هوش‌مصنوعی اشتغال‌زا است

استدلال رایجی وجود دارد که می‌گوید هوش مصنوعی همان کاری را با نیروی کار انسانی خواهد کرد که تراکتورها با اسب‌ها کردند. تراکتورها می‌توانستند کارهایی را انجام دهند که اسب‌ها انجام می‌دادند، اسب‌ها منسوخ شدند. هوش مصنوعی هم می‌تواند کارهایی را انجام دهد که انسان‌ها انجام می‌دهند. تقریبا همه سازندگان بزرگ هوش مصنوعی هم با این ایده موافق به نظر می‌رسند. ماسک می‌گوید هوش مصنوعی «جایگزین همه مشاغل» خواهد شد. «آمودی» مدام درباره از دست رفتن شغل همه صحبت می‌کند و چارچوب خود از هوش مصنوعی را بر پایه این ایده بنا کرده که «AIجایگزینی عمومی برای نیروی کار» است. سرمایه‌گذاران OpenAI هم درباره «از بین رفتن ۸۰درصد از تمام مشاغل تا سال ۲۰۳۰» صحبت می‌کنند. درحالی‌که این افراد در این حوزه مهم هستند و صرفا چند وبلاگ‌نویس تصادفی نیستند، شاید نمونه‌ای تصادفی از آگاه‌ترین افراد هم نباشند. اما این ترس قطعا تازه نیست و فقط هم مربوط به هوش مصنوعی نمی‌شود. واسیلی لئونتیف که به خاطر مدل داده-ستانده مشهور است، در اوایل دهه ۱۹۸۰ چند مقاله در همین زمینه و با همین نگرانی منتشر کرده بود.

اگر هوش مصنوعی واقعا جانشینی کامل برای نیروی کار انسانی باشد، هر مزیت هزینه‌ای در نهایت به استفاده صددرصدی از AI منجر می‌شود. برای اثباتش حتی نیازی به مقاله هم نیست. اما این گزاره که «هوش مصنوعی در نهایت به جانشینی کامل تبدیل خواهد شد» تمام بار استدلال را به دوش می‌کشد. اما این گزاره چیزهای زیادی را پنهان می‌کند؛ حاشیه‌های مختلف تعدیل و تفاوت‌ها، ناهمگنی‌هایی است که جهان را به جهان تبدیل می‌کنند و نه به یک مدل ساده. میزان جانشین‌پذیری هوش مصنوعی در حال حاضر چقدر است؟ چه چیزی لازم است تا این میزان به حد کافی بالا برود؟ چه شرایط دیگری هم باید برقرار باشد؟

حتی مثال تاریخیِ «تراکتورها توانستند کار اسب‌ها را انجام دهند، بنابراین اسب‌ها منسوخ شدند» هم در ظاهر یک مرحله به نظر می‌رسد، اما در واقع شامل چندین مرحله است و گزاره «هوش مصنوعی می‌تواند کار انسان‌ها را انجام دهد، پس انسان‌ها منسوخ می‌شوند» حتی چیزهای بیشتری را پنهان می‌کند. پس بیایید این مراحل را یکی‌یکی مرور کنیم. این متن بر پایه یک مقاله کاری جدید نوشته شده که ریاضیات و اقتصاد ماجرا را که در واقع بیشتر حسابداری پایه است، با جزئیات توضیح می‌دهد.

فروپاشی تقاضا برای نیروی کار یعنی چه؟

برای مرور سریع برای کسانی که از تاریخ اسب‌ها در آمریکا خبر ندارند: جمعیت اسب‌ها در ایالات متحده از ۴.۳میلیون رأس در سال۱۸۴۰ به ۲۷.۳میلیون رأس در سال۱۹۲۰ رسید. سپس سقوط آغاز شد و تعداد اسب‌ها و قاطرهای مزرعه تا سال۱۹۶۰ به حدود ۳‌میلیون رسید. اسب‌ها اساسا یک کار اصلی داشتند که حمل‌ونقل است. اما درباره انسان‌ها باید با دقت بیشتری صحبت کنیم. بیایید مطمئن شویم حسابداری‌مان درست است و دقیقا روشن کنیم «فروپاشی» واقعا به چه معناست. برای ساده‌سازی، فرض کنید تقاضا برای نیروی کار انسانی به صفر برسد. نه کم؛ صفر. این دقیقا چه چیزی را ایجاب می‌کند؟ یعنی هیچ دلاری که در اقتصاد خرج می‌کنید، در هیچ نقطه‌ای از زنجیره تامینش از دست انسان عبور نکند. نه کسی که آن کالا را ساخته، نه کسی که آن را حمل کرده، نه کسی که آن را طراحی، فروخته یا نگهداری کرده یا ساختمانی را که در آن مونتاژ شده تمیز کرده است. صفر مطلق نیروی کار انسانی نهفته در مخارج نهایی.

