چشمانداز بهرهوری از لنز هوش مصنوعی
ارزش اینترنت به «اثر شبکهای» وابسته بود؛ اگر تنها یک نفر به ایمیل یا وبسایت دسترسی داشت، فایده چندانی ایجاد نمیشد. اما هرچه افراد، کسبوکارها و نهادهای بیشتری به این فناوری پیوستند، کارآیی و ارزش آن بهطور چشمگیری افزایش یافت. با گسترش استفاده از اینترنت در میان خانوارها، بنگاهها و سازمانهای دولتی، آثار اقتصادی آن نیز بیش از پیش آشکار شد. پژوهشها نشان میدهند که فناوریهای دیجیتال، از جمله اینترنت، سهم قابلتوجهی در رشد بهرهوری اقتصاد آمریکا در اواخر دهه ۱۹۹۰ و اوایل دهه ۲۰۰۰ داشتهاند، هرچند برآورد دقیق سهم اینترنت در رشد تولید ناخالص داخلی همچنان دشوار است.
امروزه بسیاری از اقتصاددانان معتقدند که هوش مصنوعی (AI) میتواند به فناوری عمومی بزرگ بعدی تبدیل شود. مانند فناوریهای عمومی پیشین، هوش مصنوعی ظرفیت آن را دارد که طیف وسیعی از بخشها از جمله تولید، خدمات، سلامت، آموزش، دفاع و امور مالی را متحول کند. از منظر اقتصادی، فناوریهای عمومی نحوه ترکیب منابع مولد ــ از جمله نیروی کار، سرمایه و دانش ــ را برای تولید کالاها و خدمات تغییر میدهند. این دگرگونیها میتوانند ساختار بنگاهها، محیطهای کاری و حتی نهادهای اجتماعی و اقتصادی را بازتعریف کنند.
برآوردها درباره تاثیر هوش مصنوعی بر رشد اقتصادی و تولید ناخالص داخلی بسیار متفاوت است. برخی از رهبران صنعت فناوری از تحولات عظیم اقتصادی سخن میگویند، درحالیکه اقتصاددانان معمولا محتاطتر هستند. برای مثال، موسسه مالی گلدمن ساکس برآورد کرده است که هوش مصنوعی مولد میتواند طی یک دهه حدود ۷ درصد به تولید ناخالص داخلی جهان بیفزاید. در مقابل، دارون عجماوغلو، برنده جایزه نوبل اقتصاد، افزایش حدود یک درصدی را در یک بازه ۱۰ساله محتمل دانسته است؛ برآوردی که به سرعت پذیرش فناوری و دامنه وظایفی که هوش مصنوعی قادر به انجام آنهاست بستگی دارد. در سوی دیگر، برخی از رهبران صنعت فناوری رشد اقتصادی سالانه ناشی از هوش مصنوعی را بین ۱۰ تا ۱۵ درصد پیشبینی میکنند.
اقتصاددانان معمولا رشد پایدار اقتصادی را حاصل افزایش بهرهوری میدانند؛ یعنی میزان تولیدی که از مجموعهای مشخص از نهادهها به دست میآید. با وجود گزارشهای متعدد از افزایش بهرهوری در برخی وظایف و مشاغل، آثار هوش مصنوعی بر بهرهوری کل اقتصاد هنوز بهطور گسترده قابل مشاهده نیست. مانند سایر فناوریهای عمومی، بهرهبرداری کامل از ظرفیتهای هوش مصنوعی مستلزم سرمایهگذاریهای مکمل قابلتوجهی است. نیروی کار باید مهارتهای جدید بیاموزد، سازمانها باید فرآیندهای کاری خود را بازطراحی کنند و شرکتها باید از مرحله آزمایشهای محدود به پیادهسازی گسترده و فراگیر برسند.
بر اساس گزارش مجمع جهانی اقتصاد، سرعت پذیرش هوش مصنوعی از بسیاری از فناوریهای عمومی گذشته بیشتر بوده است؛ با این حال، فراگیر شدن کامل آن در سراسر اقتصاد ممکن است سالها زمان ببرد. تجربه تاریخی نشان میدهد که فناوریهای عمومی معمولا از الگویی موسوم به «منحنی J بهرهوری» پیروی میکنند. اقتصاددانان اریک برینیولفسون، دنیل راک و چاد سیورسون استدلال میکنند که شرکتها ابتدا در فناوری و داراییهای مکمل سرمایهگذاری میکنند، سپس دورهای از یادگیری سازمانی و سازگاری را پشت سر میگذارند و تنها پس از آن است که آثار بهرهوری بهطور کامل نمایان میشود. به طور کلی، پذیرش فناوریهای عمومی سه مرحله اصلی دارد: سرمایهگذاری در تجهیزات و نرمافزارها، یادگیری و پیادهسازی و در نهایت بهرهبرداری از منافع حاصل از این سرمایهگذاریها.
