ABOUT THE SPEAKER
Erik Brynjolfsson - Innovation researcher
Erik Brynjolfsson examines the effects of information technologies on business strategy, productivity and employment.

Why you should listen

The director of the MIT Center for Digital Business and a research associate at the National Bureau of Economic Research, Erik Brynjolfsson asks how IT affects organizations, markets and the economy. His recent work studies data-driven decision-making, management practices that drive productivity, the pricing implications of Internet commerce and the role of intangible assets.
 
Brynjolfsson was among the first researchers to measure the productivity contributions of information and community technology (ICT) and the complementary role of organizational capital and other intangibles. His research also provided the first quantification of the value of online product variety, often known as the “Long Tail,” and developed pricing and bundling models for information goods.

His books include Wired for Innovation: How IT Is Reshaping the Economy and Race Against the Machine: How the Digital Revolution Is Accelerating Innovation, Driving Productivity and Irreversibly Transforming Employment and the Economy (with Andrew McAfee); and the recent article "Big Data: The Management Revolution" (with Andrew McAfee).

More profile about the speaker
Erik Brynjolfsson | Speaker | TED.com
TED2013

Erik Brynjolfsson: The key to growth? Race with the machines

Erik Brynjolfsson: Klucz do rozwoju? Współpraca z maszynami

Filmed:
1,321,770 views

W związku z tym, że maszyny przejmują coraz więcej stanowisk, wielu ludzi traci pracę lub nieskończenie czeka na podwyżkę. Czy to kres rozwoju? Erik Brynjolfsson twierdzi, że nie – to po prostu trudności początkowe związane z radykalnie zreformowaną gospodarką. Interesująca argumentacja uzasadniająca, czemu przed nami leżą wielkie innowacje ... jeżeli uznamy komputery za członków naszego zespołu. Zapoznajcie się też z przeciwnym punktem widzenia Roberta Gordona.
- Innovation researcher
Erik Brynjolfsson examines the effects of information technologies on business strategy, productivity and employment. Full bio

Double-click the English transcript below to play the video.

