En un artículo en 1987 Revisar los libros de TimesEl economista Nobel de MIT Robert Solo comentó: “Puedes ver la edad de la computadora en todas partes, pero en las estadísticas de productividad”. A pesar del enorme crecimiento en la creciente popularidad del poder informático y las computadoras personales, las estadísticas del gobierno han demostrado que el principal determinante de los salarios y el nivel de vida, los trabajadores, los resultados en general se habían estancado durante más de una década. La “paradoja de la productividad”, como se sabía, continuó en y más allá de las décadas de los novecientos de noviembre, creando un cuerpo de literatura enorme e indescriptible. Algunos economistas han culpado a la nueva mala gestión tecnológica; Otros argumentaron que las computadoras estaban involucradas con la importancia económica en comparación con las viejas innovaciones como las máquinas de vapor y la electricidad; Otros aún culpan a las mediciones de las mediciones en los datos y argumentan que una vez que están fijos, la paradoja desaparece.
Aproximadamente cuarenta años después del artículo de Solo y aproximadamente tres años después de su lanzamiento de su charla de charla, podríamos enfrentar una nueva paradoja económica, que participa en la inteligencia artificial genética. Una encuesta reciente realizada por los economistas de Stanford, Clemson y el Banco Mundial en junio y julio de este año encontró que aproximadamente la mitad de todos los trabajadores, 45.6 por ciento, podrían ser específicos, utilizando equipos de IA. Y, sin embargo, un nuevo estudio de un equipo de investigadores relacionados con el laboratorio de medios del MIT dice que “a pesar de los $ 40 mil millones para la inversión empresarial en Gennie, este informe ha revelado un resultado sorprendente del 95% de las empresas que obtienen un rendimiento cero”.
Los autores del estudio han probado más de 300 iniciativas y anuncios públicos de IA y entrevistado a más de cincuenta funcionarios de la compañía. Han definido una inversión de IA exitosa como una que se desplegó fuera del episodio piloto y obtuvo un rendimiento financiero o productividad medible después de seis meses. “Solo el 5% de los pilotos de IA integrados están recolectando millones, por otro lado, la gran mayoría está atascada sin un efecto medible de” ganancias y leyes “P&L”, escribieron.
Las entrevistas de la encuesta expresaron varias reacciones, algunas de las cuales fueron extremadamente escépticas. “LinkedIn en el bombo publicitario en LinkedIn, el director de operaciones de la granja de fabricación mediana dijo a los investigadores, pero nada fundamental se transfirió a nuestras actividades”. “Estamos procesando algunos de algunos acuerdos rápidamente, pero esto es lo que ha cambiado” “Quizás uno o dos son realmente efectivos. El resto del proyecto Wrap o Science”.
Para ser confirmado, el informe señaló que algunas compañías han invertido una IA exitosa. Por ejemplo, destaca las habilidades creadas por herramientas personalizadas dirigidas a las operaciones de back-office, señalando: “Estos resultados iniciales indican que los sistemas habilitados para el aprendizaje, si están dirigidos a procesos específicos, pueden proporcionar el valor verdadero sin una gran reconstrucción organizacional”. La encuesta también citó a algunas compañías que informaron “conversión de retención y venta de clientes avanzados a través de la divulgación automática y los sistemas de seguimiento inteligentes”, lo que sugiere que los sistemas de IA pueden ser efectivos para el marketing.
Sin embargo, la idea es que muchas compañías están luchando para obtener suficiente retorno con una encuesta reciente realizada por la compañía de consultoría multinacional Akkodis. Después de contactar a más de dos mil ejecutivos de negocios, la granja ha descubierto que el porcentaje de CEO “muy seguro” en las técnicas de AI-A-Atbone de su granja ha disminuido del veintidós por ciento en 2021 este año. Los directores de tecnología corporativos también tenían confianza, aunque no por eso. Estos desarrollos son “las iniciativas digitales o de IA pueden reflejar los resultados decepcionantes de la ansiedad en torno a la esquelética, así como al fracaso en la implementación, así como al fracaso”, afirma la encuesta de Akkodis.
La semana pasada, las cuentas de los medios para MIT Media Lab Study coinciden con el colapso de las acciones altamente valiosas asociadas con la IA, incluidas Nvidia, Meta y Palanty. Las relaciones mutuas ciertamente no son comentarios efectivos y recientes del CEO de OpenAI, Sam Altman, pueden desempeñar un papel más importante en la ventas, lo que ciertamente fue inevitable en cualquier etapa debido a los precios recientes. En una cena con periodistas, Ultman dijo que las evaluaciones estaban “locas” y usaron el término “burbuja” tres veces en quince segundos, dijo CNBC.
