L'article aborde le fossé entre l'adoption déclarée d'intelligence artificielle par les entreprises et la transformation effective de leurs processus. De nombreuses entreprises affirment utiliser l'IA, mais peu arrivent à démontrer avec des chiffres concrets les changements qui ont résulté de cette adoption. Ce phénomène est décrit comme l'un des sujets les plus pertinents de l'économie de l'innovation et l'un des plus mal compris par les organisations elles-mêmes.
Le secteur de la vente au détail sert d'exemple central de cette problématique. Il est courant qu'une chaîne de magasins acquière des outils de prévision de la demande basés sur l'IA, les présente comme une étape marquante de l'innovation dans ses rapports internes, mais continue de décider des réassorts et des campagnes exactement comme avant, les gérants de magasin faisant davantage confiance à leur expérience qu'aux résultats des modèles. L'outil existe, a été payé et apparaît dans le budget technologique, mais n'a pas modifié le processus décisionnel.
L'article recourt à un parallèle historique pour illustrer le problème. Lorsque l'électricité est arrivée dans les usines américaines au début du XXe siècle, les gains de productivité ne sont apparus que des décennies après, lorsque les usines ont cessé de simplement remplacer les moteurs à vapeur par des moteurs électriques dans le même agencement et ont commencé à redessiner complètement l'organisation spatiale de la production. Avec l'IA, le même principe s'applique, mais au rythme accéléré de l'économie numérique, rendant le retard plus visible et plus coûteux.
L'article identifie également un effet de signalisation qui aggrave le problème : annoncer l'adoption de l'IA est devenu un signal d'innovation pour les investisseurs, les clients et les régulateurs. Cette incitation réputationnelle favorise les annonces rapides d'achat de technologie, mais ne récompense pas le