00:12
GrowthWzrost is not deadnie żyje.
0
605
2272
Rozwój nie umarł.
00:14
(ApplauseAplauz)
1
2877
1386
(Brawa)
00:16
Let's startpoczątek the storyfabuła 120 yearslat agotemu,
2
4263
3963
Historię zacznijmy
od cofnięcia się o 120 lat,
00:20
when AmericanAmerykański factoriesfabryki beganrozpoczął się to electrifyElektryzować theirich operationsoperacje,
3
8226
3632
kiedy amerykańskie fabryki zaczęły
wykorzystywać energię elektryczną,
00:23
ignitingzapalając the SecondDrugi IndustrialPrzemysłowe RevolutionRewolucja.
4
11858
3344
rozpoczynając drugą rewolucję przemysłową.
00:27
The amazingniesamowity thing is
5
15202
1111
Niesamowite jest to,
00:28
that productivitywydajność did not increasezwiększać in those factoriesfabryki
6
16313
2777
że wydajność w tych fabrykach nie wzrosła
00:31
for 30 yearslat. ThirtyTrzydziestu yearslat.
7
19090
3256
przez trzydzieści lat.
00:34
That's long enoughdość for a generationgeneracja of managersmenedżerowie to retireprzejść na emeryturę.
8
22346
3474
To wystarczająco długo, aby pokolenie
kierowników mogło przejść na emeryturę.
00:37
You see, the first wavefala of managersmenedżerowie
9
25820
2222
Pierwsza fala kierowników
00:40
simplypo prostu replacedzastąpiony theirich steamparowy enginessilniki with electricelektryczny motorssilniki,
10
28042
3417
po prostu zastąpiła silniki parowe
silnikami elektrycznymi,
00:43
but they didn't redesignprzeprojektowanie the factoriesfabryki to take advantageZaletą
11
31459
3010
ale nie przekonstruowali fabryk tak,
00:46
of electricity'senergii elektrycznej w flexibilityelastyczność.
12
34469
2341
aby mogli skorzystać
z elastyczności elektryczności.
00:48
It fellspadł to the nextNastępny generationgeneracja to inventwymyślać newNowy work processesprocesy,
13
36810
3984
To nowe pokolenie
opracowało nowe procesy pracy
00:52
and then productivitywydajność soaredwzrosła,
14
40794
2727
i wtedy wydajność w tych fabrykach wzrosła,
00:55
oftenczęsto doublingpodwojenie or even triplingpotrojenie in those factoriesfabryki.
15
43521
3665
często dwukrotnie lub nawet trzykrotnie.
00:59
ElectricityEnergii elektrycznej is an exampleprzykład of a generalgenerał purposecel, powód technologytechnologia,
16
47186
4723
Elektryczność jest przykładem
technologii ogólnego zastosowania,
01:03
like the steamparowy enginesilnik before it.
17
51909
2230
tak jak wcześniej silnik parowy.
01:06
GeneralOgólne purposecel, powód technologiestechnologie drivenapęd mostwiększość economicgospodarczy growthwzrost,
18
54139
3416
Technologie ogólnego zastosowanie
napędzają wzrost gospodarczy,
01:09
because they unleashUwolnij cascadesCascades of complementaryuzupełniający innovationsinnowacje,
19
57555
3454
ponieważ wiążą się
z masą dodatkowych innowacji,
01:13
like lightbulbsżarówki and, yes, factoryfabryka redesignprzeprojektowanie.
20
61009
3632
takich jak żarówki i właśnie
przeprojektowywanie fabryk.
01:16
Is there a generalgenerał purposecel, powód technologytechnologia of our eraera?
21
64641
3610
Czy w naszej erze istnieje
technologia ogólnego zastosowania?
01:20
Sure. It's the computerkomputer.
22
68251
2508
Pewnie. Komputer.
01:22
But technologytechnologia alonesam is not enoughdość.
23
70759
2659
Jednak sama technologia nie wystarczy.
01:25
TechnologyTechnologia is not destinyprzeznaczenie.
24
73418
2766
Technologia to nie przeznaczenie.
01:28
We shapekształt our destinyprzeznaczenie,
25
76184
1580
Sami kształtujemy swoje przeznaczenie
01:29
and just as the earlierwcześniej generationspokolenia of managersmenedżerowie
26
77764
2516
i tak jak wcześniejsze
pokolenia kierowników
01:32
neededpotrzebne to redesignprzeprojektowanie theirich factoriesfabryki,
27
80280
2298
musiały przeprojektować fabryki,
01:34
we're going to need to reinventWymyślaj our organizationsorganizacje
28
82578
2229
tak my musimy
zreformować nasze organizacje,
01:36
and even our wholecały economicgospodarczy systemsystem.
29
84807
2555
a nawet cały system gospodarczy.
01:39
We're not doing as well at that jobpraca as we should be.
30
87362
3602
Nie radzimy sobie z tym tak dobrze,
jak powinniśmy.
01:42
As we'lldobrze see in a momentza chwilę,
31
90964
1230
Jak za chwilę zobaczymy,
01:44
productivitywydajność is actuallytak właściwie doing all right,
32
92194
2722
wydajność ma się dobrze,
01:46
but it has becomestają się decoupledoddzielone from jobsOferty pracy,
33
94916
3862
