"Μπορεί κανείς να δει την εποχή των υπολογιστών παντού, εκτός από τις στατιστικές της παραγωγικότητας"
Ρόμπερτ Σόλοου, 1987
Η οικονομία αναπτύσσεται σταθερά από τότε που άρχισε η ανάκαμψη μετά την πανδημία και τα περιοριστικά μέτρα του 2020.
Η ανεργία βρίσκεται εδώ και καιρό κοντά στα επίπεδα που θεωρούνται πλήρης απασχόληση, ενώ οι πραγματικοί μισθοί - δηλαδή οι αποδοχές προσαρμοσμένες στον πληθωρισμό- έχουν φτάσει σε ιστορικά υψηλά επίπεδα.
Κι όμως, η επιβράδυνση της παραγωγικότητας που είχε εντοπίσει ο νομπελίστας οικονομολόγος Ρόμπερτ Σόλοου πριν από σχεδόν τέσσερις δεκαετίες φαίνεται να έχει επιστρέψει. Την ίδια στιγμή, οι δείκτες καταναλωτικής εμπιστοσύνης κινούνται κοντά στα χαμηλότερα επίπεδα που έχουν ποτέ καταγραφεί.
Πώς γίνεται, λοιπόν, μια οικονομία με ανάπτυξη, υψηλή απασχόληση και ισχυρούς πραγματικούς μισθούς να συνοδεύεται από διάχυτη ανασφάλεια; Και γιατί η έκρηξη της τεχνητής νοημοσύνης δεν έχει ακόμη μεταφραστεί σε εντυπωσιακή αύξηση της παραγωγικότητας;
Η απάντηση μπορεί να βρίσκεται σε έναν συνδυασμό προβλημάτων μέτρησης, τεχνολογικής ανωριμότητας, δημιουργικής καταστροφής και βαθιών αλλαγών στον τρόπο με τον οποίο εργαζόμαστε και ζούμε.
Το πρόβλημα της μέτρησης της παραγωγικότητας
Μία από τις πιθανές εξηγήσεις για την επιβράδυνση της παραγωγικότητας είναι ότι ίσως δεν πρόκειται για πραγματική επιβράδυνση, αλλά για αδυναμία των στατιστικών συστημάτων να αποτυπώσουν σωστά την παραγωγή σε μια οικονομία που κυριαρχείται όλο και περισσότερο από υπηρεσίες.
Μέχρι σχετικά πρόσφατα, η παραγωγικότητα μετριόταν κυρίως σε κλάδους με απτό προϊόν, όπως η γεωργία και η μεταποίηση. Η παραγωγικότητα των υπαλλήλων γραφείου είτε αγνοούνταν είτε ενσωματωνόταν γενικά στην απόδοση των επιχειρήσεων που παρήγαν αγαθά.
Ακόμη και στην παραγωγή υλικών προϊόντων υπήρχαν δυσκολίες, κυρίως ως προς τη μέτρηση των ποιοτικών διαφορών ανάμεσα σε παλαιότερες και νεότερες εκδόσεις ενός προϊόντος.
Θεωρητικά, όμως, το πρόβλημα μπορούσε να αντιμετωπιστεί μέσα από συγκρίσεις τιμών και χαρακτηριστικών.
Η ψηφιακή οικονομία είναι πολύ πιο δύσκολο να μετρηθεί.
Για παράδειγμα, πριν από την εμφάνιση του διαδικτύου, μία ώρα τηλεοπτικού προγράμματος υψηλής ποιότητας θα μπορούσε να κοστίζει περίπου ένα εκατομμύριο δολάρια σε σημερινές τιμές. Σήμερα, εκατοντάδες χιλιάδες ώρες βίντεο ανεβαίνουν καθημερινά σε πλατφόρμες όπως το YouTube.
Πώς υπολογίζεται η παραγωγική αξία όλου αυτού του περιεχομένου; Πώς αποτιμάται η δωρεάν πρόσβαση στην πληροφορία, στην ψυχαγωγία, στους χάρτες, στις μηχανές αναζήτησης και στα εργαλεία τεχνητής νοημοσύνης;
Οι παραδοσιακοί δείκτες παραγωγής και τιμών δεν έχουν σχεδιαστεί για να συλλαμβάνουν πλήρως αυτή την πραγματικότητα. Δεν είναι τυχαίο ότι παραμένουν συστηματικές αποκλίσεις ανάμεσα στους δείκτες τιμών των υπηρεσιών και στους αντίστοιχους δείκτες των εμπορευμάτων.
Καθώς η τεχνητή νοημοσύνη επεκτείνει ακόμη περισσότερο την ψηφιακή οικονομία, η ανάγκη για καλύτερη μέτρηση της παραγωγής πληροφοριών, υπηρεσιών και ψυχαγωγίας γίνεται επιτακτική.