Sin embargo, el MIT ha atraído mucha atención a la encuesta y después de la noticia inicial sobre la investigación, un informe reveló que el laboratorio de medios, que está relacionado con muchas compañías de tecnología, restringió silenciosamente su acceso a ella. Los mensajes que mantuve en la oficina de comunicación de la compañía y los dos escritores del informe se han convertido en solteros.
Aunque el informe es más corto que alguna cobertura de noticias, ciertamente plantea preguntas sobre la gran narrativa económica que incluye el auge técnico cuando se ha publicado el Chatzp de OpenAI desde noviembre de 2022. La versión corta de esta narrativa es que los trabajadores de la propagación de la economía del generador IA, especialmente los trabajadores del conocimiento del conocimiento, son excelentes para las empresas y sus accionistas, ya que creará un gran salto en la productividad y a través de la extensión de la AI, con ganancias.
Una de las posibles razones por las que todavía no parece haber sucedido que la falla de la gerencia está restringiendo las instalaciones de productividad informática en los noventa y principios de los noventa. Media Lab Survey ha encontrado que las inversiones de IA más exitosas fueron creadas por nuevas empresas que utilizan herramientas altamente personalizadas en las regiones estrechas de los procesos de flujo de trabajo. Por otro lado, la encuesta apunta a las nuevas empresas menos exitosas que “generaron” o “el equipo genérico estaba creando o tratando de desarrollar la capacidad internamente”. En términos más generales, el informe dice que la división entre el éxito y el fracaso “no está impulsada por la calidad o el control del modelo, pero parece estar determinada por el procedimiento”.
Adivinado, la fantasía y la complejidad de la IA del generador puede mantener atrás a algunas empresas. Un estudio reciente de la compañía consultora Gartner ha demostrado que menos de la mitad de los CEO confían en que sus principales oficiales de información son “en cuanto a IA”. Sin embargo, hay otra posible explicación para el registro decepcionante destacado en el informe del laboratorio de medios: para muchas empresas establecidas, la IA del generador, al menos en el avatar actual, no solo el agrietamiento. “Es inteligente y excelente para los primeros borradores, pero no mantiene conocimiento sobre las preferencias del cliente o aprende de ediciones anteriores”, dijo una encuesta de laboratorio de medios. “Repita los mismos errores y cada sesión requiere una amplia entrada de contexto. Necesito un sistema para el trabajo de alta figa que mejore el conocimiento y mejore con el tiempo”.
Por supuesto, hay muchas personas que piensan que la IA es útil y hay evidencia académica para respaldarla: en 2021, dos economistas han descubierto que dos economistas han podido completar el “trabajo de escritura profesional” de la exposición a ChatGPT. En el mismo año, otros equipos de investigación identifican los resultados de productores de productividad para los programadores de computadoras que usan Kapilot de GitHub y tienen acceso a agentes de apoyo al cliente que tienen acceso a equipos de IA. Los investigadores del laboratorio de medios han descubierto que muchos trabajadores están utilizando sus herramientas personales como GPT o Claud; El informe se conoce como “Economía de IA Shadow” y comenta que “a menudo proporciona mejor más a la iniciativa del empleador”. Pero la pregunta sigue siendo, y es una que los ejecutivos corporativos superiores deben hacer con más frecuencia: ¿por qué más empresas no vieron tales instalaciones alimentadas en la línea a continuación?
Una parte del problema puede ser que la IA del generador, como es significativamente, tiene una aplicación limitada en muchas partes de la economía. Tomados en conjunto, el ocio y la hospitalidad, el comercio minorista, la construcción, el sector inmobiliario y el sector de la atención, las personas y las personas adultas o enfermas cuidan de unos cincuenta millones de empleados estadounidenses, pero no parecen candidatos inmediatos para la conversión de IA.
Otra cosa importante es tener en cuenta que tomar IA en toda la economía puede ser un proceso largo. En el valle de Silicon, a la gente le gusta moverse rápido y romper las cosas. Sin embargo, la historia económica nos dice que incluso las tecnologías más convertidas, que los economistas se refieren como tecnología estructural general, no pueden usarse para el máximo impacto hasta que se puedan completar la infraestructura, la eficiencia y la complementación de productos. Y puede ser un proceso largo. El inventor escocés James Watt descubrió su máquina de vapor cilíndrica en 1769. Treinta años después, la mayoría de las fábricas de algodón en Gran Bretaña todavía estaban impulsadas por la rueda de agua, parcial porque el carbón era difícil de transportar para las máquinas de vapor. No cambió hasta el desarrollo de ferrocarriles de potencia de vapor a principios del siglo XIX. La electricidad también se propaga lentamente y no lleva instantáneamente a la economía a mejorar la productividad. Como mencionó el solo, el desarrollo de la computadora siguió el mismo patrón. (De 1 1996 a 25, la productividad de la economía finalmente ha aumentado, lo que muchos economistas culparon a la influencia retrasada de la tecnología de la información. Más tarde, se quedó atrás).