این همان هدف است. این همان مقصود دقیق من از عبارت «انسان‌ها تبدیل به اسب می‌شوند» است. این همان ایده داده-ستانده‌ای است که لئونتیف تمام حرفه خود را بر پایه آن بنا کرد. شما می‌توانید هر خرید نهایی را در زنجیره تامینش دنبال کنید و تمام نیروی کار انسانیِ دخیل در آن را (مستقیم و غیرمستقیم) جمع بزنید. یک فنجان قهوه فقط شامل باریستا نیست؛ شامل برشته‌کننده قهوه، راننده کامیون، کشاورز و حتی کسی هم می‌شود که کامیون را ساخته است. «نیروی کار نهفته» یعنی همه این‌ها. برای اینکه تقاضا برای نیروی کار فروبپاشد، باید تک‌تک این پیوندها در تمام کالاها و خدماتی که مردم می‌خرند، به صفر برسند. اقتصاد یک تابع تولید واحد نیست. اقتصاد از فعالیت‌های متعدد تشکیل شده است. وقتی هوش مصنوعی برخی فعالیت‌ها را ارزان‌تر می‌کند، مردم فقط همان چیزها را بیشتر نمی‌خرند؛ آنها چیزهای دیگری می‌خرند.

هر دلاری که خرج می‌کنید، جایی فرود می‌آید. بعضی دلارها وارد فعالیت‌هایی می‌شوند که مقدار زیادی نیروی کار انسانی در آنها نهفته است: مثل رستوران، روان‌درمانی یا سقف‌سازی. بعضی دیگر وارد فعالیت‌هایی می‌شوند که تقریبا هیچ نیروی کار انسانی در آنها نیست: مثل اشتراک سرویس‌های استریم، صندوق پرداخت خودکار یا فضای ذخیره‌سازی ابری. بنابراین وقتی بررسی می‌کنیم که با ارزان‌تر شدن AI چه اتفاقی می‌افتد، مساله فقط این نیست که «آیا AI می‌تواند شغل مرا انجام دهد؟» بلکه این است که «وقتی همه به خاطر ارزان‌تر شدن کارها توسط AI پول ذخیره می‌کنند، بعدش آن پول را صرف چه چیزی می‌کنند؟»

تقاضای کل برای نیروی کار به سه چیز بستگی دارد: اینکه مردم در مجموع چقدر خرج می‌کنند، چه سهمی از این مخارج وارد فعالیت‌هایی می‌شود که در آنها نیروی کار انسانی وجود دارد و اینکه در هرکدام از این فعالیت‌ها چه مقدار نیروی کار نهفته است. برای فروپاشی تقاضا برای نیروی کار انسانی، کافی نیست که AI در بعضی فعالیت‌ها جای کارگران را بگیرد. هر دلاری از مخارج، هرجا که خرج شود، باید تمام نیروی کار انسانی نهفته در خود را از دست بدهد. این سه کانال وجود دارند و استدلال «اسب‌ها» باید در هر سه مورد همزمان درست از آب دربیاید.

نقطه شروع مهم برای فکر کردن درباره نیروی کار این ایده است که هیچ‌کس خود نیروی کار را نمی‌خواهد. یک رستوران گارسون نمی‌خواهد، بلکه می‌خواهد سفارش‌ها گرفته شوند، مشتری‌ها اطمینان پیدا کنند و اشتباهات اصلاح شوند. بنابراین تقاضا برای نیروی کار، تقاضایی مشتق‌شده است. حالا سوال این است که هوش مصنوعی چگونه مقدار تقاضای شرکت‌ها برای نیروی کار را تغییر می‌دهد؟ وقتی هوش مصنوعی بتواند کارهایی را که شرکت‌ها واقعا برایشان پول می‌دهند، ارزان‌تر انجام دهد، AI ارزان‌تر همزمان دو اثر ایجاد می‌کند. شرکت‌ها AI را جایگزین کارگران می‌کنند که این موضوع تقاضا برای نیروی کار به ازای هر واحد تولید را کاهش می‌دهد. اما از طرف دیگر، AI ارزان‌تر باعث کاهش قیمت خروجی‌ها می‌شود، تولید افزایش پیدا می‌کند، و این گسترش دوباره تقاضا برای نیروی کار را بالا می‌کشد. اینکه در نهایت تقاضا برای نیروی کار افزایش پیدا کند یا کاهش، بستگی دارد به اینکه کدام اثر قوی‌تر باشد. این همان تجزیه هیکس-مارشالِ تقاضای مشتق‌شده به اثر جانشینی و اثر مقیاس است. این قرار است اصل سازمان‌دهنده تمام بحث باشد. وقتی یک دلار صرفه‌جویی می‌شود، به کجا هدایت می‌شود؟ به وظایف جدید؟ به شغل‌های جدید؟ به بخش‌های جدید؟ این پول باید جایی برود.

هوش مصنوعی می‌تواند وظایف را انجام دهد

این موضوع برای بسیاری از کارها آشکارا درست است. حتی مدل‌های اولیه هم چنین قابلیتی داشتند. برای مثال، مقاله اولیه GPT Exposure نوشته راک و همکاران تخمین زده بود که حدود ۸۰درصد از نیروی کار آمریکا دست‌کم ۱۰درصد از وظایف شغلی‌شان تحت تاثیر مدل‌های زبانی بزرگ (LLM) قرار می‌گیرد. با اضافه شدن نرم‌افزارهای مکمل، ۸۶درصد از مشاغل از آستانه ۱۰درصد مواجهه عبور می‌کنند.

و تحقیقات زیادی هم در این زمینه انجام شده است. شواهد در سطح «وظیفه» این موضوع را تایید می‌کنند. در یک محیط بزرگ پشتیبانی مشتری، دسترسی به هوش مصنوعی مولد باعث شد تعداد مسائل حل‌شده در هر ساعت حدود ۱۵درصد افزایش پیدا کند. در یک آزمایش مربوط به نگارش حرفه‌ای، ChatGPT زمان متوسط انجام کار را ۴۰درصد کاهش داد و کیفیت خروجیِ اندازه‌گیری‌شده را ۱۸درصد افزایش داد. در یک آزمایش کنترل‌شده درباره GitHub Copilot، توسعه‌دهندگان یک وظیفه برنامه‌نویسی را 55.8درصد سریع‌تر انجام دادند. اینها اثرات کوچکی نیستند. اما اینها اثرات مربوط به «وظایف» هستند. وقتی یک وظیفه خودکار می‌شود، پولِ صرفه‌جویی‌شده ناپدید نمی‌شود. این صرفه‌جویی وظایف جدیدی را در همان شغل ایجاد می‌کند؛ مثل بازبینی بیشتر، مدیریت بیشترِ مشتریان، یا تصمیم‌گیری‌های پیچیده‌تر. همان‌طور که مقدار تقاضا ثابت نیست و بنابراین اثرات مقیاس اهمیت دارند، خودِ شغل هم چیزی ثابت و از پیش‌تعیین‌شده نیست.

یک شغل چیزی فراتر از فهرستی از وظایف است

در گفتمان مربوط به هوش مصنوعی، نوعی آیین تکرارشونده وجود دارد: کسی یک نسخه اولیه منتشر می‌کند، آن نسخه اولیه وظیفه‌ای مرتبط با یک شغل را انجام می‌دهد و بعد مردم نتیجه می‌گیرند که آن شغل نابود شده است. گاهی حق با آنهاست. اما این نتیجه‌گیری حدود پانزده مرحله را نادیده می‌گیرد. با در نظر گرفتن خطاها، واقعا استقرار چنین سیستمی چقدر هزینه دارد؟ آیا مشتریان به آن اعتماد می‌کنند؟ آیا مدیران می‌دانند چگونه باید ساختار سازمان را حول آن بازآرایی کنند؟ یک نسخه اولیه از چت‌بات ممکن است یک‌شبه ظاهر شود؛ اما بیمارستانی که مسوولیت حقوقیِ درمان را بر پایه AI بازسازمان‌دهی کند، چنین نیست.

