AI kasutus seostub suurema toodanguga, töökohtade kadu ei paista

USA majandusanalüüsi büroo BEA avaldas 2. oktoobril 2026 uuringu kokkuvõtte: neis USA osariigi ja tegevusharu kombinatsioonides, kus töötajad kasutasid tehisintellekti sagedamini, oli pärast 2020. aastat reaaltoodangu areng tugevam. Tööhõive erinevus oli üldiselt positiivne, kuid selle hinnang oli palju ebatäpsem. Analüüsi koostasid Christos A. Makridis, Tina Highfill ja Jon D. Samuels.

Praegused andmed ei näita uuritud rühmades, et suurem toodang oleks saavutatud selgelt väiksema töökohtade arvu arvelt. Ometi mõõdab töö seost, mitte seda, kui palju AI ise toodangut või tootlikkust kasvatas: majanduslikult edukamad piirkonnad võisid ka kiiremini uusi vahendeid kasutusele võtta. Eesti ettevõtte jaoks on seetõttu eraldi küsimused töömahu muutus, ühe töötunni kohta loodud väärtus ja töökohtade arv.

Kaks kasutusmõõdikut: tugev seos, erinev tase

BEA tööpaberis võrreldakse Gallupi töötajaküsitlust USA rahvaloendusbüroo ettevõtete küsitlusega BTOS; viimaste võrreldavate, 2025. aasta lõpu ja 2026. aasta alguse vaatluste kaalutud korrelatsioon tegevusharude lõikes on 0,93. Töötajate vastused näitavad, kui sageli nad AI-d oma töös kasutavad, ettevõtete omad aga seda, kas AI on kasutusel nende äritegevuses. Mõlemad kirjeldavad levikut, kuid eri vaatenurgast.

Kui tegevusharud paigutada punktidena graafikule, jäävad suurema ettevõtete teatatud kasutusega harud tavaliselt ka suurema töötajate teatatud kasutuse poolele. Punktide suund seletab tugevat positiivset korrelatsiooni; nende asukoht ei tähenda, et küsitlused annaksid sama kasutusmäära. Töötaja võib kasutada AI-d mõne ülesande juures ka siis, kui tööandja ei pea seda ettevõttes juurutatud lahenduseks.

Küsitluste vahe sõltub osalt ka küsimuse sõnastusest. Ettevõtete küsitlus hõlmas algul AI kasutamist kaupade ja teenuste tootmisel, hiljem mis tahes ärifunktsioonis; laiem küsimus tõi selle tulemuse töötajaküsitlusele lähemale. Korrelatsioon kirjeldab siin kahe kasutusnäitaja omavahelist suhet. Sellest ei saa lugeda, kui suureks osutus tootlikkuse kasv või milline on AI ja töökohtade arvu vaheline seos.

Toodang liigub selgemalt kui tööhõive

Majandustulemuste võrdlus seob töötajate teatatud sagedase AI kasutuse osariigi ja tegevusharu tasandil iga-aastase reaaltoodangu ning tööhõivega. Mudel arvestab rühmade püsivaid erinevusi ja muutusi, mis puudutavad samal aastal tervet tegevusharu. Nii võrreldakse sama haru eri osariikides, mitte üksnes kiiresti kasvavaid sektoreid aeglasematega. Reaaltoodangu tugevam areng suurema kasutusega rühmades püsis vaadeldud hilisematel aastatel.

Tööhõive hinnanguid ümbritsevad laiemad ebakindluse vahemikud. Positiivne punktihinnang tähendab arvutuses ülespoole suunatud erinevust, kuid vahemik ei anna alust väita, et AI kasutusega kaasnes kindel töökohtade juurdekasv. Tulemus on kitsam: uuritud rühmades ei paista suurema kasutuse kõrval selget langusmustrit. See jätab võimaluse, et osa ametikohti või ülesandeid muutus, isegi kui rühma koguarv ei kahanenud.

