Najbardziej znanym pesymistą w zakresie AI jest Daron Acemoglu, laureat Nagrody Nobla z ekonomii, uważany przez wielu komentatorów za wybitnego ekonomistę. Uważa on, że rewolucja sztucznej inteligencji to szum, czyli zjawisko wywołujące sporo hałasu, ale bez realnego przełożenia na proces produkcyjny. Jego szacunki pokazują, że AI i powiązane technologie są w stanie podnieść produktywność o maksymalnie 0,06 pkt proc. rocznie w USA, a więc marginalnie. Ani gospodarka, ani przedsiębiorstwa, ani konsumenci nie odczują żadnej zmiany, bo imitacja sztucznej inteligencji ogranicza się do bardzo wąskiego zakresu zadań. Daron Acemoglu uważa, że to się nie zmieni, bo AI jest bardzo daleko od poprawy produktywności w większości wykonywanych zadań.
Optymiści sądzą inaczej: to prawda, dziś mało kto korzysta ze sztucznej inteligencji, ale stopniowy rozwój generatywnej AI i spadek ceny tej technologii doprowadzi do jej rozlania się międzysektorowego. Nowe technologie znajdą zastosowanie nie tylko w IT, ale też w edukacji, opiece zdrowotnej, finansach, medycynie, prawie, przemyśle, budownictwie oraz transporcie. Potrzeba czasu, by innowacje cyfrowe zostały wprowadzone do świata fizycznego, czyli sektorów kapitałochłonnych, gdzie zaprzęgnięcie technologii to proces bardzo złożony, bo wiąże się z wysokim ryzykiem, wymaga sporych nakładów finansowych, zmian regulacyjnych i w pewnym sensie wymyślenia etapów produkcji na nowo.
Od powstania generatywnej sztucznej inteligencji (ChatGPT) minęły już ponad dwa lata, ale stan faktyczny na teraz jest następujący: w technologicznym centrum świata, czyli w USA, z narzędzi sztucznej inteligencji korzysta głównie branża IT, a średnia ważona wykorzystania w gospodarce to raptem 3,68 proc. Technologia generatywnej sztucznej inteligencji ograniczona jest do bardzo wąskiego zakresu zawodów i zadań, które mają niski udział w tworzeniu wartości dodanej. Brakuje czegoś, co ekonomiści nazywają pozytywnym efektem zewnętrznym, czyli rozlania się punktowego szoku po wszystkich sektorach. Dlatego na poziomie makroekonomicznym produktywność ani drgnęła pod wpływem AI. Można ostrożnie przyjąć, że te same wnioski dotyczą wszystkich krajów rozwiniętych. Warto podkreślić, że powyższe wyniki są bardzo precyzyjne, ponieważ bazują na analizie ponad 4 mln anonimowych konwersacji użytkowników z Claude.AI, czyli chatbotem od amerykańskiego startupu Anthropic w okresie grudzień 2024-styczeń 2025. Są to prawdopodobnie najbardziej precyzyjne dane dotyczące wpływu AI na rynek pracy.
Adaptacja generatywnej sztucznej inteligencji przebiega mozolnie, bo istnieje wiele barier do jej skutecznego zaimplementowania. Niekoniecznie barier kosztowych, bo np. amerykańska finansjera z pewnością ma potencjał do zaprzęgnięcia narzędzi sztucznej inteligencji. W branży finansowej, medycznej i edukacyjnej wąskim gardłem jest brak zaufania i niska akceptacja społeczna. Ludzie boją się cyfrowych technologii, nie ufają im. W przemyśle, budownictwie i transporcie wąskie gardła to duże nakłady finansowe, istotne ryzyko, dłuższy cykl życia inwestycji i produktu (każda inwestycja wymaga fizycznej infrastruktury), konieczność znacznych zmian regulacyjnych (np. w kontekście autonomicznych pojazdów) czy zwyczajnie brak efektywnego zastosowania. Dlatego wpływ sztucznej inteligencji na gospodarkę może przebiegać według modelu „kropli drążącej skałę” – małe, systematyczne zmiany przyniosą znaczący efekt w dłuższej perspektywie.
A zatem możliwe, że sam spadek ceny technologii (efekt DeepSeek) nie wystarczy, by się ona upowszechniła. Przedsiębiorstwa muszą jeszcze znaleźć jakieś jej praktyczne zastosowanie, biorąc też pod uwagę oczekiwania konsumentów. Powolne rozpowszechnianie się nowych innowacji nie jest niczym niezwykłym. Fundamentalne technologie zmieniające świat zazwyczaj wymagają przemyślanej, stopniowej i kompleksowej przebudowy procesów biznesowych.