A mesterséges intelligencia (AI) gazdasági, tőkepiaci hatásai

A mesterséges intelligencia gazdasági növekedésre, a vállalatok pénzügyi teljesítményére gyakorolt hatásával kapcsolatban egyre több vizsgálat áll a rendelkezésünkre. Cikkünkben ezeket a vizsgálatokat tárgya.Témáink:

• A mesterséges intelligencia (AI) hatása a gazdasági növekedésre
• Kísérletek az AI és a hatékonyságnövekedés témában
• Mikor járul hozzá az AI a gazdasági növekedéshez?
• A ChatGPT elfogadottsága, 100 ezer munkavállaló felmérése
• Az általános mesterséges intelligencia (AGI) elérhető távolságban?
• Mennyit javított a termelékenységen a generatív AI (2022-2024)?
• Acemoğlu: Valószínűtlen a nagyon pozitív forgatókönyv (2024)
• Az AI alkalmazása pozitívan hat a pénzügyi teljesítményre (2025)

A mesterséges intelligencia (AI) hatása a gazdasági növekedésre

A rendelkezésünkre álló elméletek (lásd közepes jövedelem csapdáját) szerint hosszú távon, tartósan gazdasági növekedést nem lehet alapozni a tőke és a munkaerő növekedésére. A csökkenő hozadék miatt a gazdasági növekedés előbb utóbb megáll, az egyetlen tényező a termelékenység-növekedés, mely a technológiai fejlődés útján érhető el. A fentieket nemcsak elméleti modellek, hanem empirikus vizsgálatok (lásd itt) is megerősítik. Ezzel pedig elérkeztünk a fejlett és fejlődő országok aktuális problémájához, azaz gazdasági növekedést a termelékenység növekedésével lehet elérni, de a termelékenység növekedési üteme rendkívül alacsony az elmúlt években. Ahogy az alábbi képen látható, 1930-2000 között időszakon évente átlagosan 2 százalékot nőtt a termelékenység az Egyesült Államokban, majd az elmúlt két évtizedben már csak 1,12 százalékos növekedés mutatható ki. Történik mindez annak ellenére, hogy az internet, az email, az okostelefonok, az online meetingek, a home office, továbbá a mesterséges intelligencián alapuló eljárások már a gyakorlatban működnek.

Forrás: Hogan, Kalyani (2024)

A hazai adatok sem mutatnak jobb képet. A 2000-2020 közötti időszakon hazánkban átlagosan évi 1,6 százalékkal nőtt a munkaerő termelékenység, és amíg a 2000-2010 közötti időszakon évi 2,6 százalékos növekedés volt, az elmúlt évtizedben már csak 0,6 százalékot tudott évente nőni a termelékenység.

Forrás: KSH

A fenti probléma a fejlett országok esetében összefüggésbe hozható azzal, hogy ma már lényegesen alacsonyabb a kutatások hatékonysága, azaz sokkal több tudós, így sokkal több tőke szükséges az új dolgok felfedezéséhez (korábbi cikkünkben érintettük a témát itt). A grafikonon az Egyesült Államok esetében látjuk a kutatók számát (zöld színnel, jobb értéktengelyen), a kék görbe a Total Factor Productivity (TFP growth) mutató, mely leegyszerűsítve a termelékenység változását mutatja. Az ábrából jól kivehető, hogy ugyanolyan termelékenység-növekedés eléréshez ma 20-szor több kutatóra van szükség, mint 100 évvel ezelőtt.

Forrás: Are Ideas Getting Harder to Find?

