Paradoks produktywności AI: dlaczego zyski z benchmarków nie trafiają do bilansów firm?

Debata na temat wpływu sztucznej inteligencji na gospodarkę przypomina obecnie oglądanie dwóch różnych rzeczywistości. Z jednej strony mamy entuzjastyczne badania, pokazujące, że programiści z asystentem AI pracują o połowę szybciej, a konsultanci rozwiązują problemy sprawniej. Z drugiej – oficjalne statystyki produktywności i sprawozdania finansowe firm pozostają niemal niewzruszone. To zjawisko, nazywane nowym paradoksem produktywności, sugeruje, że optymizm technologiczny zderzył się z betonową ścianą organizacyjnej inercji.

Sukces na poziomie mikrozadań

Liczby pochodzące z kontrolowanych testów są trudne do zignorowania. Badania publikowane w „Quarterly Journal of Economics” czy eksperymenty przeprowadzane wewnątrz Google i Microsoftu wskazują na konkretne wzrosty: o 14 proc. więcej rozwiązanych zgłoszeń w obsłudze klienta czy o 55 proc. skrócenie czasu kodowania przy prostych instrukcjach. Szczególnie zyskują pracownicy o mniejszym doświadczeniu, dla których AI staje się cyfrowym mentorem wyrównującym szanse.

Problem polega jednak na tym, że większość tych pomiarów dotyczy zadań wyizolowanych, niemal „laboratoryjnych”. W świecie rzeczywistym praca nie jest linią montażową, lecz skomplikowaną siecią zależności, zatwierdzeń i przestojów. Jeśli pracownik odpisze na e-mail o 15 minut szybciej, ale potem czeka trzy godziny na decyzję przełożonego, zysk z zastosowania AI po prostu wyparowuje w systemowej dziurze.

Pułapka widoczności zamiast wartości

Większość korporacji wciąż nie potrafi mierzyć produktywności pracy umysłowej. Zamiast skupiać się na efektach, menedżerowie często polegają na wskaźnikach aktywności: liczbie wysłanych wiadomości, zamkniętych zgłoszeń czy wygenerowanych dokumentów. Sztuczna inteligencja jest wręcz stworzona do pompowania tych parametrów, co prowadzi do zjawiska określanego jako „performative work” – pracownicy używają AI, by wydawać się bardziej zajętymi, podczas gdy realna wartość ich pracy dla firmy nie rośnie.

Co więcej, pojawia się problem ukrytych kosztów. Generatywna AI, ze swojej natury probabilistyczna, wprowadza konieczność wzmożonego nadzoru. Czas zaoszczędzony na tworzeniu roboczego tekstu często zostaje skonsumowany przez proces weryfikacji i usuwania błędów merytorycznych. Badania Stanford Social Media Lab wskazują na zalew treści typu „workslop” – formalnie poprawnych, ale merytorycznie płytkich materiałów, których poprawianie zajmuje odbiorcom więcej czasu, niż gdyby zostały napisane tradycyjnie.

Bariery nie do przeskoczenia?

Przeszkodą są również sami pracownicy. Produktywność jest tematem politycznym i społecznym. Osoba, która przyzna się do znalezienia potężnego usprawnienia skracającego jej pracę o połowę, ryzykuje zwiększenie norm lub redukcję etatu. W efekcie zyski z AI stają się „prywatną rezerwą” pracowników, wykorzystywaną na przerwy lub mniej intensywne tempo pracy, co nie znajduje odzwierciedlenia w zyskach przedsiębiorstwa.

Nie bez znaczenia jest też kwestia długofalowych kompetencji. Choć modele takie jak Claude czy GPT-5 potrafią błyskawicznie dostarczyć kod, badania przeprowadzone przez Anthropic sugerują, że nadmierna delegacja zadań do AI osłabia proces nauki. Programiści stają się szybsi w bieżących sprintach, ale ich zrozumienie głębokiej struktury systemów słabnie, co w przyszłości może generować dług technologiczny niemożliwy do spłacenia przy pomocy prostych promptów.

Perspektywy na przyszłość

Czy zatem rewolucja AI w produktywności to mit? Najbardziej prawdopodobny scenariusz sugeruje raczej ewolucję niż gwałtowny skok. Historia wdrażania komputerów osobistych czy internetu uczy, że od debiutu technologii do jej mierzalnego wpływu na PKB mija zazwyczaj dekada. Optymistyczne prognozy zakładają, że realne przyspieszenie nastąpi dopiero w momencie pełniejszej integracji agentów AI, zdolnych do realizacji całych procesów, a nie tylko fragmentów pracy.

Dziś kluczem do sukcesu wydaje się nie tyle zakup nowszego modelu, co przebudowa struktur organizacyjnych. Dopóki firmy będą nagradzać „widoczność” zamiast „wartości”, a procesy decyzyjne pozostaną ociężałe, potężne silniki sztucznej inteligencji będą pracować na biegu jałowym, dając jedynie iluzję postępu w statycznym świecie biznesu.