Samtidens debatt om artificiell intelligens är inte den första, och robotar var en stor fråga i mitten av 10-talet. Nu handlar den om maskininlärning och språkmodeller. Fast OECD-ländernas ekonomier har ökat produktiviteten med bara 1% om året sedan dess. Borde inte AI gjort mer?
Produktivitetsparadoxen omtalas av ekonomhistorikern Lennart Schön, som märkte hur produktiviteten sjönk på 90-talet, trots att IT spreds i samhället. Samhället gick igenom en fas av tillvänjning och tillämpning.
Det var mycket datorstrul i början. Dotcom-bolagen skrev affärsmodeller för webben, men vem kunde hitta dem? Visionerna började slå igenom på 10-talet i kombination med smartphones. Det gick trögt då datorerna skulle anpassas till verksamheten, snarare än att tänka om verksamheten efter de digitala förutsättningarna.
Stora språkmodeller blir allt större och dyrare. Det kommer att spela roll om det blir öppen eller sluten kod, men någonstans måste den köras, då blir den körd på någons kraftfulla dator som behöver mycket energi. På 90-talet skedde många genombrott hemma, inte minst då de anställda hade bättre teknik än arbetsgivaren. Fick man inte en bra användarupplevelse bytte man dator. Det kan inte ett företag eller en myndighet göra, så de anställda får hålla till godo.
För även artificiell intelligens måste ha en fas av tillvänjning och tillämpning. Om debatten präglas av tanken på en Fast Take Off, i kombination med criti-hype, blir det svårare att lösa många tillämpningsproblem. Annars så bidde det en tumme av en teknologi som kunde ha löst klimatkrisen, den kommande hälsokrisen och produktivitetskrisen. Många aktörer kan uppfatta utvecklingen som för komplicerad och börja avvakta och följa, men teknik påverkar sin omgivning när den tillämpas, särskilt av de som är minst produktiva.
