Letos sem kot predavatelj sodeloval na dvaindvajsetih konferencah. Po vsebini, občinstvu in namenu so bile precej različne, vendar sem med njimi opazil zanimivo podobnost. Na skoraj vsaki je organizator ali uvodni govornik poudaril, da živimo v času vse hitrejših sprememb: enkrat zato, da bi pojasnil, zakaj je letošnja konferenca še posebej pomembna, drugič zato, da bi poudaril nujnost prilagajanja novim okoliščinam, tretjič kot opozorilo na izzive, ki nas čakajo v prihodnosti. Stavek je očitno uporaben skoraj ne glede na to, kaj piše v programu.
Sčasoma sem se začel spraševati, kaj pravzaprav pomeni. Ali se tehnologije res razvijajo vse hitreje? Ali pa smo vsak dan izpostavljeni vse več informacijam in zato dobivamo občutek, da se svet okoli nas neprestano spreminja? Morda pa se preprosto staram. Z leti imam vse več obveznosti, dnevi minevajo vse hitreje in vedno težje sledim vsemu, kar se dogaja. V letu 2026 je seveda težko spregledati umetno inteligenco.
Trditev o vse hitrejših spremembah je postala tako samoumevna, da se le redko vprašamo, ali sploh drži. Zato sem se odločil, da jo nekoliko podrobneje preverim.
Hitreje se po svetu širijo nove tehnologije. Svetovna organizacija za intelektualno lastnino (WIPO) je letos objavila analizo širjenja tehnologij v zadnjih 250 letih in ugotovila, da se je čas od njihovega izuma do prve uporabe v posameznih državah občutno skrajšal. Zlasti digitalne tehnologije lahko danes skoraj istočasno dosežejo uporabnike po vsem svetu, saj uporabljajo že obstoječo infrastrukturo. Toda hitrost širjenja tehnologije nam še ne pove, kako hitro se ta razvija ali kako temeljito spreminja gospodarstvo in družbo.
Prav tako nam ne pove, kako pogosto uporabniki zamenjamo svoje naprave. Corrocher in Paganuzzi (2025) navajata, da se je povprečni čas med zamenjavami pametnih telefonov na svetovni ravni med letoma 2013 in 2022 celo podaljšal z 2,4 na 3,7 leta. Proizvajalci vsako leto predstavljajo nove modele, uporabniki pa telefone v povprečju menjavamo redkeje.
Količina digitalnih podatkov je medtem silovito narasla. Po ocenah raziskovalne družbe IDC se je letna količina ustvarjenih, zajetih in kopiranih digitalnih podatkov med letoma 2010 in 2020 povečala približno 32-krat. Velik del predstavljajo kopije in samodejno ustvarjeni zapisi, zato te rasti ne smemo enačiti z enakim povečanjem količine novih informacij ali spoznanj.
Spreminja pa se tudi to, kako dolgo posamezne teme zadržijo našo pozornost. Lorenz-Spreen in sodelavci (2019) so proučevali dinamiko kolektivne pozornosti v knjigah, pri filmih, znanstvenih citatih in na družbenih omrežjih. V večini proučevanih okolij so opazili, da teme vse hitreje pridobivajo in izgubljajo pozornost javnosti. Na Twitterju je posamezni ključnik leta 2013 med petdesetimi najbolj priljubljenimi v povprečju ostal 17,5 ure, leta 2016 pa le še 11,9 ure. Raziskovalci pojav povezujejo z naraščajočo količino vsebin, ki tekmujejo za omejeno pozornost. Svet, o katerem vsakih nekaj minut preberemo nekaj novega, se nam bo razumljivo zdel hitrejši od sveta, ki smo ga pred nekaj desetletji spremljali predvsem v časopisih in večernem televizijskem dnevniku.