Από το πρωτότυπο στην πρακτική εφαρμογή
Μία ακόμη εξήγηση είναι ότι οι μεγάλες τεχνολογικές ανακαλύψεις χρειάζονται πολύ χρόνο μέχρι να επηρεάσουν ουσιαστικά την παραγωγικότητα.
Η ατμομηχανή αποτελεί χαρακτηριστικό παράδειγμα. Μεσολάβησε περίπου ένας αιώνας από τα πρώτα πρωτότυπα έως την πρακτική χρήση της για τον αερισμό των ανθρακωρυχείων.
Χρειάστηκαν ακόμη αρκετές δεκαετίες μέχρι να χρησιμοποιηθεί στη βιομηχανία και ακόμη περισσότερες μέχρι να μεταμορφώσει τις μεταφορές μέσω των ατμοκίνητων σιδηροδρόμων.
Ακόμη και όταν εμφανίστηκε η ατμομηχανή, οι παλιές τεχνολογίες παρέμεναν για ένα διάστημα πιο αξιόπιστες.
Το 1830, σύμφωνα με μια γνωστή ιστορία, πραγματοποιήθηκε αγώνας ανάμεσα σε μια ατμοκίνητη αμαξοστοιχία και μια αμαξοστοιχία που την έσερνε άλογο στη γραμμή Baltimore & Ohio.
Το άλογο κέρδισε, επειδή η μηχανή παρουσίασε βλάβη.
Μακροπρόθεσμα, όμως, τα άλογα έχασαν τη θέση τους στις μεταφορές.
Το ίδιο συνέβη και με το ατμοκίνητο σφυρί. Ο θρύλος του Τζον Χένρι περιγράφει έναν εργάτη που, με υπεράνθρωπη προσπάθεια, κατάφερε να νικήσει τη μηχανή και να προστατεύσει προσωρινά τις θέσεις εργασίας των συναδέλφων του. Ωστόσο, με την πάροδο του χρόνου, τα βιομηχανικά μηχανήματα αντικατέστησαν τη χειρωνακτική εργασία.
Οι εργάτες στις αποθήκες, που μετέφεραν βαρέλια και βαριά φορτία, αντικαταστάθηκαν από περονοφόρα οχήματα. Οι λιμενεργάτες είδαν τις ηλεκτροκίνητες ανυψωτικές μηχανές να αναλαμβάνουν μεγάλο μέρος της δουλειάς τους.
Σήμερα είναι εύκολο να αναγνωρίσουμε πόσο βαθιά άλλαξε η Βιομηχανική Επανάσταση την παραγωγικότητα, τους μισθούς και το βιοτικό επίπεδο.
Όμως τα οφέλη αυτά δεν εμφανίστηκαν άμεσα. Χρειάστηκαν δεκαετίες, ενώ οι εργαζόμενοι στο μεσοδιάστημα βρέθηκαν αντιμέτωποι με βαθιά αναστάτωση.
Από τον Deep Blue στα σύγχρονα συστήματα AI
Κάτι αντίστοιχο παρατηρήθηκε και στη σύγχρονη ψηφιακή εποχή.
Το 1996, ο υπερυπολογιστής Deep Blue αντιμετώπισε τον παγκόσμιο πρωταθλητή σκακιού Γκάρι Κασπάροφ. Ο Κασπάροφ κέρδισε την αναμέτρηση με τρεις νίκες, μία ήττα και δύο ισοπαλίες.
Η νίκη του, ωστόσο, αποδείχθηκε προσωρινή.
Έναν χρόνο αργότερα, ο Deep Blue κέρδισε τη ρεβάνς. Σήμερα, ακόμη και ένας αξιοπρεπής φορητός υπολογιστής μπορεί να νικήσει έναν γκραν μετρ.
Η διαφορά είναι ότι, στη σημερινή φάση της τεχνολογικής επανάστασης, δεν είναι πλέον οι ατμομηχανές, οι βενζινοκινητήρες και οι ηλεκτρικές μηχανές που απειλούν θέσεις εργασίας. Είναι οι υπολογιστές, τα ρομπότ και η τεχνητή νοημοσύνη.
Η δημιουργική καταστροφή της τεχνητής νοημοσύνης
Οι τεράστιες επενδύσεις στην ψηφιακή τεχνολογία αποτελούν αναμφίβολα θετική εξέλιξη. Ταυτόχρονα, όμως, συνοδεύονται από απαξίωση ανθρώπινου κεφαλαίου.
Πολλοί έμπειροι επαγγελματίες στην πληροφόρηση, στα μέσα ενημέρωσης, στην εκπαίδευση και στον προγραμματισμό έχουν ήδη χάσει ή κινδυνεύουν να χάσουν τη θέση τους εξαιτίας της ψηφιακής επανάστασης.