Jól látható tehát a fentiekből, hogy a termelékenység-növelés nem lineáris folyamat, azaz az újabb és újabb hatékonyságot növelő felfedezésekhez sokkal több kutatóra, sokkal több anyagi forrásra lesz szükség a jövőben. Ha ezek nem lesznek biztosíthatók, akkor a termelékenység nem növelhető tovább. Sajnos ebből az is következik, hogy azok a modellek, melyek a jövőbeni gazdasági növekedést az elmúlt évtizedek termelékenységének kivetítésére alapozzák, tévesek (vannak ilyenek, lentebb még kitérek erre)

Kísérletek az AI és a hatékonyságnövekedés témában

Bár kétségtelen, hogy a fenti eredményekben még az AI széles körű elterjedése nem jelent meg. Az előzetese vizsgálatok ugyanakkor azt mutatják, hogy a fejlett nyelvi modellek (például ChatGPT, Claude, Llama) akár jelentősen növelhetik a munkavállalók hatékonyságát. A témával kapcsolatos egyik kutatást 444 felsőfokú végzettséggel rendelkező (különböző szakmák például HR, marketing, tanácsadás stb.) személy bevonásával végezték el. A résztvevőket véletlenszerű besorolással két részre bontották és a csoport felének engedélyezték a ChatGPT használatát, a másik csoportnak erre nem volt lehetősége. Ahogy az alábbi grafikonokból is látható az átlagos produktivitás növekszik, a feladatra fordított idő csökken, a feladat elvégzésének minősége javul abban a csoportban, ahol engedélyezték a ChatGPT használatát.

Forrás: Noy, Zhang (2023)

A vizsgálatból az is kiderül, hogy különösen azok a személyek értek el nagyobb minőségjavulást, akik előzetes hozzáértése alacsonyabb volt, azaz a nagyobb hozzáértéssel rendelkező személyek kevésbé élvezhetik a ChatGPT előnyeit. Emellett pedig az is kiderül a vizsgálatból, hogy a ChatGPT használata jelentősen csökkentheti a képzettségen, a hozzáértésen belüli különbségeket.

A fenti kiemelt példán túl, további vizsgálatok is készültek a témában (lásd Brynjolfsson et al. 2023, vagy Peng et al. 2023 és Wiles et all 2023). Ezek összegezhetők azzal, hogy 8-36 százalék közötti termelékenység-növekedést mértek a nyelvi modellek használatával kapcsolatos kísérletekben. Vélhetően tehát a technológia pozitívan járul hozzá a termelékenységhez, kérdéses azonban, hogy a jövőben milyen gyorsan jelenik meg a mesterséges intelligencia termelékenység-növelő hatása. Erre a kérdésre kereste a választ Kalyani, Hogan a Fed két elemzője.

Mikor járul hozzá az AI a gazdasági növekedéshez?

Ahogy fentebb látható volt, a gazdasági növekedés fontos forrása a termelékenység növekedése. Múltbeli példák azonban azt mutatják, hogy a technológiai széles körben történő elterjedését követően mérhető jelentősebb termelékenység növekedés. Például az első asztali számítógép 1968-ban került tömeggyártásra, majd az 1990-es évekre vált láthatóvá a háztartásokban, munkahelyeken, lásd alábbi képen. Ezt követően az 1991-2004 közötti időszakon a termelékenység (TFP, azaz Total Factor Productivity) 1 százalékkal nőtt évente, míg az 1980-1990 közötti időszakon évi 0,6% növekedés volt mérhető.  

Forrás: Hogan, Kalyani (2024)

A szerzők a vizsgálatukban további új technológiák elterjedését vizsgálták kifejezetten alkalmazotti munkakörben (nem háztartások körében).

 

Forrás: Hogan, Kalyani (2024)

Az alábbi képen a felhőszámítás terjedésének becslése látható, mely lényegen lassabb, mint az okostelefonok beépülése.

Forrás: Hogan, Kalyani (2024)

A következő kép a 3D-nyomtatást mutatja, mely évtizedek óta létező technológia, mégis az álláshelyek 1,5 százalékával hozható összefüggésbe.

Forrás: Hogan, Kalyani (2024)

A szerzők szerint a jelenlegi, korainak tekinthető adatok azt mutatják, hogy az AI-elterjedése sokkal inkább hasonlít a személyi számítógépek, és a felhőszámítás terjedésére. Többek között ezt a U.S Census Bureau felmérésére hivatkozva valószínűsítik. Eszerint a megkérdezett cégek 3 százaléka alkalmazott AI algoritmusokat 2018-ban, és ez az arány 4,4 százalékra nőtt 2023-2024 közötti adatokon, azaz az AI alkalmazások üzleti életben való elterjedése lassú.  