Ka tööhõive mõõtühik vajab tähelepanu. Kasutatud haldusandmed loendavad töötaja ja tööandja vahelisi töökohti, mitte ainulaadseid inimesi. Kui inimesel on rohkem kui üks tööandja, võib ta andmestikus esineda mitme töösuhtena. Seetõttu sobib tulemus töökohtade üldise arengu kirjeldamiseks, ent ei näita otse, kui paljude inimeste töö AI tõttu muutus või kadus.

Ainult ettevõtete tegevusharupõhise kasutusmõõdikuga tehtud võrdlus ei andnud sama selget toodangumustrit. See on sisuline erinevus: töötajate küsitlus võimaldab eristada sama tegevusharu osariikide vahel, ettevõtete näitaja jääb tegevusharu tasandile. Jämedam mõõt võib peita kohalikud erinevused ning kahe mudeli tulemusi ei saa käsitleda sama täpse hinnanguna.

Miks kasv ei ole veel põhjuslik tootlikkuse tõend

Peamine ajastusprobleem on selles, et AI kasutust mõõdeti pärast suurt osa võrreldud majandustulemustest. Võimalik on vastupidine suund: juba varem kiiremini arenenud rühmad võisid hiljem jõuda sagedasema AI kasutuseni. Autorid proovisid kasutada ka enne AI laiemat levikut kujunenud ametialade koosseisu, kuid selle mudeli toodangu- ja tootlikkushinnangute ebakindluse vahemikud hõlmasid nulli. See ei lahenda küsimust, kui suur osa kasvust tulenes AI-st.

Suurem reaaltoodang ei ole üksi sama mis suurem tootlikkus. Toodang võib kasvada koos töötundide, kapitali, nõudluse või investeeringutega; tootlikkuse väiteks tuleb võrrelda väljundit kasutatud sisenditega. Uuringus vaadeldi ka tootlikkusega seotud näitajaid, ent kõige selgemalt eristus toodangu rada. Majanduskasvu AI arvele kirjutamine eeldaks kasutuse ajas mõõtmist ja võrdlust, mis eristab tehnoloogia mõju teistest samaaegsetest muutustest.

Tööpaberi kaasautor Makridis ja Kristen Fanarakis kirjutasid septembris avaldatud arvamusloos: „The evidence is early on AI.” Nende seisukoht tõstab esile, et seni ei nähta laia töökohtade kadumise lainet. Uuringu ebakindlad tööhõivehinnangud nõuavad siiski kitsamat tõlgendust kui väide, et ükski töökoht ei ole kadunud või tulevikus ei kao.

Eesti ettevõttes loevad väljund, tunnid ja tööjõukulu koos

USA osariikide ja tegevusharude keskmisest ei saa arvutada Eesti ettevõtte AI investeeringu tasuvust. Selle hindamiseks peab sama töö puhul kokku viima valminud töö mahu ja kvaliteedi, töötunnid, paranduste hulga ning tarkvara ja juurutamise kulu. Kui tööd valmib rohkem, kuid töötunde või vigade parandamist kulub samuti rohkem, ei pruugi ühe töötunni kohta loodud väärtus tõusta. Kvaliteedilangus võib näilise mahuvõidu samuti ära võtta.

Töökohtade mõju jaoks on vaja hoida lahus töötajate arv, tegelikud töötunnid, uued värbamised ja täitmata ametikohad. Püsiv töötajate arv võib katta suuremat nõudlust, ümber jaotatud ülesandeid või muutunud töökoormust; see ei räägi üksi, kas töö efektiivsus paranes. Samuti võib väiksem värbamisvajadus ilmneda enne, kui töötajate koguarv muutub. Just nende näitajate koosmõju määrab, kas toodangu kasv tähendab ettevõttes tõelist tootlikkuse võitu ja mida see töötajatele teeb.

Uuringu järgmine oluline proovikivi on võrrelda majandustulemusi ajaga, mil AI kasutus oli juba mõõdetud, ning jälgida samal ajal töötunde. Sellised andmed aitaksid näha, kas suurema kasutusega rühmade toodangueelis jätkub ja kas tööjõuvajadus muutub alles hiljem.

Loe ka: