Για αιώνες μετά τη βιομηχανική επανάσταση, ο αυτοματισμός δεν εμπόδιζε την αύξηση των μισθών και της απασχόλησης, επειδή συνοδεύονταν από νέες τεχνολογίες προσανατολισμένες στη διατήρηση του ρόλου της ανθρώπινης εργασίας στη δημιουργία αξίας. Αλλά στην εποχή της τεχνητής νοημοσύνης, εναπόκειται στους υπεύθυνους χάραξης πολιτικής να διασφαλίσουν ότι αυτό θα συνεχιστεί.
Η τεχνητή νοημοσύνη μεταμορφώνει κάθε πτυχή της ζωής μας, κυρίως της οικονομίας. Ως τεχνολογία γενικής χρήσης, οι εφαρμογές της είναι δυνητικά ατελείωτες. Ενώ μπορεί να χρησιμοποιηθεί για την αυτοματοποίηση εργασιών που προηγουμένως εκτελούνταν από ανθρώπους, μπορεί επίσης να καταστήσει την ανθρώπινη εργασία πιο παραγωγική, αυξάνοντας έτσι τη ζήτηση εργασίας.
Δυστυχώς, η τρέχουσα τάση στην εμπορική ανάπτυξη της τεχνητής νοημοσύνης είναι μια όλο και μεγαλύτερη αυτοματοποίηση, με δυνητικά καταστροφικές συνέπειες για την κοινωνία. Πραγματικά, ο αυτοματισμός είναι μια κινητήρια δύναμη ανάπτυξης της παραγωγικότητας από την αρχή της βιομηχανικής επανάστασης, όταν, ξεκινώντας από το τέλος του 18ου αιώνα, η ύφανση και η περιστροφή έγιναν μηχανοκίνητες. Η αυτοματοποίηση όμως δεν είναι ουδέτερη. Αντικαθιστώντας την εργασία με μηχανές στη διαδικασία παραγωγής, ο αυτοματισμός μειώνει το μερίδιο της εργασίας στην προστιθέμενη αξία (και το εθνικό εισόδημα), συμβάλλει στην ανισότητα και μπορεί να μειώσει την απασχόληση και τους μισθούς.
Ωστόσο, οι περισσότερες σύγχρονες οικονομίες έχουν βιώσει έντονη αύξηση των μισθών και της απασχόλησης μετά τη βιομηχανική επανάσταση. Καθώς ο αυτοματισμός εκτόπισε εργαζομένους από την εκτέλεση ορισμένων εργασιών, προέκυψαν άλλες τεχνολογίες για την αποκατάσταση του κεντρικού ρόλου της εργασίας, δημιουργώντας νέα καθήκοντα στα οποία οι άνθρωποι έχουν συγκριτικό πλεονέκτημα. Οι τεχνολογίες αυτές δεν συνέβαλαν μόνο στην αύξηση της παραγωγικότητας, αλλά αύξησαν επίσης την απασχόληση και τους μισθούς, δημιουργώντας μια δικαιότερη κατανομή των πόρων στη διαδικασία.
Σκεφτείτε τη γεωργική μηχανοποίηση, η οποία ξεκίνησε τον 19ο αιώνα. Στην αρχή, η υποκατάσταση της χειρονακτικής εργασίας από τις μηχανές μείωσε το μερίδιο της εργασίας στην προστιθέμενη αξία, εκτοπίζοντας ένα τεράστιο μερίδιο του εργατικού δυναμικού των ΗΠΑ που προηγουμένως εργαζόταν στη γεωργία. Ωστόσο, την ίδια στιγμή, οι αναπτυσσόμενες νέες βιομηχανίες χρειάζονταν εργαζομένους για την εκτέλεση νέων καθηκόντων και τη στελέχωση καινούργιων επαγγελμάτων που δημιουργήθηκαν. Οι θέσεις γραφείου διευρύνθηκαν τόσο στις υπηρεσίες όσο και στις κατασκευές, όπου η καλύτερη κατανομή της εργασίας ενίσχυσε την παραγωγικότητα, την απασχόληση και την αύξηση των μισθών.
Ένα παρόμοιο σχήμα τεχνολογικής αλλαγής ενίσχυσε την απασχόληση και την αύξηση των μισθών για τους εργαζομένους υψηλής και χαμηλής ειδίκευσης στις δεκαετίες που ακολούθησαν το Β’ Παγκόσμιο πόλεμο. Ωστόσο, τις τελευταίες τρεις δεκαετίες, οι συνοδευτικές αλλαγές που απαιτούνται για την αντιστάθμιση των επιδράσεων της αυτοματοποίησης στην εργασία λάμπουν δια της απουσίας τους. Το αποτέλεσμα είναι ότι η αύξηση των μισθών και της απασχόλησης παρέμεινε στάσιμη και η αύξηση της παραγωγικότητας αναιμική.
Δυστυχώς, η τεχνητή νοημοσύνη φαίνεται να επιδεινώνει αυτό το μοτίβο, οδηγώντας σε ακόμη μεγαλύτερη ανισότητα και πολλές ακόμη δεκαετίες αργής αύξησης των μισθών και μείωσης της συμμετοχής στην αγορά εργασίας.
Αλλά δεν υπάρχει τίποτα σχετικά με την τεχνητή νοημοσύνη που απαιτεί αυτό το αποτέλεσμα. Αντιθέτως, οι εφαρμογές τεχνητής νοημοσύνης θα μπορούσαν να αναπτυχθούν για την αναδιάρθρωση των εργασιών και τη δημιουργία νέων δραστηριοτήτων όπου η εργασία μπορεί να αποκατασταθεί, δημιουργώντας τελικά ευρύτατα οικονομικά και κοινωνικά οφέλη.
