هوش مصنوعی و رشد بهره‌‌­وری

هدف سیاست گذاران، باید اجازه دادن به تحقق دستاوردهای مثبت بهره وری هوش مصنوعی در عین کاهش خطرات و جنبه های منفی آن باشد. رشد سریع‌تر بهره‌وری اکسیری است که می‌تواند بسیاری از چالش‌های جامعه، از افزایش استانداردهای زندگی و پرداختن به فقر گرفته تا ارائه مراقبت‌های بهداشتی برای همه و تقویت سیستم دفاعی را حل کند یا کاهش دهد.

ابزارهای هوش مصنوعی مانند ChatGPT فن­آوری قدرتمند نوظهوری هستند که نه تنها نیروی کار را بهره‌ور می‌کنند، بلکه نرخ نوآوری را نیز افزایش داده و پتانسیل شتاب قابل توجهی را در رشد اقتصادی ایجاد می‌کنند. هوش مصنوعی طیف گسترده‌ای از صنایع را متأثر می‌سازد و آنها را به سمت سرمایه‌گذاری بر روی مهارت‌های جدید، تغییر فرآیندهای کسب‌وکار و تغییر ماهیت کار سوق می‌دهد.

با این حال، نشان دادن میزان تاثیر این فناوری بر روی افزایش بهره‌وری با کمک آمارهای رسمی به صورت کامل امکان­پذیر نیست، زیرا اندازه‌گیری میزان واقعی ستانده­ای که کارکنان دانشی خلق می­کنند امری دشوار است. این پیشرفت­های سریع می­تواند مزایای بزرگی داشته باشد، اما در عین حال ممکن است خطرات قابل توجهی را نیز به همراه داشته باشد، بنابراین بسیار مهم است که اطمینان حاصل شود که چنین پیشرفت­هایی به سمتی هدایت شوند که همه جامعه را منتفع سازند.

در یک صبح جمعه، در کافی شاپ مورد علاقه خود نشسته­اید و روی مقاله تحقیقاتی خود در مورد نحوه اثرگذاری هوش مصنوعی بر بازار کار، کار می­کنید. تصمیم می­گیرید از ChatGPT، یکی از ابزارهای هوش مصنوعی کمک بگیرید. پس از وارد کردن چند دستور ساده، سیستم می­تواند مدل اقتصادی مناسب، کدنویسی اجرای مدل و سرتیترهای مقاله را به شما ارائه دهد. هنوز ظهر نشده که به اندازه یک هفته در تحقیق خود پیشرفت کرده­اید.

انتظار می­رود که میلیون‌ها نیروی کار دانشی، از پزشکان و وکلا گرفته تا مدیران و فروشندگان، تغییرات مشابهی را در بهره‌وری خود در چند سال آینده تجربه کنند.

قابلیت­های جدیدترین نسل سیستم‌های هوش مصنوعی، با گسترش و همه­گیری ChatGPT، با توانایی خود در تولید متن منسجم و متناسب و جلب توجه عموم به خود، به وضوح نشان داده شده است. قابلیت­های این نوآوری تاکنون صدها میلیون کاربر را جذب خود کرده است.

دیگر ابزارهای هوش مصنوعی که اخیراً به صورت عمومی منتشر شده­اند عبارتند از Bard’s Google و Anthropic’s Claude. اما هوش مصنوعی محدود به ابزارهای متنی نیست: در سال‌های اخیر، شاهد برخی از انواع سیستم‌های هوش مصنوعی بوده‌ایم که می‌توانند تصویر تولید کنند، مانند Midjourney، Stable Diffusion یا DALL-E، و اخیراً شاهد سیستم‌های چند وجهی هستیم که متن، تصویر، ویدئو، عملکردهای صوتی و حتی روباتیک را به صورت همزمان ارائه می‌کنند.

این فناوری‌ها مدل‌های پایه­ای مبتنی بر شبکه‌های عصبی عمیق هستند که با کمک مقادیر عظیمی از داده آموزش دیده و سپس می‌توانند برای انجام طیف وسیعی از وظایف مختلف مورد استفاده قرار گیرند. از آنجایی که اطلاعات و دانش بر اقتصاد اثر عمیقی دارند، این ابزارها می­توانند به طور چشمگیری بهره­وری کلی را افزایش دهند.