További útmutatást nyújthat a témával kapcsolatban Bloom és szerzőtársainak (2021) vizsgálata, akik 1286 technológiai újítás sorsát vizsgálták meg, és pozitív kapcsolatot találtak a technológia gyorsjelentésekben és álláshirdetésekben megjelenésének száma és a technológia áttörő jellege között. Az alábbi grafikon néhány fontosabb, ismertebb technológia látható az 1286 újításból. Tehát ha a vállalatvezetők sokat beszélnek egy technológiáról, akkor sok álláshirdetése jelenik meg a technológiával kapcsolatban (magyarázóerő, R²=57%). Másrészt csak egy kis számú technológia tartozik az áttörő technológiák közé, és ezek sajátossága a gyorsjelentésekben és álláshirdetésekben történő említések rendkívül magas száma.

Forrás: Bloom  (2021)

A mesterséges intelligencia esetében a gyorsjelentésekben magas említésszámot látunk, ugyanakkor az álláshirdetések területén még nem jelent meg a technológiai magas arányban. A fentiek utalhatnak arra, hogy még a technológia kezdeti fázisában vagyunk, ugyanakkor Bloom és szerzőtársainak adataiból is az derül ki, hogy az új technológiák elterjedése lassú folyamat, sokkal inkább évtizedes időtávokról, mint néhány évről beszélhetünk. Ez a vizsgálat is inkább azt erősíti meg, hogy a mesterséges intelligencia okozta termelékenység-növekedés évek múlva jelenik majd meg a gazdasági adatokban.

A ChatGPT elfogadottsága, 100 ezer munkavállaló felmérése

A generatív nyelvi modellek (például ChatGPT) megjelenése jelentős változást hozott a mesterséges intelligenciával összefüggő alkalmazások gazdaságra gyakorolt hatásának megítélésében. Vizsgálatok széles köre (lásd fentebb) arra fókuszált, hogy a vállalkozások működésében milyen gyorsan jelennek meg a különböző AI-alkalmazások, és ezeknek milyen hatása lesz a gazdasági növekedésre. Ahogy a fentiekből kiderült, alapvetően egy lassú folyamatról van szó, és korábbi technológiai újításokkal párhuzamosan hasonló jelenségek figyelhetők meg, azaz amíg a háztartások körében gyorsabban elterjedt egy technológiai újítás, addig a vállalkozások esetében lényegesen lassabban épülnek be ezek a gyártási és döntési folyamatba. Továbbá nagyon sokan a saját tapasztalataik, előítéletük alapján ítélik meg a fejlett nyelvi modellek hasznosságát, ugyanakkor a gazdaságra gyakorolt hatásai tekintetében az egyéni ítélet nagyon rossz előrejelzőnek bizonyulhat.

A fentiek miatt érdekes a néhány héttel ezelőtt publikált tanulmány, melyben 100.000 alkalmazott véleményét ismerhetjük meg a ChatGPT hasznoságával összefüggésben. Kifejezetten olyan foglalkozásokról van szó, melyeket a leginkább érintik a fejlett nyelvi modellek használata, például könyvelők, ügyfélszolgálatos munkatárs, pénzügyi tanácsadó, HR-szakemberek, IT területén dolgozók, újságírók, jogi tanácsadók, marketinges, szoftver-fejlesztő, tanárok. A Dán Statisztikai hivatal segítségével (LINK) végzett vizsgálat 2023. november és 2024. január között zajlott. A kérdések többsége arra irányult, hogy az alkalmazottak milyen mértékben használják, mennyire veszik hasznát a munkavégzésük során a ChatGPT alkalmazásnak.

A felmérésből kiderült, hogy a megkérdezettek fele használta a ChatGPT-t, 72 százalékuk munkavégzés céljára is használta, 32 százalék jelenleg is használja, és 6 százalék plusz előfizetést is vásárolt (nem az ingyenes verziót használja). Ahogy az alábbi képen látható, a ChatGPT elfogadottsága foglalkozásonként változó, például a szoftverfejlesztők körében magas (78 százalék), pénzügyi tanácsadók körében alacsonyabb (36 százalék) az elfogadottsága.

