Dirbtinio intelekto (DI) įrankių diegimas organizacijose žadėjo proveržį, tačiau realybė dažnai kitokia – bendras darbo krūvis auga, o laukiamas produktyvumo šuolis neįvyksta. Šis reiškinys, vis dažniau vadinamas „DI produktyvumo paradoksu“, atspindi situaciją, kai investicijos į technologijas neatneša tikėtos grąžos.

Istorinis atgarsis

Terminas nėra naujas. Dar 1987 metais ekonomistas Robertas Solowas pastebėjo, kad kompiuterių amžių galima matyti visur, išskyrus produktyvumo statistiką. Šiandienos „gen AI“ (generatyvinio DI) paradoksas veikia panašiai, tačiau su savitu posūkiu.

McKinsey & Company atliktas tyrimas rodo, kad nors beveik 80 procentų įmonių naudoja generatyvinį DI, panašus skaičius (beveik 8 iš 10) nepastebi reikšmingo poveikio savo finansiniams rezultatams. Šiuolaikinė problema kyla iš disbalanso tarp horizontalių įrankių, tokių kaip įmonių mastu diegiami pokalbių robotai, ir vertikalių, specifinėms funkcijoms skirtų sprendimų. Nors pirmieji plinta greitai, jų teikiama nauda yra sunkiai išmatuojama. Tuo tarpu apie 90 procentų transformuojančių, specifinių DI panaudojimo atvejų vis dar įstrigę bandomosiose stadijose.

Kodėl įrankiai tampa našta

Paradoksas dažnai kyla dėl mechaninių priežasčių. Kiekvienas DI įrankis reikalauja papildomų veiksmų: užklausos suformulavimo, rezultato tikrinimo, iteracijų, kai atsakymas netikslus, bei dokumentavimo. Jei šis procesas nėra automatizuotas, darbuotojas tampa ne tiek kūrėju, kiek „statybininku“, kuris prižiūri DI darbą.

Ribos lieka. Tyrimai rodo, kad programuotojai, naudojantys DI, rašo daugiau kodo ir atlieka daugiau užduočių, tačiau tai ne visada didina įmonės produktyvumą. DI sugeneruotas kodas dažnai tampa didesnis ir sudėtingesnis, o tai perkelia „butelio kakliuką“ į kodo peržiūros etapą.

Signalai, rodantys problemą

Kaip atpažinti, kad DI įrankių rinkinys tapo ne pagalbininku, o kliūtimi? Pagrindiniai indikatoriai yra laiko sąnaudos. Jei darbuotojai praleidžia daugiau laiko valdydami ir perjunginėdami DI įrankius nei anksčiau skirdavo pačioms užduotims atlikti, sistema neveikia. Be to, DI „sutaupytas laikas“ dažnai ne virsta laisvomis valandomis, o yra absorbuojamas naujų užklausų ar papildomo to paties pobūdžio darbo.

Kaip pažymi ekonomistai Erikas Brynjolfssonas, Danielis Rockas ir Chadas Syversonas, technologijų poveikis ekonomikai pasireiškia su laiko uždelsimu. Nors technologijos gali sparčiai tobulėti, žmonės ir institucijos keičiasi lėčiau. Kuo transformatyvesnės technologijos, tuo ilgiau jos įsitvirtina įmonėse ir pramonės šakose.

Kelias į tikrąjį efektyvumą

Sėkmingas technologijų diegimas reikalauja daugiau nei techninės kompetencijos. Būtina optimizuoti darbo procesus, užtikrinti tinkamą darbuotojų mokymą ir įveikti organizacinį pasipriešinimą pokyčiams. Tikrasis proveržis įvyksta tada, kai DI tampa ne „pagalbininku, į kurį kreipiamasi prireikus“, o apibrėžto, automatiškai veikiančio proceso dalimi.

Efektyvios sistemos šiandien jungiasi prie šimtų verslo įrankių, tokių kaip Salesforce, Google Workspace ar Notion, todėl DI sugeneruoti rezultatai automatiškai patenka ten, kur jų reikia. Toks požiūris leidžia išvengti rankinio darbo ir iš tikrųjų sumažinti administracinę naštą.

Ateityje produktyvumo matavimas turėtų tapti holistiškesnis. Vertinant tik kodo eilutes ar užduočių skaičių, vaizdas išlieka nepilnas. Tik įtraukus tokius rodiklius kaip darbuotojų pasitenkinimas ir inovacijų tempas, galima suprasti, ar DI iš tikrųjų kuria vertę, ar tik sukuria užimtumo iliuziją.

Šaltiniai

  1. [1] [Blog.irvingwb.com | 2026-08-08] The AI Productivity Paradox – IWB Blog
  2. [2] [Mindstudio.ai | 2026-08-08] What Is the AI Productivity Paradox? Why More AI Tools Lead to More Work, Not Less | MindStudio
  3. [3] [Unstop.com | 2026-08-08] Productivity Paradox: Causes & Solutions
  4. [4] [Faros.ai | 2026-08-08] The AI Productivity Paradox Research Report