Erik Brynjolfsson vom Stanford Digital Economy Lab

Erik Brynjolfsson hat eine Herausforderung für alle, die sich um künstliche Intelligenz sorgen: Hören Sie auf zu fragen, was KI mit uns machen wird, und fragen Sie stattdessen, was wir mit KI machen werden. In dieser Folge von Ich, ich selbst und AIerklärt der Wirtschaftswissenschaftler der Stanford University, warum Technologie nicht das größte Hindernis für Fortschritt ist – sondern Menschen, Organisationen und Institutionen. Gestützt auf neue Forschungsergebnisse zu den Auswirkungen von KI auf Arbeitsplätze, Produktivität und Wirtschaftswachstum argumentiert er, dass die Zukunft nicht vorbestimmt ist: Sie wird von den Entscheidungen geprägt, die wir heute treffen. Dies ist ein aktuelles Gespräch über menschliche Handlungsfähigkeit, gemeinsamen Wohlstand und warum die wichtigsten KI-Durchbrüche möglicherweise weniger mit Technologie zu tun haben als damit, wie wir sie nutzen.

Abonnieren Ich, ich selbst und AI auf Apple Podcasts oder Spotify.

Abschrift

Allyson Ryder: Der heutige Gast hat eine kühne Provokation: KI wird nicht von der Technologie zurückgehalten. Sie wird von uns zurückgehalten. Neugierig, wie? Finden Sie es jetzt heraus.

Erik Brynjolfsson: Ich bin Erik Brynjolfsson von Stanford, und Sie hören Ich, ich selbst und AI.

Sam Ransbotham: Willkommen bei Ich, ich selbst und AI, ein Podcast von MIT Sloan Management Review die Zukunft der künstlichen Intelligenz erforschen. Ich bin Sam Ransbotham, Professor für Analytik am Boston College. Ich forsche über Daten, Analytik und KI bei MIT SMR seit 2014 mit Forschungsartikeln, jährlichen Branchenberichten, Fallstudien und nun 13 Staffeln Podcast-Episoden. In jeder Episode sprechen Unternehmensführer, führende Forscher und KI-Politikgestalter mit uns darüber, was KI-Hype von KI-Erfolg unterscheidet.

Heute spreche ich mit Erik Brynjolfsson, der das Stanford Digital Economy Lab leitet und untersucht, wie Menschen Technologie im Allgemeinen und jetzt speziell KI nutzen. Er versucht darüber nachzudenken, wie Technologie die Wirtschaft und Arbeit beeinflusst. Sein Buch Das zweite Maschinenzeitalter hat diese Debatte maßgeblich geprägt. Und sein Team hat kürzlich „Canaries in the Coal Mine?“ veröffentlicht, ein Forschungspapier darüber, was mit Berufseinsteigern passiert. Erik und ich treffen uns ein paar Mal im Jahr beim National Bureau of Economic Research, und er bringt immer etwas zur Sprache, das ich nicht bedacht hatte. Kein Druck, Erik, aber ich erwarte heute dasselbe.

Erik Brynjolfsson: Es ist gut, hier zu sein, Sam.

Sam Ransbotham: Willkommen zur Show. Beginnen wir mit dem Stanford Digital Economy Lab. Können Sie uns einen kurzen Überblick geben, was das Labor macht?

Erik Brynjolfsson: Gerne. Wir untersuchen die digitale Wirtschaft. … Ich habe meine Zeit am MIT geliebt. Ich war dort über 25 Jahre, aber jetzt bin ich hier im Silicon Valley, dem Epizentrum der KI-Revolution. Wir konzentrieren uns darauf, wie KI und andere digitale Technologien die Wirtschaft verändern. Die Prämisse des Labors und meiner Arbeit, meiner Karriere, ist, dass die Technologie sehr schnell voranschreitet. Die Fähigkeiten sind erstaunlich. Gleichzeitig schreitet unser wirtschaftliches Verständnis bei weitem nicht schnell genug voran. Unsere wirtschaftlichen Institutionen, Fähigkeiten, Organisationen halten nicht Schritt. Meine Aufgabe ist es, zu versuchen, diese Lücke zu schließen.

Sam Ransbotham: Es sind diese lästigen Menschen. Die Technologie bewegt sich schnell. Organisationen und Menschen bremsen uns aus, nehme ich an, das ist die Zusammenfassung.

Erik Brynjolfsson: Das stimmt. Ein Großteil Ihrer Arbeit hat das auch hervorgehoben, und wir tun, was wir können, um Schritt zu halten.

Sam Ransbotham: Ich dachte an die Wettlauf gegen die Maschine Buch und … „Kanarienvögel“ heute. Was verbindet all das?

Erik Brynjolfsson: „Rennen gegen die Maschine“ … lautete die Schlagzeile. Die Schlussfolgerung war, dass wir mit Maschinen rennen sollten, nicht gegen Maschinen. Und das habe ich immer wieder betont – es gibt eine Chance für Menschen und Maschinen, zusammenzuarbeiten. Es passiert nicht automatisch. Es gibt viele Entscheidungen, die wir treffen müssen, aber die Technologie ermöglicht alle möglichen neuen Möglichkeiten. Diese zu erfinden und zu entdecken, ist ein großer Teil dessen, was wir Menschen tun müssen.

Sam Ransbotham: Ich mag den Teil mit den Entscheidungen, weil ich denke, dass es so leicht für uns ist, in die Umgangssprache zu verfallen und zu sagen: „KI macht dies, Technologie macht das.“ Ich weiß, dass du dagegen warst.

Erik Brynjolfsson: Das ist genau richtig. Es ist wahrscheinlich eine der häufigsten Fragen, die ich bekomme: „Was wird KI mit uns machen? Was wird KI als Nächstes bewirken?“ Ich sage dann: „Moment mal, die Prämisse deiner Frage ist falsch. Es heißt: ‚Was werden wir mit KI machen?‘“

Dies ist ein unglaublich mächtiges Werkzeug, wohl das mächtigste Werkzeug, das wir Menschen je hatten. Fast per Definition bedeutet das, dass wir mehr Fähigkeiten haben, die Welt zu verändern, als je zuvor. Also lasst uns darüber nachdenken, wie wir das nutzen wollen. Es stellt sich heraus, dass unsere Werte, unsere Entscheidungen jetzt mehr zählen als in der Vergangenheit, weil wir diese Fähigkeit haben, einen wirklich großen Eindruck im Universum zu hinterlassen, im Guten wie im Schlechten.

