W 1987 roku Robert Solow powiedział zdanie, które do dziś wraca w dyskusjach o technologii i gospodarce: „Erę komputerów widać wszędzie, z wyjątkiem statystyk produktywności”. W latach 70. i 80. firmy inwestowały w komputery na masową skalę. Sprzęt był coraz tańszy, systemy coraz bardziej zaawansowane, a jednak tempo wzrostu produktywności w rozwiniętych gospodarkach pozostawało rozczarowujące. Technologia była nowa, często wdrażana bez zmiany procesów i bez refleksji nad architekturą organizacji. Komputery trafiały na biurka, ale sposób pracy pozostawał analogowy.

Dopiero w połowie lat 90. sytuacja zaczęła się zmieniać. Internet, systemy ERP, nowe modele logistyki i zarządzania łańcuchem dostaw doprowadziły do faktycznej reorganizacji przedsiębiorstw. Produktywność ruszyła nie dlatego, że sprzęt stał się lepszy, lecz dlatego, że firmy nauczyły się projektować siebie na nowo wokół technologii.

Dziś coraz częściej można odnieść wrażenie, że znajdujemy się w analogicznym momencie, tylko że zamiast komputerów osobistych mamy sztuczną inteligencję. AI jest wszędzie: w prezentacjach inwestorskich, w roadmapach produktowych, w komunikatach zarządów i w strategiach państw. Nakłady na infrastrukturę rosną w tempie, które jeszcze kilka lat temu wydawało się nierealne. Prywatne inwestycje w centra danych zbliżają się do poziomów porównywalnych z inwestycjami w tradycyjne nieruchomości biurowe. Powstają cyfrowe elektrownie XXI wieku.

Jednocześnie dane makroekonomiczne z pierwszej połowy 2025 roku pokazują interesującą asymetrię. Wzrost PKB w USA wyglądał solidnie, ale przyrost zatrudnienia był symboliczny. Jak zwraca uwagę Jason Furman, zdecydowana większość wzrostu była napędzana inwestycjami w sprzęt IT i oprogramowanie, w tym w gigantyczne centra danych. Bez tego komponentu dynamika gospodarki byłaby bliska zera. Innymi słowy, rośnie kapitał, ale niekoniecznie produktywność operacyjna w tradycyjnym sensie.

To właśnie nowe wcielenie Paradoksu Solowa. Sztuczną inteligencję widać wszędzie – w wydatkach inwestycyjnych, w wycenach spółek technologicznych, w skali zużycia energii przez centra danych – ale nie widać jej jeszcze wyraźnie w zagregowanych statystykach produktywności.

Analizy publikowane przez The Economist przypominają, że podobne zjawisko towarzyszyło wcześniejszym przełomom technologicznym. Gdy fabryki wymieniały silniki parowe na elektryczne, początkowo zyski były niewielkie. Przełom nastąpił dopiero wtedy, gdy zmieniono układ hal produkcyjnych i całkowicie przeprojektowano organizację pracy. W latach 90. największy wzrost produktywności w USA nie wynikał bezpośrednio z produkcji komputerów, lecz z transformacji handlu detalicznego, który wykorzystał IT do przebudowy logistyki i zarządzania zapasami. Technologia była katalizatorem, ale źródłem przewagi stała się zmiana modelu operacyjnego.

Współczesne wdrożenia AI w wielu firmach mają charakter addytywny. Organizacje dokładają kolejne narzędzia: asystentów do generowania treści, copilota dla programistów, chatboty w obsłudze klienta. Procesy pozostają jednak w dużej mierze takie same. AI przyspiesza poszczególne zadania, lecz nie zmienia struktury przepływu decyzji, odpowiedzialności ani architektury wartości w firmie. To tak, jakby wstawić nowoczesny silnik do maszyny zaprojektowanej pod zupełnie inne warunki pracy.

Prawdziwa zmiana nadejdzie dopiero wtedy, gdy organizacje zaczną projektować się od początku jako „AI-first”. Oznacza to inne podejście do danych, inne modele zarządzania, inne role pracowników. Zamiast liniowej pracy poznawczej pojawi się rola operatorów systemów decyzyjnych, architektów procesów i integratorów modeli. Wiele stanowisk nie zniknie, ale zostanie przedefiniowanych. To przesunięcie będzie miało konsekwencje nie tylko dla firm, lecz także dla struktury rynku pracy i dystrybucji dochodów.

Z perspektywy strategicznej kluczowe pytanie nie brzmi już: „Jak wdrożyć AI?”, lecz raczej: „Jak wyglądałaby nasza organizacja, gdyby powstała dzisiaj, w świecie, w którym AI jest podstawową warstwą infrastruktury?”. Firmy, które odpowiedzą na to pytanie poważnie, mogą uzyskać przewagę porównywalną z tą, jaką w latach 90. zdobyły podmioty, które zrozumiały potencjał internetu i cyfrowej logistyki.

Paradoks Solowa nie był dowodem na to, że komputery były przereklamowane. Był sygnałem, że gospodarka potrzebuje czasu, aby nauczyć się z nich korzystać w sposób systemowy. Obecny boom inwestycyjny w AI może być podobnym okresem przejściowym. Budujemy infrastrukturę, skalujemy modele, inwestujemy w moce obliczeniowe. Produktywność przyjdzie później – wraz z głęboką reorganizacją przedsiębiorstw.

Jeżeli historia ma być przewodnikiem, największe korzyści z AI nie przypadną tym, którzy pierwsi kupili najdroższe serwery, lecz tym, którzy pierwsi odważyli się przeprojektować swoje firmy tak, jakby sztuczna inteligencja była ich naturalnym środowiskiem, a nie dodatkiem do istniejącego świata.