Μια νέα οικονομική έρευνα αμφισβητεί μια από τις πιο διαδεδομένες αντιλήψεις για την τεχνολογική πρόοδο: οι περισσότερες νέες δουλειές δεν δημιουργούνται επειδή εμφανίζονται νέες τεχνολογίες. Δημιουργούνται επειδή η οικονομία γίνεται όλο και πιο εξειδικευμένη. Και αυτό μας φέρνει ξανά σε μια ιδέα που ο Άνταμ Σμιθ διατύπωσε πριν από περίπου 250 χρόνια.
Από τον Τηλέμαχο | Συντακτική ομάδα Greece2Day
Όταν συζητάμε σήμερα για την Τεχνητή Νοημοσύνη και την εργασία, το ερώτημα τίθεται συνήθως με έναν πολύ συγκεκριμένο τρόπο: Πόσες δουλειές θα καταστρέψει η AI και πόσες καινούργιες θα δημιουργήσει; Πίσω από αυτή την ερώτηση βρίσκεται σχεδόν πάντα μια "σουμπετεριανή" αντίληψη της οικονομίας. Μια νέα τεχνολογία εμφανίζεται. Κάποιες παλιές δουλειές εξαφανίζονται. Νέες επιχειρήσεις δημιουργούνται. Και μαζί τους εμφανίζονται επαγγέλματα που προηγουμένως δεν υπήρχαν.
Ακριβώς αυτό περιέγραφε ο αυστριακός οικονομολόγος Joseph Schumpeter με την περίφημη έννοια της "δημιουργικής καταστροφής". Υπάρχει όμως και μια δεύτερη εξήγηση για το πώς δημιουργούνται οι νέες δουλειές. Και είναι πολύ παλαιότερη. Προέρχεται από τον Adam Smith.
Η περίφημη καρφίτσα του Adam Smith
Το 1776, στον Πλούτο των Εθνών, ο Smith χρησιμοποίησε ένα παράδειγμα που έμελλε να γίνει ένα από τα διασημότερα στην ιστορία της οικονομικής σκέψης. Ένα εργοστάσιο κατασκευής καρφιτσών. Αν ένας άνθρωπος επιχειρούσε να κατασκευάσει μόνος του μια καρφίτσα από την αρχή μέχρι το τέλος, η παραγωγικότητά του θα ήταν εξαιρετικά χαμηλή. Αν όμως η διαδικασία χωριστεί σε επιμέρους εργασίες - ένας εργαζόμενος τραβά το σύρμα, άλλος το κόβει, άλλος δημιουργεί την αιχμή, άλλος τοποθετεί την κεφαλή - τότε η παραγωγή αυξάνεται θεαματικά. Αυτό είναι το περίφημο: division of labour — καταμερισμός της εργασίας.
Καθώς μια αγορά μεγαλώνει, υποστήριζε ο Smith, γίνεται οικονομικά συμφέρον να δημιουργούνται ολοένα πιο εξειδικευμένες εργασίες. Και κάπου εδώ βρίσκεται μια πολύ σημαντική ιδέα. Οι νέες δουλειές δεν χρειάζεται να προέρχονται από μια εντελώς νέα τεχνολογία. Μπορούν απλώς να προκύπτουν από τον κατακερματισμό μιας υπάρχουσας δουλειάς σε περισσότερες και πιο εξειδικευμένες εργασίες.
Smith εναντίον Schumpeter
Έχουμε επομένως δύο διαφορετικούς μηχανισμούς δημιουργίας επαγγελμάτων:
Ο μηχανισμός του Smith
- Η οικονομία μεγαλώνει.
- Οι αγορές διευρύνονται.
- Οι επιχειρήσεις μπορούν να υποστηρίξουν μεγαλύτερο καταμερισμό εργασίας.
- Οι εργαζόμενοι εξειδικεύονται.
- Και έτσι εμφανίζονται νέα επαγγέλματα.