Sam Ransbotham: Ja, im Guten wie im Schlechten. Ich denke, das wird wahrscheinlich ein paar Mal zur Sprache kommen, während wir hier reden.

Ich habe darüber nachgedacht, wie viel du in dem frühen Wettlauf gegen die Maschine Buch richtig hattest. Aber das ist als Akademiker nicht interessant. Was, denkst du, hast du falsch gemacht? Was hat dich überrascht? Was hat sich anders entwickelt, als du es vor 16 Jahren oder vor 15 Jahren gedacht hast?

Erik Brynjolfsson: Nun, zuallererst, da wir darüber sprechen, was wir falsch gemacht haben, sollte ich betonen, dass dies zusammen mit Andy McAfee geschrieben wurde, zusammen mit Das zweite MaschinenzeitalterEr war bei vielen meiner Projekte ein Partner.

Was haben wir falsch gemacht? Wir haben uns einige Fortschritte angesehen – ich möchte besonders hervorheben, in Das zweite Maschinenzeitalterhaben wir damit begonnen, eine Fahrt in Googles selbstfahrendem Auto zu machen. Eigentlich war es 2012, direkt nachdem wir Wettlauf gegen die Maschinegeschrieben hatten, fuhren wir von Mountain View nach San Francisco. Ich muss sagen, ich dachte: „Wow, selbstfahrende Autos sind gleich um die Ecke“, metaphorisch, und ich dachte, es würde sehr schnell passieren. Es hat offensichtlich länger gedauert. Ich fahre hier in der San Francisco Bay Area und in der Stadt ziemlich oft in selbstfahrenden Autos mit. Sie haben sie schon eine Weile, und jetzt sind sie auch nach Palo Alto gekommen, und man kann sie die ganze Strecke auf der Autobahn fahren. Aber das ist 15 Jahre später.

Es hat eine Weile gedauert, und ich denke, ich war da zu optimistisch. Das heißt, ich denke, ich habe unterschätzt, wie schnell die Technologie in anderer Hinsicht voranschreiten würde. Die Art und Weise, wie du und ich mit [großen Sprachmodellen] sprechen können, sei es ChatGPT oder Gemini oder Claude, und sie Arbeit erledigen lassen, hätte ich nicht erwartet, dass das so schnell passiert. Ich meine, im Grunde hätte ich das als [künstliche allgemeine Intelligenz] betrachtet, wenn du mich 2012 oder 2015 gefragt hättest. Es ist also ziemlich cool, dass man wirklich gute Ratschläge von ihnen bekommen kann. Wir alle wissen, dass sie immer noch halluzinieren und Fehler machen, aber das tun wir Menschen auch. Im Durchschnitt sind sie wirklich ziemlich gut. Das ist also schneller passiert. Da haben wir uns ein bisschen geirrt.

Der enttäuschendste Teil ist dann: Schau, ich wusste, dass wir nur darüber sprachen, wie sich menschliche Institutionen langsamer ändern als Technologie. Aber oh mein Gott, ich hatte nicht erwartet, dass es so viel langsamer ist. Manchmal kommt es mir fast so vor, als würde es sich rückwärts bewegen. Das war also ziemlich enttäuschend, dass unsere politischen Institutionen, unsere Unternehmen, Organisationen nicht Schritt halten. Die Produktivität wächst nicht schneller als zu Beginn dieser KI-Revolution, vielleicht ein bisschen, wenn man genau hinsieht. Aber wir setzen diese Fähigkeiten nicht wirklich in bessere Geschäftsergebnisse oder die Art von Vorteilen um, die wir uns alle erhoffen.

Sam Ransbotham: Ich bin in Palo Alto in einem der automatisierten Autos mitgefahren, bei dem letzten Treffen, wo ich dich gesehen habe. Es wurde sehr schnell langweilig. Ich war ein paar Sekunden fasziniert und dann sehr schnell gelangweilt. Du hast angesprochen, dass das vor ein paar Jahren AGI gewesen wäre, oder LLM-Sachen wären vor ein paar Jahren AGI gewesen, aber das ist es nicht mehr. Wie viel davon ist eine Art „Frosch kochen“, wir gewöhnen uns an diese Technologien, es braucht noch mehr, um uns zu beeindrucken? Ist das ein Teil davon? Ist es ein Messproblem? Ist es eine J-Kurve, auf die wir gleich zurückkommen werden? Alles davon? Nichts davon?

Erik Brynjolfsson: Alles davon. Ein Teil davon ist, wie du gesagt hast, dass man sich im selbstfahrenden Auto langweilt; die ersten Minuten sind irgendwie beängstigend und aufregend, und dann ist es spannend. Und dann, innerhalb einer halben Stunde, denkt man: „OK, ich verstehe das irgendwie.“ Diese Autos fahren irgendwie wie meine Großmutter, sehr vorsichtig und langsam, was, denke ich, das Richtige ist.

Sam Ransbotham: Deshalb hast du Boston vielleicht verlassen.

Erik Brynjolfsson: Genau. Ihre Unfallrate ist 90 % niedriger als bei Menschen. Ich freue mich auf den Tag, an dem alle Autos so sind. Im Moment sind sie von Punkt zu Punkt ein bisschen langsamer. Manchmal, wenn ich es eilig habe, nehme ich tatsächlich einen Uber, weil ich weiß, dass der Fahrer eher bereit ist, Abstriche zu machen, sozusagen. Aber ein Teil davon ist, dass wir Dinge, die anfangs atemberaubend waren, irgendwie als selbstverständlich hinnehmen.

Ich denke, unsere Gehirne sind darauf ausgelegt, sich an Dinge zu gewöhnen. Aber die anderen beiden Dinge, die du gesagt hast, sind, denke ich, wichtiger und interessanter. Eines ist das Messproblem. Unsere wirtschaftlichen Kennzahlen sind einfach nicht darauf ausgelegt, viele der Vorteile von KI zu erfassen, insbesondere die Vorteile von kostenlosen digitalen Gütern. Also haben wir eine ganze Methodik, um das anzugehen. Vielleicht können wir später darüber sprechen.

Der andere Teil ist die J-Kurve. Damit haben wir das Gespräch begonnen – es gibt wirklich eine Lücke und eine Schwierigkeit, Fähigkeiten in echte Geschäftsveränderungen zu übersetzen. Das liegt daran, dass es so viele komplementäre Vermögenswerte und Investitionen gibt, die getätigt werden müssen. Viele von ihnen müssen erfunden werden, und wir wissen nicht, was sie sind, diese komplementären Ko-Erfindungen neuer Geschäftsprozesse, neuer Fähigkeiten, völlig neuer Geschäftsmodelle und Arbeitsweisen. Sie sind schwierig, und wir haben Unternehmer, Manager, Business-School-Professoren und Berater, die alle daran arbeiten, sie herauszufinden.

