Acemoglu: AI levert in tien jaar maar 1,5% bbp-groei op

Microsoft heeft op een van zijn eigen blogs ruimte gegeven aan een voorspelling die ver onder het gebruikelijke optimisme van de sector blijft. Daron Acemoglu, econoom en Nobelprijswinnaar, verwacht dat kunstmatige intelligentie het bbp over een periode van tien jaar met ongeveer 1,5 procent zal laten stijgen. Ook verwacht hij dat AI niet meer dan vijf procent van de banen zal vervangen.

Beide cijfers liggen ver onder wat sommige AI-labs voorspellen. Acemoglu plaatst er wel een kanttekening bij: hoe snel AI zich ontwikkelt, is moeilijk te voorspellen, en zijn cijfers hangen af van die onzekerheid.

Bewust een bescheiden cijfer

Het belangrijkste cijfer is geen 1,5 procent per jaar. Het gaat om 1,5 procent in totaal over tien jaar. Voor een sector die AI vaak omschrijft als een kracht die de wereldeconomie binnen een paar jaar op zijn kop zal zetten, is dat een nuchtere schatting.

Het cijfer over banen is net zo terughoudend. Hooguit vijf procent vervangen banen is een reëel effect, maar het komt niet in de buurt van de scenario's met massaal banenverlies die een groot deel van het publieke debat hebben bepaald.

Acemoglu beweert niet dat de technologie zwak is. Zijn argument gaat over hoe traag organisaties haar in zich opnemen.

Het knelpunt zijn mensen, niet modellen

Volgens Acemoglu is de menselijke natuur de belangrijkste rem op door AI gedreven groei. Voordat er enige productiviteitswinst zichtbaar wordt, moeten bedrijven drie lastige dingen doen:

1. Taken herverdelen. Het werk moet opnieuw worden verdeeld tussen mensen en software.
2. Medewerkers bijscholen. Werknemers hebben nieuwe vaardigheden nodig om de tools goed te gebruiken.
3. Reorganiseren. Organisaties moeten veranderen in hoe ze zijn opgebouwd en hoe ze werken.

Hij waarschuwt dat dit proces langer zou kunnen duren dan de elektrificatie. Die historische vergelijking is van belang. Elektriciteit was een technologie voor algemeen gebruik waarvan de economische opbrengst pas kwam nadat fabrieken en werkprocessen eromheen waren heringericht.

Over schaal is hij duidelijk: grotere modellen gaan dit niet oplossen. Meer parameters en betere benchmarkscores reorganiseren geen bedrijf. Wat volgens hem ontbreekt, zijn toepassingen die eenvoudig in te zetten zijn en daadwerkelijk veranderen hoe goederen en diensten worden gemaakt.

Dat past in een patroon dat ook elders zichtbaar is. Cijfers over AI-gebruik door bedrijven wijzen erop dat adoptie en echte economische impact niet altijd gelijk oplopen.

Ondersteuning boven automatisering

Het tweede deel van Acemoglu's betoog gaat over welk soort AI zich terugbetaalt. Hij stelt dat AI die menselijke vaardigheden uitbreidt meer productiviteit oplevert dan volledige automatisering.

Zijn redenering is praktisch. Zelfs 99 procent nauwkeurigheid is vaak niet genoeg zodra je rekening houdt met problemen op het laatste stuk en met wat gebruikers echt nodig hebben. Bij veel taken in de praktijk zit juist in die laatste ene procent de kosten, het risico of de klacht van de klant. Een systeem dat dat laatste stuk aan een mens overdraagt, kan nuttiger zijn dan een systeem dat alles zelf probeert af te ronden en af en toe de mist ingaat.

Die visie sluit aan bij een bredere stroming in het debat. Google DeepMind heeft bijvoorbeeld gepleit voor een symbiotisch model van mens en AI in plaats van een overname in de stijl van een singulariteit.

Waarom Microsoft een handige gastheer is

De plek van publicatie is het vermelden waard. Het stuk verscheen in "The Humanist Review of AI", een ongebruikelijk bedrijfsblog van Microsoft waarop auteurs hun artikelen met de hand ondertekenen.

De stelling komt Microsoft ook commercieel goed uit. Als ondersteuning het wint van automatisering, dan is het toevoegen van AI-functies aan bestaande producten een verstandige strategie. Microsoft kan AI blijven inbouwen in software die mensen al gebruiken, zonder te hoeven gokken op grootschalige automatisering van complete beroepsgroepen.

Dat maakt het betoog van Acemoglu niet onjuist. Het betekent wel dat lezers moeten beseffen dat de uitgever baat heeft bij de conclusie.

Het grotere plaatje

Voor lezers van CyrioX is het nuttigste deel van deze voorspelling niet het cijfer van 1,5 procent zelf. Het is de bewering over waar de wrijving zit. Als Acemoglu gelijk heeft, is organisatorische verandering de beperkende factor voor de economische impact van AI, en niet wat modellen kunnen. Dat verschuift de aandacht van de wedloop om benchmarks naar tragere vragen: wie herontwerpt het werkproces, wie leidt het personeel op en wie bouwt de eenvoudige, makkelijk inzetbare apps die volgens hem ontbreken?

Dat wijst op een stille spanning met de huidige koers van de sector. Veel labs zetten vol in op autonome agents die hele taken van begin tot eind moeten afhandelen. Acemoglu's argument over het laatste stuk impliceert dat die agents voor veel toepassingen langer een mens in de lus nodig hebben dan hun marketing doet vermoeden. Berichten dat bedrijven als Microsoft het interne gebruik terugschroeven van sommige AI-tools laten zien dat invoering binnen grote organisaties zelden in een rechte lijn verloopt.

Het is ook goed om de context in gedachten te houden. Dat een grote AI-leverancier een voorzichtige voorspelling publiceert, is ongebruikelijk, maar de conclusie ondersteunt wel zijn strategie om AI aan bestaande producten toe te voegen. Voorspellingen van labs die automatisering verkopen en van leveranciers die ondersteuning verkopen, moeten allebei worden gelezen met hun verdienmodel in het achterhoofd.

Waar je nu op moet letten: of andere economen of labs reageren met concurrerende schattingen, of productiviteitscijfers de trage, stapsgewijze adoptie gaan laten zien die Acemoglu beschrijft, en of "makkelijk inzetbare" toepassingen, in plaats van grotere modellen, het belangrijkste verkoopargument worden in zakelijke AI. Acemoglu geeft zelf toe dat het tempo van AI moeilijk te voorspellen is, dus zijn cijfers kun je het best zien als een onderbouwd uitgangspunt, niet als een definitief antwoord.