Toda hitrejši pretok informacij se ne odraža nujno v tempu našega vsakdanjega življenja. Sociologa Oriel Sullivan in Jonathan Gershuny (2018) sta primerjala britanske dnevnike porabe časa iz let 2000 in 2015. Proučevala sta razdrobljenost dneva, sočasno opravljanje različnih dejavnosti in občutek časovnega pritiska. Dokazov za splošno povečevanje časovnega pritiska nista našla, prav tako ne splošne povezave med uporabo digitalnih naprav in občutkom naglice. Brad Aeon (2026) je na podlagi ameriških podatkov za obdobje 2003–2019 ugotovil celo zmanjševanje števila različnih dnevnih dejavnosti in prehajanja med lokacijami. V dveh anketnih merjenjih se je delež Američanov, ki so poročali, da se jim vedno mudi, med letoma 2004 in 2016 zmanjšal z 31 na 22 odstotkov. Dnevniki sicer ne zabeležijo vsakega pogleda na telefon ali kratke prekinitve dela, vendar podatki ne potrjujejo splošnega prepričanja, da postaja naš vsakdan vse bolj hektičen.
Moj uvodni sum, da se morda le staram, se ob tem izkaže za napol pravilnega. Janssen, Naka in Friedman (2013) so 868 ljudi vprašali, kako hitro jim je minil zadnji teden, mesec, leto in desetletje. Starost na odgovore ni vplivala, razen pri ocenjevanju zadnjega desetletja. Precej pomembnejši je bil časovni pritisk. Ljudem, ki so ga občutili v sedanjosti, so se krajša obdobja zdela hitrejša, tistim, ki so poročali o velikem pritisku pred desetimi leti, pa se je zdelo, da je hitro minilo celotno desetletje. Udeleženci so poleg tega sistematično podcenjevali časovni pritisk iz preteklosti, zato so se jim pretekla leta zdela mirnejša, kot so bila v resnici. Eibach, Libby in Gilovich (2003) so ugotovili še, da ljudje spremembe v lastnem življenju včasih zaznavamo kot spremembe sveta okoli nas.
Svet presojamo po hitrosti njegove najhitrejše plasti. Nove aplikacije, tehnološke napovedi in novice so neprestano pred našimi očmi in zato pritegnejo precej več pozornosti kot počasnejše spremembe v gospodarstvu, institucijah ali našem vsakdanjem življenju. Pri tem lahko deluje tudi hevristika razpoložljivosti, ki sta jo opisala Tversky in Kahneman (1973): pri presoji se opiramo na primere, ki si jih najlažje prikličemo v spomin. Tako lahko hitrost najopaznejših sprememb pripišemo celotnemu svetu.
Nekateri kazalniki gospodarske dinamike kažejo celo upočasnjevanje. Calvino, Criscuolo in Verlhac (2020) so na podatkih iz 18 držav OECD ugotovili dolgoročno zmanjševanje podjetniške dinamike, med drugim pri ustanavljanju novih podjetij in prerazporejanju delovnih mest. Molloy in sodelavci (2016) so z več različnimi merili dokumentirali dolgoročno upadanje mobilnosti ameriškega trga dela. Zaposleni so v proučevanem obdobju vse redkeje menjavali delodajalce in se selili, staranje prebivalstva pa je pojasnilo le del tega upada. Schumpetrovega ustvarjalnega uničevanja je v teh statistikah manj, kot bi sklepali po konferenčnih napovedih o nenehnih prelomnih spremembah.
Tudi na področju znanstvenega raziskovanja so nekateri trendi drugačni, kot bi pričakovali. Bloom in sodelavci (2020) so proučevali produktivnost znanstvenega in tehnološkega raziskovanja. Za ohranjanje Moorovega zakona, po katerem se gostota tranzistorjev na računalniških čipih podvoji približno vsaki dve leti, je potrebnih več kot osemnajstkrat toliko raziskovalcev kot v zgodnjih sedemdesetih letih. Podobno upadanje raziskovalne produktivnosti avtorji ugotavljajo tudi v širšem ameriškem gospodarstvu, kjer se je po njihovih ocenah v povprečju razpolovila približno vsakih trinajst let. Raziskovalcev je vse več, vsak korak naprej pa zahteva več dela.
