Streszczenie: Ronnie Chatterji analizuje wpływ sztucznej inteligencji na gospodarkę przez pryzmat dwóch odrębnych, lecz uzupełniających się faz wzrostu. Pierwsza z nich, dominująca obecnie, opiera się na gwałtownym popycie na infrastrukturę fizyczną, w tym półprzewodniki oraz centra danych, co generuje krótkoterminowy impuls inwestycyjny. Jednak klucz do trwałego bogactwa nowoczesnych społeczeństw Chatterji dostrzega w drugiej fazie – długofalowym wzroście produktywności, który nastąpi dopiero po pełnej integracji narzędzi AI z procesami operacyjnymi przedsiębiorstw.
Sztuczna inteligencja to nie tylko kolejna fala cyfryzacji. To technologia ogólnego przeznaczenia (GPT), która zmienia zasady gry w nauce, przemyśle i na rynku pracy. Ronnie Chatterji, główny ekonomista OpenAI, w rozmowie dla MIT Sloan Management Review wyjaśnia, dlaczego obecne inwestycje w czipy to dopiero wstęp do prawdziwej rewolucji produktywności.
Sam Ransbotham, MIT Sloan Management Review: Pełnił Pan kluczowe role w administracji USA, zajmując się m.in. ustawą CHIPS Act, a teraz jest Pan pierwszym głównym ekonomistą w OpenAI. Jak to unikalne połączenie perspektywy rządowej, akademickiej i technologicznej kształtuje Pana spojrzenie na wpływ AI na gospodarkę?
Ronnie Chatterji: Moje doświadczenie nauczyło mnie, że innowacje nie dzieją się w próżni. W Białym Domu widziałem, jak kluczowa jest infrastruktura – bez fizycznych fundamentów, takich jak półprzewodniki, żadna rewolucja cyfrowa nie ruszy z miejsca. W OpenAI z kolei widzę tempo, w jakim rozwijają się możliwości modeli językowych.
Moim zadaniem jest połączenie tych światów. Jako ekonomista staram się zrozumieć, w jaki sposób narzędzia, które tworzymy, przełożą się na realną wartość gospodarczą. Czy AI zwiększy produktywność każdego pracownika, czy może zmieni całe struktury branżowe? To pytania, na które musimy odpowiedzieć, aby w pełni wykorzystać potencjał tej technologii.
Wiele mówi się o „bańce AI”, ale Pan wskazuje na bardzo konkretne, dwutorowe oddziaływanie tej technologii na wzrost gospodarczy. Jak powinniśmy je rozumieć?
To kluczowa kwestia. Musimy rozróżnić dwa etapy wpływu AI na gospodarkę. Pierwszy, który obserwujemy już teraz, to wzrost krótkoterminowy napędzany ogromnymi inwestycjami w infrastrukturę. Mówimy o miliardach dolarów płynących w stronę producentów czipów, dostawców energii i budowniczych centrów danych. To klasyczny impuls inwestycyjny (Capex), który buduje „twarde” fundamenty ery AI.
Drugi etap to długoterminowy wzrost produktywności. On nie nastąpi z dnia na dzień. Wynika on z integracji narzędzi AI z procesami biznesowymi i życiem codziennym konsumentów. To tutaj kryje się prawdziwy potencjał wzrostu PKB. Wyzwaniem dla liderów nie jest dziś samo kupienie licencji na AI, ale przemyślenie na nowo, jak ich firmy mają funkcjonować w świecie, gdzie koszt inteligentnej pracy radykalnie spada.
Dlaczego ten drugi etap – wzrost produktywności – trwa dłużej?
W ekonomii znamy zjawisko „krzywej J”. Kiedy pojawia się technologia ogólnego przeznaczenia, jak elektryczność czy komputery, produktywność początkowo może nawet spaść. Firmy muszą poświęcić czas i zasoby na naukę, reorganizację pracy i stworzenie tzw. innowacji komplementarnych. W przypadku AI, samo wdrożenie czatu to początek. Prawdziwa zmiana nastąpi, gdy zmienimy sposób projektowania leków, zarządzania logistyką czy obsługi klienta. To wymaga zmiany mentalności i struktur organizacyjnych, a to zawsze zajmuje więcej czasu niż zakup sprzętu.
W rozmowie podkreśla Pan, że AI zmienia nie tylko biznes, ale przede wszystkim sposób, w jaki uprawiamy naukę. W jaki sposób sztuczna inteligencja przesuwa granice innowacji?
To może być najważniejszy aspekt wpływu AI. Tradycyjnie nauka polega na stawianiu hipotez i ich żmudnym testowaniu. AI radykalnie przyspiesza ten cykl. Pozwala badaczom testować idee szybciej, łączyć dane z wielu odległych dyscyplin i – co najważniejsze – pomaga wybierać, którymi problemami warto się zająć w pierwszej kolejności.
Widzimy to już w biologii molekularnej przy składaniu białek czy w inżynierii materiałowej. AI nie zastępuje naukowca, ale daje mu „supermoce”. Dzięki temu możemy szybciej znajdować rozwiązania dla najtrudniejszych wyzwań ludzkości, od zmian klimatycznych po nowe terapie medyczne. To jest paliwo dla długofalowego wzrostu gospodarczego.
Czy wszystkie branże będą adaptować AI w tym samym tempie? Gdzie widzi Pan największe opory?
Zdecydowanie nie. Sektory silnie regulowane, takie jak opieka zdrowotna czy edukacja, będą adaptować AI wolniej i w inny sposób. Tam, gdzie stawką jest ludzkie życie lub rozwój młodego człowieka, zasada „human in the loop” (człowiek w pętli decyzyjnej) jest niezbędna.
W tych branżach AI będzie raczej wspierać profesjonalistów, zdejmując z nich ciężar zadań administracyjnych, by mogli skupić się na relacjach z pacjentem czy uczniem. Zmiany w tych sektorach zajmą od 5 do 10 lat, ponieważ wymagają nie tylko zmian technologicznych, ale i prawnych oraz kulturowych.
Jakiej rady udzieliłby Pan menedżerom, którzy obawiają się, że ich organizacje nie nadążają za tempem zmian?
AI demokratyzuje dostęp do wiedzy. Dziś każdy może zadać pytanie i otrzymać ekspercką odpowiedź. Dlatego kluczową kompetencją jutra nie będzie sama wiedza, ale ciekawość i umiejętność zadawania właściwych pytań.
Liderzy muszą promować kulturę eksperymentowania. W świecie AI wygrywają ci, którzy potrafią najszybciej adaptować nowe narzędzia do swoich unikalnych potrzeb. Nie czekajcie na idealny moment – on nie nadejdzie. Prawdziwa wartość gospodarcza AI zostanie odblokowana przez tych, którzy zaczną działać już teraz, łącząc technologiczną śmiałość z głębokim zrozumieniem procesów biznesowych.
Ten wywiad jest częścią serii Me, Myself, and AI w ramach MIT Sloan Management Review poświęconej przyszłości pracy i technologii.
