Det tar tid å realisere verdien av ny teknologi

“You can see the computer age everywhere but in the productivity statistics.” Sitatet er fra en artikkel skrevet av den amerikanske økonomen Robert Solow i 1987 og beskriver en observasjon om at til tross for den utbredte adopsjonen av datamaskiner og informasjonsteknologi (IT) på 1970- og 1980-tallet, var det ikke en tilsvarende målbar økning i produktivitet. Problemstillingen fikk senere navnet «Solow-paradokset» og en rekke forskere og økonomer har foreslått flere forklaringer på dette paradokset. 

I en av dem blir det pekt på utfordringene knyttet til å dokumentere effekt av IT med tradisjonelle, økonomiske indikatorer. En annen handler om komplementære investeringer og sier for å få effekten av IT så kreves ofte investeringer i andre faktorer, som opplæring av arbeidskraft, omstrukturering av organisasjoner og forbedrede forretningsprosesser. Hvis disse investeringene ikke følger med innføringen av IT, vil produktivitetsgevinsten bli forsinket eller begrenset. 

Teknologiomstilling tar tid 

Det er også lett å glemme at grunnleggende og varige endringer tar tid. Mange virksomheter må gjennom en tilpasningsperiode hvor de lærer å bruke ny teknologi optimalt. Under denne innkjøringsfasen kan gevinsten være lav, og derfor kan det ta tid før teknologien har en merkbar effekt på produktivitetsstatistikken. 

Flere økonomer, som Erik Brynjolfsson, har også argumentert for at IT-teknologiens bidrag til produktivitet kommer mer gradvis, og at det krever en overgang fra tradisjonelle måter å organisere arbeidet på til mer innovative forretningsmodeller. Dette kan forklare hvorfor produktiviteten ikke økte umiddelbart. 

Riktige spørsmål og et langsiktig perspektiv 

I møte med kunstig intelligens, og spesielt etter innføringen av de store språkmodellene, har spørsmålet om effekt fått ny aktualitet. Det er så åpenbart at denne teknologien har potensiale til å revolusjonere ikke bare hvordan vi jobber, men også hva vi jobber med, at jeg tror forventningen til kjapp gevinst blir urealistisk høy. Og ende mer problematisk; vi har feil fokus når vi prøver å forstå KIs rolle i fremtidens verdiskapning,  

Enkelt sagt tror jeg vi gjør oss selv en bjørnetjeneste hvis vi utelukkende fokuserer på de lavt hengende fruktene, effektivisering, kostnadsreduksjoner, i jakten på raske resultater. Kortsiktig fokus på kostnadskutt og redusert menneskelig involvering skaper et feil målbilde knyttet til innføringen av KI – og organisasjonens evne til å tenke virkelig nytt, blir unødvendig begrenset.   

Tvert imot må vi tenke langsiktig. Vi må ta oss tid til å forstå hvordan KI kan bidra til å realisere virksomhetens overordnede strategi. Samtidig må vi lære oss hvilke problemer vi faktisk bør løse med KI, og hvordan vi stiller de riktige spørsmålene for å få til dette. 

Et – kanskje banalt – eksempel jeg har fått gjenfortalt: en bedrift som fikk mange av sine oppdrag som resultat av anbudsprosesser, ba om hjelp til å effektivisere anbudsskrivingen ved hjelp av KI. Konsulenten, som tok seg tid til å reflektere over spørsmålene som kunden stilte, spilt ballen tilbake og spurte: Vil dere ikke heller bruke KI til å optimalisere anbudene og vinne flere konkurranser om oppdrag? Ikke til å skrive flere anbud på en mer effektiv måte –og i verste fall bare tape enda flere? 

Overdreven bruk av KI på middelmådige problemer, kombinert med begrenset modenhet hos brukerne, fører ofte til en ny utfordring: Organisasjonen oversvømmes av store mengder KI-generert innhold av ukjent og ofte bare middels kvalitet. Dette «digitale slimet» skaper et alvorlig problem for resten av organisasjonen, som må bruke tid og ressurser på å kvalitetssikre innholdet. 

Det krever gjerne både læring og modning før vi klarer å stille de virkelig «smarte» spørsmålene – og unngår å falle for fristelsen til å la naive forestillinger styre hva vi tror KI bør hjelpe oss med. 

Det handler om å endre 

At det tar tid før vi ser resultatene av ny teknologi, også i produktivitetsstatistikken, er ikke nødvendigvis problematisk. Det betyr bare at vi står midt oppe i en større omveltning og tilpasning, ikke at teknologien ikke virker. Dette var også kjernen i det Solow påpekte for snart førti år siden: Ny teknologi trenger tid før den setter spor i tallene.  

I dag ser vi et lignende mønster med kunstig intelligens. En internasjonal undersøkelse fra konsulentselskapet Boston Consulting Group blant over 1 800 toppledere viser at selv om tre av fire vurderer KI som en av sine viktigste prioriterte områder, er det bare én av fire som foreløpig ser reell verdi fra investeringene.  

Det som kjennetegner de som lykkes, handler om hvordan de bruker teknologien; ikke til å gjøre gamle oppgaver raskere, men til å fornye kjerneprosesser og skape nye tjenester. Og KI alene er sjelden løsningen. Det er først når den kobles til innovasjons- og endringsevne i organisasjonen, langsiktige mål kombinert med handlingsmot at verdien kan utløses. Derfor er ikke spørsmålet hvor raskt vi kan effektivisere – men hvor godt vi evner å endre.