Ο μηχανισμός του Schumpeter
- Εμφανίζεται μια νέα τεχνολογία.
- Καταστρέφει ή περιορίζει ορισμένες παλιές δραστηριότητες.
- Δημιουργεί νέες επιχειρήσεις και νέους κλάδους.
- Και αυτοί δημιουργούν επαγγέλματα που προηγουμένως δεν υπήρχαν.
Η διαφορά δεν είναι απλώς θεωρητική. Έχει τεράστια σημασία για τον τρόπο με τον οποίο πρέπει να σκεφτόμαστε σήμερα την AI.
140 χρόνια εργασίας σε ένα τεράστιο οικονομικό πείραμα
Οι οικονομολόγοι William Skoglund, Jakob Molinder και Kerstin Enflo προσπάθησαν να απαντήσουν εμπειρικά στο ερώτημα. Μελέτησαν την εξέλιξη της σουηδικής αγοράς εργασίας από το 1880 έως το 2019, χρησιμοποιώντας εξαιρετικά αναλυτικά στοιχεία απογραφών και διοικητικών δεδομένων. Και το αποτέλεσμα είναι εντυπωσιακό. Παρά τις τεράστιες τεχνολογικές αλλαγές που συνέβησαν μέσα σε αυτά τα 140 χρόνια, πάνω από το 70% της σημερινής απασχόλησης βρίσκεται σε επαγγέλματα των οποίων η βασική οικονομική λειτουργία υπήρχε ήδη στα τέλη του 19ου αιώνα.
Σκεφτείτε τι μεσολάβησε στο μεταξύ.
- Η ηλεκτροδότηση.
- Το αυτοκίνητο.
- Το τηλέφωνο.
- Η μαζική παραγωγή.
- Η αεροπορία.
- Οι ηλεκτρονικοί υπολογιστές.
- Το Διαδίκτυο.
- Τα smartphones.
Και παρ' όλα αυτά, ο πυρήνας ενός πολύ μεγάλου μέρους της εργασίας αποδεικνύεται εκπληκτικά ανθεκτικός.
Το πρόβλημα με τους «νέους τίτλους εργασίας»
Υπάρχει εδώ μια σημαντική λεπτομέρεια. Αν μετρήσουμε απλώς πόσοι νέοι τίτλοι επαγγελμάτων εμφανίζονται με την πάροδο του χρόνου, μπορεί να αποκτήσουμε λανθασμένη εικόνα για το πόσο γρήγορα αλλάζει πραγματικά η οικονομία. Ένας καινούργιος τίτλος δεν σημαίνει απαραίτητα ότι δημιουργήθηκε μια εντελώς νέα οικονομική λειτουργία. Μπορεί να σημαίνει ότι μια παλιά εργασία έγινε περισσότερο εξειδικευμένη. Οι ερευνητές επομένως δεν περιορίστηκαν στους τίτλους. Εξέτασαν τι πραγματικά κάνουν οι εργαζόμενοι.
Και χώρισαν τις νέες εργασίες σε δύο μεγάλες κατηγορίες.
Οι «Smithian» δουλειές
Πρόκειται για επαγγέλματα που δημιουργούνται κυρίως μέσω μεγαλύτερης εξειδίκευσης. Μια ευρεία επαγγελματική δραστηριότητα διασπάται σε περισσότερες ειδικότητες. Δεν χρειάζεται να έχει εφευρεθεί κάποια επαναστατική τεχνολογία. Χρειάζεται κυρίως μια αρκετά μεγάλη αγορά ώστε αυτή η εξειδίκευση να είναι οικονομικά βιώσιμη. Ένα κλασικό ιστορικό παράδειγμα είναι η ωρολογοποιία.
Αρχικά, ένας τεχνίτης μπορούσε να εκτελεί μεγάλο μέρος της διαδικασίας κατασκευής ενός ρολογιού. Καθώς όμως η αγορά μεγάλωσε, η παραγωγή χωρίστηκε σε ολοένα περισσότερες ειδικότητες. Έτσι δημιουργήθηκαν νέα επαγγέλματα χωρίς να έχει εμφανιστεί απαραίτητα ένας εντελώς νέος κλάδος.
