Mesterséges intelligencia: gazdasági lufi vagy forradalom? 

 A mesterséges intelligencia (MI) az elmúlt évek egyik legforróbb technológiai témája, amelyet sokan a globális gazdaság, a munkahelyek, a mindennapi üzleti élet átalakítójaként emlegetnek. A befektetők lelkesedése egyelőre töretlen: 2025 első felében az MI-startupok több mint 44 milliárd dollárnyi tőkét vonzottak, meghaladva a 2024-es év teljes összegét, és a Goldman Sachs előrejelzése szerint az év végéig ez az összeg elérheti a 200 milliárd dollárt globálisan.  

Az optimizmus azonban kezd túlzott méreteket ölteni, azaz elválni a valóságtól. Az MIT legújabb tanulmánya, a The GenAI Divide: State of AI in Business 2025, amelyet az MIT NANDA kezdeményezése publikált augusztusban, rávilágít a generatív MI (GenAI) üzleti alkalmazásainak sötét oldalára.  

A jelentés szerint bár a vállalatok dollármilliárdokat fektettek a GenAI-ba, a kísérleti projektek 95 százaléka nem hozott mérhető megtérülést (ROI), és csupán 5 százalékuk ért el jelentős bevételnövekedést.   

Várakozások vs. valóság  

A mesterséges intelligenciától azt várták, hogy forradalmasítja a munkaerő termelékenységét, ám a valóság sokkal árnyaltabb képet mutat. Az MIT kutatói szerint egyszerűen nincs meggyőző bizonyíték arra, hogy az MI jelentősen növelné a vállalatok hatékonyságát. A jelentés kiemeli, hogy a GenAI-projektek többsége leragad a kísérleti fázisban, mert a technológia nem integrálódik hatékonyan a meglévő munkafolyamatokba.  

A legfejlettebb MI-termékek az irodai feladatok 30, az MI-ügynökök pedig a valós munkák 24 százalékát tudják elvégezni egy másik kapcsolódó anyag, a PNAS pár hete közzétett elemzése alapján. Intő jel, hogy a Gartner júniusi kutatása szerint a vezetők fele elvetette a 2027-re tervezett létszámcsökkentést az ügyfélszolgálat területén, felismerve az emberi interakció fontosságát. Az MI-ügynökök 2029-re a gyakori ügyfélszolgálati problémák 80 százalékát megoldhatják ugyan, de ezek nem képesek kezelni a jelenlegi integrációs gondokat. Ez annak is köszönhető, hogy az MIT szerint a mai MI-projektek 95 százaléka nem skálázható az adatminőség, a szervezeti készség és a technológiai érettség hiánya miatt. 

Daron Acemoglu korábbi elemzése szerint ugyanis a generatív MI hatására az USA-ban a teljes tényező termelékenység (TFP) növekedése a következő 10 évben 0,66–0,7 százalék között lesz összesen, ami éves átlagban csak 0,05–0,07 százalékos növekedés. Ez a „minden feladat szintjén” mért aggregált termelékenységbővülést takarja, és messze elmarad a hype-olt várakozásoktól, például a Goldman Sachs 1,5 százalékos éves prognózisától.  

Nagy a munkavállalók szkepticizmusa 

Nem segíti az áttörést az sem, hogy a munkavállalók 62 százaléka szerint az MI túl van értékelve. Az informatikai vezetők például a biztonsági és integrációs problémákat emelik ki akadályként. A svéd alapítású e-kereskedelmi hitelközvetítő fintechvállalat,  

Sebastian Siemiatkowski, a Klarna vezérigazgatója elismerte, hogy az MI bevezetése első körben ugyan 40 százalékos létszámcsökkentést tett lehetővé, de be kellett látniuk, hogy a komplex feladatokhoz emberi munkaerő kell. Az MIT szerint a vállalatok 55 százaléka megbánta a mesterséges intelligencia bevezetését követő elbocsátásokat, és az idén a 42 százaléka fel is adta az MI-projekteket, szemben a tavalyi 17 százalékos aránnyal. 

Buborék, elfogultság és verifikációs adó 

Az MIT kutatása szerint gazdasági hátrányt okozhat, hogy a nagy nyelvi modellek (pl. a GPT-4, a Meta Llama 3.1) előnyben részesítik az MI által generált tartalmakat az emberi alkotásokkal szemben. Egy cseh MI-kutató a prágai Karlova Egyetemen, Jan Kulveit úgy véli, hogy komoly veszteségeket okozhat, ha mesterséges intelligencia által készített értékelések dominálnak például a munkaerő-felvétel során. 

Az MIT szerint azonban a vállalatok többsége nem látja azt a profitot, ami az MI-buborék kipukkadását jelzi. A Stanford HAI 2025-ös AI Indexe szerint az MI üzleti használata ugyan 78 százalékra nőtt, csakhogy ez még nem jelent gazdasági hasznot.  

További gond, hogy az MI-modellek gyakran „magabiztosan tévednek”, így a válaszai és az „MI-termékek” ellenőrzése extra emberi időt igényel, ami jelentősen csökkenti a termelékenységi előnyöket – ezt manapság sokan úgynevezett vertifikációs adónak tartják. A PromptQL a Forbes-nak nyilatkozó egyik szakértője szerint ez megmagyarázza, hogy miért akadnak el az MI-projektek, különösen a pontosságot és a precizitást igénylő iparágakban. 

Az MI jövője nyitott 

Az MI-ipar tehát elérkezett az első válaszútjához. Sam Altman, a ChatGPT-t fejlesztő OpenAI vezetője bár optimista, de már ő is látja a buborék jeleit, és ezermilliárd dolláros befektetést szorgalmaz az ágazatba globális szinten. Ugyanis a technológia ígéretes, de a gyakorlati alkalmazása – mint láttuk – elmarad a korábbi óriási elvárásoktól. Mindenesetre a következő évek döntik el, hogy az MI valódi forradalmat hoz, vagy csupán technológiai buborékként vonul-e be a történelembe.  

Kapcsolódó: 

 
További cikkeinket, elemzéseinket megtalálják a makronom.eu oldalon.  

 Nyitókép: Lionel BONAVENTURE / AFP