In früheren Arbeiten, die ich mit [University of Pennsylvania’s] Lorin Hitt und Prasanna (Sonny) Tambe und anderen gemacht habe, fanden wir heraus, dass die Investitionen in diese immateriellen Vermögenswerte etwa zehnmal größer sind als die direkten Investitionen in Computertechnologie. Aber da sie weitgehend immateriell, weitgehend unsichtbar sind, neigen wir dazu, sie nicht so sehr zu schätzen, und wir messen sie nicht, und die Leute erkennen nicht einmal, dass sie da sind. Aber wir versuchen, sie in unserer Forschung sichtbarer zu machen und ein Verständnis dafür zu schaffen, dass man diese Investitionen auch tätigen muss.

Sam Ransbotham: Eigentlich ist das Messproblem riesig und schwierig. Ich erinnere mich, dass du und [Carnegie Mellon University’s] Avinash Collis über die Messung des Werts von Wikipedia und Facebook und diesen anderen Technologien gesprochen habt. All das ist einfach extrem schwer zu messen. Und wenn wir Dinge nicht messen, machen wir einen schlechten Job, denke ich.

Lass uns vielleicht zum Messen wechseln, weil ich denke, dass eine der coolen Geschichten über deine Studie „Kanarienvögel im Kohlebergwerk“ … ich denke, dein Hauptergebnis war, dass Menschen im Alter von 22 bis 25 am stärksten betroffen waren [und] etwa 16 % ihrer Beschäftigung verloren haben. Aber du verwendest ADP-Gehaltsdaten, um das herauszufinden. Das ist ein sehr interessantes Informationssignal. Erzähl uns von dieser Studie.

Erik Brynjolfsson: Wie alle anderen haben wir all diese Schlagzeilen gesehen, dass KI Arbeitsplätze vernichtet, oder andere Schlagzeilen, dass KI Arbeitsplätze schafft. In jedem beliebigen Monat gibt es Hunderttausende von Menschen, die Arbeitsplätze gewinnen oder verlieren. Ein halbwegs guter Journalist kann leicht Beispiele für beides finden und eine Erzählung darum herum aufbauen, oder einfach einen Mann auf der Straße, mit dem er sprechen kann. Für mich zumindest weiß ich nicht wirklich, wie ich das aggregieren soll. Was ist die wahre Geschichte? Also wollten wir Daten in großem Maßstab bekommen.

Als wir uns die aktuelle Bevölkerungsbefragung ansahen, sahen wir nicht wirklich viel, und als wir uns die oberste Zeile von ADP ansahen, dem weltweit größten Gehaltsabrechnungsdienstleister, teilten sie uns die Daten hier im Digital Economy Lab mit. Wir sahen tatsächlich auch in der obersten Zeile nicht viel. Ich dachte fast: „OK, wir schreiben eine Geschichte darüber, wie das alles nur eine Menge Hype ist.“ Aber dann sind wir etwas tiefer eingetaucht, und einige der Untergruppen, die diese sehr großen Effekte hatten, wie du gerade erwähnt hast, Menschen im Alter von 22 bis 25, Berufsanfänger, hatten einen merklichen Rückgang der Beschäftigung, aber es wurde wirklich auffällig, als man es danach unterteilte, wie stark sie KI ausgesetzt waren.

[OpenAIs] Tyna Eloundou, [University of Pennsylvania’s] Daniel Rock und andere haben eine Taxonomie erstellt, in der sie alle Aufgaben in der Wirtschaft, 18.000 verschiedene Aufgaben, danach bewerten, wie stark sie LLMs ausgesetzt sind. Könnte ein LLM dir helfen, ein Memo zu schreiben? Auf jeden Fall. Könnte ein LLM dir helfen, eine Kiste zu heben? Nicht wirklich. Wenn man jede Aufgabe so bewertet und sie dann zu Berufen zusammenfasst, hat man im Grunde eine Punktzahl dafür, ob dieser Beruf von LLMs betroffen sein wird oder nicht.

Wir haben uns etwa 750 Berufe angesehen. Wir haben sie in Quintile eingeteilt. Das am stärksten exponierte Quintil, etwas über hundert Berufe in dieser jüngsten Altersgruppe, hatte zunächst einen Rückgang von etwa 12 % bis 13 %. Jetzt sind es eher 16 % bis 17 % Beschäftigungsrückgang im Vergleich zu den anderen Berufen. Es ist also wirklich ziemlich auffällig. Wir haben keinen Beschäftigungsrückgang bei den älteren Arbeitnehmern gesehen, selbst in den exponierten Berufen. Man muss es wirklich so aufschlüsseln.

Selbst wenn wir andere Faktoren kontrollierten, wie wir die Zinssätze kontrollierten, kontrollierten wir die Tech-Branche – man kann die gesamte Tech-Branche herausnehmen, wenn man will, oder die Überbesetzung im Tech-Bereich kontrollieren – man kann Remote-Arbeit kontrollieren, man kann Bildung kontrollieren, nichts davon hat das Kernresultat ausgehebelt. Wir hatten weiterhin diesen sehr deutlichen Rückgang.

Ich kann noch etwas sagen, nämlich dass, wie ich erwähnte, die älteren Arbeitnehmer gut dastanden. Es gibt ein paar andere Gruppen, die gut dastanden. Eine sind die Menschen in den nicht exponierten Berufen. Wenn man sich also das andere Ende des Spektrums ansieht, wie häusliche Pflegehelfer, bei denen KI sie nicht annähernd so stark beeinflusst, hatten sie tatsächlich wachsende Beschäftigung, sogar für die jungen Arbeitnehmer.

Und dann war das interessanteste Ergebnis, das mich am meisten begeistert, dass, wenn man die Art und Weise, wie sie KI einsetzen, hauptsächlich in Automatisierung und Arbeitsplatzvernichtung versus Erweiterung und Schaffung neuer Fähigkeiten, neuer Möglichkeiten, Dinge zu tun, die man noch nie zuvor getan hat, unterteilt, die automatisierende Gruppe sinkende Beschäftigung hatte, und die erweiternde Gruppe, diejenigen, die neue Fähigkeiten lernten, wachsende Beschäftigung hatte. Es ist also eine Art doppelter Gewinn: höhere Produktivität und wachsende Beschäftigung. Aus irgendeinem Grund wird das in der Presse nicht so oft aufgegriffen, wenn sie über unsere Forschung schreiben, aber ich denke, es ist wirklich wichtig, dass wir herausgefunden haben, dass KI mit höherer Beschäftigung für bestimmte Arten von Arbeitnehmern verbunden sein kann.