Αυτό ακριβώς θα περίμενε ο Adam Smith.
Οι «Schumpeterian» δουλειές
Η δεύτερη κατηγορία βρίσκεται πολύ πιο κοντά στη σύγχρονη αντίληψή μας για την τεχνολογική πρόοδο. Είναι επαγγέλματα που συνδέονται άμεσα με νέες τεχνολογίες. Προγραμματιστές. Τεχνικοί νέων μηχανημάτων. Ειδικότητες που δημιουργήθηκαν από την πληροφορική ή τις τηλεπικοινωνίες. Εδώ έχουμε την οικονομία του Schumpeter: νέα τεχνολογία → νέος κλάδος → νέο επάγγελμα.
Θα περίμενε κανείς ότι, μετά από έναν αιώνα τεχνολογικών επαναστάσεων, αυτή θα ήταν η κυρίαρχη πηγή νέων θέσεων εργασίας. Όμως τα δεδομένα δείχνουν κάτι διαφορετικό.
60% έναντι περίπου ενός τρίτου
Για την περίοδο 1990–2019, περίπου 60% της απασχόλησης στη Σουηδία βρισκόταν σε έντονα "Smithian" επαγγέλματα. Αντίθετα, περίπου το ένα τρίτο βρισκόταν σε έντονα "Schumpeterian" επαγγέλματα. Με άλλα λόγια, η εξειδίκευση φαίνεται ιστορικά να έχει παίξει μεγαλύτερο ρόλο στη διαμόρφωση της εργασίας από ό,τι η δημιουργία εντελώς νέων τεχνολογικών επαγγελμάτων. Υπάρχει μάλιστα ακόμη ένα ενδιαφέρον εύρημα.
Οι Schumpeterian δουλειές τείνουν να είναι περισσότερο ασταθείς. Αυτό είναι λογικό. Ένα επάγγελμα που δημιουργείται από μια συγκεκριμένη τεχνολογία μπορεί κάποτε να εξαφανιστεί εξαιτίας της επόμενης τεχνολογίας. Ο χειριστής ενός νέου μηχανήματος μπορεί να αποτελεί επάγγελμα του μέλλοντος το 1950 και επάγγελμα του παρελθόντος το 1990.
Η εξειδίκευση, αντίθετα, αποδεικνύεται πολύ πιο ανθεκτική.
Διαβάστε ακόμα: Η Βρετανία, ο Γόρδιος Δεσμός και το "ξίφος" του Άνταμ Σμιθ
Το πραγματικό παράδοξο της τεχνολογίας
Από εδώ προκύπτει μια εξαιρετικά ενδιαφέρουσα ιδέα. Η τεχνολογία μπορεί να δημιουργεί περισσότερες θέσεις εργασίας χωρίς οι περισσότερες από αυτές να είναι τεχνολογικές θέσεις εργασίας. Πώς; Επειδή η τεχνολογία αυξάνει την παραγωγικότητα. Η μεγαλύτερη παραγωγικότητα επιτρέπει στις επιχειρήσεις να μεγαλώνουν. Οι αγορές διευρύνονται. Η παραγωγή αυξάνεται. Και όσο μεγαλώνει η οικονομική κλίμακα, τόσο περισσότερο συμφέρει ο καταμερισμός της εργασίας. Άρα:
Τεχνολογία:
→ μεγαλύτερη παραγωγικότητα
→ μεγαλύτερη αγορά
→ περισσότερη εξειδίκευση
→ περισσότερα επαγγέλματα.
Η τεχνολογία επομένως μπορεί να δημιουργεί δουλειές κυρίως έμμεσα. Όχι επειδή όλοι γίνονται μηχανικοί ή προγραμματιστές. Αλλά επειδή κάνει δυνατή μια οικονομία πολύ μεγαλύτερης εξειδίκευσης.