Forrás: Humlum, Vestergaard (2024)

A ChatGPT és a munkavégzés hatékonyságával kapcsolatos kérdésekből az derül ki, hogy a megkérdezettek 37 százaléka szerint a ChatGPT a felére csökkentheti a feladatok elvégzésének idejét a szakmájukban. Ahogy ez az alábbi táblázatból kiderül (Productivity sor), a legnagyobb hatékonyságnövekedés a marketing (45,2 százalék számolt be erről), és a pénzügyi tanácsadók (46,6 százalék) területén dolgozók számítanak.

A táblázat 5. oszlopa az egyénre vonatkozó kérdés, azaz az összes megkérdezett 31,7 százaléka gondolja úgy, hogy a ChatGPT segítségével jelentős (feladat elvégzési ideje felére csökkent) hatékonyságnövekedést ér el. Eszerint a megkérdezettek nagyobbra értékelik a ChatGPT alkalmazásának a szakmájukra gyakorolt hatását, a saját munkájukban tapasztalat hasznosságot alacsonyabbra értékelték. A lenti táblázatból az is kiderül, hogy a megkérdezettek jelentős része (38%) nem fog több feladatot megoldani a munkahelyén a ChatGPT által megtakarított idő rovására (6.oszlop).

Forrás: Humlum, Vestergaard (2024)

A felmérés tulajdonképpen megerősíti a bevezetőben leírtakat, azaz a vállalkozásokhoz képest a magánszemélyek körében sokkal gyorsabban elterjed egy új technológia. Ahogy a fenti adatokból kiderül, az alkalmazottak jelentős része kipróbálta, önállóan használja a munkavégzés során a fejlett nyeli modelleket. Más vizsgálatokkal összhangban ebben az anyagban is megállapították, hogy elsődlegesen azok az alkalmazottak számolnak be nagyobb hatékonyság-növekedésről, akiknek kisebb a szakmai tapasztalata. A fentiek mellett fontos faktor az életkor, azaz minél idősebb a munkavállaló, annál kisebb valószínűséggel használja a ChatGPT alkalmazást. Egy évnyi életkor 1 százalékponttal, egy évnyi munkatapasztalat 0,7 százalékponttal csökkenti a ChatGPT alkalmazásának valószínűségét. Látható volt az is, hogy sok alkalmazott a hatékonyság-növekedés ellenére nem növelné a munkahelyi teljesítményét, így vélhetően a fejlett nyelvi modellek vállalati folyamatokban történő beépítése (nem az alkalmazottak önkéntes használata) járulhat hozzá jobban a termelékenység növekedéséhez.

Az általános mesterséges intelligencia (AGI) elérhető távolságban?

Az AGI, azaz az artificial general intelligence egy általános mesterséges intelligencia, mely nemcsak egy-egy célfeladatra (például GPT modellek szöveggenerálásra), hanem kognitív feladatok széles körének elvégzésére alkalmas, és a feladat elvégzésének minősége megfelel vagy felülmúlja az ember által elvégzett tevékenység minőségét. Egy ilyen képességekkel rendelkező mesterséges intelligencia jelentős termelékenység-növekedést, és gazdasági növekedést okozhatnak (munkaerőpiaci hatásai is jelentősek lennének), azonban a jelenlegi algoritmusok messze vannak az általános mesterséges intelligencia képességeitől. A témával foglalkozó szakértői előrejelzések a "10 éven belül", illetve "a mi életünkben már nem" tartományon belül szóródnak, és mindössze két komolyabbnak tekinthető módszertanon alapuló vizsgálat érhető el jelenleg. Az első, Rupert Macey-Dare (2023) vizsgálata szerint 2041-re várható az általános mesterséges intelligencia (AGI) kifejlesztése, de nagy valószínűséggel 2032-2048 között jelenik meg, és nem valószínű, hogy 2028 előtt készen lesz egy ilyen rendszer. A szerző előrejelzési módszertanát leegyszerűsítve azt láthatjuk, hogy az előrejelzés alapvetően két dolgon alapul. Az egyik, hogy jelenleg milyen szinten áll az AGI kifejlesztése, mely az alapmodell szerint 5-30 százalék között lehet jelenleg. A másik pedig, hogy évente mennyit tud fejlődni az AGI, mely 10-100 százalékos fejlődést jelenthet minden második évben. A szimulációk, így az előrejelzések azon alapulnak, hogy a kezdeti állapot és a kétéves fejlődés mértéke mekkora.