قدرت رشد بهره ­وری

عامل اصلی تعیین­کننده رفاه در بلندمدت، نرخ رشد بهره­وری است: میزان ستانده تولید شده در هر ساعت کار. اگرچه اثرات تغییر در بهره­وری بلافاصله و در کوتاه مدت احساس نمی­شود و میزان رفاه ادراک­شده تحت تاثیر چرخه­های تجاری قرار می­گیرد.

دلایل زیادی برای وضعیت اقتصادی موجود وجود دارد، اما رشد آهسته TFP یکی از دلایل کلیدی است که به آرامی رونق اقتصادی کشور را از بین می­برد، کنترل تورم را دشوارتر می­کند، دستمزد کارگران را کاهش می­دهد و کسری بودجه را بدتر می­کند.

به طور کلی سرعت آهسته رشد اقتصادی، همراه با سود بیش از حد شرکت­های فناوری، منجر به شک و تردید در مورد مزایای فناوری­های دیجیتال برای کل اقتصاد شده است. با این حال، از سال 1990 به مدت یک دهه، شاهد افزایش رشد بهره­وری در سطح جهان بودیم که عمدتاً ناشی از موج عظیم سرمایه­گذاری در حوزه رایانه و ارتباطات بود، که به نوبه خود باعث تحولات تجاری شد.

برآوردهای اولیه از اثرات هوش مصنوعی بر بهره­ وری

پیشرفت‌های اخیر در هوش مصنوعی ناشی از پیشرفت در حوزه نرم‌افزار، سخت‌افزار، جمع‌آوری داده و افزایش سرمایه‌گذاری در مدل‌های پیشرفته بوده است. سویا و همکاران (2022) در مطالعه­ای نشان دادند که میزان محاسبات (قدرت محاسباتی) مورد استفاده برای آموزش سیستم‌های هوش مصنوعی پیشرفته در طول دهه گذشته هر شش ماه دو برابر شده است. قابلیت‌های سیستم‌های هوش مصنوعی به‌طور پیوسته­ای در حال رشد است و به آن اجازه می‌دهد تا تحلیل­ها و متونی را ارائه دهد که قبلاً در انحصار کارکنان شناختی بود، مانند نوشتن جملات خوش‌ساخت، کدنویسی رایانه‌ای، خلاصه‌سازی مقالات، ایده‌های طوفان فکری، برنامه‌­ریزی، ترجمه زبان‌های دیگر، نوشتن ایمیل­های پیچیده و موارد دیگر.

هوش مصنوعی کاربردهای گسترده­ای دارد که بر طیف وسیعی از کارگران، مشاغل و فعالیت­ها تأثیر می­گذارد. برخلاف پیشرفت‌های اتوماسیونی قبلی، این فناوری ابزاری است که بر کار شناختی تأثیر می‌گذارد.

مقالات جدیدی در این حوزه وجود دارند که اثرات بهره­وری هوش مصنوعی را در مشاغل یا وظایف خاص تخمین می­زنند. کالیاموکو (2022) بیان می­کند که مهندسان نرم­افزار می­توانند با استفاده از ابزاری به نام Codex بر اساس نسخه قبلی GPT-3 تا دو برابر سریع­تر کدنویسی کنند. این یک اثر تحول­آفرین است. نوی و ژانگ (2023) دریافتند که بسیاری از کارهای نوشتاری نیز می‌توانند دو برابر سریع‌تر انجام شوند و کورینک (2023) تخمین می‌زند که اقتصاددانان می‌توانند با استفاده از این فناوری 10 تا 20 درصد بهره­ورتر عمل کنند.