بسیاری از تحلیلگران بر این باورند که اقتصادهای پیشرفته هنوز در مرحله سازگاری و گذار قرار دارند؛ موضوعی که نشان میدهد بخش عمدهای از دستاوردهای بهرهوری ممکن است در سالهای آینده آشکار شود. اما پرسش اصلی این است که این افزایش بهرهوری تا چه اندازه خواهد بود؟ پاسخ به این سوال تا حد زیادی به میزان موفقیت در ادغام هوش مصنوعی در بخشهای مختلف فعالیت اقتصادی بستگی دارد.
رهبران صنعت فناوری معمولا بر توانایی هوش مصنوعی در انجام یا پشتیبانی از وظایف پیچیده تاکید میکنند؛ از کمک به تشخیص بیماریها و تسریع پژوهشهای علمی گرفته تا بهبود فرآیندهای کسبوکار و تصمیمگیری. به همین دلیل، آنها معمولا چشمانداز خوشبینانهتری نسبت به اقتصاددانان دارند. در مقابل، اقتصاددانان موانع پذیرش فناوری و تجربه تاریخی فناوریهای مشابه را جدیتر میگیرند. اختلاف اصلی میان این دو گروه بر سر اصل افزایش بهرهوری نیست، بلکه بر سر سرعت گسترش و میزان موفقیت در استقرار هوش مصنوعی در بخشهای مختلف اقتصاد است.
هوش مصنوعی همچنین میتواند در برخی زمینهها به کاهش نابرابریها کمک کند و در برخی دیگر آنها را تشدید کند. برای مثال، در مناطقی که با کمبود معلم مواجه هستند (چه در کشورهای در حال توسعه و چه در مناطق روستایی کشورهای پیشرفته) ابزارهای مبتنی بر هوش مصنوعی میتوانند به آموزش کمک کنند، یادگیری را شخصیسازی کنند و بخشی از شکافهای آموزشی را کاهش دهند. به همین ترتیب، سامانههای هوش مصنوعی میتوانند به پزشکان در تشخیص سریعتر بیماریها کمک کنند و از این طریق دسترسی افراد بیشتری را به خدمات درمانی فراهم آورند.
در عین حال، برخی پژوهشگران هشدار میدهند که هوش مصنوعی ممکن است بیش از همه بر مشاغلی تاثیر بگذارد که بخش عمده فعالیت آنها شامل وظایف شناختی تکراری است؛ مشاغلی که در بسیاری از موارد تعداد زیادی از زنان در آنها مشغول به کار هستند. با این حال، آثار بلندمدت این فناوری بر شکاف دستمزدی جنسیتی همچنان نامشخص است. به طور کلی، هوش مصنوعی میتواند تقاضا برای مهارتها و مشاغل مختلف را دگرگون کند و در نتیجه، برندگان و بازندگانی در بازار کار ایجاد شود.
در نهایت، مهمترین پرسش سیاستگذاری آن است که سیاستگذار چگونه میتواند این تحول را به گونهای هدایت کند که منافع آن بهطور گسترده در جامعه توزیع شود و تنها در اختیار تعداد محدودی از شرکتها، صنایع یا گروههای شغلی قرار نگیرد. سیاستگذاران احتمالا ناچار خواهند بود میان حمایت از نوآوری و وضع مقررات مناسب تعادل برقرار کنند و همزمان در آموزش نیروی کار، توسعه زیرساختهای دیجیتال و دسترسی عادلانه به فناوریهای هوش مصنوعی سرمایهگذاری کنند. تصمیماتی که امروز اتخاذ میشود، نقش تعیینکنندهای در این خواهد داشت که آیا هوش مصنوعی به کاهش نابرابریهای موجود کمک میکند یا آنها را در سالهای آینده عمیقتر میسازد.
* استاد دانشکده امورعمومی دانشگاه آمریکن