Στην παιδεία, για παράδειγμα, η συλλογή και επεξεργασία δεδομένων σε πραγματικό χρόνο από τα συστήματα τεχνητής νοημοσύνης μπορεί να δώσει τη δυνατότητα στους εκπαιδευτικούς να προσφέρουν εξατομικευμένες οδηγίες που θα προσαρμόζονται στις ανάγκες κάθε μαθητή, οι οποίες ενδέχεται να ποικίλουν από υποκείμενο σε υποκείμενο. Το ίδιο ισχύει και για την υγειονομική περίθαλψη, όπου η τεχνητή νοημοσύνη μπορεί να ενδυναμώσει τους τεχνικούς και τις ειδικευμένες νοσοκόμες ώστε να προσφέρουν εξατομικευμένες θεραπείες. Επιπλέον, τα πιθανά οφέλη της τεχνητής νοημοσύνης για την εργασία δεν περιορίζονται στις υπηρεσίες. Χάρη στην πρόοδο που έχει γίνει στον τομέα της επαυξημένης και εικονικής πραγματικότητας, μπορεί επίσης να χρησιμοποιηθεί για να δημιουργήσει νέα καθήκοντα για τους ανθρώπους σε υψηλής ακρίβειας παραγωγή, η οποία επί του παρόντος κυριαρχείται από βιομηχανικά ρομπότ.
Είναι δελεαστικό να πιστεύουμε ότι η αγορά θα μετουσιώσει αυτές τις υποσχέσεις σε πραγματικότητα. Οι νέες τεχνολογίες παράγουν οφέλη όχι μόνο για τους εφευρέτες και τους πρωτοπόρους, αλλά και για άλλους παραγωγούς, εργαζομένους και καταναλωτές. Και ορισμένες τεχνολογίες έχουν τη δυνατότητα να παρακινήσουν τη δημιουργία θέσεων εργασίας και να μειώσουν την ανισότητα, με τεράστια κοινωνικά οφέλη που οι εφευρέτες και οι πρωτοπόροι δεν είχαν καν εξετάσει.
Το πρόβλημα είναι ότι οι αγορές τεχνολογίας δεν λειτουργούν τόσο καλά, όταν υπάρχουν ανταγωνιστικά πρότυπα στο παιχνίδι. Όσο περισσότερο το πρότυπο αυτοματοποίησης καθιερώνεται τόσο περισσότερα κίνητρα υπάρχουν για επένδυση σε αυτό τον τομέα εις βάρος άλλων παραδειγμάτων που θα μπορούσαν να δημιουργήσουν νέες θέσεις έντασης εργασίας.
Αν αυτός δεν είναι αρκετός λόγος για να μην εμπιστευόμαστε την αγορά, υπάρχουν πρόσθετα προβλήματα που αφορούν ειδικά τις τεχνολογίες τεχνητής νοημοσύνης. Για να πάρουμε ένα παράδειγμα, ο χώρος κυριαρχείται από μια χούφτα μεγάλων εταιρειών τεχνολογίας με επιχειρηματικά μοντέλα που συνδέονται στενά με την αυτοματοποίηση. Αυτές οι εταιρείες αντιπροσωπεύουν το μεγαλύτερο μέρος των επενδύσεων στην έρευνα τεχνητής νοημοσύνης, και δημιούργησαν ένα επιχειρηματικό περιβάλλον στο οποίο η απομάκρυνση των σφαλερών ανθρώπων από τις διεργασίες παραγωγής θεωρείται απόλυτη τεχνολογική και επιχειρηματική προτεραιότητα. Και σα να μην έφτανε αυτό, οι κυβερνήσεις επιδοτούν τις επιχειρήσεις μέσω επιταχυνόμενης απόσβεσης, φορολογικών μειώσεων και εκπτώσεων τόκων – ενώ φορολογούν την εργασία.
Δεν είναι ν’ απορεί κανείς που η υιοθέτηση νέων τεχνολογιών αυτοματισμού έχει γίνει κερδοφόρα, ακόμη και όταν οι ίδιες οι τεχνολογίες δεν είναι ιδιαίτερα παραγωγικές. Τέτοιες αποτυχίες στην αγορά καινοτομίας και τεχνολογίας φαίνεται να προωθούν ακριβώς το λάθος είδος τεχνητής νοημοσύνης. Μια μονομανής εστίαση στην αυτοματοποίηση όλο και περισσότερων καθηκόντων μεταφράζεται σε χαμηλή παραγωγικότητα, αργή αύξηση των μισθών, και σε ένα μειούμενο μερίδιο της εργασίας στην προστιθέμενη αξία.
Δεν χρειάζεται να γίνει έτσι. Αναγνωρίζοντας μια προφανή αποτυχία της αγοράς και αναπροσανατολίζοντας την ανάπτυξη της τεχνητής νοημοσύνης προς τη δημιουργία νέων καθηκόντων που ενισχύουν την παραγωγικότητα για τους ανθρώπους, μπορούμε να επιτύχουμε και πάλι κοινή ευημερία. Δεν έχουμε άλλη εναλλακτική.
Ο Daron Acemoglu είναι καθηγητής Οικονομικών στο MIT.
Ο Pascual Restrepo είναι καθηγητής Οικονομικών στο πανεπιστήμιο της Βοστώνης.
Μετάφραση: Κώστας Ψιούρης
Επιμέλεια: Ρόνια Αναστασιάδου
Πηγή: Η Αυγή από Project Syndicated