ما باید نه‌فقط درباره مشاغل، بلکه درباره سازمان‌ها فکر کنیم. اغلب نتیجه، یک «تیم» است نه یک «جایگزینی کامل». یک زوج انسان-هوش مصنوعی خروجی تولید می‌کند. اما مکمل‌بودن رایگان نیست. اگر این ترکیب فقط اندکی بیشتر از خود AI به‌تنهایی خروجی تولید کند، دستمزد انسان توجیه‌پذیر نخواهد بود. انسان باید چیزی اضافه کند که AI نتواند آن را با هزینه کم بازتولید کند. جراحی، هوانوردی، مهندسی سازه و مشاوره امانی، صرفا به دلایل حقوقی، حوزه‌هایی هستند که می‌توان انتظار داشت خسارت ناشی از یک خطا بسیار بزرگ‌تر از صرفه‌جویی حاصل از تولید ارزان‌تر باشد. باز هم، ممکن است این وضعیت روزی تغییر کند، اما نه به این زودی‌ها. وقتی شکست در یک جزء، ارزش تمام اجزای دیگر را نابود می‌کند، شما به قیمت برچسب کالا اهمیت نمی‌دهید. این همان منطق «اورینگ» است. شما به هزینه هر واحدی اهمیت می‌دهید که واقعا درست کار کند. وقتی هزینه خطا به‌اندازه کافی بالا باشد، تولیدِ تحت نظارت انسان برنده می‌شود، صرف‌نظر از اینکه AI چقدر ارزان شود.

مخارج به کجا منتقل می‌شوند؟

فرض کنیم اثر جانشینی در بیشتر مشاغل پیروز شود. دلارِ صرفه‌جویی‌شده کاملا از محیط کار خارج می‌شود. این پول به کجا می‌رود؟ بیشتر مدل‌های استاندارد همه‌چیز را در قالب یک کالای نهایی واحد خلاصه می‌کنند، بنابراین این سوال در آنها اصلا مطرح نمی‌شود. اما اقتصاد واقعی از بخش‌های متعددی تشکیل شده است، و این دلار باید جایی فرود بیاید. بیایید از صنعت نرم‌افزار به‌عنوان یک نمونه کوچک‌تر شروع کنیم. این بخشی است که دهه‌هاست به‌شدت توسط ورودی‌های دیجیتال خودکار شده است. اگر قرار بود جانشینی، نیروی کار را از یک بخش بیرون براند، اینجا باید نخستین جایی می‌بود که آن را می‌دیدیم.

صنایعی که بیشترین وابستگی را به نرم‌افزار دارند نه‌تنها نیروی کار انسانی را حفظ کرده‌اند، بلکه سهم نیروی کار در آنها بالاتر هم هست (۶۷درصد) نسبت به صنایعی که کمترین وابستگی را به نرم‌افزار دارند (۵۵درصد). ورودی‌های سنگین دیجیتال نیروی کار انسانی را حذف نکردند. اگر چیزی باشد، صنایعی که بیشترین خودکارسازی را انجام داده‌اند همان‌هایی هستند که بیشترین هزینه را برای کارکنان می‌کنند. اداره آمار کار آمریکا (BLS) پیش‌بینی می‌کند اشتغال در آمریکا از سال ۲۰۲۴ تا ۲۰۳۴ حدود 5.2‌میلیون نفر افزایش پیدا کند. اشتغال توسعه‌دهندگان نرم‌افزار با وجود مواجهه مستقیم با AI، 17.9درصد رشد خواهد کرد. اثر مقیاس در بخشی پیروز شد که بیشترین مواجهه را با خودکارسازی دیجیتال داشت. ممکن است پیش‌بینی‌های BLS کاملا اشتباه باشند، اما شواهد تا اینجا به‌شدت نشان می‌دهند که در صنایع نرم‌افزارمحور، اثر مقیاس غالب بوده است. نرم‌افزار یک نمونه افراطی است، اما تقریبا همین الگو را در کل اقتصاد و در بازه‌ای زمانی بسیار طولانی‌تر هم مشاهده می‌کنیم.

برای نگاه دیگری به مساله، بیایید تصویر بزرگ‌تری ببینیم و بزرگ‌ترین بخش‌های اقتصاد را با هم مقایسه کنیم: خدمات در برابر کالاها. در سال۱۹۲۹، بیشتر هزینه‌کرد مصرف‌کنندگان صرف کالاهای فیزیکی می‌شد. امروز حدود دوسوم آن صرف خدمات می‌شود. وقتی تولید صنعتی ارزان‌تر شد، مردم فقط کالاهای بیشتری نخریدند. آنها هزینه‌کرد خود را به سمت مراقبت‌های درمانی، آموزش، رستوران‌ها و خدمات شخصی منتقل کردند. این همان عملکرد «دلار صرفه‌جویی‌شده» در سطحی نزدیک به کلان‌اقتصاد است؛ صرفه‌جویی حاصل از ارزان‌تر شدن کالاها به سمت خدمات جریان پیدا کرد.

اگر بخواهیم از همان تجزیه راهنمای خود استفاده کنیم، کالاها ارزان‌تر شدند. اینجا کمی سریع و ساده‌سازی‌شده صحبت می‌کنم، اما اثر مقیاس در بخش کالاها ظاهر نشد. تقاضا برای اشیای فیزیکی منفجر نشد. در عوض، آن دلارهای آزادشده به سمت خدمات مهاجرت کردند و اثر مقیاس آنجا ظاهر شد. اثر جانشینی در صنایع تولیدکننده کالا پیروز شد. اثر مقیاس در میان بخش‌ها پیروز شد. تولید کل اقتصاد افزایش یافت. بنابراین اگر از زاویه یک اقتصاددان کلان نگاه کنید، اثر مقیاس غالب بوده است. اما صرف مهاجرت هزینه‌کردها به کارگران کمکی نمی‌کند، مگر اینکه مقصد این هزینه‌ها همچنان شامل نیروی کار انسانی باشد. آیا چنین بود؟

نمودارهای فوق نشان می‌دهد چه سهمی از ارزش هر بخش به کارگران می‌رسد؛ یعنی جبران خدمات کارکنان به‌عنوان سهمی از ارزش افزوده. بخش خدمات نسبت به صنایع تولیدکننده کالا، به‌طور مداوم سهم بیشتری را به نیروی کار پرداخت می‌کند. هزینه‌کردها فقط جابه‌جا نشدند، بلکه به سمت بخش‌هایی حرکت کردند که در آنها سهم بیشتری از هر دلار، وارد حقوق و دستمزد افراد می‌شود. باز هم، تا اینجا پاسخ مثبت است. ما در حال حرکت به سمت خدمات هستیم. بنابراین ممکن است بگویید بسیار خوب، این در واقع نتیجه «اسب‌ها» را تایید می‌کند. قیمت کالاها کاهش یافت و ما کالاهای کمتری خریدیم. حرف من این است که وقتی با اقتصادی به متنوعی اقتصاد مدرن آمریکا روبه‌رو هستید، حاشیه‌هایی برای تعدیل وجود دارد؛ راه‌های فراری وجود دارد. و مزیت نسبی همیشه در برابر این سناریو ظاهر می‌شود و مقابله می‌کند.

وقتی خودکارسازی بعضی چیزها را ارزان می‌کند، چیزهایی که همچنان گران باقی می‌مانند معمولا همان‌هایی هستند که خودکارسازی‌شان دشوار است. و چیزهایی که خودکارسازی‌شان دشوار است، تقریبا طبق تعریف، همان حوزه‌هایی هستند که انسان‌ها هنوز در آنها مزیت نسبی دارند. دلارِ صرفه‌جویی‌شده به سمت جاهایی حرکت می‌کند که هنوز پرداخت پول به انسان‌ها در آنها ارزش دارد. این خوش‌بینی نیست؛ این معنای مزیت نسبی است. بسن این موضوع را بخش‌به‌بخش نشان داده است. در صنعت نساجی اولیه، دستگاه‌های بافندگیِ مکانیکی میزان نیروی کار لازم برای هر یارد پارچه را کاهش دادند. اما پارچه آن‌قدر ارزان شد که تقاضا به‌شدت افزایش یافت، و اشتغال کل در صنعت نساجی برای چندین دهه رشد کرد. همین اتفاق در فولاد اولیه و صنعت خودروی اولیه هم رخ داد. در نهایت، تقاضا اشباع شد، قیمت‌ها دیگر با سرعت کافی کاهش پیدا نکردند، و خودکارسازی اشتغال را در هر بخش کاهش داد. سوال درباره AI این نیست که «آیا خودکارسازی شغل‌ها را از بین می‌برد؟» سوال این است که «ما در کدام مرحله هستیم، و برای کدام بخش‌ها؟»

