Nok en viktig kronikk av Tor W. Andreassen, leder av faglig råd i Open Innovation Lab of Norway og professor emeritus fra Norges Handelshøyskole.
En ny MIT-rapport viser at 95 prosent av amerikanske virksomheter som har tatt i bruk kunstig intelligens, ennå ikke ser målbare produktivitetsgevinster. Bare et lite mindretall melder om økt lønnsomhet – de fleste beskriver situasjonen som «forventninger uten uttelling». Det er oppsiktsvekkende når AI fremstilles som selve motoren for en ny innovasjons og produktivitetsrevolusjon. Hvordan kan vi forstå at bedrifter og arbeidstakere som bruker AI viser solide resultater i feltstudier, mens de store linjene i økonomien knapt beveger seg?
Feltforsøk dokumenterer at generativ AI faktisk virker. I et eksperiment med over 5000 kundeservicemedarbeidere i et Fortune 500-selskap økte produktiviteten med 15 prosent flere saker løst per time, og blant de minst erfarne medarbeiderne med hele 30 prosent. Forfattere som brukte ChatGPT i arbeidsflyten fullførte oppgaver 40 prosent raskere og leverte 18 prosent høyere kvalitet enn kontrollgruppen. Tallene er så tydelige at de ikke kan avfeies som hype. Likevel ser vi lite av dette igjen i nasjonale produktivitetsmål.
Dette gapet mellom mikro og makro er ikke nytt – det er en moderne variant av Solow-paradokset: «vi ser AI overalt, bortsett fra i produktivitetstallene». Nobelprisvinner i økonomi, Daron Acemoglu viser i The Simple Macroeconomics of AI at selv med optimistiske antagelser vil dagens anvendelser trolig bidra med under 0,6 prosent vekst i total faktorproduktivitet over ti år. Årsaken er at AI foreløpig påvirker en begrenset del av økonomiens oppgaver, og at mange bransjer ennå ikke har tilpasset seg.
Fire mekanismer forklarer paradokset. For det første er spredningen ujevn. OECD finner at selv om pionerbedrifter viser sterke gevinster, er adopsjonsgraden lav utenfor teknologitunge sektorer. For det andre følger AI ofte en J-kurve: produktiviteten faller i startfasen fordi ansatte må trenes og prosesser endres før gevinstene kommer. I amerikansk industri har man observert et midlertidig fall på 1–1,3 prosent etter implementering før veksten tar fart. For det tredje utjevnes mikrogevinster i makrotallene – noen få ledende virksomheter drar opp, mens de fleste står stille. For det fjerde måler vi for dårlig. Mange AI-gevinster handler om bedre kvalitet, hurtigere responser eller nye tjenester – dimensjoner som sjelden fanges av tradisjonell produktivitetsstatistikk.
Resultatet er et bilde av AI som både over- og undervurdert: for godt til å være sant, hvis man forventer umiddelbar revolusjon; for svakt vurdert, dersom man ser på de små, men solide
mikroeffektene som spirer frem. Stanford professor og HAI direktør, Erik Brynjolfsson peker på at over tid vil slike lokale forbedringer akkumulere – gitt bred adopsjon, investeringer i kompetanse og ledelsesmessig omstilling – og til slutt materialisere seg som makroøkonomisk vekst.
For ledere ligger derfor utfordringen ikke i å tro på AI, men i å gjøre troen virksom: skal mikroeffektene bli makrokraft, må teknologien spres, kombineres med menneskelig dømmekraft og bygges inn i forretningsmodeller som faktisk skaper merverdi. AI er ikke for godt til å være sant – det er bare for krevende til å være enkelt
