Milliárdok égnek el, de hol marad a növekedés?
Lépten nyomon a mesterségesintelligencia-forradalom, az újabb ipari forradalom küszöbének jelentőségéről hallhatunk, amely akár kétszámjegyű globális növekedéssel is társulhat. Jelenleg azonban a mesterséges intelligenciát (MI) üzemeltető cégek többsége veszteséggel működik, és egyes kutatások szerint a vállalatok 95%-a nem tapasztalt pozitív megtérülést e téren. Sokan egy újabb technológiai lufi felfúvását látják, míg mások csak a szektorra jellemző, J-görbe sajátosságaival magyarázzák a helyzetet. Egy biztos: a dollármilliárdok ellenére az áttörés még várat magára.
Technológiai haladás és a gazdasági növekedés
A globális növekedés az 1700-as évek előtt mindössze évi 0,1% körül alakult. A következő közel másfél évszázadban, az ipari forradalom következtében ez a szám 0,5%-ra emelkedett, majd a XIX. században átlagosan 1,9%-ot, míg a XX. században pedig 2,8%-ot ért el. Ezek az adatok jól tükrözik, hogy a globális kibocsátás fő mozgatórugója elsősorban a technológiai haladásban rejlik. Nem véletlen, hogy a The Economist, a szakirodalmi becslésekre és az MI potenciális növekedési hatásaira alapozva akár a kétszámjegyű globális növekedés lehetőségét is felvetette. Mindez azonban még akkor is számos kérdést felvet, ha óvatosabb megközelítéssel inkább csak a 2-3%-ot jelentősen meghaladó értékként próbáljuk definiálni.
Az MI eddigi hatásai és korlátai
Ahogy azt a múltbeli tapasztalatok is mutatják, a jelentősebb gazdasági ugrások nem pusztán a feladatok gyorsabb ismétléséből, hanem sokkal inkább az új találmányokból és felfedezésekből, valamint azok megfelelő implementációjából fakadnak. A mesterséges intelligencia egyelőre inkább lokális eredményeket mutatott. Bizonyos feladatok hatékonysága jelentősen nőtt, a szövegírási feladatok minősége szintén szignifikánsan javult. A ChatGPT-hez hasonló nagy nyelvi modellek élen járnak az alkalmazásban. Egy „email asszisztens” azonban várhatóan kevés lesz ahhoz, hogy az egész gazdaság szintjén robbanásszerű növekedést hozzon.
A mesterséges intelligencia akkor válhat valódi áttöréssé, ha nem csupán a meglévő feladatok automatizálását segíti, hanem új tevékenységek felfedezéséhez is hozzájárul. A mesterséges intelligencia azonban ma a meglévő folyamatokon belül optimalizál a hatékonyság érdekében, ahelyett, hogy újakat fedezne fel. Míg a piacok az átalakító termelékenységnövekedést árazzák be, a jelenlegi mesterséges intelligencia egyelőre csak kisebb, fokozatos javulásokat hoz.
Költségek és kockázatok
A mesterséges intelligencia hatását hosszabb távon várják, és ennek megfelelően a kutatások többsége a jelenséget egy úgynevezett J-görbével írja le. Eszerint egy új átfogó technológia megjelenése kezdetben gyakran a termelékenység visszaesésével vagy stagnálásával jár, mely később meredek emelkedésbe kezd. Jelenleg még abban a fázisban vagyunk, amikor a költségek robbanásszerű növekedéséről, valamint a nagy MI-cégek veszteséges, ám a befektetők számára ettől még vonzó működéséről beszélhetünk.
A nagy nyelvi modellek betanítása rendkívül adatigényes, és költséges, nem beszélve az ehhez társuló infrastruktúra energiaigényeikről. Egyetlen nagyméretű modell betanítása annyi energiát igényelhet, mint több ezer háztartás éves fogyasztása. Az adatközpontok hűtése óriási vízigényt támaszt, és a növekvő kereslet a félvezetőgyártásban is komoly terheket ró a környezetre.