Πρόκειται για το φαινόμενο που ο οικονομολόγος Γιόζεφ Σουμπέτερ περιέγραψε ως «"δημιουργική καταστροφή": οι νέες τεχνολογίες δημιουργούν νέες αγορές, προϊόντα και ευκαιρίες, αλλά ταυτόχρονα καταστρέφουν παλαιές επιχειρήσεις, επαγγέλματα και δεξιότητες.
Η ταχύτητα της σημερινής αλλαγής είναι ίσως το πιο ανησυχητικό στοιχείο.
Στο παρελθόν, ένας μεγαλύτερος σε ηλικία εργαζόμενος μπορούσε να παραμείνει στη θέση του μέχρι τη συνταξιοδότηση, ακόμη και αν οι προοπτικές εξέλιξής του περιορίζονταν.
Σήμερα, η αλλαγή είναι τόσο γρήγορη ώστε πολλοί εργαζόμενοι μπορεί να εξωθηθούν σε πρόωρη συνταξιοδότηση ή σε χαμηλότερα αμειβόμενες θέσεις.
Και στις δύο περιπτώσεις, χάνεται ένα μέρος του ανθρώπινου κεφαλαίου που έχει συσσωρευτεί μέσα από δεκαετίες εμπειρίας.
Οι νεότεροι εργαζόμενοι έχουν λιγότερα να χάσουν από την κατάρρευση των παλαιών επαγγελματικών δομών και συνήθως προσαρμόζονται ευκολότερα στις νέες τεχνολογίες. Άλλωστε, πολλά σύγχρονα εργαλεία έχουν σχεδιαστεί ώστε να είναι απλά, εύχρηστα και σχεδόν παιχνιδιάρικα.
Το κινητό τηλέφωνο είναι ίσως το χαρακτηριστικότερο παράδειγμα: πρόκειται για ένα τεχνολογικό θαύμα, το οποίο όμως, μόλις γίνει κατανοητό, είναι εξαιρετικά εύκολο στη χρήση.
Οι φυσικοί περιορισμοί της ψηφιακής επανάστασης
Η μελλοντική ταχύτητα της τεχνολογικής αλλαγής ίσως αποδειχθεί μικρότερη από όσο φοβούνται πολλοί.
Η ίδια η επιτυχία της ψηφιακής επανάστασης καθιστά σπάνιους πόρους που παλαιότερα θεωρούνταν φθηνοί ή σχεδόν απεριόριστοι. Σε αυτούς περιλαμβάνονται το νερό, η ηλεκτρική ενέργεια και οι σπάνιες γαίες.
Τα κέντρα δεδομένων απαιτούν τεράστιες ποσότητες ενέργειας και νερού για ψύξη. Η κατασκευή ημιαγωγών και μπαταριών εξαρτάται από κρίσιμα μέταλλα και πολύπλοκες αλυσίδες εφοδιασμού.
Εφόσον αυτοί οι πόροι έχουν κόστος, η ίδια η ανάπτυξη της τεχνητής νοημοσύνης θα δημιουργήσει οικονομικά και φυσικά όρια στην περαιτέρω εξάπλωσή της.
Σε κάποιο σημείο, η αλλαγή θα πρέπει να επιβραδυνθεί και να προσαρμοστεί σε μια περισσότερο ανθρώπινη κλίμακα - σε έναν ρυθμό που οι κοινωνίες και οι εργαζόμενοι μπορούν πραγματικά να αφομοιώσουν.
Πώς μπορεί να αλλάξει το βιοτικό επίπεδο
Κατά τη διάρκεια της Βιομηχανικής Επανάστασης, οι μέσες εβδομαδιαίες ώρες εργασίας μειώθηκαν από περίπου 80 σε 40.
Αυτό σημαίνει ότι οι άνθρωποι δεν χρησιμοποίησαν ολόκληρη την αύξηση του εισοδήματός τους για να αποκτήσουν περισσότερα υλικά αγαθά. Ένα μέρος της μετατράπηκε σε περισσότερο ελεύθερο χρόνο.
Ο όρος "ελεύθερος χρόνος" περιλαμβάνει ένα ευρύ φάσμα δραστηριοτήτων: ψυχαγωγία, ταξίδια, οικογενειακή ζωή, πολιτιστική συμμετοχή και δραστηριότητες μέσα στην κοινότητα.
Αν η τεχνητή νοημοσύνη αυξήσει σημαντικά την παραγωγικότητα, ένα πιθανό αποτέλεσμα δεν είναι απαραίτητα η μαζική ανεργία, αλλά η περαιτέρω μείωση των ωρών εργασίας.