اما آیا این دستاوردها در برخی حوزه­های مشخص می­توانند به دستاوردهای قابل توجهی در محیط واقعی تبدیل شوند؟ به نظر می­رسد که پاسخ مثبت است. برینجولفسون، لی و ریموند (2023) نشان می‌دهند که اپراتورهای مراکز تماس با استفاده از این فناوری 14٪ بهره­ورتر بوده­اند. علاوه بر این، تعامل مشتری هنگام تعامل با اپراتورهایی که از هوش مصنوعی به عنوان ابزار کمکی استفاده می‌کنند، بالاتر است و در نتیجه، نرخ فرسایش کارکنان کمتر می­شود. به نظر می­رسد این سیستم با جذب و انتقال بخشی از دانش ضمنی سازمانی در مورد چگونگی حل مشکلات و جلب رضایت مشتریان که قبلاً فقط از طریق تجربه در حین کار آموخته می­شد، خلق ارزش می­کند.

انتقاد از این ابزارها با برچسب­هایی از قبیل «طوطی تصادفی» نابجاست. بیشتر کارهای شناختی مستلزم استفاده از دانش و تجربیات گذشته و به کار بردن آن در چارچوب مسئله مورد نظر است. درست است که برنامه­های هوش مصنوعی مستعد انواع خاصی از اشتباهات هستند، اما شکل این اشتباهات قابل پیش­بینی است. برای مثال، این برنامه­ها بعضا مطالب غیر واقعی را از خود می­سازند. در نتیجه، نیاز به نظارت انسانی دارند. با این حال، ارزش اقتصادی آنها منوط به بی عیب و نقص بودن آنها نیست، بلکه به این بستگی دارد که آیا می­توان از آنها برای افزایش بهره­وری کارها استفاده کرد. از این منظر، این فن­آوری در حال حاضر آماده است تا تأثیر گسترده­ای بر روی اقتصاد داشته باشد. علاوه بر این، دقت مدل‌های هوش مصنوعی به سرعت در حال بهبود است.

کمی­ سازی اثرات بهره ­وری

گزارش اخیر گلدمن ساکس نشان می‌دهد که هوش مصنوعی می‌تواند تولید ناخالص داخلی جهانی را تا ۷ درصد افزایش دهد، که تاثیر قابل توجهی برای یک فناوری محسوب می­شود. بر اساس انواع کارها و موارد استفاده و سهم نیروی کاری که عمدتاً کارهای شناختی را انجام می­دهند، این تخمین منطقی به نظر می­رسد، اگرچه همچنان ابهامات زیادی در مورد تأثیرات بهره­وری و رشد نهایی هوش مصنوعی وجود دارد.

تجزیه دقیق روش­های ایجاد رشد در بهره وری، ستانده و در نهایت رفاه اجتماعی توسط هوش مصنوعی می­تواند کمک کننده باشد.

اولین روش اثرگذاری، افزایش کارایی است. با افزایش کارآیی نیروی کار شناختی، سطح ستانده افزایش می‌یابد. بر اساس تئوری اقتصادی در بازارهای رقابتی، اثر افزایش بهره­وری در یک بخش معین بر بهره­وری کل و ستانده کل برابر است با اندازه افزایش بهره­وری ضرب در اندازه بخش (قضیه هولتن). به عنوان مثال، اگر هوش مصنوعی نیروی کار شناختی را به طور متوسط ​​30 درصد در طول یک یا دو دهه کارآتر کند و کار شناختی حدود 60 درصد از کل ارزش افزوده در اقتصاد را تشکیل دهد (بر اساس صورتحساب دستمزد منتسب به وظایف شناختی)، این امر باعث افزایش 18 درصدی بهره­وری و ستانده کل در طی این سال­ها می­شود.