Sam Ransbotham: Ich denke, das hängt damit zusammen, wie man es nutzt, mit Ihrer Entscheidungsfindung, den Entscheidungen, die wir alle dabei treffen. Das überrascht mich nicht, denn wenn ich über eine Aufgabe nachdenke und zurückkomme auf diese Aggregation von Aufgaben, die Sie erwähnt haben, bin ich mir sicher, dass kein Job zu hundert Prozent die Liste der Aufgaben und zu hundert Prozent die Liste der nicht automatisierbaren Aufgaben abdeckt. Die Zusammensetzung dieser Aufgabe wird Teile dieser Arbeitsplätze wertvoller machen. Das wird diese Teile wertvoller machen.

Erik Brynjolfsson: Genau. Das ist ein weiterer wirklich wichtiger Punkt: Sie können jeden Beruf nehmen; [jeder hat] ein Bündel von Aufgaben. In O*Net hat ein typischer Beruf 20 bis 30 Aufgaben. Ein Radiologe hat 26 verschiedene Aufgaben. [Informatiker] Geoffrey Hinton sagte bekanntlich: „Medizinische Bilder lesen, das ist es, was Radiologen tun. Das wird durch KI ersetzt werden.“ Was er nicht berücksichtigte, war, dass es 25 andere Aufgaben gab, die Radiologen erledigen, und die meisten davon wurden nicht von KI beeinflusst.

Der Nettoeffekt war, dass, als das Lesen von Bildern durch KI billiger und besser wurde, dies tatsächlich den Wert von Radiologen für die Erledigung dieser anderen Aufgaben erhöhte, und die Netto-Beschäftigung für Radiologen wuchs. Ich sage nicht, dass das immer passiert, aber es gibt definitiv Fälle – manche nennen es Jevons-Paradoxon –, bei denen die Ver billigung einer Sache die Nachfrage danach erhöht, und man am Ende mehr Beschäftigung hat statt weniger, selbst wenn es effizienter wird.

Sam Ransbotham: Ich denke, das ist das Frustrierende. Ich denke, jeder würde gerne eine Antwort haben, die lautet: „Hier ist die klare Antwort“, und worauf Sie hier gestoßen sind, ist einfach ein gigantisches „Es kommt darauf an“, und es hängt von einer zunehmend komplizierten Menge von Dingen ab.

Erik Brynjolfsson: Nun, lassen Sie es mich etwas einfacher machen. Es ist etwas komplizierter als die einfache Geschichte, dass man immer Arbeitsplätze vernichtet, oder dass es immer Arbeitsplätze schafft. Aber als Ökonom ist ein wirklich nützliches Werkzeug für mich – und ich werde etwas fachspezifisch für Ihre Leser werden, aber es wird eine nützliche Zeit sein –, dass Sie an eine Nachfragekurve denken können. Wenn der Preis fällt, steigt die Menge. Nachfragekurven sind abwärts geneigt. Die meisten von uns wissen intuitiv: Wenn man etwas billiger macht, werden die Leute mehr davon kaufen.

Aber was wirklich zählt, ist, wie steil diese Nachfragekurve ist. Bei manchen Produkten, wie Äpfeln, werden Sie, selbst wenn Sie sie zehnmal billiger machen, nicht zehnmal mehr Äpfel kaufen. Vielleicht kaufen Sie ein paar mehr Äpfel. Aber die Nachfragekurve ist ziemlich steil. Wenn also die Preise sinken, geben Sie am Ende weniger aus. Das ist ziemlich intuitiv. Die meisten Leute denken, dass alle Güter so sind.

Es stellt sich heraus, dass nicht alle Güter so sind. Es gibt viele Güter, bei denen, wenn der Preis sinkt, selbst nur ein wenig, die Menge stark steigt, wie zum Beispiel Flugreisen. Früher flogen nur sehr wenige Menschen mit dem Flugzeug quer durchs Land, aber jetzt ist es billiger, und viele von uns fliegen viel zu oft quer durchs Land. Es gibt also Güter und Dienstleistungen wie diese. Das nennt man elastische Nachfrage oder eine flache Nachfragekurve.

Wann immer Sie solche Situationen haben, haben Sie tatsächlich eine wachsende Nachfrage nach etwas, und am Ende haben Sie mehr Ausgaben. Mindestens die Hälfte der Güter und Dienstleistungen in der Wirtschaft befindet sich auf dieser Seite der Kurve. Das sind wirklich gute Nachrichten. Es bedeutet, dass, wenn wir produktiver, effizienter werden, einige Dinge schrumpfen, aber andere Dinge wachsen. Ich denke, es gibt eine etwas zu große Voreingenommenheit in der öffentlichen Diskussion hin zu der Seite, die schrumpft. Eines der Dinge, die ich mit Ihrem Podcast erreichen möchte, ist, mehr Menschen dazu zu bringen, über die Seite nachzudenken, die wächst.

Ich unterrichte einen Masterkurs, in dem wir den Leuten im Grunde zeigen, wie man diese neuen Möglichkeiten zur Vermögensbildung identifiziert und entdeckt, wie man KI nutzen kann, um neue Arten von Dingen zu tun, um unternehmerische Unternehmungen zu schaffen. Je mehr wir das tun, desto besser, denke ich, werden die Leute dran sein. Sie werden sich selbst helfen, und sie werden der übrigen Wirtschaft helfen, indem sie neue Dinge erfinden.

Sam Ransbotham: Äpfel sind ein großartiges Beispiel. Wie Sie sagen, konsumieren wir sie nicht, wenn wir mehr davon haben, aber ich kenne kein Unternehmen, das sagt: „So ziemlich alle IT-Projekte, die wir uns jemals vorstellen könnten, führen wir durch.“ Sie wissen, was ich meine?

Erik Brynjolfsson: Ja, genau. Es scheint eine fast unendliche Nachfrage nach der Lösung aller Arten von IT-Problemen zu geben. Wenn ich mich in der Welt umsehe, sehe ich keinen Mangel an Problemen. Armut, Umwelt, insbesondere das Gesundheitswesen, das sind alles Dinge, bei denen wir viel mehr Ressourcen gebrauchen könnten, und ich sehe nicht, dass uns die Möglichkeiten ausgehen, diese anzugehen.

