Az Egyesült Államok gazdasági kibocsátása 2023-ban és 2024-ben erőteljesen nőtt, s ezzel újból ráállt a járvány előtti trendvonalra. Ez a visszapattanás éles ellentétben áll több más fejlett gazdaság – például Kanada, az Egyesült Királyság és az euróövezet – helyzetével, ahol a kibocsátás még mindig 4–6 százalékkal elmarad a pandémia előtti pályától. A témával foglalkozó amerikai kutatók (François de Soyres és társai) amellett érvelnek, hogy az USA a többi országhoz képest nagyobb üzleti dinamizmust tudott fenntartani. 

A St. Louis-i Federal Reserve Bank által publikált friss elemzése mélyebben megvizsgálja az iparági szintű egy főre jutó kibocsátást – a termelékenységi mutatókat – és azt, hogy miként járultak hozzá az iparági folyamatok a posztpandémiás fellendüléshez. Az egy dolgozóra jutó kibocsátás kiszámításához Oksana Leukhina és Mickenzie Bass elemzők a Bureau of Economic Analysis (BEA) iparági bruttó hozzáadottérték-adatait kombinálták a Bureau of Labor Statistics (BLS) Current Employment Statistics nem mezőgazdasági foglalkoztatási becsléseivel. 

Az iparágak listája és rangsora 

A vizsgálat a kétjegyű NAICS-kódok szerinti ágazatokra terjedt ki. Az elemzők három árutermelő ágazatot különböztettek meg (építőipar, feldolgozóipar, bányászat) és tizenhat szolgáltatót. Termelékenység szerint a legmagasabbtól a legalacsonyabbig sorrendben a 19 ágazat a következő: 

1. Ingatlanügyletek, bérbeadás, lízing 

2. Közművek 

3. Bányászat 

4. Információs szektor 

5. Pénzügy és biztosítás

6. Nagykereskedelem 

7. Feldolgozóipar 

8. Szakmai, tudományos és műszaki szolgáltatások 

9. Vállalatirányítási szolgáltatások

10. Szállítás, raktározás 

11. Építőipar

12. Kormányzat 

13. Művészet, szórakoztatás, szabadidő 

14. Egészségügy és szociális ellátás 

15. Egyéb szolgáltatások (pl. javítás, mosoda) 

16. Kiskereskedelem 

17. Oktatási szolgáltatások 

18. Adminisztratív, támogatási és hulladékgazdálkodási szolgáltatások 

19. Szálláshely-szolgáltatás és vendéglátás 

A növekedést az iparágakon belüli folyamatok hajtották 

Az elemzők a vizsgálatok során arra jutottak, hogy 

a 2019 óta tapasztalt aggregált termelékenységnövekedés nem annak köszönhető, hogy a munkaerő a magas termelékenységű ágazatok felé áramlott, sokkal inkább az egyes iparágakon belüli hatékonyságjavulás mozgatott mindent.  

Az alábbi – 1997. I. negyedévétől 2024. III. negyedévéig terjedő – diagram az iparágak foglalkoztatási részesedését mutatja (a nagyobb termelékenységű ágazatok felül jelennek meg). 

Forrás: Bureau of Labor Statistics, Bureau of Economic Analysis és a szerzők (Oksana Leukhina, Mickenzie Bass) számításai 

A legfontosabb megállapítások: 

• A legszembetűnőbb hosszú távú tendencia, hogy a feldolgozóipar (sötétzöld sáv) foglalkoztatási aránya végig zsugorodott, míg a szolgáltató ágazatoké – különösen az egészségügyé (narancs) – bővült. 

• Mivel a feldolgozóipar a magasabb termelékenységű csoportba tartozik, ez a hosszú távú átrendeződés nem járulhatott hozzá a 1997 utáni aggregált termelékenységnövekedéshez. 

• 2019 óta sem látható érdemi munkaerő-átrendeződés. A szálláshely-szolgáltatásban és a vendéglátásban 2020-ban ugyan meredeken visszaesett a foglalkoztatottak aránya, de mára visszatért a pandémia előtti szintre. 

Következtetés: a teljes vizsgált időszakban – és különösen a pandémia utáni fellendülés idején – kizárólag az iparágakon belüli hatékonyságnövekedés hajtotta az összgazdasági termelékenységet. 

Munkavállalói iskolázottság, MI-használat és a termelékenység kapcsolata 

Mely ágazatok jártak az élen, és mi volt bennük a közös? A szerzők 2019-től kezdődően kiszámították az iparág-specifikus növekedési rátákat, majd összevetették őket két jellemzővel: 

• az adott ágazatban dolgozó főiskolai végzettségűek arányával, illetve 

• a generatív mesterséges intelligencia (MI) elterjedtségével. 

Az első ábra minden egyes pontja egy iparágat jelöl. Az X tengelyen a 2019. III. negyedévétől 2024. III. negyedévéig mért termelékenységnövekedés, az Y-on a diplomás munkavállalók aránya látható. 

• A legnagyobb előrelépést az információs szektor, a vállalatirányítás és a bányászat érte el. Az információs iparágban például az egy főre jutó kibocsátás öt év alatt 30 százalékkal – évi átlagban mintegy 5 százalékkal – nőtt. 

• A sor végén az építőipar áll, ahol a termelékenység összességében 12 százalékkal csökkent (évi –2,5 százalék körül). 

Az elemzők szerint a regressziós illesztés pozitív meredeksége arra utal, hogy  

minél magasabb volt egy ágazatban a diplomások aránya, annál erősebb termelékenységnövekedést ért el. 

