Yapay zeka şirketleri global iktisatta giderek daha baskın hale gelip bilgi merkezlerine milyarlarca dolar akıtırken, bu teknolojilerin en temel vaatlerinden birini olan verimliliği artırmayı hakikaten yerine getirip getirmediği hala soru işareti oluşturuyor.

Teknoloji her vakit doğrusal biçimde üretkenliğe yansımıyor

Bu ekonomik beklentilere kuşkuyla yaklaşan isimlerden biri, global pazar tahlil firması Forrester’da lider yardımcısı ve baş analist olan JP Gownder. Gownder’a nazaran mevcut datalarda yapay zekanın verimlilikte bariz bir sıçrama yarattığına dair bir işaret yok. The Register’a verdiği röportajda, yapay zeka kaynaklı bir verimlilik artışı görmediklerini söyleyen Gownder, bilgi teknolojilerinin birçok vakit sanıldığı kadar doğrusal biçimde üretkenliğe yansımadığını vurguluyor.

Solow Paradoksu

Bu durum, yapay zekanın dönüştürücü olamayacağı manasına gelmiyor. Fakat tesiri büyük olsa bile, bunun ekonomik göstergelere yansımaması mümkün. Bu olgu, Nobel ödüllü ekonomist Robert Solow’un ortaya attığı ve “bilgisayar ihtilalinin tesirleri her yerde görülürken verimlilik istatistiklerinde görünmemesi” biçiminde özetlenen Solow Paradoksu ile açıklanıyor.

Gownder, ABD Çalışma İstatistikleri Ofisi datalarına dikkat çekiyor. 1947–1973 ortasında, yani ferdî bilgisayarlar yaygınlaşmadan evvel, verimlilik yılda ortalama %2,7 artmıştı. Buna karşılık, PC’lerin ana akım hale geldiği 1990–2001 devrinde bu oran %2,1’e düştü; 2007–2019 ortasında ise %1,5’e kadar geriledi. Sadece 2001-2007 yılları ortasında %2,8 verimlilik artışı elde edilebildi.

Diğer kimi araştırmalar da doğruluyor

Akademik çalışmalar ve iş yerlerindeki uygulamalar da yapay zekanın şimdi olgunlaşmadığını gösteriyor. Örneğin, MIT tarafından yapılan dikkat cazip bir araştırma, yapay zekayı entegre eden şirketlerin %95’inin gelirlerinde manalı bir artış elde edemediğini ortaya koydu. Büyük beklentilerle sunulan bir diğer alan olan yazılım geliştirmede ise, AI takviyeli kodlama araçlarını kullanan programcıların işlerini daha yavaş yaptığına dair bulgular var.

Tüm vazifeleri otomatikleştirmeyi hedefleyen yapay zeka casusları da pek parlak görünmüyor. Center for AI Safety araştırmacılarının uzaktan çalışma vazifeleriyle test ettiği AI casusları, verilen işlerin sadece %3’ünden azını tamamlayabildi. Ayrıca birtakım çalışmalar, yapay zekanın işyeri bağlantılarını olumsuz etkilediğini öne sürüyor. Çalışmada, yapay zekanın, çalışanların düşük kaliteli iş çıktılarını diğerlerine devretmelerine ve bir sonraki evrede yapay zekanın özensiz çıktısının düzeltileceği beklentisine yol açtığı tespit edildi.

Gownder’a nazaran, üretken yapay zekanın büyük bir kısmı sahiden çalışmıyor. Sorunun yalnızca son kullanıcı tecrübesiyle hudutlu olmadığını, MIT çalışmasının da gösterdiği üzere projelerin %95’inin somut bir kâr ya da yatırım getirisi sağlamadığını söylüyor. Bu tablo, şu an için kitlesel işten çıkarmaların yaşanmadığını da açıklıyor.

Bununla birlikte Forrester’ın öngörülerine nazaran, yapay zeka ve fizikî robotlar üzere otomasyon teknolojileri 2030’a kadar işlerin yaklaşık %6’sını ortadan kaldırabilir; bu da 10,4 milyon pozisyona denk geliyor. Gownder, bu kayıpların yapısal olduğunu, yani kalıcı biçimde yok olacaklarını ve bunun iktisatta küçümsenmeyecek bir tesir yaratacağını belirtiyor.

Zamanla birtakım patronların yapay zekanın beklentileri karşılamadığını fark edebileceğini de ekliyor. Nitekim çalışanlarını yapay zeka uğruna işten çıkarıp daha sonra yine işe alan şirketlerin olduğu bildiriliyor. Lakin ona nazaran yapay zeka söylemi, birden fazla vakit öbür tasarruf tekniklerini gizlemek için de kullanılıyor. Gownder, dış kaynak kullanımının bunun en yaygın örneği olduğunu söylüyor: “İnsanları yapay zeka yüzünden işten çıkardıklarını söylüyorlar, lakin üç hafta sonra çok daha ucuz olduğu için Hindistan’da bir takım kuruyorlar.”