Shakked Noy és Whitney Zhang 2023-as kontrollált kísérlete az AI-termelékenységet vizsgáló szakirodalom egyik legegyértelműbb eredményét hozta. A generatív mesterséges intelligenciát használó szakemberek az írásbeli feladatokat – köztük elemzéseket, jelentéseket, feljegyzéseket és ügyfeleknek írt leveleket – mintegy 40 százalékkal gyorsabban végezték el, és a független bírálók az AI-támogatással készített munkákat jobb minőségűnek értékelték. Ez nem egy, az észlelt hasznosságot vizsgáló felmérés volt, hanem a közvetlen kimeneti mutatók mérésen alapuló, randomizált, kontrollált vizsgálat, melyet a Science folyóiratban tettek közzé. Az AI hatása elég nagy volt ahhoz, hogy egyértelmű legyen, a feltárt alapmechanizmust pedig érdemes alaposabban szemügyre venni.

A pénzügy, a jog és a közigazgatás területén végzett tudásalapú tevékenységeknek van egy közös strukturális jellemzője, ami felett a termelékenységről szóló szakmai viták többsége elsikkad: a szűk keresztmetszet nem a szakmai mérlegelési fázisnál jelentkezik. A területen jártas szakemberek általában tudják, hogy egy szerződés átvizsgálásának milyen következtetésre kell jutnia, egy hitelbírálati feljegyzésben mit kell szerepeltetni, vagy egy szakpolitikai összefoglalóban milyen érveket kell felsorakoztatni. A munkaidejük legnagyobb részét az előkészítő szakasz viszi el: a releváns információk összegyűjtése, azok koherens rendszerezése, valamint a későbbiekben finomítandó első tervezet elkészítése. A nagy nyelvi modellek éppen ebben a szakaszban a leghatékonyabbak. Lényegében első tervezetet készítő gépek: gyorsak, szisztematikusak és képesek terjedelmes strukturált szöveget olvasható formában összeállítani.

A mesterséges intelligencia nem a szakmai mérlegelési képességet javítja, hanem az azt megelőző időigényes szakaszt rövidíti le. Inkább arról van tehát szó, hogy a mesterséges intelligencia megszünteti az első tervezet elkészítésével járó időveszteséget, és lehetővé teszi a szakemberek számára, hogy több időt fordíthassanak a szaktudást igénylő feladatokra. Egy ügyvéd, aki korábban négy órát töltött egy szerződésszöveg előkészítésével, majd két órát annak finomításával, most negyven perc alatt el tud készíteni egy tervezetet, és két órát szánhat a finomításra. A minőség javul, mert több kognitív kapacitás jut a valódi szakértelmet igénylő   szakaszra. Ez a Noy és Zhang által leírt jelenség a szakmai szövegezési feladatok végrehajtása során feltűnő következetességgel érvényesül. A következő kérdés az, hogy a gyakorlatban hol számít ez a mechanizmus a leginkább.

Az európai cégek számára ennek konkrét hozadéka van. Az EKB-nak a mesterséges intelligencia elterjedésére vonatkozó adatai azt mutatják, hogy az euróövezetben a pénzügyi és a szolgáltató szektorok járnak elöl, pontosan azok a területek, ahol ez a termelékenységnövelő folyamat leginkább alkalmazható. Egy bank hitelbírálati csapatának, egy ügyvédi iroda szerződésellenőrzési részlegének, vagy egy hatósági beszámolókért felelős közigazgatási egység munkaidejének nagy részét pontosan olyan feladatokkal tölti, melyek elvégzéséhez szükséges időtartam több megfigyelt esetben is mintegy 40 százalékkal csökkent. Ahogyan a digitális szakadékról közölt elemzés is rávilágított, nem az eszközök alkalmazása a döntő tényező, hanem sokkal inkább az, hogy egy adott szervezet miként tudja azt a meglévő munkafolyamatokba integrálni.

A gyakorlati következtetések konkrétabbak, mint a mesterséges intelligencia alkalmazására vonatkozó általános ajánlások. Az ezen eszközök alkalmazása révén elérhető termelékenységi előny elsősorban az alábbi három jellemzővel bíró feladatok esetében jelentkezik: egyértelműen meghatározott kimeneti formátum, nagy mennyiségű strukturált bemeneti információ, valamint olyan ellenőrzési szakasz követi, amelyben a szakértelem jelenti a legfőbb hozzáadott értéket. A szerződésellenőrzés, a hatósági beszámolók, a belső kutatási eredmények összefoglalása, az ügyfélkommunikációhoz szükséges dokumentumtervezetek megfogalmazása, valamint a megfelelőségi dokumentáció összeállítása mind ebbe a kategóriába tartoznak. Azonban nem tartoznak ide a rugalmas egyeztetést, újszerű jogi érvelést, vagy az ügyfélre vonatkozó mérlegelést igénylő feladatok. Ahogyan egy, a digitális ökoszisztémákról szóló cikkében is kifejtették, a hatékonysági kérdés nem az, hogy egy eszköz általában véve újító jellegű-e, hanem az, hogy képes-e megszüntetni egy adott munkafolyamatban felmerülő konkrét hatékonysági akadályt.

A mérés ebben a tekintetben kulcsfontosságú. Azok a vállalatok, amelyek kizárólag az output mennyiséget követik nyomon, az előnyöknek csak egy részét fogják érzékelni. Azok, akik a minőséget, az elemzések pontosságát, az ellenőrzési ciklusok rövidülését és a magasabb szintű vezetői beavatkozást igénylő ügyek arányának csökkenését is mérik, nagyobb nyereséget fognak látni. Ahogyan egy 2021-es Corvinák cikk is kifejtette, minden jelentős technológiai átalakítás során az intézményeknek alapjaiban szükséges újragondolniuk mérési keretrendszereiket, és azok, akik ezt elmulasztják, jóval később tudják a technológia potenciálját látható gazdasági nyereséggé alakítani, mint azok, akik megtették ezt a lépést.  Az első tervezet előkészítési szakasza azon ritka területek egyike, ahol a mesterséges intelligencia már most is mérhető termelékenységnövekedést eredményez – nem azért, mert kiváltja a szakértelmet, hanem mert lehetővé teszi, hogy a szakértelmet igénylő munka hamarabb kezdődhessen meg.