ale stała się niezależna od prac.
01:50
and the incomedochód of the typicaltypowy workerpracownik is stagnatingstagnacji.
34
98778
4419
Dochód przeciętnego pracownika
tkwi w zastoju.
01:55
These troubleskłopoty are sometimesczasami misdiagnosedbłędnie
35
103197
2519
Te problemy często błędnie interpretuje się
01:57
as the endkoniec of innovationinnowacja,
36
105716
3712
jako kres innowacji,
02:01
but they are actuallytak właściwie the growingrozwój painstrud
37
109428
2129
ale w rzeczywistości to
początkowe trudności
02:03
of what AndrewAndrew McAfeeMcAfee and I call the newNowy machinemaszyna agewiek.
38
111557
5590
związane z tym, co z Andrew McAfeem
nazywamy nową erą maszyn.
02:09
Let's look at some datadane.
39
117147
1882
Przyjrzyjmy się danym.
02:11
So here'soto jest GDPPKB perza personosoba in AmericaAmeryka.
40
119029
2902
To wskaźnik PKB na osobę w Ameryce.
02:13
There's some bumpsguzy alongwzdłuż the way, but the bigduży storyfabuła
41
121931
2766
Po drodze natrafiamy na pewne wyboje,
02:16
is you could practicallypraktycznie fitdopasowanie a rulerLinijka to it.
42
124697
2715
ale ogólnie jest praktycznie
równy jak od linijki.
02:19
This is a loglog scaleskala, so what lookswygląda like steadystały growthwzrost
43
127412
3276
To skala logarytmiczna, dlatego to,
co wygląda jak stały wzrost,
02:22
is actuallytak właściwie an accelerationprzyśpieszenie in realreal termswarunki.
44
130688
3043
to zwiększenie w rzeczywistych warunkach.
02:25
And here'soto jest productivitywydajność.
45
133731
2160
Tutaj mamy wydajność.
02:27
You can see a little bitkawałek of a slowdownspowolnienie there in the mid-'Środek-'70s,
46
135891
2671
Widać lekkie spowolnienie
w połowie lat 70.,
02:30
but it matchesmecze up prettyładny well with the SecondDrugi IndustrialPrzemysłowe RevolutionRewolucja,
47
138562
3738
ale bardzo dobrze dopasowuje się do
drugiej rewolucji przemysłowej,
02:34
when factoriesfabryki were learninguczenie się how to electrifyElektryzować theirich operationsoperacje.
48
142300
2691
kiedy fabryki uczyły się,
jak elektryfikować działanie.
02:36
After a laglagi, productivitywydajność acceleratedprzyśpieszony again.
49
144991
4129
Po zastoju ponownie nastąpił
wzrost wydajności.
02:41
So maybe "historyhistoria doesn't repeatpowtarzać itselfsamo,
50
149120
2571
Może "historia się nie powtarza,
02:43
but sometimesczasami it rhymesrymy."
51
151691
2568
ale czasami się rymuje".
02:46
TodayDzisiaj, productivitywydajność is at an all-timewszech czasów highwysoki,
52
154259
3136
Obecnie wydajność osiąga rekordową wartość
02:49
and despitepomimo the Great RecessionRecesji,
53
157395
1977
i pomimo wielkiej recesji
02:51
it grewrósł fasterszybciej in the 2000s than it did in the 1990s,
54
159372
4252
i w pierwszej dekadzie XXI w.
wzrosła szybciej niż w latach 90. XX w.,
02:55
the roaringryk 1990s, and that was fasterszybciej than the '70s or '80s.
55
163624
4136
a wzrost był szybszy niż w latach 70. i 80.
02:59
It's growingrozwój fasterszybciej than it did duringpodczas the SecondDrugi IndustrialPrzemysłowe RevolutionRewolucja.
56
167760
3674
Wzrasta szybciej niż podczas
drugiej rewolucji przemysłowej.
03:03
And that's just the UnitedStany Zjednoczone StatesPaństwa.
57
171434
1743
A to tylko Stany Zjednoczone.
03:05
The globalświatowy newsAktualności is even better.
58
173177
3248
Wiadomości światowe są nawet lepsze.
03:08
WorldwideNa całym świecie incomesdochodów have growndorosły at a fasterszybciej rateoceniać
59
176425
2360
Światowe dochody wzrosły szybciej
03:10
in the pastprzeszłość decadedekada than ever in historyhistoria.
60
178785
2496
przez ostatnie 10 lat
niż kiedykolwiek wcześniej.
03:13
If anything, all these numbersliczby actuallytak właściwie understatepomniejszenia our progresspostęp,
61
181281
5051
Jeśli już to te wszystkie liczby
pomniejszają nasz postęp,
03:18
because the newNowy machinemaszyna agewiek
62
186332
1912
ponieważ nowa era maszyn
03:20
is more about knowledgewiedza, umiejętności creationkreacja
63
188244
1664
bardziej wiąże się z tworzeniem wiedzy
03:21
than just physicalfizyczny productionprodukcja.
64
189908
2331
niż z fizyczną produkcją.
03:24
It's mindumysł not mattermateria, brainmózg not brawnsalceson,
65
192239
2938
Chodzi o umysł, a nie materię.
O mózg, a nie mięśnie.
03:27
ideaspomysły not things.
66
195177
2062
Idee, a nie rzeczy.
03:29
That createstworzy a problemproblem for standardstandard metricsmetryki,
67
197239
2570
Stwarza to problem dla standardowym metryk,
03:31
because we're gettinguzyskiwanie more and more stuffrzeczy for freewolny,
68
199809
3502
ponieważ coraz więcej rzeczy mamy za darmo,
03:35
like WikipediaWikipedia, GoogleGoogle, SkypeSkype,
69
203311
2641
takich jak Wikipedia, Google, Skype,
03:37
and if they poststanowisko it on the websieć, even this TEDTED Talk.
70
205952
3063
i jeżeli umieszczą mnie w sieci,
nawet tę prelekcję.
03:41
Now gettinguzyskiwanie stuffrzeczy for freewolny is a good thing, right?
71
209015
3303
Lubicie dostawać gratisy?
03:44
Sure, of coursekurs it is.
72
212318
1765
Oczywiście, że tak.
03:46
But that's not how economistsekonomiści measurezmierzyć GDPPKB.
73
214083
3868
Ale nie tak ekonomiści mierzą PKB.
03:49
ZeroZero pricecena meansznaczy zerozero weightwaga in the GDPPKB statisticsStatystyka.
74
217951
5592
W statystykach PKB cena zerowa
oznacza wagę zerową.
03:55
AccordingZgodnie z to the numbersliczby, the musicmuzyka industryprzemysł
75
223543
2112
Zgodnie z liczbami przemysł muzyczny
03:57
is halfpół the sizerozmiar that it was 10 yearslat agotemu,
76
225655
3000
jest o połowę mniejszy niż 10 lat temu,
04:00
but I'm listeningsłuchający to more and better musicmuzyka than ever.
77
228655
3656
ale ja słucham więcej i lepszej muzyki
niż kiedykolwiek.
04:04
You know, I betZakład you are too.
78
232311
2192
Wy pewnie też.
04:06
In totalcałkowity, my researchBadania estimatesszacunki
79
234503
2723
Według moich badań
04:09
that the GDPPKB numbersliczby misstęsknić over 300 billionmiliard dollarsdolarów perza yearrok
80
237226
4754
liczby PKB pomijają
ponad 300 mld dolarów rocznie
04:13
in freewolny goodsdobra and servicesusługi on the InternetInternet.
81
241980
3346
w darmowych dobrach
i usługach w Internecie.
04:17
Now let's look to the futureprzyszłość.
82
245326
1789
Spójrzmy w przyszłość.
04:19
There are some superWspaniały smartmądry people
83
247115
2263
Jest trochę super mądrych ludzi,
04:21
who are arguingargumentując that we'vemamy reachedosiągnięty the endkoniec of growthwzrost,
84
249378
5019
którzy twierdzą,
że dotarliśmy do końca rozwoju,
04:26
but to understandzrozumieć the futureprzyszłość of growthwzrost,
85
254397
3558
ale aby zrozumieć przyszłość rozwoju,
04:29
we need to make predictionsprognozy
86
257955
2683
musimy sformułować prognozy
04:32
about the underlyingpoważniejszych driversSterowniki of growthwzrost.
87
260638
3290
na temat czynników
leżących u podstaw rozwoju.
04:35
I'm optimisticoptymistyczny, because the newNowy machinemaszyna agewiek
88
263928
3806
Jestem optymistą, ponieważ nowa era maszyn
04:39
is digitalcyfrowy, exponentialwykładniczy and combinatorialkombinatoryczny.
89
267734
5030
jest cyfrowa, wykładnicza
i kombinatoryczna.
04:44
When goodsdobra are digitalcyfrowy, they can be replicatedreplikowane
90
272764
2264
Kiedy dobra są cyfrowe, można je pomnażać.
04:47
with perfectidealny qualityjakość at nearlyprawie zerozero costkoszt,
91
275028
4509
Są idealnej jakości
i prawie nic nie kosztują.
04:51
and they can be delivereddostarczone almostprawie instantaneouslymomentalnie.
92
279537
4018
I mogą być dostarczone
niemalże natychmiastowo.
04:55
WelcomeWitamy to the economicsEkonomia of abundanceobfitość.
93
283555
2800
Witajcie w ekonomii obfitości.
04:58
But there's a subtlersubtelniejszy benefitzasiłek to the digitizationdigitalizacja of the worldświat.
94
286355
3690
Ale istnieje subtelniejsza korzyść
z digitalizacji świata.
05:02
MeasurementPomiar is the lifebloodsiłą napędową of sciencenauka and progresspostęp.
95
290045
4600
Miarą jest siła napędowa nauki i postępu.
05:06
In the agewiek of bigduży datadane,
96
294645
2148
W erze dużych ilości danych
05:08
we can measurezmierzyć the worldświat in wayssposoby we never could before.
97
296793
4286
możemy zmierzyć świat
na sposoby niemożliwe wcześniej.
05:13
SecondlyPo drugie, the newNowy machinemaszyna agewiek is exponentialwykładniczy.
98
301079
4095
Po drugie nowa era maszyn jest wykładnicza.
05:17
ComputersKomputery get better fasterszybciej than anything elsejeszcze ever.
99
305174
5935
Komputery stają się lepsze, szybsze
niż cokolwiek innego wcześniej.
05:23
A child'sdziecka PlaystationPlayStation todaydzisiaj is more powerfulpotężny
100
311109
3568
Playstation dziecka ma obecnie większą moc
