Kasus Bull Produktivitas untuk AI: Bagaimana Model Bahasa Dapat Mengubah Pertumbuhan Ekonomi

Sumber: Blockworks Judul Asli: Kasus bullish produktivitas untuk hampir segala hal Tautan Asli: https://blockworks.co/news/productivity-bull-case

“Produktivitas bukanlah segalanya, tetapi dalam jangka panjang, produktivitas adalah hampir segalanya.”

— Paul Krugman

Total factor productivity (TFP) adalah cara para ekonom mengukur kontribusi inovasi teknologi terhadap pertumbuhan ekonomi — kemampuan berkelanjutan suatu ekonomi untuk menghasilkan lebih banyak output dengan jumlah input yang sama.

Karena itu, ini bisa dibilang merupakan pengukuran terpenting bagi para ekonom, karena proses berkelanjutan untuk menghasilkan lebih banyak dengan lebih sedikit adalah cara hidup menjadi lebih baik.

“Kemampuan suatu negara untuk meningkatkan standar hidupnya dari waktu ke waktu hampir sepenuhnya bergantung pada kemampuannya untuk meningkatkan output per pekerja,” jelas Paul Krugman. Teknologi adalah yang membuat itu terjadi dan TFP adalah cara pengukurannya.

Untuk mendapatkan gambaran yang lebih nyata tentang betapa pentingnya produktivitas yang dihasilkan oleh teknologi, pertimbangkan ini: Sebuah makalah terbaru dari National Bureau of Economic Research (NBER) memperkirakan bahwa tambahan pertumbuhan TFP tahunan sebesar 0,5% akan menstabilkan keuangan pemerintah AS pada tingkat rasio utang terhadap PDB saat ini.

0,5%!

Kedengarannya tidak banyak, tetapi jika dipertahankan selama 10 tahun ke depan, NBER memperkirakan hal itu akan mengurangi proyeksi dasar utang pemerintah AS sebesar $2 triliun. Selama 30 tahun, peningkatan TFP sebesar 0,5% yang berkelanjutan akan membuat rasio utang terhadap PDB pemerintah AS 42 poin persentase lebih rendah dari proyeksi dasar NBER (dan 80 poin persentase lebih rendah dari proyeksi pesimisnya).

Melihat kondisi keuangan pemerintah yang tampaknya tanpa harapan, mempertahankan tingkat utang saat ini adalah skenario impian yang tampak terlalu bagus untuk menjadi kenyataan.

Namun para peneliti di Anthropic berpikir kita bisa melakukan lebih baik lagi.

Anthropic melakukan studi terhadap 100.000 percakapan untuk “memperkirakan berapa lama tugas-tugas dalam percakapan ini akan memakan waktu dengan dan tanpa bantuan AI, serta mempelajari implikasi produktivitas di seluruh ekonomi yang lebih luas.”

Kesimpulannya? Model bahasa besar dapat meningkatkan total factor productivity sebesar 1,1 poin persentase.

1,1%!

Jika 0,5% dapat menstabilkan keuangan pemerintah AS selama beberapa dekade, apa yang bisa dilakukan 1,1%? Itu mungkin bisa memperbaiki hampir segalanya.

Tentu saja, ada alasan untuk skeptis terhadap proyeksi optimis ini. Studi ini, misalnya, menemukan bahwa AI menghemat waktu guru hingga empat jam dengan membuat kurikulum hanya dalam 11 menit. Namun memperkirakan bagaimana penghematan waktu tersebut dapat menghasilkan output ekonomi yang lebih tinggi membutuhkan pemodelan ekonomi yang penuh dengan asumsi dan ketidakpastian terbaik.

Jadi, bahkan jika penelitiannya benar mengenai penghematan waktu, bisa jadi salah mengenai produktivitas: Bisa saja semua waktu yang dihemat AI digunakan untuk melakukan sesuatu yang tidak produktif secara ekonomi, seperti menonton lebih banyak video atau membaca lebih banyak konten.

Dalam kasus itu, AI akan meningkatkan kesejahteraan kita (lebih banyak waktu luang) tetapi bukan kekayaan kita (lebih banyak output ekonomi) — tetap kabar baik bagi masyarakat, tetapi tidak membantu pemerintah yang berharap ada solusi ajaib untuk masalah utang mereka.

Sebaliknya, ada alasan untuk berpikir bahwa model ini terlalu pesimis: “Kami tidak memperhitungkan tingkat adopsi,” jelas mereka, “atau efek produktivitas yang lebih besar yang akan timbul dari sistem AI yang jauh lebih mumpuni.”

Dengan kata lain, studi mereka mengasumsikan kita akan terus menggunakan AI seperti sekarang dan bahwa kita masih menggunakan model bahasa saat ini, tanpa peningkatan, selama 10 tahun ke depan.

Model bahasa mengalami peningkatan signifikan setiap beberapa bulan dan kita baru saja mulai belajar bagaimana menggunakannya — jadi para peneliti benar untuk mengatakan bahwa perkiraan mereka mungkin mewakili “perkiraan batas bawah dari efek produktivitas AI.”

Jika demikian — jika 1,1% adalah batas bawah untuk produktivitas yang disebabkan AI — kita mungkin bisa melunasi utang pemerintah dan memiliki lebih banyak waktu luang.

Dan itu baru mempertimbangkan dampak AI pada pekerjaan non-fisik — tunggu saja sampai kita punya robot!

Untuk benar-benar menepis optimisme seperti ini berarti berpikir bahwa triliunan dolar yang direncanakan korporasi untuk belanja modal dan R&D AI akan sia-sia. Bisa saja memang begitu — revolusi teknologi tidak selalu datang sesuai jadwal.

Namun alasan terbesar untuk optimisme adalah bahwa perkiraan tersebut hanya didasarkan pada AI “membuat tugas-tugas yang ada lebih cepat diselesaikan” — model ini tidak memperhitungkan potensi AI untuk sepenuhnya mengubah cara kita menyelesaikan tugas-tugas tersebut.

“Secara historis,” catat para peneliti, “perbaikan produktivitas transformatif — dari elektrifikasi, komputasi, atau internet — tidak muncul dari mempercepat tugas lama, tetapi dari merombak fundamental proses produksi.”

Tidak ada cara untuk memodelkan cara-cara baru dalam melakukan sesuatu ini, namun tampaknya dampaknya akan lebih besar dari yang dicoba untuk diukur.

Para peneliti berhati-hati menggarisbawahi temuan penuh harapan mereka dengan menjabarkan keterbatasan metodologi dan mendokumentasikan banyak asumsi yang mereka buat. Dan bahkan jika semua asumsi itu terbukti dan produktivitas AI menyelesaikan masalah utang pemerintah, para pembuat kebijakan mungkin akan kembali membelanjakan anggaran hingga bermasalah lagi.

Namun mengingat tantangan fiskal yang tampaknya tak terhindarkan, bahkan kemungkinan kecil bahwa estimasi produktivitas AI terbukti benar adalah alasan untuk memperbarui cara berpikir kita: Keuangan pemerintah tidak seberat yang kita kira, dan prospek ekonomi jangka panjang mungkin lebih baik dari yang umum diasumsikan.

Dalam jangka panjang, produktivitas adalah hampir segalanya — dan AI mungkin akan segera membuat kita jauh lebih produktif.