Forrás: Rupert Macey-Dare (2023)

A fenti szimuláció természetesen rengeteg bizonytalanságot tartalmaz, hiszen nem mindegy, hogy az AGI kifejlesztése jelenleg 5 százalékos szinten van, vagy 30 százalékos szinten, esetleg az is előfordulhat, hogy a tudáshiány miatt gondoljuk, hogy 5-30 százalék közötti szinten áll az AGI jelenlegi szintje, holott a valóságban 0,01 százalékos szinten vagyunk. Emellett a másik probléma, hogy a szimuláció exponenciális növekedést feltételez, így például az évente 10 százalékos növekedés a jövőbe kivetítve exponenciális növekedést eredményez (lásd alábbi képen kék színnel), holott az élet minden területén azt láthatjuk, hogy a csökkenő hozadék miatt az exponenciális függvényből szigmoid függvény lesz (sárga színnel) a valóságban. Bővebben itt beszéltünk a problémáról.

A másik vizsgálatban, Korinek és Suh (2024) abból indultak ki, hogy a mesterséges intelligencia fejlődésével az egyre bonyolultabb feladatok is elvégezhetők lesznek emberi beavatkozás nélkül. Az alábbi képen a szaggatott függőleges vonal mutatja a 2024-es évi állapotot. Ettől balra az egyszerűbb, de nagy számú részfeladatok elvégzésére jelenleg is lehetőség van az automatizáció révén, és a jövőben ez a szaggatott vonal jobbra tolódik, azaz a komplexebb feladatok is elvégezhetővé válnak.

Forrás: Korinek és Suh (2024)

Az elméleti összefüggéseken alapuló modell az automatizáció és az AGI fejlesztések gazdasági kibocsátásra (kék) és a bérekre (zöld) gyakorolt hatását mutatja. Az alábbi ábra baloldalán az automatizáció térnyerése látható, ahol 30 éves időtávon kismértékű gazdasági kibocsátás növekedés és bérnövekedés figyelhető meg. A jobb oldalon az AGI munkafolyamatokba történő beépülése látható. Ebben az esetben a gazdasági kibocsátás lényegesen növekszik, de a bérekben nem figyelhető meg növekedés, későbbi csökkenés látható.

Forrás: Korinek és Suh (2024)

A fenti modellben az AI fejlődésével a GDP növekedés üteme meghaladja a 100 százalékot 10 éves távon, és egy agresszív AGI fejlesztés forgatókönyvvel is számolnak, mely esetében a GDP növekedés mértéke eléri a 300 százalékot 10 éves távon.

Mennyit javított a termelékenységen a generatív AI (2022-2024)?

Bick, Blandin, Deming (2024) a Fed blogjában számolt be a mesterséges intelligencia elfogadottságával kapcsolatos, az amerikai lakosság 18-64 éves korosztályra vonatkozóan reprezentatív felmérésről. A megkérdezés 2024 augusztusában történt, így közel két év telt el a ChatGPT megjelenése óta. A teljes minta 4682 személy adatait tartalmazza, és az alábbi grafikon arról árulkodik, hogy a megkérdezettek 40 százaléka használja a generatív mesterséges intelligenciát.

Bick, Blandin, Deming (2024

 

Ha a fenti adatokat összevetjük a számítógépek és az internethasználat elterjedésével, akkor jól látható, hogy a generatív AI alkalmazások elterjedése lényegesen gyorsabban következett be.

Bick, Blandin, Deming (2024

Ugyanakkor a magas adoptációs ráta ellenére, csak néhány munkaterületen magas az AI felhasználásának aránya, például szövegírás, keresés, kódolás, adatelemzés, lásd alábbi táblázat szerint.

