کاهش هزینه اطلاعات می‌تواند کارایی بازارها را به چالش بکشد؛ پارادوکس بهره‌وری هوش مصنوعی هوش مصنوعی در ماه‌های اخیر بیش از هر چیز با وعده افزایش بهره‌وری شناخته شده است. بسیاری از تحلیل‌ها بر این نکته تاکید دارند که این فناوری می‌تواند کارهایی را که پیش‌تر انسان انجام می‌داد، سریع‌تر، ارزان‌تر و با دقت بیشتری انجام دهد. اما بهره‌وری اقتصاد تنها به سرعت انجام وظایف وابسته نیست. عملکرد درست بازارها نیز نقشی تعیین‌کننده در رشد اقتصادی دارد و اگر سازوکار این بازارها دچار اختلال شود، حتی پیشرفته‌ترین فناوری‌ها نیز ممکن است به نتایجی متفاوت از آنچه انتظار می‌رود منجر شوند. در واقع، بهره‌وری تنها به معنای انجام سریع‌تر کارها نیست؛ بلکه به نحوه تعامل بازیگران اقتصادی نیز بستگی دارد. اگر بنگاه‌ها، مصرف‌کنندگان، کارفرمایان و سرمایه‌گذاران نتوانند تصمیم‌های دقیق‌تری بگیرند یا یکدیگر را بهتر شناسایی کنند، بخشی از مزیت فناوری‌های جدید از بین خواهد رفت. به همین دلیل، آثار هوش مصنوعی بر بازارها را باید فراتر از افزایش سرعت و کاهش هزینه تولید بررسی کرد. به نوشته فایننشال تایمز، هوش مصنوعی پیش از هر چیز یک فناوری اطلاعاتی است؛ فناوری‌ای که هزینه تولید، پردازش و تحلیل اطلاعات را به شکل چشمگیری کاهش می‌دهد. همین ویژگی باعث شده بسیاری آن را موتور اصلی رشد بهره‌وری در سال‌های آینده بدانند. اما اقتصاد اطلاعات سال‌هاست نشان داده که ارزان‌تر شدن اطلاعات همیشه به افزایش کارایی بازارها منجر نمی‌شود و گاهی حتی می‌تواند نتیجه‌ای معکوس داشته باشد. یکی از شناخته‌شده‌ترین نظریه‌های اقتصاد اطلاعات، مدل «بازار خودروهای معیوب» یا همان «بازار لیموها» است که نشان می‌دهد نبود اطلاعات کافی چگونه می‌تواند یک بازار را از کار بیندازد. در این نظریه، «لیمو» اصطلاحی است که به خودروهای دست‌دوم معیوب و مشکل‌دار اطلاق می‌شود. اگر فروشنده از کیفیت واقعی خودرو اطلاع داشته باشد اما خریدار نتواند آن را تشخیص دهد، خریدار برای پوشش ریسک خود تنها حاضر به پرداخت قیمت پایین‌تری خواهد بود. در نتیجه، فروشندگان خودروهای سالم و باکیفیت انگیزه‌ای برای فروش نخواهند داشت، زیرا قیمت پیشنهادی کمتر از ارزش واقعی خودرو است. به‌تدریج خودروهای باکیفیت از بازار خارج می‌شوند و تنها خودروهای معیوب یا همان «لیموها» باقی می‌مانند؛ فرآیندی که در نهایت به کاهش کارایی کل بازار منجر می‌شود. در چنین شرایطی، هوش مصنوعی می‌تواند بخشی از مشکل را حل کند. ابزارهای هوشمند قادرند سوابق تعمیرات، تصاویر، داده‌های فنی و اطلاعات مربوط به عملکرد خودرو را تحلیل کنند و برآورد دقیق‌تری از کیفیت واقعی آن ارائه دهند. هرچه اطلاعات دقیق‌تر و قابل اعتمادتر باشد، احتمال انجام معامله‌ای سودمند برای هر دو طرف نیز بیشتر خواهد شد. اما این تنها روی خوش ماجراست. در بسیاری از بازارها، تصمیم‌گیری تنها بر پایه اطلاعات مستقیم انجام نمی‌شود، بلکه افراد از «سیگنال‌ها» برای تشخیص کیفیت کالاها یا توانایی افراد استفاده می‌کنند. مدارک دانشگاهی، سوابق شغلی، گواهینامه‌های حرفه‌ای و حتی اعتبار یک برند، همگی نمونه‌هایی از این سیگنال‌ها هستند که به کاهش عدم اطمینان در بازار کمک می‌کنند. گسترش هوش مصنوعی ممکن است ارزش بسیاری از این سیگنال‌ها را کاهش دهد. اگر دانشجویان بتوانند با کمک مدل‌های زبانی پیشرفته تکالیف، پروژه‌ها و حتی آزمون‌های خود را با کیفیتی نزدیک به یکدیگر انجام دهند، تفاوت واقعی