05:26
than a militarywojskowy supercomputersuperkomputer from 1996.
101
314677
4056
niż wojskowy superkomputer z 1996 roku.
05:30
But our brainsmózg are wiredprzewodowy for a linearliniowy worldświat.
102
318733
3207
Ale nasze mózgi są dostosowane
do linearnego świata.
05:33
As a resultwynik, exponentialwykładniczy trendstrendy take us by surpriseniespodzianka.
103
321940
3888
W wyniku trendy wykładnicze nas zaskakują.
05:37
I used to teachnauczać my studentsstudenci that there are some things,
104
325828
2602
Kiedyś uczyłem moich uczniów,
że istnieją pewne rzeczy,
05:40
you know, computerskomputery just aren'tnie są good at,
105
328430
1934
w których komputery nie są dobre,
05:42
like drivingnapędowy a carsamochód throughprzez trafficruch drogowy.
106
330364
2385
np. prowadzenie samochodu
na zatłoczonych ulicach.
05:44
(LaughterŚmiech)
107
332749
2013
(Śmiech)
05:46
That's right, here'soto jest AndyAndy and me grinninguśmiechając się like madmenszaleńców
108
334762
3491
Tak, to Andy i ja szczerzący się jak głupi,
05:50
because we just rodejechał down RouteTrasa 101
109
338253
2384
ponieważ właśnie przejechaliśmy
przez autostradę 101
05:52
in, yes, a driverlessbez sterownika carsamochód.
110
340637
3669
w samochodzie bez kierowcy.
05:56
ThirdlyPo trzecie, the newNowy machinemaszyna agewiek is combinatorialkombinatoryczny.
111
344306
2583
Po trzecie nowa era maszyn
jest kombinatoryczna.
05:58
The stagnationiststagnationist viewwidok is that ideaspomysły get used up,
112
346889
4048
Pogląd stagnacyjny twierdzi,
że pomysły się zużywają,
06:02
like low-hangingnisko wiszące fruitowoc,
113
350937
1856
jak nisko rosnące owoce,
06:04
but the realityrzeczywistość is that eachkażdy innovationinnowacja
114
352793
3163
ale w rzeczywistości każda innowacja
06:07
createstworzy buildingbudynek blocksBloki for even more innovationsinnowacje.
115
355956
3256
prowadzi do kolejnych innowacji.
06:11
Here'sTutaj jest an exampleprzykład. In just a mattermateria of a fewkilka weekstygodnie,
116
359212
3345
Podam przykład.
W ciągu zaledwie kilku tygodni
06:14
an undergraduatestudia licencjackie studentstudent of minekopalnia
117
362557
2072
jeden z moich studentów
06:16
builtwybudowany an appaplikacja that ultimatelyostatecznie reachedosiągnięty 1.3 millionmilion usersużytkowników.
118
364629
4111
stworzył aplikację, z której ostatecznie
skorzystało 1,3 miliona użytkowników.
06:20
He was ablezdolny to do that so easilyz łatwością
119
368740
1699
Był w stanie to tak łatwo osiągnąć,
06:22
because he builtwybudowany it on topTop of FacebookFacebook,
120
370439
1827
ponieważ stworzył ją na Facebooku,
06:24
and FacebookFacebook was builtwybudowany on topTop of the websieć,
121
372266
1933
Facebook stworzono w sieci,
06:26
and that was builtwybudowany on topTop of the InternetInternet,
122
374199
1698
sieć stworzono w Internecie
06:27
and so on and so forthnaprzód.
123
375897
2418
i tak dalej.
06:30
Now individuallyindywidualnie, digitalcyfrowy, exponentialwykładniczy and combinatorialkombinatoryczny
124
378315
4765
Z osobna coś cyfrowego,
wykładniczego i kombinatorycznego
06:35
would eachkażdy be game-changersGame changer.
125
383080
2350
uważano by za przełomowe.
06:37
Put them togetherRazem, and we're seeingwidzenie a wavefala
126
385430
2190
Połączmy te cechy i widzimy falę
06:39
of astonishingzadziwiający breakthroughsprzełomy,
127
387620
1393
zadziwiających osiągnięć,
06:41
like robotsroboty that do factoryfabryka work or runbiegać as fastszybki as a cheetahGepard
128
389013
3060
takich jak roboty w fabryce,
biegające tak szybko jak gepard
06:44
or leapskok tallwysoki buildingsBudynki in a singlepojedynczy boundgranica.
129
392073
2796
lub przeskakujące wysokie budynki
za pierwszym podejściem.
06:46
You know, robotsroboty are even revolutionizingrewolucjonizuje
130
394869
2232
Roboty nawet rewolucjonizują
06:49
catkot transportationtransport.
131
397101
1829
transport kotów.
06:50
(LaughterŚmiech)
132
398930
2270
(Śmiech)
06:53
But perhapsmoże the mostwiększość importantważny inventionwynalazek,
133
401200
2732
Ale być może najważniejszym wynalazkiem
06:55
the mostwiększość importantważny inventionwynalazek is machinemaszyna learninguczenie się.
134
403932
5065
jest uczenie maszynowe.
07:00
ConsiderNależy wziąć pod uwagę one projectprojekt: IBM'sFirmy IBM WatsonWatson.
135
408997
3376
Weźmy pod uwagę jeden projekt:
