L'intelligence artificielle n'a pas démontré d'amélioration des mesures de productivité, selon JP Gownder, vice-président et analyste principal chez Forrester, qui a déclaré que les applications actuelles d'IA n'apparaissent pas dans les statistiques de productivité. Gownder a dit Le registre que les données du Bureau of Labor Statistics des États-Unis indiquent que les introductions de technologies passées, telles que les ordinateurs personnels, n'étaient pas immédiatement corrélées aux gains de productivité. La croissance annuelle de la productivité a enregistré 2,7 % de 1947 à 1973, puis a diminué à 2,1 % entre 1990 et 2001, puis à 1,5 % de 2007 à 2019. Il a noté que l'impact des technologies de l'information sur la productivité n'a pas toujours été linéaire. L'observation de l'économiste Robert Solow de 1987, connue sous le nom de paradoxe de Solow, affirmait que les effets de la révolution du PC étaient visibles partout, sauf dans les statistiques de productivité ; Gownder a déclaré que cela était vrai pour l’IA aujourd’hui. Forrester récent recherche sur les projets de remplacement d’emplois liés à l’IA, l’IA pourrait supprimer 6 % des emplois d’ici 2030, totalisant environ 10,4 millions de postes. Cet impact découle de l’automatisation des processus robotiques, de l’automatisation des processus métier, de la robotique physique et de l’IA générative. Gownder a indiqué que ces pertes d’emplois seraient structurelles et permanentes, contrairement aux reprises d’emploi typiques d’après-récession. Pour évaluer la prédisposition à l'emploi, Gownder et son équipe ont analysé environ 800 types d'emplois et 34 compétences définies par le Bureau of Labor Statistics des États-Unis, en consultant 200 entreprises. Leur méthodologie ressemblait à celle utilisée par les chercheurs Carl Benedikt Frey et Michael Osborne de l’Université d’Oxford dans leur étude de 2013 sur la susceptibilité à l’informatisation des emplois. Cela a permis à Forrester de calculer le « potentiel d'automatisation » pour diverses tâches en croisant les capacités de l'IA avec les tâches et les catégories de tâches identifiées. Gownder a également discuté de l'efficacité des mises en œuvre de l'IA au sein des grandes organisations, notant que « beaucoup de choses liées à l'IA générative ne fonctionnent pas vraiment ». Il a cité une étude du MIT indiquant que 95 % des projets d’IA générative n’ont pas généré de bénéfices ou de pertes tangibles, ce qui se traduit par un retour sur investissement réel. Les données McKinsey ont montré des résultats similaires : environ 80 % des projets ne parviennent pas à générer de la valeur. Ces résultats suggèrent que l’IA ne provoque pas encore de suppressions d’emplois généralisées. Il a précisé que les récentes suppressions d'emplois à grande échelle étaient principalement des décisions financières et non motivées par l'IA, bien que certaines entreprises retardent l'embauche pour des postes vacants afin d'évaluer le potentiel de l'IA à prendre en charge ces tâches. Gownder a en outre suggéré que, historiquement, les pertes d’emplois dans des secteurs comme l’industrie manufacturière aux États-Unis étaient souvent dues à la mondialisation, et pas uniquement à la robotique. Il voit un parallèle avec l’IA, où l’externalisation, en raison d’une main-d’œuvre moins chère, peut parfois être considérée à tort comme une perte d’emploi due à l’IA.