روش دوم و مهم­تر، تسریع نوآوری و در نتیجه رشد بهره­وری است. نیروی کار شناختی نه تنها در دوره حاضر ستانده تولید می­کنند، بلکه دست به اختراع می­زنند، در اکتشافات شرکت می­کنند و پیشرفت تکنولوژیکی را ایجاد می­کنند که بهره­وری آینده را افزایش می­دهد. این شامل تحقیق و توسعه – کاری که دانشمندان انجام می‌دهند – و شاید مهم‌تر از آن، فرآیند بکارگیری نوآوری‌های جدید در فعالیت‌های تولیدی در کل اقتصاد است – کاری که مدیران انجام می‌دهند. اگر نیروی كار شناختي كارآمدتر شود، پيشرفت تكنولوژيكي را تسريع مي‌كند و در نتيجه نرخ رشد بهره‌وري را به صورت پیوسته بالا مي‌برد. به عنوان مثال، اگر رشد بهره‌وری 2 درصد باشد و نیروی کار شناختی که زیربنای رشد بهره‌وری است، 20 درصد کارایی بیشتری داشته باشد، این امر سبب می­شود نرخ رشد بهره‌وری 20 درصد افزایش یابد و به 2.4 درصد برسد. هر چند در کوتاه مدت، چنین تغییری محسوس نیست و معمولاً در نوسانات چرخه تجاری گم می­شود.

اما در بلند مدت این رشدهای کوچک در بهره­وری بر روی یکدیگر انباشته می­شوند. پس از یک دهه، افزایش کوچک توصیف شده در رشد بهره‌وری، اقتصاد را 5 درصد بزرگ‌تر می‌کند و پس از آن هر سال رشد بیشتر می‌شود. علاوه بر این، اگر شتاب بر روی نرخ رشد نرخ رشد اعمال شود (مثلاً اگر یکی از کاربردهای هوش مصنوعی، بهبود خود هوش مصنوعی باشد)، مطمئناً رشد در طول زمان شتاب بیشتری می‌گیرد.

شکل 1 به طور شماتیک اثرات دو روش رشد بهره­وری را در یک افق بیست ساله نشان می­دهد. خط مبنا (Baseline) از پیش‌بینی فعلی دفتر بودجه کنگره آمریکا (CBO) پیروی می‌کند که رشد بهره‌وری را 1.5 درصد پیش­بینی می­کند که منجر به رشد 33 درصدی بهره‌وری در طول 20 سال می‌شود. پیش‌بینی با عنوان «سطح (Level)» فرض می‌کند که هوش مصنوعی سطح بهره‌وری و ستاند را تا 18 درصد بیشتر در طول ده سال افزایش می‌دهد. پس از ده سال، رشد به نرخ پایه باز می­گردد. سومین پیش­بینی با عنوان «سطح + رشد (Level+Growth)» علاوه بر این شامل افزایش یک درصدی در نرخ رشد نسبت به نرخ پایه است که ناشی از نوآوری­های بیشتر هوش مصنوعی است. در ابتدا، مسیر رشد در این دو روش بسیار به هم نزدیک است، اما با نرخ مرکب، تأثیرات در طول زمان بزرگ‌تر می‌شوند و منجر به تقریباً دو برابر شدن ستانده پس از 20 سال می­شوند که بسیار بیشتر از پیش‌بینی روش پایه است.

موانع و محرک­ های پذیرش هوش مصنوعی

برای تحقق دستاوردهای بهره­وری، پیشرفت هوش مصنوعی باید به کل اقتصاد تسری یابد. معمولا این امر زمان­بر است، بنابراین انتظار نمی­رود که دستاوردهای بهره­ورانه آن فوری نمایان شوند. این پیشرفت‌ها باید توسط کسب‌وکارها و سازمان‌هایی که نیروی کار شناختی دارند از جمله کسب‌وکارهای کوچک و متوسط، در سرتاسر اقتصاد به کار گرفته شوند. برخی از این کسب و کارها ممکن است در فهم مزایای بالقوه فناوری‌های پیشرفته جدید کند بوده و یا مهارت­های لازم برای استفاده از آن را نداشته باشند. بر اساس گزارش گلدمن 10 سال طول می‌کشد تا این دستاوردها به طور کامل محقق شوند.

«منحنی J بهره‌وری» (برینجولفسون و همکاران، 2021) توضیح می‌دهد که چگونه فناوری‌های جدید، به‌ویژه فناوری‌های عمومی، تنها پس از یک دوره سرمایه‌گذاری در کالاهای نامشهود مکمل، مانند فرآیندهای کسب‌وکار و مهارت‌های جدید، توانستند دستاوردهایی را در حوزه بهره‌وری ارائه کنند. ممکن است این فناوری­ها به طور موقت بهره­وری را کاهش دهند. فناوری‌های عمومی قبلی مانند الکتریسیته و موج اول رایانه‌ها، دهه‌ها طول کشید تا تأثیر قابل‌توجهی بر بهره‌وری داشته باشند. سایر موانع برای پذیرش و گسترش این فناوری شامل نگرانی در مورد از دست دادن شغل و اینرسی و مقررات نهادی، در زمینه‌هایی از پزشکی گرفته تا مالی و حقوقی می­شود.

با این حال، در مورد هوش مصنوعی عواملی وجود دارند که می­توانند این موانع را کاهش دهند یا حتی پذیرش آن را تسریع کنند. اول، بر خلاف اتوماسیون فیزیکی، یکی از مزایای اتوماسیون شناختی این است که می‌توان آن را به سرعت به شکل نرم‌افزاری اجرا کرد. این مورد به ویژه در حال حاضر که زیرساخت دیجیتالی فراگیر اینترنت در دسترس است، صادق است. ChatGPT سریع­ترین معرفی محصول در تاریخ بود – این محصول تنها در دو ماه 100 میلیون کاربر به دست آورد – زیرا این فناوری برای هر کسی که به اینترنت متصل بود در دسترس بود و نیازی به سرمایه­گذاری سخت­افزاری از طرف کاربران نداشت.

هم مایکروسافت و هم گوگل در حال راه­اندازی ابزارهای هوش مصنوعی به عنوان بخشی از موتورهای جستجو و مجموعه­های آفیس خود هستند و به بخش بزرگی از نیروی کار شناختی در کشورهای پیشرفته که به طور منظم از این ابزارها استفاده می­کنند، دسترسی به هوش مصنوعی را ارائه می­کنند. علاوه بر این، رابط‌های برنامه‌نویسی کاربردی (API) به طور فزاینده‌ای در دسترس هستند تا ماژولارسازی و اتصال یکپارچه بین سیستم‌ها را ممکن کنند، و بازار پلاگین‌ها و برنامه‌های افزودنی به سرعت در حال رشد است که افزودن عملکردهای مختلف به برنامه­ها را بسیار آسان‌تر می‌کند. در نهایت، برخلاف سایر فناوری‌ها، کاربران هوش مصنوعی می‌توانند به‌جای کدها یا دستورات خاص با زبان طبیعی با این فناوری تعامل داشته باشند که یادگیری و استفاده از این ابزارها را آسان‌تر می‌کند.

این دلایل نشان می­دهد که انتشار این فناوری جدید ممکن است سریع­تر از گذشته رخ دهد. با این حال، اهمیت آموزش برای استفاده بهینه از این ابزارها را نمی­توان نادیده گرفت.

مشکلات اندازه­ گیری؛ رشد خاموش بهره ­وری

رایج‌ترین معیار بهره‌وری بهره‌وری در بخش صنعتی است که در آن نهاده‌ها و ستانده‌ها ملموس و قابل اندازه­گیری هستند. با این حال، اندازه­گیری بهره­وری کار شناختی دشوار است. آماردانانی که آمار تولید ناخالص داخلی و بهره­وری را تولید می­کنند، گاهی اوقات تنها با این فرض این متغیر را ارزش­گذاری می­کنند که برون­داد فعالیت­های شناختی متناسب با مقدار نیروی کار استفاده شده برای تولید آن است، که این شیوه سنجش هر گونه دامنه احتمالی برای رشد بهره­وری را نادیده می­گیرد.