Και τότε εμφανίζεται η Τεχνητή Νοημοσύνη
Εδώ όμως η ιστορία γίνεται πραγματικά ενδιαφέρουσα. Διότι η AI ενδέχεται να λειτουργεί διαφορετικά από προηγούμενες τεχνολογικές επαναστάσεις. Για περίπου 250 χρόνια η οικονομική εξέλιξη κινήθηκε σε μεγάλο βαθμό προς μία κατεύθυνση: περισσότερη εξειδίκευση. Ο εργαζόμενος γινόταν ειδικός σε ολοένα στενότερο πεδίο. Ο λογιστής έγινε φορολογικός σύμβουλος. Ο γιατρός έγινε καρδιολόγος και στη συνέχεια εξειδικευμένος επεμβατικός καρδιολόγος. Ο άνθρωπος του marketing έγινε SEO specialist, social-media manager ή performance-marketing specialist. Η γνώση διασπάστηκε σε όλο και μικρότερα κομμάτια.
Αλλά η AI μπορεί να αρχίσει να μειώνει το κόστος του να γνωρίζει κανείς πολλά διαφορετικά πράγματα ταυτόχρονα.
Από τον specialist στον generalist;
Φανταστείτε έναν εργαζόμενο που διαθέτει έναν ισχυρό AI assistant. Μπορεί να γράψει κείμενο.
- Να αναλύσει δεδομένα.
- Να δημιουργήσει μια παρουσίαση.
- Να κάνει βασικό προγραμματισμό.
- Να αναζητήσει νομοθεσία.
- Να δημιουργήσει οικονομικά μοντέλα.
- Να μεταφράσει.
- Να συνοψίσει εκατοντάδες σελίδες πληροφοριών.
Πολλές εργασίες που προηγουμένως απαιτούσαν διαφορετικούς ειδικούς μπορούν πλέον να συγκεντρωθούν γύρω από έναν άνθρωπο. Και αυτό δημιουργεί ένα παράδοξο. Η τεχνολογία που θεωρητικά αυξάνει περισσότερο από ποτέ τις ανθρώπινες δυνατότητες μπορεί να αρχίσει να αντιστρέφει τον καταμερισμό της εργασίας. Ο εργαζόμενος του μέλλοντος ίσως να μην είναι ο άνθρωπος που γνωρίζει εξαιρετικά καλά μία μόνο πολύ στενή δραστηριότητα.
Μπορεί να είναι ο άνθρωπος που γνωρίζει αρκετά καλά πολλά διαφορετικά πεδία και χρησιμοποιεί την AI για να καλύπτει τα κενά.
Η επιστροφή του «τεχνίτη»;
Υπάρχει σχεδόν μια ιστορική ειρωνεία εδώ. Πριν από τη Βιομηχανική Επανάσταση, ο τεχνίτης συχνά αναλάμβανε ολόκληρη τη διαδικασία παραγωγής. Η βιομηχανική οικονομία τη διέσπασε σε δεκάδες ειδικότητες. Η AI ίσως επιτρέψει σε έναν άνθρωπο να ξανασυνδυάσει ορισμένες από αυτές. Όχι επειδή διαθέτει όλες τις απαραίτητες γνώσεις. Αλλά επειδή διαθέτει πρόσβαση σε μια μηχανή που μπορεί να λειτουργεί ως πολλαπλασιαστής των γνώσεών του.
Θα μπορούσαμε επομένως να περάσουμε από το: "ένας άνθρωπος – μία εξειδίκευση", στο: "ένας άνθρωπος – πολλές δυνατότητες, ενισχυμένες από AI".