امروز دلارِ صرفه‌جویی‌شده توسط AI ممکن است کجا فرود بیاید؟ مراقبت‌های درمانی همین حالا هم ۱۸درصد از تولید ناخالص داخلی را تشکیل می‌دهد و همچنان در حال رشد است. با پیر شدن جمعیت، مراقبت از سالمندان هم رشد خواهد کرد. موکیر، ویکرز و زیبارت مقاله بسیار خوبی در نشریه JEP دارند که از منظر تاریخی توضیح می‌دهد چرا این بار هم متفاوت نیست: وظایف جدید پدیدار شدند، مزیت نسبی پابرجا ماند و محصولاتی که حتی نمی‌توانستیم تصورشان کنیم، کارهای جدیدی خلق کردند. اسب‌ها مقصدِ جایگزینی از این نوع نداشتند.

مخارج به سوی اتوماسیون حرکت می‌کنند

دفعه قبل، دلارِ صرفه‌جویی‌شده راه خود را به بخش‌های انسان‌محور پیدا کرد. قوی‌ترین استدلال برای اینکه چرا «این بار متفاوت است» از مقاله فیلیپ ترمل با عنوان «آیا نیروی کار در بلندمدت یک کالای لوکس است؟» می‌آید. پاسخ او احتمالا منفی است. حتی اگر مردم در ابتدا، با ثروتمندتر شدن، بیشتر برای خدمات انسانی خرج کنند ــ موسیقی زنده، کالاهای دست‌ساز، مراقبت شخصی ــ چهار نیرو به‌مرور زمان این روند را تضعیف می‌کنند. تنوعِ تولیدشده توسط AI دائما گسترش می‌یابد و برای هر دلاری که صرف کالاهای تولیدشده توسط انسان می‌شود رقابت می‌کند. مصرف خدمات انسانی هم یک هزینه فرصت دارد: زمانی که صرف حضور در یک کنسرت زنده می‌شود، زمانی است که صرف یک تجربه برترِ تولیدشده توسط AI نشده است.

کالاهای کمیاب دیگر -مثل زمین ساحلی، کالاهای منزلتی، تحقیق و توسعه- نیز با نیروی کار برای تصاحب جایگاهِ «چیز کمیابی که مردم حاضرند بابتش مبلغ بیشتری بپردازند» رقابت می‌کنند و کالاهای سرمایه‌ای هم دائما ارزان‌تر تولید می‌شوند، بنابراین سهم سرمایه‌گذاری از کل هزینه‌کرد می‌تواند بدون محدودیت رشد کند. تشبیه کوکاکولای ترمل، تیزترین نسخه این استدلال است. کوکاکولای اصلی زمانی ۵۰درصد بازار نوشابه را در اختیار داشت. بعد Diet Coke، Cherry Coke، Pepsi Max، نوشیدنی‌های انرژی‌زا و آب‌های گازدار آمدند. حتی با وجود وفاداری به برند و محدودیت‌های عرضه، سهم آن به کمتر از ۲۰درصد سقوط کرد. اگر AI مدام انواع جدیدی از کالاها را خلق کند که با کالاهای تولیدشده توسط انسان رقابت می‌کنند، حتی ترجیح اولیه قوی برای نیروی کار انسانی هم در میان این انتخاب‌های گسترده رقیق می‌شود.

من این استدلال را جدی می‌گیرم. این یک سناریوی ممکن است. اما دقت کنید که تحقق آن چه چیزی را ایجاب می‌کند. نه فقط اینکه تنوعِ تولیدشده توسط AI گسترش یابد ــ که قطعا خواهد یافت ــ بلکه اینکه آن‌قدر سریع و آن‌قدر گسترده رشد کند که همزمان هزینه‌کرد را از تمام دسته‌بندی‌های انسان‌محور منحرف کند. سوال این نیست که آیا AI با بعضی کالاهای انسانی رقابت می‌کند یا نه. سوال این است که آیا حتی یک جزیره انسان‌محور باقی می‌ماند یا نه. آیا هنوز کسی برای چیزی که یک انسان در آن حضور دارد پول خرج می‌کند؟

