A bevezetőben írt OECD-kutatás, az AI and the global productivity divide című anyag nem elsősorban a gazdag nemzetek előnyeit vizsgálja, hanem azt, hogy az alacsony (Low Income Countries, LIC) és az alsó közepes jövedelmű országok (Low-Middle Income Countries, LMIC) fel tudnak-e zárkózni az MI-fejlesztésekhez, meg tudják-e lovagolni az MI-hullámot. 

A szerzők egy egyszerű, de átlátható keretrendszert alkalmaznak az összhatás elemzésére: figyelembe veszik az MI-adaptációt (az alkalmazás mértékét), az MI-kitettséget (azt, hogy ágazati szerkezeten keresztül mennyire érintettek a munkakörök), valamint a feladatszintű hozamokat. A fő megállapítás lesújtó: az LIC- és LMIC-országok nagyobb valószínűséggel maradnak le, mivel az MI előnyei elsősorban a tudásintenzív szolgáltatásokban (pl. informatika, pénzügy, professzionális szolgáltatások) csapódnak le, amelyek ezekben az országokban alacsony arányt képviselnek. 

Az ábra a ChatGPT használatának elterjedtségét mutatja országonként az egy főre jutó jövedelem függvényében. A kék vonal a 2024. májusi, a zöld a 2025. májusi adatokat ábrázolja. Minél gazdagabb egy ország (jobbra haladva a tengelyen), annál többen használják a ChatGPT-t. A szegényebbekben (bal oldalon, alacsony jövedelmű és alsó közepes jövedelmű országok – LIC+LMIC) mindkét évben nagyon alacsony (5 százalék körüli vagy alatti) a használat aránya, ami alig nőtt egy év alatt. A gazdagabb országokban (felső közepes és magas jövedelműek – UMIC+HIC) már 2024-ben is magasabb volt az arány, 2025-re pedig jelentősen tovább emelkedett, elérve a 30 százalékot is. Ez jól mutatja, hogy a mesterséges intelligencia eszközeinek elterjedése jelenleg inkább növeli a szakadékot a szegényebb és gazdagabb országok között. 

További adaptációs akadályok 

Ugyanakkor – az OECD anyaga szerint – további akadályok súlyosbítják a helyzetet:  

a digitális és energetikai infrastruktúra hiánya, az alacsonyabb iskolázottsági szint és készségek, a korlátozott finanszírozási lehetőségek, valamint a szabályozási és intézményi keretek éretlensége. 

A tanulmány számszerűsíti ezeket: például a fiatalabb korstruktúra csak mérsékelt előnyt jelent (kb. 5-10 százalékkal növeli az MI-adaptációt), miközben az infrastruktúra-hiány és a tudásintenzív szektorok alacsony súlya negatívabb hatást gyakorol. Összességében az LIC/LMIC országokra jellemző tényezők többsége hátráltatja az adaptációt, így az MI inkább mélyítheti a globális termelékenységi szakadékot. 

Az OECD elemzése szerint, ahol megvannak a kiegészítő tényezők – például a stabil infrastruktúra, a magasabb szintű tanulási készségek, a megfelelő finanszírozás és az erős intézmények –, ott az MI valóban a termelékenység motorja lehet. A mesterséges intelligencia adaptációjától várható előnyök azonban erősen heterogének. Amíg a fejlettekben széles sávban szóródnak az előrejelzések, addig  

a szegényebb államokban az MI hozzájárulása a termelékenységnövekedéshez GDP-szinten mindössze évi 0,05–0,3 százalékpont körül mozoghat.  

A globális értékláncok hatása 

A globális termelékenységi szakadékot részben a nemzetközi kereskedelem és a globális értékláncok mélyítik. Az MI-technológiák és az MI-tudás egyre gyorsabban áramlik a világban (pl. olcsóbbá válik az MI-alapú termékek és szolgáltatások importja). Ez elvileg segíthet a szegényebb államoknak is, mert hozzájutnak fejlett technológiához anélkül, hogy maguknak kellene kifejleszteniük. Viszont ha egy országban gyenge az alkalmazkodóképesség (nincs megfelelő infrastruktúra, képzett munkaerő, vállalati rugalmasság), akkor  

az MI-hez kapcsolódó termékek és főképp digitális vagy pénzügyi szolgáltatások olcsó importnyomása miatt a hazai cégek versenyképessége tovább romlik. 

Azaz nehezebben tudnak exportálni, elvesztik a piacukat és nem tudják kihasználni az új technológiát. Így a technológiaáramlás helyett inkább azt  tapasztalják, hogy a gazdagabb országok még inkább profitálnak, a szegényebbek pedig lemaradnak. 

Mit ajánl az OECD? 

A tanulmány következtetései egyértelmű gazdaságpolitikai ajánlásokat fogalmaznak meg: rövid távon stabil energia- és digitális infrastruktúra kiépítése, készségfejlesztés, hozzáférhető finanszírozás és jól működő intézmények erősítése szükséges.  

Hosszabb távon alapvető fontosságú a korszerű technológiákhoz való hozzáférés biztosítása, az adatkezelési rendszerek összekapcsolhatósága, valamint a nemzetközi együttműködés a szabályozás terén. 

Mit érdemes tennünk? 

Magyarország nem tartozik az alacsony jövedelmű országok közé, de részint hasonló kihívásokkal szembesül. Itt is az a központi kérdés, hogy az MI által kínált többletnyereség, a termelékenységet javító használat, előny vajon beépül-e a vállalati termelékenységbe, vagy csupán könnyen elérhető, de jórészt kiaknázatlan technológiává válik-e. Nálunk is hasonló a fent már említett kockázati csokor: ha a kiegészítő feltételek – digitális és energia-infrastruktúra, készségek, finanszírozás, intézményi kapacitás – lassabban fejlődnek, mint az MI gyakorlati használata és hasznosulása a világ e téren vezető pontjain. Ebben az esetben a nagyobb hozzáadott érték jelentős része a gyorsabban alkalmazkodó országoknál landolhat. 

Érdemes tehát nálunk is a lehető legszélesebb gazdasági körben fókuszba helyezni az MI-adaptációt, különösen a kis- és középvállalatoknál, valamint a leginkább érintett munkakörökben. Ezen túl fókuszálni kell a készségfejlesztésre – beleértve az alapvető digitális és MI-kompetenciákat –, valamint a megbízható infrastruktúra bővítésére. Csak így érhető el, hogy Magyarország is az MI nyújtotta globális termelékenység nyertese legyen és kihasználhassa az általa kínált lehetőségeket. 

Kép: Freepik

Kapcsolódó: