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.
به گزارش پایگاه خبری بهره ورنیوز، فاطمه ماهی دشتی، کارشناس بهره وری، این هفته هم مطلب ارزشمندی را درباره هوش مصنوعی و رشد بهره وری از وبسایت موسسه بروکینگز (The Brookings Institution) به صورت اختصاصی ترجمه کرده است که این ترجمه ارزشمند را در ادامه میخوانید:
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.
روزهای جمعه میتوانید در پایگاه خبری بهره ورنیوز، ترجمه مقالاتی در حوزه بهره وری را که در معتبرترین مراجع منتشر شده است، را با عنوان «مجله بهره وری» مطالعه کنید.
مطالب مرتبط:
مجله بهرهوری (4): هوش مصنوعی و وعده‌های آن برای افزایش بهرهوری و رشد اقتصادی
هوش مصنوعی؛ بهرهوری و نابرابری