اعداد همچنان باید بسیار افراطی باشند. فرض کنید AI، 85درصد اقتصاد را ببلعد. نرم‌افزار، حسابداری، حقوق، پزشکی، لجستیک، بیشتر مدیریت، بیشتر رسانه‌ها؛ همه یا تقریبا همه، به‌عنوان حوزه‌های متکی به نیروی کار انسانی از بین بروند. فرض کنید ۱۵درصد باقی‌مانده هزینه‌کرد صرف چیزهایی شود که دست‌کم ۳۰درصد نیروی کار انسانی در آنها نهفته است: مراقبت از سالمندان، آموزش حضوری، جراحی، اجرای زنده، مشاغل فنی ماهرانه، روان‌درمانی، کالاهای منزلتی.  شاید این عدد چندان امیدوارکننده به نظر نرسد، اما من واقعا فقط دارم یک کران پایین تعیین می‌کنم. بدون دانستن هیچ چیز دیگری، می‌توانیم همین را حفظ کنیم. نه بزرگ است، نه آرمان‌شهری. اما صفر هم نیست، و این پایین‌ترین حد ممکن است. به یاد داشته باشید، کاهش سهم نیروی کار لزوما همان کاهش تقاضا برای نیروی کار نیست، به‌خصوص اگر کل کیک اقتصاد بسیار بزرگ‌تر شود.

اما آیا این صرفا نوعی احساسات‌گرایی است که فکر کنیم هزینه‌کرد همچنان به سمت چیزهای انسان‌محور باقی می‌ماند؟ الکس ایماس استدلال می‌کند که نه. وقتی AI کالاها را ارزان می‌کند، درآمد واقعی افزایش می‌یابد، و افراد ثروتمندتر به‌طور سیستماتیک هزینه‌کرد خود را به سمت چیزی می‌برند که او آن را کالاهای «رابطه‌ای» می‌نامد. در اقتصاد، ادبیات گسترده‌ای درباره «تغییر ساختاری» وجود دارد؛ همان الگوی بلندمدتی که در آن با ثروتمندتر شدن کشورها، هزینه‌کرد از کشاورزی به تولید صنعتی و سپس به خدمات منتقل می‌شود. سوال اصلی این است که چرا چنین اتفاقی می‌افتد. آیا به این دلیل است که قیمت‌ها تغییر می‌کنند و مردم هر چیزی را که ارزان‌تر شده بیشتر می‌خرند؟ یا به این دلیل که درآمدها افزایش پیدا می‌کند و مردم اساسا چیزهای متفاوتی می‌خواهند؟ برای مثال، کومین، لشکاری و مستیری این دو عامل را از هم تفکیک می‌کنند و نشان می‌دهند که بیش از ۷۵درصد این جابه‌جایی ناشی از اثرات درآمدی است. این موضوع در اینجا اهمیت دارد. اگر مهاجرتِ هزینه‌کرد عمدتا نتیجه دنبال‌کردن کالاهای ارزان‌تر بود، ارزان‌تر شدن چیزها به‌وسیله AI باید دلارها را به سمت کالاهای تولیدشده توسط AI می‌کشاند. اما واقعیت بیشتر به خواسته‌های افراد ثروتمندتر مربوط است. افراد ثروتمندتر به‌طور مداوم خواهان خدمات بیشتری بوده‌اند که انسان‌ها در آن نقش دارند.

در آزمایش‌ها، وقتی افراد متوجه می‌شوند دیگران از خرید یک محصولِ یکسان محروم خواهند شد، تمایل آنها به پرداخت تقریبا دو برابرمی‌شود. این یک «پاداشِ خالصِ انحصار» است. ناشناس، بدون امکان نمایش منزلت اجتماعی. این پاداش برای کالاهای ساخته‌شده توسط انسان قوی‌تر است. آثار هنری خلق‌شده توسط انسان، به خاطر انحصاری بودن، ۴۴درصد افزایش ارزش پیدا می‌کنند، درحالی‌که این رقم برای آثار هنری تولیدشده توسط AI فقط ۲۱درصد است. کالاهای ساخته‌شده توسط AI قابل‌کپی‌برداری به نظر می‌رسند. کالاهای ساخته‌شده توسط انسان، حتی وقتی واقعا کمیاب نیستند، کمیاب احساس می‌شوند. مردم چیزهایی را می‌خواهند که دیگران نتوانند داشته باشند. این میل پایان‌پذیر نیست، و به چیزهایی می‌چسبد که یک انسان ساخته است.

