, инновации в процессах важнее инноваций в продуктах.

Подумайте о распространении пароходства. Более ранние усовершенствования, такие как обшивка корпусов медью, ускорили парусные суда, но именно внедрение паровых клиперов преобразило путешествия и торговлю в конце 19 века. Более поздним примером технологического новшества является распространение производственных технологий «точно в срок», впервые внедренных в Японии в 1980-х годах. Благодаря улучшениям в логистике, отрасли от автомобилестроения до швейной промышленности перешли к более тесному согласованию производства со спросом, что снизило риск остаться с нераспроданным товаром.

Для некоторых технологий преимущества в масштабах экономики менее очевидны. Рассмотрим киоски самообслуживания, которые теперь установлены во многих магазинах. Они экономят владельцам магазинов заработную плату кассиров, которых они заменяют, возможно, увеличивая измеряемую производительность сектора розничной торговли. Но вместо этого они используют неоплачиваемое время покупателей, поэтому неясно, есть ли вообще какой-либо прирост производительности. 

Некоторые приложения ИИ налагают такой временной налог на потребителей в пользу организаций, которые их используют. Подумайте о времени (и стрессе), которое требуется для работы с этими колл-центрами обслуживания клиентов, где ни один человек никогда не берет трубку, или о навигации по процессу возврата товара на сайте электронной коммерции.

По этим причинам время является ключевым экономическим показателем, представляющим интерес, поскольку ИИ начинает преобразовывать нашу жизнь. К сожалению, мало данных о том, как люди распределяют часы каждого дня, как на работе, так и вне ее. Некоторые национальные статистические агентства, которые опрашивают потребителей об использовании их времени, теперь включают вопросы об онлайн-активности. Но эти опросы проводятся нечасто, и все еще трудно определить, делают ли онлайн-активности жизнь более удобной и эффективной или вместо этого взимают временной налог с помощью сложных онлайн-меню, тем самым перекладывая труд на отдельного человека.

ИИ уже доказал свою полезность для автоматизации трудоемких процессов — обобщения юридических прецедентов, форматирования презентаций и написания стандартных фрагментов кода. Предприятиям следует думать о своих возможностях повышения производительности с точки зрения того, как их сотрудники тратят время сейчас и как они могут потратить его более ценным образом в будущем. 

Другими словами, ИИ дает возможность выяснить, какие действия или задачи являются поглотителями времени. Сотрудники, безусловно, знают ответ, хотя они могут не захотеть делиться этой информацией со своими начальниками из-за страха, что их рабочие места могут быть ликвидированы. В отчете Goldman Sachs за 2023 год подсчитано, что ИИ может покончить с 300 миллионами постоянных рабочих мест по всему миру, но так ли это на самом деле, никто этого не знает.

Тем временем экономисты и статистики должны подумать о новых типах опросов и более инновационных методах сбора данных, таких как отслеживание использования мобильных телефонов и компьютеров, которые помогут заполнить некоторые из этих пробелов. То, как мы распределяем 24 драгоценных часа, отведенных нам в сутках, является высшей мерой ценности.