superkomputer Watson firmy IBM.
07:04
These little dotskropki here,
136
412373
1589
Te małe kropki tutaj
07:05
those are all the championsMistrzów on the quizkartkówka showpokazać "JeopardyZagrożona."
137
413962
4860
to wszyscy zwycięzcy
teleturnieju "Jeopardy".
07:10
At first, WatsonWatson wasn'tnie było very good,
138
418822
2544
Początkowo Watson nie był zbyt dobry,
07:13
but it improvedulepszony at a rateoceniać fasterszybciej than any humanczłowiek could,
139
421366
5622
ale stawał się lepszy szybciej
niż jakikolwiek człowiek
07:18
and shortlyWkrótce after DaveDave FerrucciFerrucci showedpokazał this chartwykres
140
426988
2687
i niedługo po tym, jak Dave Ferrucci
pokazał ten wykres
07:21
to my classklasa at MITMIT,
141
429675
1652
moim studentom z MIT,
07:23
WatsonWatson beatbić the worldświat "JeopardyZagrożona" championmistrz.
142
431327
3542
Watson pokonał
światowego mistrza "Jeopardy".
07:26
At agewiek sevensiedem, WatsonWatson is still kinduprzejmy of in its childhooddzieciństwo.
143
434869
3989
W wieku 7 lat Watson nadal jest dzieckiem.
07:30
RecentlyNiedawno, its teachersnauczyciele let it surfSurf the InternetInternet unsupervisedbez nadzoru.
144
438858
5318
Ostatnio jego nauczyciele pozwolili mu
surfować po Internecie bez nadzoru.
07:36
The nextNastępny day, it startedRozpoczęty answeringodpowiadając questionspytania with profanitiesprzekleństwa.
145
444176
5946
Następnego dnia zaczął zadawać
pytania zawierające przekleństwa.
07:42
DamnKurde. (LaughterŚmiech)
146
450122
2274
Cholera. (Śmiech)
07:44
But you know, WatsonWatson is growingrozwój up fastszybki.
147
452396
2280
Watson szybko się rozwija.
07:46
It's beingistota testedprzetestowany for jobsOferty pracy in call centerscentra, and it's gettinguzyskiwanie them.
148
454676
4212
Stara się o prace w infoliniach
i je dostaje.
07:50
It's applyingstosowanie for legalprawny, bankingBankowość and medicalmedyczny jobsOferty pracy,
149
458888
3724
Ubiega się o stanowiska w prawie,
bankowości, medycynie
07:54
and gettinguzyskiwanie some of them.
150
462612
1950
i niektóre z nich dostaje.
07:56
Isn't it ironicironiczny that at the very momentza chwilę
151
464562
1889
Czy ironią nie jest to, że właśnie teraz,
07:58
we are buildingbudynek intelligentinteligentny machinesmaszyny,
152
466451
2234
kiedy budujemy maszyny inteligentne,
08:00
perhapsmoże the mostwiększość importantważny inventionwynalazek in humanczłowiek historyhistoria,
153
468685
3449
być może najważniejsze wynalazki
w historii ludzkości,
08:04
some people are arguingargumentując that innovationinnowacja is stagnatingstagnacji?
154
472134
3975
niektórzy twierdzą,
że innowacja ulega stagnacji?
08:08
Like the first two industrialprzemysłowy revolutionsrewolucje,
155
476109
2419
Jak w dwóch pierwszych
rewolucjach przemysłowych,
08:10
the fullpełny implicationsimplikacje of the newNowy machinemaszyna agewiek
156
478528
3134
pełne skutki nowej ery maszyn
08:13
are going to take at leastnajmniej a centurystulecie to fullycałkowicie playgrać out,
157
481662
2682
widocznie będą dopiero
po co najmniej 100 latach,
08:16
but they are staggeringzdumiewające.
158
484344
3032
ale powoli je widać.
08:19
So does that mean we have nothing to worrymartwić się about?
159
487376
3336
Czy to oznacza,
że nie ma o co się martwić?
08:22
No. TechnologyTechnologia is not destinyprzeznaczenie.
160
490712
3680
Nie. Technologia nie jest przeznaczeniem.
08:26
ProductivityProduktywność is at an all time highwysoki,
161
494392
2569
Wydajność obecnie osiąga
historyczne maksimum,
08:28
but fewermniej people now have jobsOferty pracy.
162
496961
2983
ale mniej ludzi ma obecnie pracę.
08:31
We have createdstworzony more wealthbogactwo in the pastprzeszłość decadedekada than ever,
163
499944
3120
Stworzyliśmy więcej bogactwa w ostatnich
10 latach niż kiedykolwiek,
08:35
but for a majoritywiększość of AmericansAmerykanie, theirich incomedochód has fallenupadły.
164
503064
3904
ale dochód większości Amerykanów zmalał.
08:38
This is the great decouplingoddzielenie płatności od produkcji
165
506968
2312
To wielkie rozdzielenie
08:41
of productivitywydajność from employmentzatrudnienie,
166
509280
2976
wydajności od zatrudnienia,
08:44
of wealthbogactwo from work.
167
512256
3104
majątku od pracy.
08:47
You know, it's not surprisingzaskakujący that millionsmiliony of people
168
515360
2346