برای مثال، هوش مصنوعی اقتصاددانان را قادر می‌سازد تا مطالب فکری بیشتری بنویسند و تحلیل‌های عمیق‌تری از اقتصاد نسبت به قبل ارائه کنند، اما این خروجی مستقیماً در آمار تولید ناخالص داخلی نشان داده نمی‌شود. این در حالی است که خوانندگان متوجه می­شوند که به تحلیل‌های اقتصادی بهتر و عمیق‌تری دسترسی پیدا کرده­اند (اثرگذاری مستقیم). علاوه بر این، تجزیه و تحلیل­های ارائه شده با کمک هوش مصنوعی می­تواند در توانمندسازی مدیران کسب و کارها و سیاست­گذاران برای استفاده بهتر از اثرات مثبت بهره­ورانه هوش مصنوعی نقش ایفا کند (اثرگذاری ترکیبی). هیچ یک از این اثرات بهره­وری مثبت مستقیماً در آمارهای تولید ناخالص داخلی یا بهره­وری رسمی ثبت نمی­شوند. با این حال، مزایای مطالعات بهره­ورتر اقتصاددانان، همچنان به رفاه اجتماعی بیشتر منجر می­شود.

همین امر برای بسیاری دیگر از کارکنان شناختی در سراسر اقتصاد صادق است. این ممکن است باعث کوچک­نمایی قابل توجه بهره­وری یا «رشد بهره­وری خاموش» شود.

رشد بهره ­وری، بازار کار و توزیع درآمد

بزرگتر شدن کیک اقتصاد به خودی خود به این معنی نیست که همه به طور مساوی از آن منتفع خواهند شد. اثرات بهره­وری هوش مصنوعی احتمالاً با اختلالات قابل توجهی در بازار کار همراه خواهد بود و بسیاری از کارگران ممکن است شاهد فشارهای نزولی دستمزد باشند. به عنوان مثال، الوندو و همکاران در مقاله خود پیش‌بینی می­کنند که 49 درصد از نیروی کار می­تواند نیمی یا بیشتر وظایف شغلی خود را توسط هوش مصنوعی انجام دهد. آیا تقاضا برای این وظایف به اندازه­ای افزایش خواهد یافت که بتواند این افزایش کارایی را جبران کند؟ آیا کارگران وظایف دیگری برای انجام خواهند یافت؟ پاسخ قطعی وجود ندارد. در تحولات تکنولوژیکی قبلی، کارگرانی که شغل خود را از دست می­دادند می­توانستند در مشاغل جدیدی شروع به کار کنند و به طور متوسط سطح ​​دستمزدها افزایش می­یافت. با این حال، با توجه به مقیاس تحول و ماهیت صرفه­جویی در نیروی کار، باید دید که آیا در عصر هوش مصنوعی نیز چنین خواهد بود یا خیر.

علاوه بر این، موج کنونی اتوماسیون شناختی با اکثر موج‌های قبلی اتوماسیون که بر مشاغل فیزیکی یا کارهای معمول شناختی متمرکز بودند متفاوت است. اکنون، مشاغل شناختی خلاق و بدون ساختار نیز تحت تأثیر قرار گرفته­اند. به‌جای اینکه کارگران با کمترین دستمزد بیشترین بار این تحول را تحمل کنند، اکنون بسیاری از مشاغل پردرآمد تحت تأثیر قرار خواهند گرفت. این بخش از نیروی کار ممکن است این تحولات را کاملاً غیرمنتظره بیابند. اگر مهارت‌های آن‌ها عمومی باشد، ممکن است نسبت به سایر کارگران راحت‌تر با جابجایی سازگار شوند. با این حال، اگر قسمت قابل توجه مهارت­هایی که دارند در حال منسوخ شدن باشد، ممکن است نسبت به کارگرانی که در دورهای قبلی اتوماسیون بیکار شده بودند، ضررهای درآمدی بسیار بیشتری را تجربه کنند.