Αυτό δεν σημαίνει ότι τελειώνει η εξειδίκευση
Θα ήταν όμως υπερβολικό να συμπεράνουμε ότι η AI θα εξαφανίσει τον καταμερισμό της εργασίας. Η βαθιά τεχνογνωσία θα εξακολουθήσει να έχει τεράστια αξία. Ένας AI assistant δεν μετατρέπει αυτομάτως έναν μηχανικό σε γιατρό ή έναν λογιστή σε δικηγόρο. Η ευθύνη, η εμπειρία, η κρίση και η πραγματική κατανόηση ενός αντικειμένου εξακολουθούν να έχουν σημασία. Αυτό που μπορεί να αλλάξει είναι το βέλτιστο επίπεδο εξειδίκευσης.
Ορισμένες εργασίες που είχαν διαχωριστεί επειδή απαιτούσαν διαφορετικές γνώσεις μπορεί να μπορούν πλέον να επανενωθούν. Και τότε η AI δεν θα αλλάξει απλώς τον αριθμό των θέσεων εργασίας. Θα αλλάξει την ίδια την αρχιτεκτονική της εργασίας.
Το λάθος ερώτημα για την AI
Γι' αυτό ίσως η συζήτηση: "Πόσες δουλειές θα καταστρέψει η AI;" είναι υπερβολικά απλοϊκή. Η οικονομική ιστορία δείχνει ότι τα επαγγέλματα δεν είναι σταθερές μονάδες που απλώς εμφανίζονται και εξαφανίζονται.
- Διασπώνται.
- Συγχωνεύονται.
- Αλλάζουν αντικείμενο.
- Αποκτούν νέες αρμοδιότητες.
- Χάνουν παλιές.
Η σωστή ερώτηση επομένως μπορεί να είναι: Πώς θα ανασυνδυάσει η AI τις εργασίες που σήμερα έχουμε μοιράσει μεταξύ διαφορετικών ανθρώπων;
Και αυτή είναι πολύ δυσκολότερη ερώτηση.
Τελικά ποιος είχε δίκιο;
Η οικονομική ιστορία δείχνει ότι είχαν δίκιο και οι δύο - αλλά όχι απαραίτητα στον ίδιο βαθμό. Ο Schumpeter εξήγησε εξαιρετικά τη δυναμική των τεχνολογικών επαναστάσεων. Νέες τεχνολογίες καταστρέφουν παλιές δραστηριότητες και δημιουργούν καινούργιες. Όμως ο Adam Smith φαίνεται να είχε εντοπίσει έναν βαθύτερο και ίσως ακόμη ισχυρότερο μηχανισμό δημιουργίας εργασίας: την εξειδίκευση που γίνεται δυνατή όταν μεγαλώνει η αγορά.
Και αυτό ακριβώς κάνει την εποχή της AI τόσο ενδιαφέρουσα. Για περισσότερο από δύο αιώνες, η τεχνολογία και ο καταμερισμός της εργασίας κινούνταν σε μεγάλο βαθμό προς την ίδια κατεύθυνση. Η τεχνολογία μεγάλωνε τις αγορές. Οι μεγαλύτερες αγορές επέτρεπαν περισσότερη εξειδίκευση. Η περισσότερη εξειδίκευση δημιουργούσε νέα επαγγέλματα. Τώρα, για πρώτη φορά, μια τεχνολογία μπορεί να αρχίσει να λειτουργεί και προς την αντίθετη κατεύθυνση: να κάνει οικονομικά εφικτό για έναν άνθρωπο να εκτελεί ξανά ένα ευρύτερο σύνολο εργασιών.
Αν αυτό συμβεί σε μεγάλη κλίμακα, η σημαντικότερη συνέπεια της Τεχνητής Νοημοσύνης στην αγορά εργασίας ίσως δεν είναι ότι θα εξαφανίσει εκατομμύρια επαγγέλματα. Μπορεί να είναι κάτι πολύ πιο βαθύ. Να αλλάξει, για πρώτη φορά μετά τον Adam Smith, την κατεύθυνση προς την οποία κινείται ο ίδιος ο καταμερισμός της εργασίας.
Add comment
Comments