Nie dziwi fakt, że miliony ludzi
08:49
have becomestają się disillusionedrozczarowani by the great decouplingoddzielenie płatności od produkcji,
169
517706
2846
zostało pozbawionych złudzeń
przez to wielkie rozdzielenie,
08:52
but like too manywiele othersinni,
170
520552
1747
ale jak wiele innych
08:54
they misunderstandrozumieją its basicpodstawowy causesprzyczyny.
171
522299
3097
źle rozumie jego podstawowe przyczyn.
08:57
TechnologyTechnologia is racingwyścigi aheadprzed siebie,
172
525396
2610
Technologia pędzi do przodu,
09:00
but it's leavingodejście more and more people behindza.
173
528006
3550
ale zostawia w tyle coraz więcej ludzi.
09:03
TodayDzisiaj, we can take a routinerutyna jobpraca,
174
531556
3519
Obecnie możemy wziąć pracę rutynową,
09:07
codifykodyfikacji it in a setzestaw of machine-readabledo odczytu maszynowego instructionsinstrukcje,
175
535075
3091
skodyfikować ją w zestaw instrukcji
do odczytu maszynowego,
09:10
and then replicatereplika it a millionmilion timesczasy.
176
538166
2827
a następnie powielić milion razy.
09:12
You know, I recentlyostatnio overheardpodsłuchane a conversationrozmowa
177
540993
2279
Ostatnio usłyszałem rozmowę,
09:15
that epitomizesuosobienie these newNowy economicsEkonomia.
178
543272
1952
która odzwierciedlała tą nową ekonomię.
09:17
This guy saysmówi, "Nahnie, I don't use H&R BlockBloku anymorejuż.
179
545224
4197
Gość powiedział: "Nie, już nie korzystam
z firmy doradztwa podatkowego.
09:21
TurboTaxTurboTax does everything that my taxpodatek preparerprzygotowujący did,
180
549421
2448
TurboTax robi wszystko,
co robił mój doradca podatkowy,
09:23
but it's fasterszybciej, cheapertaniej and more accuratedokładny."
181
551869
4558
ale jest szybszy, tańszy i dokładniejszy".
09:28
How can a skilledwykwalifikowany workerpracownik
182
556427
1799
Jak wykwalifikowany pracownik
09:30
competerywalizować with a $39 piecekawałek of softwareoprogramowanie?
183
558226
3009
może rywalizować z oprogramowaniem za 39$?
09:33
She can't.
184
561235
1967
Nie może.
09:35
TodayDzisiaj, millionsmiliony of AmericansAmerykanie do have fasterszybciej,
185
563202
2780
Obecnie miliony Amerykanów ma szybsze,
09:37
cheapertaniej, more accuratedokładny taxpodatek preparationprzygotowanie,
186
565982
2387
tańsze, dokładniejsze doradztwo podatkowe,
09:40
and the foundersZałożyciele of IntuitIntuit
187
568369
1486
a założycielom firmy Intuit
09:41
have doneGotowe very well for themselvessami.
188
569855
2493
bardzo dobrze się wiedzie.
09:44
But 17 percentprocent of taxpodatek preparerssporządzających no longerdłużej have jobsOferty pracy.
189
572348
4214
Ale 17% doradców podatkowych
nie ma już pracy.
09:48
That is a microcosmmikrokosmos of what's happeningwydarzenie,
190
576562
2078
To tylko mała część tego, co się dzieje,
09:50
not just in softwareoprogramowanie and servicesusługi, but in mediagłoska bezdźwięczna and musicmuzyka,
191
578640
4677
nie tylko w przypadku oprogramowań i usług,
ale też w mediach, muzyce,
09:55
in financefinanse and manufacturingprodukcja, in retailingsprzedaż detaliczna and tradehandel --
192
583317
3686
finansach, produkcji, sprzedaży, handlu --
09:59
in shortkrótki, in everykażdy industryprzemysł.
193
587003
3895
w skrócie, w każdym przemyśle.
10:02
People are racingwyścigi againstprzeciwko the machinemaszyna,
194
590898
3095
Ludzie ścigają się z maszynami
10:05
and manywiele of them are losingprzegrywający that racewyścigi.
195
593993
3090
i wielu z nich przegrywa.
10:09
What can we do to createStwórz sharedudostępniony prosperitydobrobytu?
196
597083
3886
Co można zrobić,
aby stworzyć wspólny dobrobyt?
10:12
The answerodpowiedź is not to try to slowpowolny down technologytechnologia.
197
600969
3017
Nie próbować spowalniać technologię.
10:15
InsteadZamiast tego of racingwyścigi againstprzeciwko the machinemaszyna,
198
603986
2557
Zamiast ścigać się z maszynami
10:18
we need to learnuczyć się to racewyścigi with the machinemaszyna.
199
606543
3677
musimy nauczyć się z nimi współpracować.
10:22
That is our grandwielki challengewyzwanie.
200
610220
3129
To nasze wielkie wyzwanie.
10:25
The newNowy machinemaszyna agewiek
201
613349
2324
Nową erę maszyn
10:27
can be datedprzestarzały to a day 15 yearslat agotemu
202
615673
3113
można datować do dnia 15 lat temu,
10:30
when GarryGarry KasparovKasparow, the worldświat chessszachy championmistrz,
203
618786