Bick, Blandin, Deming (2024

A fent hivatkozott szerzők egy becslést is végeztek (módszertanát nem részletezve), és arra jutottak, hogy az összes ledolgozott munkaóra 0,5-3,5 százaléka történik a mesterséges intelligencia asszisztálása mellett. Figyelembe véve azt, hogy a témával összefüggő kísérletekben kimutatott hatékonyságnövekedés mediánja 25 százalék, így a generatív AI alkalmazások 0,1-0,9 százalékkal javíthatták a munkaerő-termelékenységet. Az alábbi grafikonon szürke színnel látható, hogy 2022 óta ismét emelkedik, és új csúcson van a munkaerő-termelékenység az Egyesült Államokban. A kék görbe a hazai munkaerő-termelékenység változását szemlélteti.

Acemoğlu: Valószínűtlen a nagyon pozitív forgatókönyv (2024)

Daron Acemoğlu, az MTI professzora, a  The Simple Macroeconomics of AI című tanulmányában az alábbiak szerint foglalja össze az AI makrogazdasági hatásaival kapcsolatos véleményeket:

• AI forradalom, azaz gyors, a teljes gazdaságot érintő forradalom, órási GDP növekedés, jelentős termelékenység javulás, de ez idáig erre a forradalomra nincs bizonyíték.
• Optimista AI forgatókönyvek, azaz érzékelhető gazdasági hatás, javuló termelékenység, csökkenő költségek, évi 1,5-3,4 százalékpont GDP növekedéstöbblet 10 éves távon.
• Munkaerőpiaci hatások, csökkenő, növekvő bérek, automatizációs-effektus nyomán,
• Negatív makrogazdasági hatások (vagyoncsökkenés) deepfake, információ-asszimetria, manipuláció stb.. miatt

Acemoglu tanulmányában az alábbiak szerint összegezhetjük az AI gazdasági növekedésre gyakorolt hatásait.

1) A kísérletek eredményei biztatóak, ahogy erről fentebb is beszámoltam:

• Peng et al (2023): 55,8 százalékkal gyorsabb feladatmegoldás
• Noy and Zhang (2023): 40% százalékkal feladatmegoldás, 18 százalékkal javuló minőség
• Brynjolfsson et al. (2023): 14% százalékkal gyorsabb feladatmegoldás
• Acemoglu (2024): 27% költségmegtakarítás a vállaltok részéről

2) Bemondásos (házon belüli) vizsgálatok, melyek mögött nincs ellenőrzött módszertan, nem lektorált publikációk, módszertanilag megkérdőjelezhetők, iparági érdek mentén készülhettek:

1. McKinsey Global Institute (2023):  1,5-3,4 százalékpont GDP növekedés évente fejlett országokban a következő évtizedben
2. Goldman Sachs (2023): 7% növekedés, 1,5 százalék termelékenységnövekedés a következő 10 évben
3. Módszertanilag megkérdőjelezhető:
4. Rupert Macey-Dare (2023) : 2041-re várható az általános mesterséges intelligencia (AGI) kifejlesztése, de nagy valószínűséggel 2032-2048 között jelenik meg, és nem valószínű, hogy 2028 előtt készen lesz egy ilyen rendszer

3) Elméleti modellek, melyekről szintén fentebb beszámoltam:

• Korinek és Suh (2024): AI fejlődésével a GDP növekedés üteme meghaladja a 100 százalékot 10 éves távon,  agresszív AGI fejlesztés forgatókönyv esetében a GDP növekedés mértéke eléri a 300 százalékot 10 éves távon.

Acemoglu szerint a fenti előrejelzések (sajátja is) számos spekulatív feltételezésen alapulnak, de a saját módszertana sokkal kisebb gazdasági hatást mutat ki az AI alkalmazásokkal összefüggésben, mint a szakértők előrejelzése. Számításai szerint, ha az AI iparágba a beruházások az automatizációval azonos ütemben történnek a jövőben, akkor a következő 10 évben a TFP- (Total Factor Productivity, lásd itt), és GDP-növekedés felső határa 0,53% és 0,9% lesz. A GDP-növekedés mértéke nagy valószínűséggel 0,93-1,16 százalék között szóródik 10 éves távon. Nagyobb beruházási intenzitás esetén akár az 1,4-1,56% növekedési ütem is elérhető. Ha a GDP-növekedésbe a negatív hatásokat (deepfake okozta károk, kiberbiztonság többletköltségei stb.) beszámítjuk, akkor +2 százalék adódhat a GDP növekedéshez, de a vagyonra gyakorolt hatása -0,72% ennek a forgatókönyvnek. Acemoglu  szerint valószínűtlen, hogy a termelékenység-növekedés ellenére az AI jelentős bérnövekedéshez vezetne, és sokkal inkább arra számíthatunk, hogy az AI tovább fogja növelni a tőke- és a munkajövedelem közötti különbséget

Az AI alkalmazása pozitívan hat a pénzügyi teljesítményre (2025)

Tucker és szerzőtársai (2025) elkészítették a mesterséges intelligencia vállalati alkalmazása és a vállalatok pénzügyi teljesítménye közötti eddigi legátfogóbb vizsgálatot, melyben 2010-2023 közötti időszakon 32.893 vállalati éves jelentést (10-K) tekintették át természetes nyelvfeldolgozás módszerével. Az éves jelentések feldolgozása során két tényezőt vizsgáltak meg. Az egyik az AI-alkalmazás (AI-adoption) volt, mely azt jelzi, hogy a vállalat alkalmazott-e az adott évben valamilyen mesterséges intelligencia alkalmazást. Ez egy bináris változó volt (igen/nem). A fentieket kiegészítették egy folytonos változóval is, mely az AI-alkalmazás szintjét mutatta, ahol a magas érték azt jelzi, hogy a vállalat a működési folyamatában jelentősen támaszkodik a különböző AI megoldásokra. Az alábbi grafikon jól szemlélteti, hogy egyre több vállalat jelentéseiben jelent meg az AI-alkalmazása.

Forrás: Tucker és szerzőtársai (2025

Itt pedig azt láthatjuk, hogy 2010-ben még csak néhány iparágban, de 2023-ban (kék) már minden iparágban megjelent az AI-alkalmazása. Iparágonként jelentős eltéréseket figyelhetünk meg.

Forrás: Tucker és szerzőtársai (2025

A következő táblázat már a vizsgálat legfontosabb eredményét mutatja, azaz az AI-alkalmazás bináris változója (igen/nem) és az AI-alkalmazás intenzitása pozitív kapcsolatot mutat a következő évi árbevétel-növekedéssel, a relatív növekedéssel és a piaci részesedéssel. Ezek definíciója:

• Árbevételnövekedés: Az értékesítések éves növekedési rátája, amelyet a t+1 időszakra számítottak az aktuális időszakból.
• Relatív növekedés: Az értékesítési növekedés értéke, de csökkentve az iparág medián értékesítési növekedésével.
• Piaci részesedés változása: egy adott vállalat éves eladási volumenének (sales) aránya az iparág teljes eladási volumenéhez képest.

Forrás: Tucker és szerzőtársai (2025

Az alábbi táblázat pedig azt mutatja, hogy a pénzügyi teljesítmény más mérőszámaival is pozitív a kapcsolat.

Forrás: Tucker és szerzőtársai (2025

A fentiek tehát azt mutatják, hogy az AI-alkalmazása, az AI magas szintű alkalmazása (intenzitás) pozitívan hat a következő évi pénzügyi teljesítményre. A vizsgálatból az is kiderült, hogy az AI-alkalmazása gyorsan növekszik, de jelentős különbségek vannak ágazatok és cégek között. Sok vállalat még kísérleti fázisban van, így a széles körű hatások csak később fognak megmutatkozni, a fentiek azonban azzal járnak együtt, hogy egyes cégek jelentős versenyelőnyre tehetnek szert az AI korai alkalmazásával.

A cikk itt folytatódik: Tényleg elveszi az AI a munkánkat? Melyek a veszélyeztetett foglalkozások?