مشاغل ایجاد شده در مقابل مشاغل حذف شده ملموس­ترین جلوه از اختلال در بازار کار است. از دست دادن شغل در واقع یک نگرانی اجتماعی مهم است و ما به سیاست­هایی برای تعدیل این موضوع نیاز داریم. با این حال، متذکر می­شویم که عامل کلیدی در تعیین تأثیر فناوری­های جدید بر بازار کار، در نهایت تأثیر آنها بر تقاضای نیروی کار است. شمارش تعداد مشاغل ایجاد شده و تعداد مشاغل از بین رفته، معادل اشتغالی که از تعادل تقاضا و عرضه نیروی کار محاسبه می­شود نیست. عرضه نیروی کار کاملاً بی­کشش است؛ به این معنا که بیشتر افراد در سن کار می­خواهند یا مجبورند مستقل از افزایش یا کاهش درآمدشان کار کنند. نیروی کاری که در نتیجه تغییر تکنولوژی شغل خود را از دست می­دهند به دنبال شغل جایگزین خواهند بود. و تا جایی که تغییر تکنولوژی بهره­وری را افزایش می­دهد، این امر باعث افزایش درآمد ملی و افزایش تقاضا برای نیروی کار خواهد شد. در بلندمدت می­توان انتظار داشت که بازار کار به تعادل برسد، به این معنی که عرضه شغل، تقاضا برای مشاغل و سطح دستمزدها برای حفظ اشتغال کامل تعدیل می­شود. نابودی شغل همیشه با ایجاد شغل جبران شده است. در عوض، اثرات اتوماسیون و ارزش­افزایی در دستمزد و درآمد منعکس خواهد شد.

تأثیر هوش مصنوعی بر تقاضای نیروی کار به این بستگی دارد که آیا این ابزار به عنوان مکملی برای نیروی کار عمل خواهد کرد یا جایگزین آن. جانشینی زمانی اتفاق می‌افتد که مدل‌های هوش مصنوعی بیشتر یا همه وظایف مشاغل را انجام دهند، در حالی که اگر بخش‌های کوچکی از مشاغل را خودکار کنند، نقش مکمل خواهند داشت و حضور انسان را ضروری می­کنند. علاوه بر این، در صورتی که سیستم‌های هوش مصنوعی کارهای جدیدی را تعریف کنند یا کیفیت انجام کار را افزایش دهند نیز نقش مکمل نیروی انسانی را خواهند داشت.

شرکت‌ها با افزایش سرمایه‌گذاری بر روی هوش مصنوعی، می­توانند ملاحظاتی در مورد تأکید بر نقش جایگزینی یا مکمل بودن این فناوری داشته باشند. برای مثال، مراکز تماس می­توانند از هوش مصنوعی به عنوان مکمل اپراتورهای انسانی خود استفاده کنند، یا با بهبود هوش مصنوعی، می­توانند فرآیندهای خود را به گونه­ای بازتعریف کنند که سیستم‌ها به درخواست‌های بیشتر و بیشتری بدون دخالت اپراتورهای انسانی پاسخ دهند. در عین حال، رشد بهره‌وری بالاتر در کل اقتصاد می­تواند اثرات کلی را با افزایش تقاضای کل نیروی کار جبران کرده و اختلال را کاهش دهد.

در دهه­های اخیر، سه جریان مختلف بر توزیع درآمد تأثیرگذار بوده­اند. اول، تغییر جهت کلی در توزیع سود شرکت­ها از دستمزد به سمت سرمایه شرکت. دوم، افزایش در پرداخت در ازای مهارت (که تا حدی با پرداخت بالاتر به افراد تحصیل­کرده منطبق بوده است). سوم، تغییر ناشی از افزایش رقابت خارجی.

پیش­بینی اینکه چگونه هوش مصنوعی بر این ترکیب تأثیر می­گذارد دشوار است. یک دیدگاه خوشبینانه این است که نیروی کاری که در حال حاضر با ریاضیات و نوشتار دست و پنجه نرم می‌کند، با کمک این ابزارهای جدید بهره‌ورتر شده و می‌تواند با کمک فناوری جدید، مشاغل با درآمد بهتری را انتخاب کند. دیدگاه بدبینانه این است که شرکت‌ها از این فناوری برای حذف یا مهارت‌زدایی بیشتر و بیشتر از پست‌های خود استفاده کنند که بخش بزرگ‌تری از نیروی کار را به سمت مشاغل کم درآمد سوق داده، سهم سود در درآمد را افزایش می‌دهد و شاید تقاضا برای نیروی کار نخبه را افزایش دهد.