Sam Ransbotham: Die Fantasie, dass uns diese Art von Problemen ausgehen würden, ist großartig, aber ich glaube nicht, dass das in den nächsten Jahren passieren wird, in den nächsten Jahrhunderten. Gehen wir zurück zu dieser J-Kurven-Idee. Erklären Sie zunächst ein wenig, was die J-Kurve ist und wie die Leute darüber denken sollten?

Erik Brynjolfsson: Dies ist ein weiteres Konzept, das die Leute, wie ich finde, sehr nützlich finden, und zwar, dass es immer dann, wenn es eine wichtige, mächtige Technologie gibt, die wir Ökonomen als Basistechnologien bezeichnen. Früher sagten wir einfach GPT, aber meine KI-Freunde haben dieses Akronym gestohlen. Aber KI ist beides. Sie ist ein generativer, vortrainierter Transformer, wie GPT-5, aber sie ist auch eine Basistechnologie wie die Dampfmaschine, Elektrizität, der Verbrennungsmotor und Autos. Das sind die Dinge, die tatsächlich das meiste Wirtschaftswachstum, die meiste Produktivität angetrieben haben. Sie sind der Grund, warum wir einen höheren Lebensstandard haben als unsere Vorfahren vor ein paar hundert Jahren oder sogar vor 50 Jahren.

KI ist die wichtigste Basistechnologie unserer Zeit, vielleicht der gesamten Geschichte. Aber die Sache mit diesen Basistechnologien ist, dass der Wert wirklich von den komplementären Vermögenswerten kommt. Mit Elektrizität ermöglichte sie Glühbirnen, Elektromotoren und Klimaanlagen und schließlich Computer und viele andere Dinge. Mit KI ermöglicht sie alle Arten von neuen Geschäftsprozessen, und es sind nicht nur die physischen Technologien. Es sind auch diese immateriellen Vermögenswerte, über die wir zuvor gesprochen haben. Das ist großartig. Die Sache ist, dass diese immateriellen Vermögenswerte Zeit brauchen, um geschaffen zu werden. Sie sind teuer. Man muss in sie investieren. Ob man nun Berater einstellt oder es selbst macht, man muss die Art und Weise, wie Arbeit erledigt wird, neu erfinden.

Während dieser kostspieligen Phase gibt man mehr aus, während man seine Geschäftsprozesse neu erfindet, aber die Produktion steigt nicht sofort. Mathematisch bedeutet das mehr Input, keine Steigerung des Outputs, [und] die Produktivität, zumindest wie sie konventionell gemessen wird, sinkt. Das ist also der absteigende Teil der J-Kurve. Später beginnt man dann, die Früchte zu ernten. Man beginnt, diese neuen Geschäftsprozesse zu nutzen, um mehr Output zu erzeugen. Jetzt steigt der Output. Und das ist der aufsteigende Teil der J-Kurve.

Was wir bei den meisten Basistechnologien sehen, ist, dass es anfangs eine Flaute gibt, in der die Produktivität niedrig oder sogar negativ ist, und später steigt sie dann an. Es ist schwer zu sehen, wo genau wir bei KI stehen. Wir sind mittendrin. Aber wenn man auf die frühere Geschichte zurückblickt, wenn man zum Beispiel auf die Elektrizität zurückblickt – ich habe in meiner Doktorarbeit einiges davon geschrieben –, glauben Sie es oder nicht, es dauerte etwa 20 bis 30 Jahre, in denen Unternehmen versuchten, die Organisation von Fabriken neu zu erfinden.

Sie installierten Elektromotoren. Zuerst erzielten sie nicht viel Produktivität. [Der Ökonom] Paul David und andere haben das sehr sorgfältig dokumentiert. Buchstäblich bis zu 30 Jahre lang gab es in den Fabriken während der Elektrifizierung praktisch keinen Produktivitätszuwachs, was bemerkenswert ist, aber schließlich gestalteten sie die Organisation der Fabriken komplett neu. Anstatt um einen zentralen Motor wie eine Dampfmaschine herum gruppiert zu sein, hatten sie separate Motoren für jedes Gerät, und sie verteilten die Arbeit, und sie legten das Layout basierend auf dem Materialfluss fest.

Als sie das taten, begann die Produktivität sprunghaft anzusteigen, sie verdoppelte und verdreifachte sich sogar. Aber wie gesagt, es dauerte 30 Jahre. Ich glaube nicht, dass KI 30 Jahre brauchen wird. Ich bin mir ziemlich sicher, dass es bereits beginnt. Aber gleichzeitig dauert es länger, als einige meiner Technologiefreunde, einige meiner KI-Freunde erwarten. Sie denken, dass man, sobald man die KI erfunden hat, fertig ist.

Die Realität ist, wie Sie, Sam, in Ihrer Arbeit und in meiner Arbeit wissen, dass eine Menge Geschäftsprozess-Neugestaltung stattfinden muss. Wir sind mittendrin, und ich tue, was ich kann, um das zu beschleunigen. Mein Unternehmen Workhelix ist stark daran beteiligt, Unternehmen zu zeigen, wie sie die Möglichkeiten zur Wertschöpfung identifizieren können. Wenn wir das beschleunigen können, wäre das großartig, aber wir werden immer noch ein bisschen eine J-Kurve haben.

Sam Ransbotham: Ich denke zurück an die Zeit der Elektrizität. Ich vermute, sie hatten damals nicht den Druck der vierteljährlichen Aktienberichte und das Bedürfnis nach sofortigen Ergebnissen, mit dem die Leute heute vielleicht umgehen müssen.

Erik Brynjolfsson: Das Wichtigste, ehrlich gesagt, ist, dass sie nicht wirklich all unsere Institutionen hatten. Nicht, um uns selbst auf die Schulter zu klopfen, aber es gab keine Business Schools. Beratungsbücher [und] die gesamte Wissenschaft des Industrieingenieurwesens und des Managements gab es nicht. Ich bin zurückgegangen und habe einige der Bücher gelesen. Ich ging zur Baker Library der Harvard Business School, und sie hatten diese alten Bücher, und es war ziemlich primitiv, wie sie über Dinge dachten.

Jetzt gibt es ein viel größeres Ökosystem, das Unternehmen hilft, ihre Geschäftsprozesse neu zu gestalten. Es braucht immer noch Zeit und Neugestaltung [und Umschulung] ihrer Belegschaft. Aber ich habe das Gefühl, dass Manager sich dessen jetzt viel bewusster sind, und sie engagieren sich viel aggressiver, und sie teilen Best Practices.