2878
kiedy Gary Kasparov,
mistrz świata w szachach,
10:33
playedgrał DeepGłębokie BlueNiebieski, a supercomputersuperkomputer.
204
621664
3706
grał z superkomputerem Deep Blue.
10:37
The machinemaszyna wonwygrał that day,
205
625370
2012
Tamtego dnia maszyna wygrała
10:39
and todaydzisiaj, a chessszachy programprogram runningbieganie on a cellkomórka phonetelefon
206
627382
2968
i obecnie program szachowy na komórce
10:42
can beatbić a humanczłowiek grandmasterarcymistrz.
207
630350
2296
może pokonać człowieka-arcymistrza.
10:44
It got so badzły that, when he was askedspytał
208
632646
3365
Sytuacja była tak zła, że kiedy spytano
10:48
what strategystrategia he would use againstprzeciwko a computerkomputer,
209
636011
2563
Jana Donnera, duńskiego arcymistrza,
10:50
JanJan DonnerDonner, the DutchHolenderski grandmasterarcymistrz, repliedodpowiedział,
210
638574
4016
jakiej strategi użyłby w grze
przeciwko komputerowi,
10:54
"I'd bringprzynieść a hammermłot."
211
642590
1771
odpowiedział: "Przyniósłbym młotek".
10:56
(LaughterŚmiech)
212
644361
3680
(Śmiech)
11:00
But todaydzisiaj a computerkomputer is no longerdłużej the worldświat chessszachy championmistrz.
213
648041
4544
Ale obecnie komputer nie jest
już mistrzem świata w szachach.
11:04
NeitherAni is a humanczłowiek,
214
652585
2654
Nie jest nim też człowiek,
11:07
because KasparovKasparow organizedzorganizowany a freestyleFreestyle tournamentTurniej
215
655239
3579
ponieważ Kasparov
zorganizował turniej freestylowy,
11:10
where teamszespoły of humansludzie and computerskomputery
216
658818
1916
w którym zespoły ludzi i komputerów
11:12
could work togetherRazem,
217
660734
2099
mogły współpracować
11:14
and the winningzwycięski teamzespół had no grandmasterarcymistrz,
218
662833
3157
i zwycięska drużyna
nie miała ani arcymistrza,
11:17
and it had no supercomputersuperkomputer.
219
665990
2465
ani superkomputera.
11:20
What they had was better teamworkPraca zespołowa,
220
668455
4175
Mieli za to lepszą pracę zespołową
11:24
and they showedpokazał that a teamzespół of humansludzie and computerskomputery,
221
672630
5016
i pokazali, że zespół ludzi i komputerów
11:29
workingpracujący togetherRazem, could beatbić any computerkomputer
222
677646
3048
pracujący razem może pokonać każdy komputer
11:32
or any humanczłowiek workingpracujący alonesam.
223
680694
3520
i każdego człowieka
pracującego samodzielnie.
11:36
RacingWyścigi with the machinemaszyna
224
684214
1664
Współpraca z maszyną
11:37
beatsbije racingwyścigi againstprzeciwko the machinemaszyna.
225
685878
2343
wygrywa ze ściganiem się z maszyną.
11:40
TechnologyTechnologia is not destinyprzeznaczenie.
226
688221
2564
Technologia nie jest przeznaczeniem.
11:42
We shapekształt our destinyprzeznaczenie.
227
690785
1742
Sami kształtujemy nasze przeznaczenie.
11:44
Thank you.
228
692527
1447
Dziękuję.
11:45
(ApplauseAplauz)
229
693974
5016
(Brawa)
Translated by Justyna Szumiło
Reviewed by Barbara Olszewska

▲Back to top

ABOUT THE SPEAKER
Erik Brynjolfsson - Innovation researcher
Erik Brynjolfsson examines the effects of information technologies on business strategy, productivity and employment.

Why you should listen

The director of the MIT Center for Digital Business and a research associate at the National Bureau of Economic Research, Erik Brynjolfsson asks how IT affects organizations, markets and the economy. His recent work studies data-driven decision-making, management practices that drive productivity, the pricing implications of Internet commerce and the role of intangible assets.
 
Brynjolfsson was among the first researchers to measure the productivity contributions of information and community technology (ICT) and the complementary role of organizational capital and other intangibles. His research also provided the first quantification of the value of online product variety, often known as the “Long Tail,” and developed pricing and bundling models for information goods.

His books include Wired for Innovation: How IT Is Reshaping the Economy and Race Against the Machine: How the Digital Revolution Is Accelerating Innovation, Driving Productivity and Irreversibly Transforming Employment and the Economy (with Andrew McAfee); and the recent article "Big Data: The Management Revolution" (with Andrew McAfee).

More profile about the speaker
Erik Brynjolfsson | Speaker | TED.com