Párhuzamok az internettel és a buborékveszély
A megelőző évtizedek legnagyobb technológiai áttörése az internet volt, mely napjainkban is intő példaként szolgálhat. Egyfelől, az internet is csak évek múlva kezdett széles körben termelékenységet fokozni. Másfelől pedig, ahogy akkoriban minden internetes cég kiemelkedően vonzó volt a befektetők körében, úgy most is ez figyelhető meg az MI-cégek esetén. Az eredmény a 2000-es évek elején a dotcomlufi kipukkadása volt, és óriási pénzösszegek tűntek el a piacról. A technológia azonban megmaradt, sőt, mára az egész gazdaság alapját képezi. Hasonló logika működhet az MI esetében is: maga a technológia túlél, de a jelenlegi beruházási szint talán nem fenntartható. Újabb jelentős pénzösszegeket igényel az újdonságok társadalmi és gazdasági folyamatokba (pl. orvosi alkalmazások, közlekedést támogató rendszerek) történő integrálása, megfelelő felhasználása, informatikai infrastruktúra kiépítése.
Kilátások és dilemmák
A mai MI-modellek kétségtelenül egyre „okosabbnak” tűnnek, de még bizonyítaniuk kell, hogy képesek igazi áttörést hozni. Nem véletlen, hogy a fejlett gazdaságok munkatermelékenységének növekedése az 1990-es évek 2%-áról az elmúlt évtizedben mindössze 0,8%-ra lassult, annak ellenére, hogy a számítógépek folyamatosan gyorsultak. Jelenleg tehát az „MI-paradoxon” időszakát éljük: miközben több milliárd dollár áramlik a szektorba, a hibaráta magas és a vállalatok többsége nem tapasztal mérhető profitnövekedést. McKinsey adatai szerint bár a kutatásukban részt vevő cégek közel 80%-a használ generatív MI-t, ugyanennyien számolnak be arról, hogy az nem hozott kézzelfogható eredményt. Ennek fő oka nem a modellek gyengesége, hanem a szervezeti integráció és a tanulási folyamatok hiányossága. Az MIT kutatásaszerint a projektek csupán 5%-a ér el gyors bevételnövekedést, a többség stagnál.
A piac mégis hatalmas összegeket fektet a szektorba: 2025-ben az amerikai vállalkozások 35–40 milliárd dollárt költöttek MI-projektekre, ám ezek 95%-a nulla megtérülést hozott. Nem véletlen tehát, hogy egyre többször hasonlítják az MI-őrületet a dotcom-buborékhoz. Szintén ezeket az összefüggéseket erősítik az OpenAI és az Anthropic veszteségei, valamint az árazási és bevételtermelési problémái. Míg a nagy platformcégek (Meta, Microsoft, Google) diverzifikált termékkínálatuk révén nyereségesek, a mesterséges intelligenciára specializálódott vállalatok továbbra is milliárdos veszteségeket termelnek. Az Nvidia, amely 2025 januárjában rövid időre a világ legértékesebb vállalatává vált, profitot termel ugyan, de csökkenő haszonkulcsokkal. Találóan írja le a helyzetet az angol mondás, miszerint aranyláz idején az gazdagodik meg, aki ásókat árul (during a gold rush, sell shovels).
A fent leírt folyamatok azonban felvetik a kérdést: megengedhetik-e a cégek, hogy sokszorosára emeljék az előfizetési díjakat, és valóban olcsóbb lesz-e az MI az emberi munkaerőhöz képest? Az üzleti modell logikája egyelőre úgy tűnik arra alapszik, hogy kezdetben veszteségesen értékesítenek, a felhasználókat talán „függővé” próbálják tenni, majd remélik, hogy az áremeléseket elbírja a piac. A fő aggodalomra azonban továbbra is az adhat okot, ha a fejlesztők által megfogalmazott ígéretek a mesterséges intelligenciával asszociált paradigmaváltásokra esetleg nem válnak valóra.
Nyitókép forrása: Gerd Altmann / Pixabay