Bei Workhelix haben wir ein Tool, das alle Möglichkeiten durchsucht und sie mit den Arbeitnehmern teilt, schaut, wer die Superuser sind, die wirklich hervorragende Leistungen erbringen, und sie dann mit dem durchschnittlichen Arbeitnehmer vergleicht. Es beschleunigt also das Lernen wahrscheinlich um das Zehnfache im Vergleich zu dem, was die Leute vorher getan hätten, bevor sie solche Werkzeuge hatten.

Sam Ransbotham: Das gefällt mir sehr gut, weil es wiederum Messung und einige andere Dinge einbezieht. Die jährliche Leistungsbeurteilung ist wirklich nicht mehr hilfreich. Die Idee, dass man eine bessere Messung dessen bekommen könnte, was man tut und wie man es tut, hilft.

Lassen Sie mich ein wenig antagonistisch sein. Ich habe etwas geschrieben bei MIT Sloan Management Review vor einiger Zeit über KI-Ziele überdenken. Sie haben etwas geschrieben über die Turing-Falle. Ich glaube, der erste Impuls der Menschen ist, den Turing-Test zu bestehen, die Maschine das tun zu lassen, was der Mensch kann. Und das führt uns zu schrittweisen Verbesserungen bestehender Prozesse. Es scheint, als könnte die Messung unbeabsichtigt dazu beitragen, wenn wir nicht die richtigen Dinge messen. Was denken Sie darüber, kurzfristig versus langfristig?

Erik Brynjolfsson: Nun, es gibt definitiv eine kurzfristige und eine langfristige Perspektive; [das sind] Ihre Ziele. Ich habe vor ein paar Monaten mit einer CFO gesprochen, und sie sagte mir: „Hey, wir müssen wirklich den Nutzen von KI messen, den ROI.“ Und ich sagte: „Das ist großartig. Sie sollten es messen. Erzählen Sie mir davon.“ Und sie sagte: „Deshalb verlange ich von jeder Abteilung, mir mitzuteilen, wie viel Personalabbau sie durch KI erzielen.“ Ich dachte: „Moment mal. Ich bin froh, dass Sie messen, aber ist das nicht ein bisschen einfältig? Denn ja, es ist nichts falsch daran, Kosten zu senken, aber es verpasst wirklich die größere Chance, neue Dinge zu tun und Ihren Mitarbeitern zu ermöglichen, neue Arten von Wert zu schaffen.“

Da ist eine CFO, die Millionen von Dollar verdient, und der Grund, warum sie viel Geld verdient, ist, dass sie kreativer über Wertschöpfung nachdenken muss, nicht nur darüber, Maschinen das tun zu lassen, was Menschen bereits tun, und sie zu ersetzen. Das ist der klassische Turing-Test: Kann man eine Maschine perfekt einen Menschen imitieren lassen?

Das ist eine sehr enge Denkweise. Ich denke, Alan Turing war ein brillanter Kerl, aber ich glaube, diese Denkweise hat dem Einsatz von KI großen Schaden zugefügt. Ich nenne es die Turing-Falle, weil ich denke, dass es eine Falle ist, sich nur darauf zu konzentrieren, KI zu nutzen, um Arbeiter zu ersetzen oder zu imitieren. Wir sollten auch darüber nachdenken, wie KI uns erweitern und neue Dinge ermöglichen kann. Aber das erfordert neue Messgrößen, wie: Wie schafft man neue Produkte und Dienstleistungen? Wie erreicht man höhere Kundenzufriedenheit? Wie verbessert man die Qualität, sowohl die Qualität der Produkte als auch die Qualität des Arbeitslebens der Mitarbeiter?

All das wird in Ihrer engen Ersetzungsdenkweise nicht auftauchen, also ist das etwas, das auch mehr Zeit braucht, wie Sie sagten. Kurzfristigkeit neigt dazu, sich nur auf Kostensenkungen und das zu konzentrieren, was Sie bereits tun. Aber diejenigen, die den größten Wettbewerbsvorteil haben, diejenigen, die die nachhaltigsten Vorteile haben, sind diejenigen, die darüber hinausdenken und neue Dinge tun, neue Geschäftsprozesse, neue Produkte und Dienstleistungen. Es passiert nicht in Wochen, aber wenn Sie es erreichen, haben Sie etwas, das Jahre hält.

Sam Ransbotham: Es gibt viele Bereiche, in denen Maschinen uns übertreffen. Der einfachste Weg, um festzustellen, ob dies eine Maschine oder ein Mensch ist und den Turing-Test zu bestehen, ist, dass ich nicht sehr schnell Mathe machen kann. Unsere Ziele sind nicht genau der richtige Maßstab, denke ich. Sie erwähnten, dass die Menschen zu [Beginn] der Elektrifizierung keine Institutionen dafür hatten. Neil Thompson [und] die MIT Initiative on the Digital Economy, [an der] Sie offensichtlich beteiligt waren, bevor Sie nach Stanford gingen, haben einen Science-Artikel, der besagt, dass etwa 90 % der wichtigsten neuen KI-Modelle aus der Industrie kommen. Wir haben diesen massiven Wechsel von der Wissenschaft und öffentlicher Finanzierung [die] Technologievorteile [hervorbringt] hin zu den meisten davon, die von Technologieunternehmen und Startups kommen. Sie erwähnten Palo Alto und das Epizentrum, das dort ist. Okay, ich bin besorgt. Ist das der richtige Ort für solche Dinge?

Erik Brynjolfsson: Ein Grund dafür, dass es aus der Industrie kommt, ist, dass es unglaublich teuer geworden ist, diese sehr großen Modelle zu bauen. Es gibt diese Skalierungsgesetze für LLMs, bei denen, wenn man ein Modell größer macht, [wenn es] mehr Daten, mehr Rechenleistung, mehr Parameter [hat], man eine vorhersagbare Leistungsverbesserung erhält. Also gingen sie von Ausgaben in Millionenhöhe zu zig Millionen, Hunderten Millionen, Milliarden, jetzt zig Milliarden, sogar Hunderten Milliarden Dollar für das Training dieser Modelle über. Keine Universität kann sich das leisten. Keine gemeinnützige Organisation kann sich das leisten. Also sammeln die Unternehmen riesige Geldbeträge, während wir sprechen. Anthropic und OpenAI bereiten den Börsengang vor. Google hat eine nette Cash-Maschine, die sie dafür einsetzen können, ebenso wie Meta.