Forrás: Bureau of Labor Statistics, Bureau of Economic Analysis és a szerzők (Oksana Leukhina, Mickenzie Bass) számításai 

Megjegyzés: A termelékenység növekedése az egy munkavállalóra jutó kibocsátás nettó növekedési üteme 2019 harmadik és 2024 harmadik negyedéve között. A főiskolai végzettségű munkavállalók iparág-specifikus arányát a tavalyi Current Population Survey alapján számították ki. 

Az alábbi ábra világossá teszi, hogy az iparági termelékenység növekedése szintén pozitív kapcsolatban áll a mesterséges intelligencia használatának elterjedtségével. 

Forrás: Bick, Blandin és Deming (2025), Bureau of Labor Statistics, Bureau of Economic Analysis és a szerzők számításai 

Megjegyzés: A termelékenység bővülése és az egy munkavállalóra jutó kibocsátás nettó növekedési üteme 2019 harmadik és 2024 harmadik negyedéve között. A mesterséges intelligencia elterjedtsége azon válaszadók aránya, akik arról számoltak be, hogy generatív mesterséges intelligenciát használnak egy iparágban. Felhasználási adatok két iparág esetében nem állnak rendelkezésre: a vállalatirányítási, valamint az adminisztratív és támogató tevékenységek. 

A vizsgált időszakban a mesterséges intelligencia gyorsan terjedt. Könnyen elképzelhető, hogy azok az ágazatok profitáltak a legtöbbet, amelyeknek egyrészt több nyereséget ígértek az MI-eszközök, másrészt megvolt a megfelelően képzett munkaerejük e technológia hatékony alkalmazásához. 

Összességében tehát a posztpandémiás amerikai tapasztalat azt üzeni Magyarországnak, hogy  

a jövőbeli felzárkózás záloga az ágazatokon belüli tudás- és MI-vezérelt termelékenységnövelés: vagyis a már most is erős – főképp exportorientált – iparágak mélyreható digitalizálása, automatizálása és szervezeti modernizációja.  

Ennek érdekében a szakpolitikai fókuszt a humántőke minőségi fejlesztésére érdemes helyezni: a STEM-képzések és a duális egyetemi-ipari programok bővítése, a rugalmas, moduláris felnőttkori átképzési utak kialakítása, valamint a vállalati MI-kompetenciák célzott támogatása jótékonyan hathat a termelékenységre. Ugyanakkor a digitális infrastruktúra (felhőkapacitás, nagy sávszélességű hálózatok, edge- és GPU-szolgáltatások) országos kiterjesztése nélkülözhetetlen, mert csak így tudnak a kkv-k is bekapcsolódni a produktív MI-ökoszisztémába.  

A kormányzati innovációs politikának szintén kulcsszerepet kell játszania, hogy erős, iparág-specifikus innovációs klaszterek formálódjanak – különösen az autó-, a gépipari, az egészségipari-biotechnológiai és az agrár-élelmiszeripari láncok mentén –, amelyekben a nagyvállalatok és a hazai beszállító kkv-k együtt tudnak kísérletezni az élen járó generatív MI-megoldásokkal.  

Három vezető nemzetközi think tank friss elemzése egyaránt arra jut, hogy a generatív mesterséges intelligencia akkor válik a vállalati termelékenység ugrásszerű motorjává, ha mélyen beépül a meglévő munkafolyamatokba, és jól képzett munkaerőre támaszkodik.  

– A McKinsey Global Institute 2023-as, majd 2025 januári jelentése szerint a generatív MI 63 üzleti funkcióban évente 2,6–4,4 ezermilliárd dolláros többletértéket teremthet, ami 15–40 százalékkal növeli a hagyományos MI által eddig becsült hatást, és 0,1–0,6 százalékponttal pörgetheti fel a globális munkatermelékenység éves növekedését 2040-ig. Egy valós call-center-kísérletben például 14 százalékkal több ügyet oldottak meg óránként, miközben a kezelési idő 9 százalékkal csökkent.  

– A Brookings Institution idei áprilisi, négy kulcságazatot (az energiahálózatokat, a pénzügyet, az egészségügyet és az információs szolgáltatásokat) vizsgáló tanulmánya a generatív MI-t „általános célú technológiának” minősíti, és kimutatja, hogy az elektromos hálózat leállási idejét, a banki csalások előfordulását vagy a kórházi adminisztrációs terheket két számjegyű mértékben faraghatja le, ugyanakkor figyelmeztet: a valódi nyereséget az integrációs költségek és a munkaerő-alkalmazkodás tempója korlátozhatja.  

– A RAND Corporation idei, robusztus döntéstámogatási szimulációja több ezer jövőforgatókönyvben elemezte a „vertikális” (meglévő feladatokat gyorsító) és „horizontális” (új feladatokat automatizáló) MI-automatizálás hatását: a vertikális megközelítés szinte minden esetben elég ahhoz, hogy a történelmi növekedési ütem fennmaradjon, míg a horizontális, akár évi 30 százalékos GDP-bővülést ígérő stratégia csupán a szcenáriók 19 százalékában bizonyult fenntarthatónak, ezért a RAND a termelékenység érdekében elsősorban a folyamatmélyítő MI-használatot ajánlja.  

A tanulmányok közös üzenete az, hogy a generatív MI akkor hozza a várt látványos hatékonyságugrást, ha a cégek célzott munkafolyamatokra szabják, fokozatosan skálázzák és biztosítják a szükséges humán kompetenciákat. 

Végül: az oktatás digitális, illetve MI-központú felfrissítése legalább olyan fontos, mint a high-tech beruházások ösztönzése. Ha mindezek egyszerre érvényesülnek, Magyarország a következő évtizedben nem csupán felzárkózni, hanem több területen élen járni is képes lehet a „MI-alapú termelékenység” korszakában. 

(Források: Federal Reserve of St. Louis; Federal Reserve; McKinsey; Brookings; Rand)

Kapcsolódó:

Címlapfotó: Dreamstime