شاید استدلال این باشد که اگر به اندازه کافی صبر کنیم، تنوعِ AI حتی این ویژگی را هم از بین می‌برد. شاید. اما شواهد مربوط به تغییر ساختاری نشان می‌دهند که اثرات درآمدی سه برابر قوی‌تر از اثرات قیمتی هستند. وقتی نیازهای اولیه ارزان‌تر می‌شوند، انسان‌ها نمی‌گویند «خوب، دیگر چیزی برای خواستن ندارم.» آنها راه‌های تازه‌ای برای مقایسه خود با همسایه‌هایشان ابداع می‌کنند. اینکه این خواسته‌های جدید به سمت کالاهای ساخته‌شده توسط انسان بروند یا کالاهای ساخته‌شده توسط AI، سوالِ بازِ ماجراست؛ شواهد تجربی تا اینجا به نفع انسان‌هاست.

کاهش سهم نیروی کار، همان کاهش تقاضا برای نیروی کار نیست. بازه‌ای وجود دارد که در آن سهم نیروی کار از درآمد کاهش پیدا می‌کند، اما تقاضای کل برای نیروی کار همچنان در حال افزایش است؛ زیرا کل اقتصاد سریع‌تر از کوچک شدن سهم نیروی کار رشد می‌کند. ممکن است همین حالا در چنین وضعیتی باشیم. از نظر سهم‌ها، ممکن است چنین به نظر برسد که «AI در حال تسلط یافتن است»، درحالی‌که اشتغال همچنان رشد می‌کند. استدلال رایج این دو موضوع را یکی می‌گیرد، درحالی‌که یک ادعا نیستند. ما همین حالا هم این را می‌بینیم. افراد با درآمد بالاتر خدمات بیشتری مصرف می‌کنند. و خدمات معمولا سهم بالایی از نیروی کار دارند. باز هم، این وضعیت همیشه می‌تواند در آینده تغییر کند، اما این همان شواهدی است که فعلا در اختیار داریم.

فکر می‌کنم انسان‌ها شانس دارند

وقتی تمام این لایه‌ها را مرور می‌کنیم از سطح وظایف، جایی که تازه شروع به دیدن مقداری جانشینی کرده‌ایم، تا سطح کلان اقتصاد ــ من نسبت به سناریوی «اسب‌ها» بسیار بدبین می‌شوم. می‌دانم تا اینجای کار خیلی خوب این موضوع را پنهان کرده بودم، اما موضعم همین است. هوش مصنوعی بسیاری از وظایف را انجام خواهد داد. شغل‌ها را بازسازمان‌دهی خواهد کرد، احتمالا به شکلی دردناک. بعضی بخش‌ها بیشترِ نیروی کار انسانی خود را از دست خواهند داد. هزینه‌کردها می‌توانند به دنبال خودکارسازی حرکت کنند. همه اینها ممکن است اتفاق بیفتد و باز هم به صفر نرسیم. چون در هر مرحله، یک دلارِ صرفه‌جویی‌شده وجود دارد که دنبال جایی برای فرود آمدن می‌گردد. و سوال همیشه یکی است: بعدش به کجا می‌رود؟

برای اینکه سناریوی «اسب‌ها» رخ دهد، لازم است آن دلارِ صرفه‌جویی‌شده دیگر هیچ چیزِ متصل به انسان را پیدا نکند. این آینده‌ای بسیار خاص است. شاید رخ بدهد. اما باید همه‌جا و همزمان رخ بدهد و شواهدی که در اختیار داریم -شواهد تغییر ساختاری، ترجیحات آشکارشده و نتایج آزمایش‌ها- همچنان در جهت مخالف اشاره می‌کنند.

* اقتصاددان

منابع: 

- Mokyr, Joel, Chris Vickers, and Nicolas L. Ziebarth. 2015. "The History of Technological Anxiety and the Future of Economic Growth: Is This Time Different?" Journal of Economic Perspectives 29 (3): 31–50.

- Comin, Diego, Danial Lashkari, and Martí Mestieri. “Structural Change with Long-run Income and Price Effects.” Econometrica, 89, .no 1, (Econometric Society: 2021), 311-374.

-  Eloundou, Tyna, et al. "GPTs are GPTs: Labor market impact potential of LLMs." Science 384.6702 (2024): 1306-1308.‌