Η παραγωγικότητα της βιομηχανίας στις ΗΠΑ βρίσκεται σε καθοδική πορεία για σχεδόν δύο δεκαετίες, αλλά οι αναλυτές της Goldman Sachs πιστεύουν ότι η τεχνητή νοημοσύνη—και όχι οι δασμοί—αποτελεί τη βιωσιμότερη λύση για την αντιστροφή αυτής της τάσης.
Οι αναλυτές της Goldman Sachs υποστηρίζουν ότι οι δασμοί δεν θα μειώσουν επαρκώς το κόστος της εφοδιαστικής αλυσίδας και της εργασίας ώστε να ενισχυθεί η επαναφορά της παραγωγής στις ΗΠΑ. Αντίθετα, προτείνουν ότι η αυξημένη αυτοματοποίηση θα είναι ο πιθανότερος μοχλός ανάπτυξης της παραγωγικότητας στη βιομηχανία. Οι ΗΠΑ θα πρέπει να στραφούν στην τεχνητή νοημοσύνη και τον αυτοματισμό για να αποκτήσουν πλεονέκτημα στη βιομηχανία, καθώς οι τεχνολογικές εξελίξεις μπορούν να προσφέρουν διπλό όφελος στην εγχώρια παραγωγικότητα—τόσο μέσω ενίσχυσης των επενδύσεων στα εργοστάσια όσο και μέσω βελτίωσης της τεχνολογίας αυτοματοποίησης.
«Η επιτάχυνση του ρυθμού καινοτομίας—ενδεχομένως λόγω των πρόσφατων εξελίξεων στη ρομποτική και την παραγωγική τεχνητή νοημοσύνη—παραμένει ο βασικός καταλύτης που μπορεί να αντιστρέψει τη μακροχρόνια στασιμότητα της παραγωγικότητας στη βιομηχανία», αναφέρει ο αναλυτής της Goldman Sachs, Joseph Briggs, και οι συνάδελφοί του στην έκθεσή τους. Αυτό συμβαίνει ενώ πληθαίνουν τα στοιχεία για επιβράδυνση της βιομηχανίας στις ΗΠΑ, συμπεριλαμβανομένων των στοιχείων της Υπηρεσίας Απογραφής των ΗΠΑ που δείχνουν μείωση 6,3% στις νέες παραγγελίες διαρκών βιομηχανικών αγαθών τον Απρίλιο, ενώ ο δείκτης PMI του Ινστιτούτου Διαχείρισης Προμηθειών έχει υποχωρήσει από τον Μάρτιο, υποδεικνύοντας συρρίκνωση.
Οι προκλήσεις στην παραγωγικότητα αποτελούν μέρος μιας ευρύτερης επιβράδυνσης στη βιομηχανία τα τελευταία είκοσι χρόνια, που οφείλεται στην υποχώρηση των επενδύσεων μετά την παγκόσμια χρηματοπιστωτική κρίση και στην επιβράδυνση των τεχνολογικών εξελίξεων που χαρακτήρισαν τις αρχές της δεκαετίας του 2000.
Οι ΗΠΑ έχουν μείνει πίσω σε σχέση με άλλες βιομηχανικές δυνάμεις στην ενσωμάτωση της τεχνητής νοημοσύνης στις εργοστασιακές λειτουργίες. Σύμφωνα με πρόσφατη έκθεση του Boston Consulting Group Henderson Institute, μόνο το 46% των αμερικανικών βιομηχανιών δήλωσαν ότι εφαρμόζουν πολλαπλά σενάρια χρήσης της τεχνητής νοημοσύνης στα εργοστάσιά τους, σημαντικά κάτω από τον παγκόσμιο μέσο όρο του 62% και πολύ πίσω από το 77% της Κίνας. «Αυτή είναι μία από τις βασικές τεχνολογίες που πιστεύω ότι μπορούν να οδηγήσουν σε αύξηση της παραγωγικότητας με ανταγωνιστικό κόστος», δήλωσε ο Briggs στο Fortune.
Παρά το δυναμικό, οι αναλυτές παραμένουν επιφυλακτικοί ως προς την πλήρη αντιστροφή της επιβράδυνσης στη βιομηχανία. «Πρέπει να το δούμε να συμβαίνει πριν αποκτήσουμε μεγάλη εμπιστοσύνη ότι αυτή η δυναμική θα αποτελέσει σημαντικό μοχλό», σημείωσε ο Briggs. Οι αναλυτές της Goldman Sachs παραδέχονται ότι, ενώ η αυτοματοποίηση προσφέρει τη μεγαλύτερη ευκαιρία για ανάπτυξη της παραγωγικότητας στη βιομηχανία των ΗΠΑ, είναι απίθανο να επιλύσει τη γενικότερη επιβράδυνση της βιομηχανίας, η οποία είναι παγκόσμια και «ιστορικά ασυνήθιστη». Οποιαδήποτε ελπίδα για παγκόσμια άνοδο της παραγωγικότητας θα απαιτούσε μαζική πρόοδο και υιοθέτηση της τεχνητής νοημοσύνης και της ρομποτικής σε μεγάλη κλίμακα. «Ο βασικός παράγοντας που θα οδηγούσε σε σημαντική άνοδο της παραγωγικότητας και της ανάπτυξης στη βιομηχανία θα ήταν μια απότομη αύξηση του ρυθμού καινοτομίας», εξηγεί ο Briggs, προσθέτοντας ότι «αυτού του είδους οι ανατροπές και η τεχνολογική πρόοδος είναι πολύ δύσκολο να προβλεφθούν».
Μέχρι το 2025, η αγορά τεχνητής νοημοσύνης στη βιομηχανία αναμένεται να φτάσει τα 8,57 δισεκατομμύρια δολάρια, από 5,94 δισεκατομμύρια το 2024, αντανακλώντας ετήσιο σύνθετο ρυθμό ανάπτυξης 44,2%. Η τεχνητή νοημοσύνη αναμένεται να αυξήσει την παραγωγικότητα κατά 40% έως το 2035, μεταμορφώνοντας τις επιχειρησιακές διαδικασίες μέσω αυτοματοποίησης κρίσιμων εργασιών, ανίχνευσης ελαττωμάτων και ενίσχυσης του ποιοτικού ελέγχου, δημιουργώντας τελικά πιο έξυπνες και αποδοτικές βιομηχανικές διαδικασίες.