Mi az általános célú technológia
A gazdaságtörténet három klasszikus általános célú technológiát tart számon, a gőzgépet, a villamosítást és a számítógépet. Közös bennük, hogy nem egy iparág egy problémáját oldják meg, hanem szinte minden tevékenységet átjárnak, folyamatosan fejlődnek, és további újításokat szülnek. A generatív AI minden jel szerint ebbe a sorba tartozik. Ez jó hír a lehetőségek szempontjából, és kényelmetlen hír a türelmetlen befektető szempontjából, mert az általános célú technológiák történetében a hatás mindig évekkel követte a megjelenést.
A villamosítás a legtanulságosabb példa. Az elektromos motor évtizedekig alig növelte a gyárak termelékenységét, mert a gyárosok egyszerűen kicserélték a gőzgépet motorra, és minden mást változatlanul hagytak. Az áttörés akkor jött, amikor újratervezték magát a gyárat, és a munkafolyamat köré szervezték a gépeket. Nem a technológia hozta az ugrást, hanem az újratervezés, amit a technológia lehetővé tett.
A termelékenységi J görbe
Erik Brynjolfsson, Daniel Rock és Chad Syverson erre a jelenségre adott mérhető magyarázatot a termelékenységi J görbe elméletével. A gondolatmenet szerint az általános célú technológiák értéke csak akkor szabadul fel, ha a cégek jelentős kiegészítő beruházásokat tesznek. Folyamatokat terveznek újra, embereket képeznek, adatvagyont építenek, új üzleti modelleket találnak ki. Ezek a beruházások javarészt immateriálisak, ezért a hagyományos mérés nem látja őket. Az elején így a statisztika alulbecsüli a haladást, mert a cégek költenek, de az eredmény még nem érett be. Később, amikor a befektetések hozama megérkezik, a görbe meredeken felfelé fordul.
Mit kezdj ezzel vezetőként
A J görbének két csapdája van, és mindkettő valódi pénzbe kerül. Az első a türelmetlenség csapdája. A cég fél év után nem lát áttörést a számokban, ezért leállítja a programot, pont akkor, amikor a tanulási befektetés elkezdene megtérülni. A második a kivárás csapdája. A cég arra vár, hogy a technológia beérjen, és majd készen veszi meg. Csakhogy a J görbe lényege éppen az, hogy a hozam a felhalmozott szervezeti tanulásból jön, azt pedig nem lehet utólag, gyorsítva megvenni.
A gyakorlati válasz a kettő között van. Kis, mérhető lépésekben haladni, hogy a tanulás elinduljon, és közben nem a kéthavi megtérülésen számon kérni egy többéves görbét. A mérésről a kurzus utolsó leckéjében lesz szó részletesen, mert mérni már az első naptól kell, csak nem mindegy, mit.
Források és további olvasnivaló
Erik Brynjolfsson, Daniel Rock és Chad Syverson, The Productivity J-Curve. How Intangibles Complement General Purpose Technologies, American Economic Journal, Macroeconomics, 2021, korábban NBER Working Paper 25148. A folyamat és a technológia sorrendjéről az AI hamarabb jön, mint a folyamat cikkemben írtam.
Workshop
AI Transformation Day
Egésznapos, vezetőknek szóló program. Feltérképezzük, hol tart a szervezet, mi az első reális lépés, és milyen belső feltételek szükségesek a sikerhez. A nap végén konkrét, priorizált cselekvési lista.
Érdekel a program →