Das ist es also, was das antreibt. Gleichzeitig sage ich meinen akademischen Kollegen: Ihr komparativer Vorteil liegt nicht darin, mehr Geld für Computer auszugeben. Es liegt darin, kreativ zu denken. Es gibt einige brillante Ideen, die einfach dadurch entstehen, dass man in seinem Büro sitzt und tiefgründig nachdenkt. Es ist immer noch eine gute Strategie.

Ich hatte vor einiger Zeit ein Gespräch mit Geoffrey Hinton, und ich fragte ihn, welche Art von Hardware er verwendet, um seine Erkenntnisse und Entdeckungen zu machen. Er zeigte auf seinen Laptop, tippte darauf und sagte: „Das ist die Hardware, die ich verwende.“ Und für diese Art von grundlegenden Durchbrüchen geht es nicht immer darum, Tausende von GPUs zu haben.

Ich denke, Akademiker müssen sich auf ihren komparativen Vorteil konzentrieren. Das heißt, es ist fair zu sagen, dass immer mehr der Spitzenforschung durch einen sehr teuren Ansatz erfolgt. In gewisser Weise ist es ein Zeugnis dafür, wie wertvoll KI ist. Einer der Gründe, warum die Industrie es früher nicht tat, war nicht nur, dass es teuer war, sondern es hatte einfach keinen so großen Nutzen.

Ich werde eine Geschichte erzählen. Das erste KI-Unternehmen, das ich gründete, war, ob Sie es glauben oder nicht, in den späten 1980er Jahren. So alt bin ich. Ich gründete ein Expertensystem-Unternehmen mit Todd Loofbourrow. Expertensysteme sind diese regelbasierten Systeme. Wir haben für einige Banken und Personalabteilungen ein wenig Wert geschaffen, aber am Ende des Tages war es nichts im Vergleich zu dem Wert, den Unternehmen heute schaffen. Diese Art von KI war einfach nicht so wertvoll, um ehrlich zu sein. Erst jetzt, wo wir diese sehr leistungsstarken neuronalen Netze haben, gibt es wirklich kommerzielle Anreize, wie wir sie noch nie zuvor hatten. In gewisser Weise ist es ein Zeugnis für den Erfolg des Feldes, dass die Industrie so viel investiert, wie sie es tut.

Sam Ransbotham: Ich mag diesen Punkt. Die US-Regierung hat, glaube ich, letztes Jahr etwa eineinhalb Milliarden Dollar für nicht-militärische Forschung ausgegeben, und das ist ungefähr das, was Google ausgibt. Sie wissen, die Budgets der [National Institutes of Health] und der [National Science Foundation] sind klein. Wie Sie anmerken, werden wir nicht in der Lage sein, diese auszustechen.

Erik Brynjolfsson: Aber dazu denke ich, es ist fair. Man möchte beides haben. Ich meine, es ist die Aufgabe der Wissenschaft, es ist die Aufgabe der Bundesregierung, zu investieren, bevor es kommerziell rentabel ist. So viele der langfristigen Vorteile von F&E sind nicht offensichtlich, und es gibt keinen kommerziellen Anreiz zu investieren. Das Internet, die frühe Raumfahrt, so viele grundlegende Durchbrüche in der Biologie, die unser Leben verlängert haben, sie geschahen in Universitäten und Regierungslaboren, weil sie nicht kommerziell rentabel waren, aber später bauten die Leute darauf auf. Man kann nicht immer im Voraus sagen, welche sich auszahlen werden. Aber wenn man die Grundlagenforschung betreibt, zeigt die Erfolgsbilanz, dass irgendwann ein Prozentsatz von ihnen wirklich einen Unterschied in unserem Lebensstandard machen wird.

Sam Ransbotham: Das ist der grundlegende angewandte Schnitt. Wir müssen die angewandten Dinge nicht finanzieren, weil sich der Markt darum kümmert. Und bei den grundlegenden Dingen funktioniert die unsichtbare Hand nicht ganz so gut, oder sie funktioniert langsamer, als alle es sich wünschen.

Ich denke, Sie werden eine Reihe von Akademikern haben, die dies hören, weil sie neugierig sind, was Sie sagen. Worauf sollten die Leute achten? Was sind die Arten von Dingen, die in diese Kategorie fallen? Vielleicht ist eine Kritik, dass viele der Studien, die ich in der Wissenschaft sehe, sagen wir, Beratungsprojekte für Unternehmen sind. Was sind diese grundlegenden Arten von Ideen, die die Leute verfolgen sollten?

Erik Brynjolfsson: Nun, es gibt viele davon in vielen verschiedenen Bereichen, und ich denke, ich möchte sie nicht vorschreiben, weil ich denke, dass ein Teil der Magie darin besteht, die Leute ihre eigenen Ideen verfolgen zu lassen, selbst wenn niemand von außen den Wert darin sieht.

Das gesagt, werde ich Ihnen meine eigene Liste geben. Ich konzentriere mich auf die wirtschaftliche Seite. Ich denke, dass die größte Lücke derzeit darin besteht, dass wir kein gutes Verständnis dafür haben, wie KI die Wirtschaft verändern wird. Wir erschaffen unglaublich leistungsstarke Informationsverarbeitungseinheiten. Als Ökonom kann man einen Markt als eine Informationsverarbeitungseinheit betrachten. Man kann Firmen und Organisationen als Informationsverarbeitungseinheiten betrachten. Wenn es eine tausendfache oder millionenfache Verbesserung bei KI gibt, wäre es ein Wunder, wenn sich nicht auch Firmen und Märkte verändern und wir neue Arten von Organisationen entwickeln, um Arbeit zu managen. Aber wir haben diese noch nicht herausgefunden. Ein großer Teil meiner Arbeit besteht also darin, zu verstehen: Wie sieht die Wirtschaft aus? [Was sind die] Firmen, Märkte und vielleicht einige neue Arten von Einheiten, wenn KI leistungsstärker wird, wenn sie Informationen aggregiert, wenn sie Informationen verarbeitet? Und wie werden wir dann die Konzentration von Reichtum und Macht managen, die daraus resultieren könnte?

Ich bin super optimistisch, was das Potenzial der Technologie zur Steigerung der Produktivität angeht. Ich habe eine Wette, eine langfristige Wette darauf mit [Robert Gordon von der Northwestern University], und ich habe darüber geschrieben, wie ich erwarte, dass die Produktivität wachsen wird. Gleichzeitig bin ich ziemlich besorgt, dass es, wenn wir es nicht richtig managen, zu einer noch größeren Konzentration von Reichtum führen könnte, und das tendiert zu einer Konzentration von Macht. Und das könnte unsere Freiheiten beeinträchtigen, wenn wir kein Wirtschaftssystem entwickeln, das nicht nur Wohlstandsschaffung, sondern auch gemeinsamen Wohlstand ausgleicht.

