AI može stvarati nove startupove, samo ne dobre

Američki ured za popis stanovništva (US Census Bureau) objavio je 9. srpnja da je u lipnju primio 531.423 zahtjeva za registraciju poslovanja (sezonski prilagođeno), čime je zaključeno prvo polugodište s najvišom kontinuiranom stopom takvih zahtjeva u 22-godišnjoj povijesti praćenja tih podataka. Taj se nagli rast tumači kao prvi pravi dokaz poduzetničkog buma vođenog umjetnom inteligencijom. No to ne mora nužno biti tako. Umjetna inteligencija učinila je tehnički proces pokretanja poslovanja gotovo besplatnim, a te tehničke prepreke nikada nisu ni bile ključna barijera.

Kada podnosite zahtjev za identifikacijski broj poslodavca, Porezna uprava (IRS) pita vas kada očekujete da ćete početi isplaćivati plaće. To je samo jedan redak na obrascu i možete ga ostaviti praznim. To se događa sve češće, a važno je puno više od ukupnog broja predanih obrazaca.

Tijekom 2010-ih stopa osnivanja novih tvrtki bila je u padu, što je izazvalo zabrinutost da dinamika u zemlji slabi. Jorge Guzman s Poslovne škole Columbia i Scott Stern s MIT-a potražili su bolju mjeru. Analizirali su 28 milijuna registracija poslovanja u 32 savezne države, koje pokrivaju 81 posto američkog bruto domaćeg proizvoda, i zapitali se koliko je od tih tvrtki ikada postiglo značajniji uspjeh. Samo 0,07 posto ostvarilo je inicijalnu javnu ponudu (IPO) ili značajno preuzimanje unutar šest godina. Više od trećine tih uspješnih tvrtki dolazilo je iz top jedan posto tvrtki koje su ocijenjene najkvalitetnijima na temelju njihovih karakteristika na sam dan registracije.

 

Drugi ekonomisti pronašli su isti obrazac u drugim podacima. Vincent Sterk, Petr Sedláček i Benjamin Pugsley, koristeći evidenciju Popisa stanovništva koja pokriva gotovo svakog privatnog poslodavca u zemlji, pokazali su da je većina razlika u tome koliko brzo startupi rastu određena i prije nego što se otvore, a mali podskup tvrtki s visokim potencijalom pokreće rast ukupne proizvodnje. Ukupan broj novih tvrtki nije bitan, ali broj visokokvalitetnih novih tvrtki jest. A tijekom 2010-ih taj je broj rastao.

Dakle, što se sada događa? Čak i dok ukupan broj zahtjeva raste, zahtjevi onih koji su Poreznoj upravi rekli kada očekuju da će početi isplaćivati plaće u padu su već gotovo dvije godine i ponovno bilježe dvoznamenkasti pad.

Zašto onda AI ne stvara više visokokvalitetnih startupa? Svakako je koristan za poduzetnike. Nekada sam ugovore za predavanja slao odvjetniku. Sada jednostavno pitam Claudea. To ubrzava stvar. Radni dokument koji su u proincu objavili Junhui Jeff Cai i pet koautora prati 12,8 milijuna registracija tvrtki u Kini do kraja 2024. godine i bilježi nagli rast osnivanja novih tvrtki na mjestima gdje je AI stručnost već bila koncentrirana. Male tvrtke porasle su s 33,8 posto novih registracija prije ChatGPT-a na 51,4 posto nakon njega, dok je ulazak velikih tvrtki pao.

No pogledajte što AI pomaže tvrtkama raditi u tom istraživanju: sastavljati pravne dokumente, pisati marketinške tekstove, osnovno kodirati, slagati poslovne planove. Sve su to dosadni, dugotrajni i potencijalno skupi zadaci. Ali to nisu prepreke koje bi zaustavile mnoge visokokvalitetne startupe prije ere AI-ja.

Istraživanje o tome kome AI pomaže dovodi do fascinantnih spoznaja. Erik Brynjolfsson sa Sveučilišta Stanford, zajedno s Danielle Li i Lindsey Raymond s MIT-a, proučavao je 5172 agenta korisničke podrške dok im je uvođen AI asistent te je utvrdio rast produktivnosti od 15 posto, pri čemu su dobici bili koncentrirani među najmanje iskusnima. Najiskusniji agenti zabilježili su male dobitke u brzini i mali pad u kvaliteti. AI je djelovao kao izjednačivač, smanjujući razlike između najviše i najmanje kvalificiranih radnika.

Korisnička podrška dobro je definiran problem s jasnim točnim i netočnim odgovorima. Tu AI briljira. Poduzetništvo, kako me moja supruga poduzetnica često podsjeća, nije nimalo nalik tome. Nicholas Otis s Berkeleyja i četiri koautora dali su za 640 kenijskih poduzetnika poslovnog mentora GPT-4 putem WhatsAppa na razdoblje od pet mjeseci te su pratili njihove prihode i dobit. U prosjeku se nije dogodilo ništa. Ispod tog prosjeka, najbolji poduzetnici postali su još bolji, a oni koji su se mučili postali su još gori. Obje su grupe postavile modelu slična pitanja i dobile slične savjete. Ono što ih je razdvojilo bilo je to na temelju kojih su savjeta odlučili djelovati.

Model je objema grupama ponudio iste odgovore. No nedostatak odgovora nije bio problem. Problem je bio znati na temelju kojeg odgovora treba djelovati.

Tako jeftinija provedba povećava broj prijava, ali ne i njihovu kvalitetu. Tehnički proces nikada nije bio ono što je dijeli uspješne od neuspješnih startupa. Guzman i Stern otkrili su da je kvaliteta vidljiva onog dana kada se tvrtka registrira, a Sterk i njegovi koautori pronašli su istu stvar u evidenciji Popisa stanovništva.

AI ne može stvoriti više ljudi s dobrom poslovnom procjenom. Stoga se broj visokokvalitetnih startupa ne mijenja. No iznos koji ostvaruju mogao bi se promijeniti, kako AI alati smanjuju njihove troškove i povećavaju njihovu vrijednost. Ovdje se ne radi o tome tko posjeduje modele. Radi se o tome što modeli rade. Čak i ako ti visokokvalitetni startupi pokreću rast, sve bi to moglo pripasti ljudima koje gospodarstvo već nagrađuje. Ako modeli postanu dovoljno dobri da im se povjeri odlučivanje o pitanjima koja nemaju provjerljiv odgovor, to će se promijeniti.

Zahtjevi predani u lipnju govore nam nešto stvarno. Pokretanje posla nikada nije bilo lakše, što je važno ljudima koji ih pokreću. Ono što nam ne mogu reći jest hoće li išta od toga učiniti zemlju bogatijom, jer to nikada nije bilo pitanje tehnike i mehanike. Sve se svodi na jedan redak u obrascu – onaj koji pita kada očekujete da ćete početi isplaćivati plaće. Sve manje i manje ljudi ga ispunjava.