توانایی‌های آنها کمتر آشکار خواهد شد. در چنین شرایطی، مدرک دانشگاهی دیگر مانند گذشته نمی‌تواند نشان‌دهنده توانایی واقعی افراد باشد و کارفرمایان برای شناسایی نیروهای مناسب با دشواری بیشتری روبه‌رو خواهند شد. این موضوع به معنای افزایش هزینه استخدام است. شرکت‌ها ناچار می‌شوند زمان و منابع بیشتری برای مصاحبه، آزمون‌های مهارتی یا ارزیابی عملکرد واقعی متقاضیان صرف کنند. هرچه فرآیند تطبیق نیروی کار با فرصت‌های شغلی دشوارتر شود، بهره‌وری کل اقتصاد نیز تحت تاثیر قرار خواهد گرفت. البته برخی اقتصاددانان معتقدند کاهش اهمیت مدارک تحصیلی لزوما پیامدی منفی ندارد. اگر افراد به جای صرف سال‌ها برای کسب مدرکی که بیشتر نقش علامت‌دهی دارد، بر یادگیری مهارت‌های واقعی تمرکز کنند، بخشی از این زیان جبران خواهد شد. همچنین ممکن است بازارها در آینده معیارها و سیگنال‌های تازه‌ای برای ارزیابی توانایی افراد ایجاد کنند که با شرایط عصر هوش مصنوعی سازگارتر باشد. موضوع مهم دیگر، هزینه جست‌وجو در بازارهاست. در بازار کار، بازار مسکن یا حتی شبکه‌های اجتماعی، افراد برای یافتن بهترین گزینه باید زمان و منابع قابل توجهی صرف کنند. نظریه اقتصاد جست‌وجو نشان می‌دهد که افزایش تلاش یک فرد برای یافتن گزینه بهتر، می‌تواند هزینه جست‌وجوی سایر افراد را نیز افزایش دهد. هوش مصنوعی می‌تواند این روند را تشدید کند. وقتی تهیه رزومه، نگارش نامه‌های استخدامی یا تولید پروفایل‌های حرفه‌ای تنها چند دقیقه زمان ببرد، تعداد درخواست‌های شغلی به سرعت افزایش می‌یابد. در نتیجه، کارفرمایان باید حجم بسیار بیشتری از رزومه‌ها را بررسی کنند و متقاضیان نیز برای جلب توجه ناچار به رقابت شدیدتری شوند. در ظاهر همه از ابزارهای هوشمند سود می‌برند، اما در عمل هزینه کل فرآیند استخدام برای همه افزایش پیدا می‌کند. همین منطق در بسیاری از بازارهای دیگر نیز دیده می‌شود. تولید انبوه محتوا، تبلیغات، پیشنهادهای تجاری و پیام‌های شخصی با کمک هوش مصنوعی باعث می‌شود حجم اطلاعات به سرعت افزایش یابد. در چنین فضایی، یافتن اطلاعات معتبر دشوارتر می‌شود و افراد و بنگاه‌ها باید زمان بیشتری را صرف تفکیک داده‌های ارزشمند از انبوه اطلاعات کم‌فایده کنند. پارادوکس بهره‌وری هوش مصنوعی در همین نقطه شکل می‌گیرد. این فناوری بدون تردید بسیاری از وظایف را سریع‌تر، ارزان‌تر و دقیق‌تر انجام می‌دهد، اما اگر همزمان ارزش سیگنال‌های اقتصادی را تضعیف کند، هزینه جست‌وجو را افزایش دهد و بازارها را با انبوهی از اطلاعات کم‌ارزش روبه‌رو سازد، بخشی از دستاوردهای بهره‌وری از میان خواهد رفت. بنابراین، موفقیت هوش مصنوعی تنها به توانایی آن در انجام بهتر کارها وابسته نیست، بلکه به این بستگی دارد که آیا می‌تواند کارایی بازارها را نیز حفظ و حتی تقویت کند یا خیر.

پارادوکس بهره‌وری هوش مصنوعی

دنیای اقتصاد: هوش مصنوعی در ماه‌های اخیر بیش از هر چیز با وعده افزایش بهره‌وری شناخته شده است. بسیاری از تحلیل‌ها بر این نکته تاکید دارند که این فناوری می‌تواند کارهایی را که پیش‌تر انسان انجام می‌داد،سریع‌تر، ارزان‌تر و با دقت بیشتری انجام دهد. اما بهره‌وری اقتصاد تنها به سرعت انجام وظایف وابسته…

چرا توافق‌های سیاسی هنوز به ثبات پایدار نرسیده‌اند؟

خاورمیانه؛ میان مذاکره و میدان

دنیای اقتصاد: دونالد ترامپ امیدوار است توافق‌های اخیر میان آمریکا و ایران و همچنین اسرائیل و لبنان، آغازگر دوره‌ای تازه از ثبات در خاورمیانه باشد.