A mesterséges intelligencia rohamos terjedése alapjaiban formálja át a gazdasági növekedésről szóló várakozásokat. Cikkünkben bemutatjuk, hogy az AI milyen csatornákon keresztül járulhat hozzá a gazdasági növekedéshez, mely tényezők erősíthetik vagy éppen mérsékelhetik a hatását, valamint azt is megvizsgáljuk, miért lehet Európa a mesterséges intelligencia térnyerésének nyertese az Egyesült Államokkal szemben, és miért számíthat Magyarország csak korlátozott előnyökre az AI-forradalom idején.

A 2010-es évek után a fejlett országok egy új kihívással találták szemben magukat, az olyan látványos technológiai újítások, mint a web 2.0, a felhőalapú adatszolgáltatás, az okostelefonok, az e-kereskedelem térnyerése, az okoseszközök, az online meetingek vagy éppen a gépi tanulás, nem tükröződtek a termelékenységi mutatókban.

Hogy ennek pontosan mi az oka, máig nem teljesen ismert, ezért nevezzük ezt a jelenséget termelékenységi rejtélynek.

Az alábbi grafikon szemlélteti a problémát, hiszen 2010 után a termelékenység növekedése gyakorlatilag megtorpant, és a fejlett országok közül csak az Egyesült Államok volt képes érdemi előrelépést felmutatni az évtized végére. A fenti eseményekben 2022-ben következett be fordulat. A ChatGPT debütálásával minden figyelem a mesterséges intelligencia felé irányult, amelytől sokan azt várják, hogy végre tartósan megoldást nyújt a termelékenységi rejtélyre, ezzel együtt a gazdasági problémákra.

A fentiekhez tegyük hozzá, hogy a mesterséges intelligencia termelékenységre gyakorolt hatása azért kulcsfontosságú, mert a közgazdasági modellek szerint ez az egyetlen olyan tényező, amely hosszú távon is fenntartható módon képes biztosítani a gazdasági növekedést. Habár a gazdasági növekedés sok mindenből fakadhat, például dolgozhat több ember, vagy lehet több gépet, épületet, eszközt használni, de ezeknek a hozzájárulása idővel csökkenő hozadékot mutat.

Ezért a hosszú távú növekedést nem a több ember vagy több tőke hozza, hanem az, ha ugyanazzal az erőforrással többet tudunk előállítani, vagyis ha nő a termelékenység (bővebb magyarázathoz lásd Solow-modell).

A mesterséges intelligenciától tehát éppen azt várják, hogy képes legyen látványosan növelni a hatékonyságot. Olyan ez, mintha a gyárban nem egyszerűen több munkás, hanem okosabb gépek jelennének meg, amelyek gyorsabban, pontosabban és olcsóbban végzik el a feladatokat. Ha ez a forgatókönyv valóra válik, akkor a termelékenység tartósan emelkedhet, és vele együtt a gazdasági növekedés is fenntarthatóbbá és erősebbé válhat.

Mekkora gazdasági növekedést hozhat az AI?

Jelenleg azt tapasztalhatjuk, hogy a mesterséges intelligencia gazdasági hatásairól szóló előrejelzések között hatalmas szakadék tátong. Amíg az AI-iparág szereplői és a nagy elemzőházak kifejezetten optimista forgatókönyveket vázolnak fel, addig a tudományos vizsgálatok jóval visszafogottabb becsléseket adnak. Például a Goldman Sachs szerint a mesterséges intelligencia a következő tíz évben mintegy 7 százalékkal növelheti a globális GDP-t, ami évente átlagosan körülbelül 1,5 százalékos termelékenységi többletet jelentene. A McKinsey Global Institute előrejelzései még ennél is ambiciózusabbak. Elemzésük szerint, a generatív AI-t más automatizációs technológiákkal együtt vizsgáljuk, akkor a fejlett gazdaságokban a következő évtizedben évente 1,5-3,4 százalékponttal gyorsabb GDP-növekedést hozhat az AI.

A tudományos világban ezzel szemben akadnak kifejezetten pesszimista vélemények is, így például Robert Gordon szerint a termelékenység növekedési üteme az elmúlt évtizedekben látványosan elmaradt az 1930-1970 közötti aranykortól, és a jövőben sem várható érdemi gyorsulás, mert az új technológiák kifejlesztése egyre nehezebb, és azok hatása a termelékenységre egyre kisebb (Gordon 2016). Hasonló következtetésre jutottak Bloom és szerzőtársai (2020) is, akik szerint ugyanakkora termelékenységnövekedés eléréséhez ma húszszor több kutatóra van szükség, mint száz évvel ezelőtt.

A Nobel-díjas közgazdász, Daron Acemoglu szerint a mesterséges intelligencia gazdasági hatása valahol a túlzott optimizmus és a mély pesszimizmus között alakulhat a jövőben. Véleménye szerint az AI okozta termelékenységnövekedés meg fog jelenni a makrogazdasági adatokban, de az intézményi, társadalmi és környezeti szűk keresztmetszetek miatt a folyamat lassú és tompított lesz. A szűk keresztmetszetek megértéséhez gondoljuk arra, hogy bár az elmúlt 30-50 évben a gépjárművek technológiája rengeteget fejlődött, de ha a közlekedés eredeti célját (A pontból B pontba jutni) nézzük, alig tapasztalunk hatékonyságnövekedést. Hiába gyorsabbak az autók, ha a közlekedési szabályok, az úthálózat minősége vagy éppen a zsúfoltság nem változott. Ehhez tegyük hozzá, hogy számos történelmi példa azt mutatja, hogy az új technológiák csak lassan nyernek teret, mert mindig intézményi és társadalmi akadályokba ütköznek.

Acemoglu számításai szerint, ha a mesterséges intelligenciába irányuló beruházások a jövőben hasonló ütemben haladnak, mint az automatizáció térnyerésének időszakában, akkor a következő tíz évben a TFP-növekedés felső határa 0,7% lesz, miközben a mesterséges intelligencia 0,9-1,1 százalékponttal járulhat hozzá a GDP növekedéséhez az Egyesült Államokban. Nagyobb beruházási intenzitás mellett ugyanakkor akár 1,6–1,8 százalékpontos hozzájárulás is elérhető.

Mitől függ az AI gazdasági növekedésre gyakorolt hatása?

A mesterséges intelligencia termelékenységre és gazdasági növekedésre gyakorolt hatása alapvetően néhány kulcstényezőtől függ.

Ezek közül a legfontosabb kérdés, hogy mennyivel képes növelni az AI a hatékonyságot. Amikor ugyanis egy feladatot nem ember, hanem a mesterséges intelligencia lát el, az a vállalat számára közvetlen munkaerőköltség-megtakarítást eredményez. Ez a megtakarítás a termelékenységben is tükröződik, hiszen ha kevesebb bérköltség szükséges egy egységnyi kibocsátáshoz, akkor az adott feladat költséghatékonyabbá válik, és növeli az összesített teljes tényezőtermelékenységet (TFP). Ezzel együtt ma már számos kísérlet bizonyítja, hogy az AI alkalmazása jelentős hatékonyságnövekedést eredményez, de a becslések nagyon széles sávban mozognak:

• bizonyos esetekben a javulás csupán 14% (például taxisofőröknél),
• míg más területeken, mint a szoftverfejlesztés, az AI több mint 50% költségmegtakarítást is eredményezhet.

A legtöbb makrogazdasági modell a különböző kísérletek átlagos eredményeire támaszkodik, amelyek szerint a mesterséges intelligencia mintegy 27%-os munkaerő-megtakarítást eredményezhet.

Ugyanakkor a mesterséges intelligencia gazdasági hatásait nemcsak az határozza meg, hogy mekkora hatékonyságnövekedést okoz, hanem az is, hogy a vállalatok milyen gyorsan és milyen mértékben vezetik be az AI-megoldásokat. Ez a második legfontosabb tényező, az elfogadottsági ráta. Ezzel kapcsolatban azt látjuk, hogy nem minden szakma és iparág alkalmas egyformán az AI bevezetésére. Ahol sok a rutinszerű, ismétlődő feladat, ott az automatizáció hamarabb és könnyebben megvalósítható. Más ágazatokban (például a kreatív munkakörökben) lassabb vagy korlátozottabb lehet az AI terjedése. Továbbá az elfogadottsági ráta szoros kapcsolatban áll a bérek szintjével. Magas bérszintű országokban erősebb a motiváció az automatizációra, hiszen a cégek számára nagyobb megtakarítást jelent, ha bizonyos feladatokat az AI vesz át. Ezekben az országokban a mesterséges intelligencia nagyobb termelékenységi ugrást hozhat. Ezzel szemben az alacsony bérszintű gazdaságokban gyengébb az ösztönző, ezért ott az AI hatása is mérsékeltebb.

A harmadik tényező az iparági szerkezet, hiszen vizsgálatok azt mutatják, hogy a mesterséges intelligencia jelenlegi változatait elsősorban azok az országok tudják jobban kihasználni, ahol a szolgáltató, a pénzügyi vagy az informatikai szektor nagyobb súlyt képvisel. Ezekben az ágazatokban rengeteg a rutinszerű feladat, amelyet könnyen és gyorsan át lehet adni a mesterséges intelligenciának. Ehhez szorosan kapcsolódik a negyedik tényező, az iparágakon belüli munkakör-összetétel. Ha egy ágazaton belül sok az adminisztratív vagy ismétlődő jellegű munka, ott a mesterséges intelligencia viszonylag egyszerűen tud hatékonyságnövekedést hozni. Ha azonban a munkakörök inkább kreatív vagy fizikai jellegűek, a mesterséges intelligencia szerepe jóval korlátozottabb, így a gazdasági nyereség is szerényebb marad.

Európa a nyertesek között?

A legtöbb hatástanulmány a fenti tényezők alapján próbálja megbecsülni, hogy a mesterséges intelligencia mekkora lökést adhat a termelékenységnek, és azon keresztül a gazdasági növekedésnek. A becslések közül kiemelkedik Acemoglu fentebb idézett vizsgálata, amely szerint az Egyesült Államokban középtávon mindössze 0,7 százalékos kumulatív TFP-növekedés várható. Európára vonatkozóan azonban eddig nem születtek átfogó becslések.

Ezt a hiányt pótolja az IMF kutatási programjában, Florian Misch vezetésével készült tanulmány, amely az Acemoglu-féle megközelítés mellett további kilenc módszert alkalmazva, összesen 44 forgatókönyv alapján vizsgálta az Európai Unió tagállamainak mesterségesintelligencia-kitettségét és az AI termelékenységre gyakorolt lehetséges hatásait. Az alábbi ábra az Acemoglu-féle módszertan alapján készült becsléseket mutatja. Ezek szerint az Európai Unióban a következő öt évben magasabb teljes tényezőtermelékenység (TFP) növekedés várható, mint az Egyesült Államokban – ezt szemlélteti a fekete (EU) és a piros (USA) vonal közötti különbség.

A kép azonban korántsem egységes, hiszen azt láthatjuk, hogy a fejlett, magas bérszintű országok profitálhatnak a legtöbbet az AI elterjedéséből, és a legkisebb termelékenységi nyereség Romániában, Lengyelországban, Litvániában, Máltán és Magyarországon várható. Könnyen elképzelhető tehát, hogy az Európai Unió összességében valamivel nagyobb hasznot húz majd a mesterséges intelligencia bevezetéséből, mint az Egyesült Államok.

Azonban ennek elsődleges oka az iparági szerkezetben keresendő, mivel Európában nagyobb arányt képviselnek a fehérgalléros szolgáltatások, amelyek különösen alkalmasak az AI által végzett automatizációra.

Acemoglu modelljével a kép azonban nem teljes, rajta kívül további kilenc tudományos megközelítés is létezik arra, hogyan becsülhető meg a mesterséges intelligencia gazdasági növekedésre gyakorolt hatása. Ehhez még adjuk hozzá, hogy a jövőben eltérő AI-adoptációs ráták eltérő forgatókönyveket adnak, illetve a mesterséges intelligencia által elérhető költségmegtakarítás mértéke is változhat.

Mindezek kombinációja összesen 44 különböző forgatókönyvet eredményez, melyek eredményeit az alábbi grafikon minden ország esetében boxplot formában szemléltet.

A „gyertyák kanócai” a legszélsőségesebb értékeket jelölik, a „gyertyák teste” a középső tartományt (a 25. és a 75. percentil közötti értékeket, a középső 50%-ot) foglalja magába, míg a piros vonal a mediánt mutatja, vagyis a 44 forgatókönyv közül a rangsor középső értékét. Az ábra segítségével a ma elérhető legelismertebb tudományos módszertanokon alapuló becsléseket tekinthetjük át, egyszerre szemléltetve az AI által elérhető várható termelékenységi nyereség mértékét, és az ezzel kapcsolatos előrejelzési bizonytalanságot országonkénti bontásban.

Az ábra arra is rávilágít, hogy az AI gazdasági növekedésre gyakorolt hatásai jóval bizonytalanabbak a fejlett országokban. Ezekben az országokban a termelékenység akár 3-5 százalékkal is emelkedhet, de az sem kizárt, hogy a mesterséges intelligencia hatása végül alig lesz érezhető.

Ezzel szemben a grafikon bal oldalán szereplő országok (köztük Magyarország) esetében a becsült hatás szerényebb, és az előrejelzések szórása is jóval kisebb. Ennek elsődleges oka a magyar bérek EU-átlag alatti szintje, ami mérsékli az AI-adopciós rátát, azaz a vállalatoknak kevesebb költségmegtakarítási ösztönzőjük van az AI széles körű bevezetésére, mint Nyugat-Európában.

Az eredmények tehát arról árulkodnak, hogy a mesterséges intelligencia középtávon mérsékelt, de kézzelfogható termelékenységi növekedést hozhat Európában és az Egyesült Államokban. A kutatók becslése alapján a következő öt évben az AI mintegy 1,1 százalékkal növelheti az összesített termelékenységet az Európai Unióban, ami ugyan csekélynek tűnik, de így is közel 60 százalékkal meghaladja az Egyesült Államokra vonatkozó hasonló előrejelzést.

A különbség elsősorban abból fakad, hogy Európában a gazdasági szerkezet kedvezőbb az AI alkalmazása szempontjából, azaz nagyobb arányt képviselnek azok a fehérgalléros szolgáltatások, ahol az új technológiák könnyebben bevezethetők. A hatások azonban erősen eltérnek országonként. A magasabb jövedelmű országok, mint Luxemburg, Norvégia vagy Svájc sokkal többet nyerhetnek, hiszen a magasabb bérek erősebb ösztönzést jelentenek a vállalatok számára az AI bevezetésére.

Ezzel szemben az alacsonyabb bérszínvonalú tagállamokban a nyereség jóval kisebb lehet, így a mesterséges intelligencia akár lassíthatja is a jövedelmi konvergenciát, a felzárkózást.

A fentiekből az olvasó is érzékelheti, hogy az AI-gazdasági hatásairól szóló becslések mögött jelentős bizonytalanság húzódik meg. Ennek okairól fentebb részletesen beszéltünk, illetve további olyan tényezőket sem vettünk figyelembe, mint például az AI-rendszerek költségei (a drága chipektől kezdve az energiaigényen át a működtetésig), melyek ma még rendkívül magasak. Ha azonban az árak csökkennek, az AI elterjedése és a termelékenységi nyereség mértéke akár sokszorosára is nőhet. Amíg tehát rövid távon inkább mérsékelt hatásokra számíthatunk, hosszabb távon a mesterséges intelligencia mélyreható gazdasági átalakulást indíthat el. Új iparágak és értékláncok születhetnek, a kutatás-fejlesztés üteme felgyorsulhat, és mindezek révén Európa akár tartós növekedési előnyökhöz juthat.

---

A szerző Nagy Attila Zoltán, Elemzésközpont.hu, PTE KTK ESG kutatócsoport

Források

Acemoglu, D. (2024). The simple macroeconomics of AI (MIT Department of Economics Working Paper). Massachusetts Institute of Technology.

Bloom, N., Jones, C. I., Van Reenen, J., & Webb, M. (2020). Are ideas getting harder to find? American Economic Review, 110(4), 1104–1144.

Chui, M., Hazan, E., Roberts, R., Singla, A., Smaje, K., Sukharevsky, A., Yee, L., & Zemmel, R. (2023). The economic potential of generative AI: The next productivity frontier. McKinsey & Company.

Goldman Sachs. (2023). Generative AI could raise global GDP by 7 percent. Goldman Sachs Research.

Gordon, R. J. (2016). Perspectives on the rise and fall of American growth. American Economic Review, 106(5), 72–76.

Misch, F., Park, B., Pizzinelli, C., & Sher, G. (2025). Artificial intelligence and productivity in Europe (IMF Working Paper WP/25/67).