Toda Bloomova raziskava opisuje obdobje pred razmahom generativne umetne inteligence. Prav na področju znanstvenega raziskovanja bi se lahko dosedanji trendi zdaj bistveno spremenili. Oktobra 2026 je OpenAI objavil več kot 700 matematičnih rokopisov, ki jih je ustvaril njegov interni model umetne inteligence. Med njimi so tudi predlagane rešitve zahtevnih odprtih matematičnih problemov, del rezultatov pa spremljajo računalniško preverljivi dokazi. Vendar vsi rezultati še niso neodvisno preverjeni, tri rokopise pa so že naslednji dan umaknili zaradi odkrite napake. Kljub temu takšen razvoj odpira vprašanje, ali bomo za ustvarjanje novih znanstvenih spoznanj tudi v prihodnje potrebovali vse več človeškega raziskovalnega dela.
Pri posameznih poklicnih nalogah so učinki generativne umetne inteligence že precej natančneje izmerjeni. Noy in Zhang (2023) sta v eksperimentu s 453 visoko izobraženimi strokovnjaki ugotovila, da so udeleženci s pomočjo ChatGPT-ja za določene pisne naloge porabili v povprečju 40 odstotkov manj časa, kakovost izdelkov pa je bila ocenjena za 18 odstotkov bolje. Brynjolfsson, Li in Raymond (2025) so spremljali 5.172 zaposlenih v podpori strankam in ugotovili, da so s pomočjo umetne inteligence rešili povprečno 15 odstotkov več primerov na uro. Največ so pridobili manj izkušeni zaposleni, pri najizkušenejših pa so bili učinki precej skromnejši.
Ekonomski zgodovinar Paul David (1990) je na primeru elektrifikacije pokazal, da lahko med pojavom nove tehnologije in njenimi širšimi gospodarskimi učinki mine več desetletij. Ameriške tovarne so električne motorje uporabljale že konec 19. stoletja, večji produktivnostni učinki pa so se pokazali šele v dvajsetih letih 20. stoletja, ko so proizvodnjo in organizacijo dela prilagodile novi tehnologiji. Umetna inteligenca ima pri širjenju veliko prednost: uporabiti jo je mogoče po omrežjih, ki že obstajajo. Preoblikovanje podjetij, delovnih procesov in institucij pa je zahtevnejša naloga. Kako hitro bo umetna inteligenca posegla tudi v te počasnejše plasti družbe, za zdaj še ne vemo.
Ko bom na naslednji konferenci ponovno slišal, da živimo v času vse hitrejših sprememb, bom vedel vsaj to, da ta ugotovitev ni posebej nova. Marx in Engels sta že leta 1848 pisala o nenehnem spreminjanju proizvodnje in družbenih razmerij. Henry Adams je na začetku 20. stoletja razmišljal o zakonu pospeševanja, Alvin Toffler pa je leta 1970 svaril pred šokom prihodnosti, ki naj bi ga povzročale prehitre spremembe. Presenetljivo malo pa se je v skoraj dveh stoletjih spremenilo naše prepričanje, da se vse spreminja vedno hitreje.
Pri pisanju te kolumne sem uporabil več raziskav in podatkov kot pri kateri koli doslej. Umetna inteligenca mi je omogočila, da sem v razmeroma kratkem času poiskal in primerjal toliko različnih virov, da se takšnega raziskovanja za eno kolumno še pred nekaj leti verjetno sploh ne bi lotil. Po vsem prebranem še vedno nisem prepričan, ali se svet kot celota res spreminja vse hitreje. Preverjal pa sem to s tehnologijo, ki je v zadnjih treh letih temeljito spremenila moj način dela.
Članki izražajo stališča avtorjev, in ne nujno organizacij, v katerih so zaposleni, ali uredništva portala IUS-INFO.
Pogovor z LEXI