Sam Ransbotham: Ich habe vor dem Gespräch etwas über Ihren Hintergrund nachgeschlagen, um mich zu erinnern, und ich sah den Ausdruck achtsamer Optimist, und es hat mich irgendwie getroffen. Also, was wird es brauchen, um uns zu dieser positiven Version der Zukunft zu bringen, im Gegensatz zur negativen Version der Zukunft?

Erik Brynjolfsson: Lassen Sie mich eine Minute nehmen, um zu definieren achtsamer Optimist, weil ich eine sehr spezifische Bedeutung dafür habe. Es gibt viele Leute hier im Silicon Valley, die Optimisten sind, aber ich denke, zu viele von ihnen sind eine Art blinder Optimisten. Sie sagen: „Hey, Erik, mach dir keine Sorgen. Es hat in der Vergangenheit funktioniert. Es wird in der Zukunft funktionieren. Entspann dich.“ Es gibt auch viele Leute, die das sind, was ich blinde Pessimisten nenne. Sie sagen: „Oh mein Gott, wir sind verloren. Wir können nichts tun.“ Ich denke, beide Gruppen machen denselben Fehler.

Es ist der, den wir zu Beginn der Sendung besprochen haben, nämlich dass sie KI als etwas betrachten, das uns etwas antun wird, anstatt dass wir die Handlungsfähigkeit haben, die Zukunft zu kontrollieren. Ein achtsamer Optimist ist jemand, der eine Zukunft sieht und dann darauf hinarbeitet, sie zu verwirklichen, achtsam ist, sie zu schaffen, nicht einfach annimmt, dass sie automatisch passieren wird.

Sie sind nicht wie Kinder an Weihnachten, [die] erwarten, dass Geschenke am nächsten Morgen magisch erscheinen, sondern sie sind eher wie Kinder, die einen Baum sehen und einige Bretter sehen und denken: „Hey, wir könnten dort ein Baumhaus bauen.“ Dann sagen sie: „Nun, es wird nicht von selbst passieren. Lass uns herausfinden, wie wir es machen können.“ Und dann lassen sie diese optimistische Realität durch ihre harte Arbeit und ihre Vorstellungskraft wahr werden. Das ist die Art von Optimismus, die ich gerne sehen würde. Ich sehe nicht genug davon. Ich sehe viel zu viel Passivität.

Ich habe letzte Woche Freitag die Abschlussvorlesung für meinen Kurs hier in Stanford gehalten, und eines der Dinge, die ich ihnen sagte, war, dass sie jedes Mal, wenn sie ... „KI“ hören, an verstärkte Absichtdenken sollten, dass KI der größte Verstärker von Absicht ist, den es je gab. Was auch immer sie erreichen wollen, KI kann es verstärken, aber es wird nicht ohne diese Handlungsfähigkeit, ohne diese Absicht passieren.

Das ist also eine Botschaft, die ich an die breitere Welt haben möchte: „Lasst uns darüber nachdenken, was unsere Werte sind, welche Art von Wirtschaft wir gestalten wollen, welche Art von gemeinsamem Wohlstand wir schaffen wollen.“ Und ich meine das für alle, nicht nur für die Technologen und um ihnen diese Botschaft zu senden, sondern auch für politische Entscheidungsträger, auch für Bürger, für Arbeiter, für Manager. Lasst uns wirklich aktiv darüber nachdenken, dies zu nutzen.

In den nächsten 10 Jahren erwarte ich, dass sich die Welt radikal verändern wird. Aber es gibt keine einzige unvermeidliche Zukunft. [Wenn] Sie die Grenze zwischen, sagen wir, [den] Vereinigten Staaten und Mexiko oder anderen Ländern überqueren, können Sie sehen, dass verschiedene Institutionen zu sehr unterschiedlichen Ergebnissen führen, unterschiedlichen Niveaus von Wohlstand und Demokratie, und das gilt auch für die Zukunft. Wir können in vielen verschiedenen möglichen Zukünften leben. Eines der Dinge, die ich hier im Digital Economy Lab mache, ist eine Menge Forschung, um zu verstehen, welche Wege eher zu diesen vorteilhaften Ergebnissen führen.

Sam Ransbotham: Ich denke, das ist eine großartige Art, hier zu enden. Wir haben [keine] einfachen Antworten in die eine oder andere Richtung. Die Gewinne sind real, der Schaden ist real, und was gewinnt, ist eine Wahl, die wir jetzt treffen, und etwas, das wir unter Kontrolle haben.

Erik Brynjolfsson: Mehr denn je. Eines der interessanten Dinge ist, dass dies die Zeit für Philosophen, Geisteswissenschaftler, Ökonomen und Menschen ist, die darüber nachdenken, welche Werte wir in der Welt verankern wollen. Mit dieser größeren Macht kommt größere Verantwortung und mehr Potenzial, die Welt zu verändern. Wir müssen also wirklich bewusst darüber nachdenken, welche Art von Welt wir in Zukunft gestalten wollen. Ich glaube nicht, dass dem genug Aufmerksamkeit geschenkt wurde, aber das Digital Economy Lab konzentriert sich teilweise darauf.

Sam Ransbotham: Danke, dass Sie die Zahlen und die Nuancen eingebracht haben. Wir sehen uns diesen Sommer in Boston.

Erik Brynjolfsson: Absolut. Ich freue mich darauf, Sam. Es war großartig, mit Ihnen zu sprechen.

Allison Ryder: Vielen Dank an alle, die heute zugehört haben. Wir machen Sommerpause und kommen im Herbst mit einer spannenden Reihe von Rednern von Instacart, GoFundMe, Dropbox und Honeywell zurück. Bitte schalten Sie dann wieder ein.

In der Zwischenzeit hilft es unserer Show sehr, wenn Sie uns eine Apple Podcasts-Bewertung oder eine Spotify-Bewertung hinterlassen. Wenn unsere Show Ihr Leben und Ihre Arbeit wirklich beeinflusst hat, schreiben Sie uns bitte eine Nachricht. Sie erreichen uns unter smr-podcast@mit.edu. Wir würden uns freuen, von Ihnen zu hören.

ICH, MICH UND KI^® ist eine bundesweit eingetragene Marke des Massachusetts Institute of Technology.