بدون شک پیشرفت تکنولوژی به موج فعلی هوش مصنوعی محدود نخواهد شد. در عوض، می‌توانیم انتظار پیشرفت‌های شگرف‌تری در هوش مصنوعی را داشته باشیم که این فناوری را به آنچه که هوش مصنوعی عمومی (AGI) می‌نامند، نزدیک‌تر کند. این منجر به تحولات اساسی­تری در زندگی و کار خواهد شد. کمبود نیروی کار انسانی در طول تاریخ شمشیری دولبه بوده است: از یک سو، رشد اقتصادی را متوقف کرده است، زیرا تولید بیشتر مستلزم نیروی کار بیشتر است. از سوی دیگر، از آنجایی که دستمزدها ارزش بازار نیروی کار کمیاب را نشان می­دهند، برای توزیع درآمد بسیار سودمند بوده است. اگر در آینده بتوان نیروی کار را با ماشین‌ها در طیف گسترده‌ای از وظایف جایگزین کرد، ممکن است همزمان با کاهش ارزش نیروی کار، رشدی مبتنی بر هوش مصنوعی را تجربه کنیم. این یک چالش بزرگ برای جهان خواهد بود. علاوه بر این، اگر AGI با اهداف انسانی هماهنگ نباشد ممکن است خطرات بزرگی را بر بشریت تحمیل کند.

نتیجه ­گیری

هوش مصنوعی هنوز در مراحل اولیه خود است و این امر پیش‌بینی تأثیرات بهره‌وری دقیق آن را دشوار می‌کند. با این حال همانطور که بحث شد، انتظار داریم که هوش مصنوعی اثرات بهره­وری مثبت فوق‌العاده‌ای، هم از طریق افزایش سطح بهره­وری و هم تسریع رشد بهره­وری آینده داشته باشد.

هدف سیاست­گذاران، باید اجازه دادن به تحقق دستاوردهای مثبت بهره­وری هوش مصنوعی در عین کاهش خطرات و جنبه­های منفی آن باشد. رشد سریع‌تر بهره‌وری اکسیری است که می‌تواند بسیاری از چالش‌های جامعه، از افزایش استانداردهای زندگی و پرداختن به فقر گرفته تا ارائه مراقبت‌های بهداشتی برای همه و تقویت سیستم دفاعی را حل کند یا کاهش دهد. در واقع، رفع برخی از چالش‌های بودجه‌ای، از جمله کسری‌های رو به رشد، بدون رشد اقتصادی کافی تقریباً غیرممکن خواهد بود.

رشد بهره­وری مبتنی بر هوش مصنوعی چالش­هایی را نیز ایجاد خواهد کرد. ممکن است نیاز به به روزرسانی برنامه­های اجتماعی و سیاست­های مالیاتی برای کاهش هزینه­های رفاهی ناشی از اختلالات بازار کار وجود داشته باشد و اطمینان حاصل شود که مزایای هوش مصنوعی به جای تمرکز ثروت، موجب رونق و توزیع ثروت شود. آسیب‌های دیگر، از قبیل گسترش اطلاعات نادرست و قطبی‌سازی، بی‌ثبات کردن بالقوه دموکراسی، و ایجاد سلاح‌های بیولوژیکی و دیگر سلاح‌های جدید نیز باید مورد توجه قرار گیرد.

اقتصاددانان و سایر دانشمندان علوم اجتماعی باید کار خود را بر روی تأثیرات هوش مصنوعی تسریع کنند تا با دانشمندان حوزه هوش مصنوعی که به سرعت در حال پیشرفت هستند، همگام شوند. اگر این کار انجام شود، می­توان خوشبین بود که جامعه بتواند از مزایای بهره­وری و شتاب رشد حاصل از هوش مصنوعی برای ارتقای اساسی رفاه بشر در سال­های آینده استفاده کند.

این مطلب، ترجمه مقاله ای با عنوان «Machines of mind: The case for an AI-powered productivity boom» نوشته مارتین نیل بیلی، اریک برینجولفسون و آنتون کورینک (Martin Neil Baily, Erik Brynjolfsson, and Anton Korinek) در وبسایت نهاد بروکینگز (The Brookings Institution) منتشر شده است.

منبع : به گزارش پایگاه خبری بهره ورنیوز، فاطمه ماهی دشتی.