Das wissenschaftliche Arbeitspapier von Brynjolfsson, Rock und Syverson untersucht, wie immaterielle Investitionen im Zusammenhang mit neuen Basistechnologien die Messung der wirtschaftlichen Produktivität verzerren. Die Autoren argumentieren, dass ergänzende Ausgaben für neue Geschäftsprozesse oder Mitarbeiterschulungen oft nicht in offiziellen Statistiken erfasst werden, was anfangs zu einer Unterschätzung des Wachstums führt. Dieses Phänomen bezeichnen sie als Produktivitäts-J-Kurve, da die messbare Effizienz erst sinkt und später, wenn die Investitionen Früchte tragen, überproportional ansteigt. Empirische Analysen zeigen, dass insbesondere im Bereich der Software erhebliche Mismeßeffekte bestehen, während diese bei Forschung und Entwicklung aufgrund stabilerer Investitionsraten geringer ausfallen. Abschließend prognostiziert die Studie, dass die künstliche Intelligenz als moderne Basistechnologie ähnliche, derzeit noch kleine, aber stetig wachsende Auswirkungen auf die globale Produktivitätsstatistik haben wird. Das Modell liefert somit eine Erklärung für das sogenannte Produktivitätsparadoxon, bei dem technologische Revolutionen zeitversetzt in den Wirtschaftsdaten erscheinen.

General purpose technologies (GPTs) such as AI enable and require significant complementary investments, including co-invention of new processes, products, business models and human capital. These complementary investments are often intangible and poorly measured in the national accounts, even when they create valuable assets for the firm. We develop a model that shows how this leads to an underestimation of productivity growth in the early years of a new GPT, and how later, when the benefits of intangible investments are harvested, productivity growth will be overestimated. Our model generates a Productivity J-Curve that can explain the productivity slowdowns often accompanying the advent of GPTs, as well as the increase in productivity later. We use our model to analyze empirically the historical roles of intangibles tied to R&D, software, and computer hardware. We find substantial and ongoing Productivity J-Curve effects for software in particular and computer hardware to a lesser extent. Our adjusted measure TFP is 11.3% higher than official measures at the end of 2004, and 15.9% higher than official measures at the end of 2017. We then assess how AI-related intangible capital may be currently affecting measured productivity and find the effects are small but growing.