Με αυτόν τον τρόπο, ο αριθμός των εργαζομένων θα μπορούσε να παραμείνει υψηλός, ακόμη και σε μια οικονομία όπου η παραγωγικότητα έχει αυξηθεί θεαματικά.
Το τέλος της γραμμικής επαγγελματικής ζωής
Είναι επίσης πιθανό να αλλάξει η παραδοσιακή διαδρομή της ανθρώπινης ζωής: πρώτα εκπαίδευση, στη συνέχεια εργασία και, τέλος, συνταξιοδότηση.
Στο μέλλον, οι ζωές μας μπορεί να αποτελούνται από μια πιο σύνθετη αλληλουχία εκπαίδευσης, εργασίας, διαλειμμάτων και επιστροφής στην αγορά εργασίας.
Οι άνθρωποι ενδέχεται να αποχωρούν προσωρινά από την εργασία και να επιστρέφουν αργότερα. Αυτό θα μπορούσε να δημιουργήσει περισσότερο χώρο για σπουδές, δημιουργία οικογένειας, άδειες μακράς διάρκειας, προσωπικά σχέδια ή ακόμη και προσωρινή δημόσια υπηρεσία.
Μια τέτοια εξέλιξη θα μπορούσε να οδηγήσει ακόμη και σε μια νέα κοινωνική επανάσταση γύρω από την οικογένεια και τη γονεϊκότητα.
Η πρώτη μεγάλη κοινωνική μεταβολή των τελευταίων δεκαετιών ήταν η μαζική είσοδος των γυναικών στην αγορά εργασίας, η οποία συχνά οδήγησε σε αναβολή της τεκνοποίησης.
Σε μια ζωή όπου η εκπαίδευση, η εργασία και ο ελεύθερος χρόνος δεν ακολουθούν πλέον αυστηρά διαδοχικά στάδια, ίσως γίνει ευκολότερο για τις γυναίκες να αποκτούν παιδιά σε μικρότερη ηλικία χωρίς να εγκαταλείπουν οριστικά την επαγγελματική τους πορεία.
Ασφάλεια ή ευκαιρία;
Για ορισμένους ανθρώπους, οι ευκαιρίες που προσφέρει η τεχνητή νοημοσύνη είναι συναρπαστικές.
Αυτό ισχύει κυρίως για τους νεότερους, οι οποίοι δεν έχουν επενδύσει δεκαετίες στις παλαιές μεθόδους εργασίας και δεν διαθέτουν ισχυρό συμφέρον να διατηρηθούν οι παλιές δομές.
Για πολλούς μεγαλύτερους εργαζομένους, όμως, η τεχνητή νοημοσύνη μοιάζει περισσότερο με απειλή παρά με ευκαιρία. Οι γνώσεις και οι δεξιότητες που απέκτησαν σε ολόκληρη την επαγγελματική τους ζωή μπορεί ξαφνικά να χάσουν την αξία τους.
Δεν είναι η πρώτη φορά που η τεχνολογική αλλαγή προκαλεί φόβο.
Οι συζητήσεις για τη Βιομηχανική Επανάσταση κυριαρχούνταν συχνά από εικόνες πείνας, εξαθλίωσης και παιδικής εργασίας. Ωστόσο, η πείνα δεν δημιουργήθηκε από τη Βιομηχανική Επανάσταση. Ήταν συνηθισμένη πολύ πριν από αυτήν.
Πριν από τη βιομηχανική ανάπτυξη, η πλειονότητα των ανθρώπων ήταν παγιδευμένη στη φτώχεια. Οι κοινωνικές τάξεις ήταν άκαμπτες, η δουλοπαροικία εκτεταμένη και η δουλεία ευρέως διαδεδομένη.
Η Βιομηχανική Επανάσταση εγκαινίασε μια εποχή διατηρήσιμης οικονομικής ανάπτυξης και ανέτρεψε τον παλαιό κόσμο. Βελτίωσε πολλαπλάσια το βιοτικό επίπεδο των μαζών και συνέβαλε σε βαθιές αλλαγές στην ανθρώπινη ελευθερία και την ισότητα.
Η AI μπορεί να επαναλάβει την ιστορία
Η τεχνητή νοημοσύνη ενδέχεται να προκαλέσει μια αντίστοιχη οικονομική και κοινωνική μεταμόρφωση.
Βραχυπρόθεσμα, θα υπάρξουν απώλειες θέσεων εργασίας, απαξίωση δεξιοτήτων, ανασφάλεια και αντίσταση. Ορισμένοι εργαζόμενοι θα δουν τις γνώσεις τους να χάνουν την αξία τους και ολόκληροι κλάδοι θα χρειαστεί να αναδιοργανωθούν.
Μακροπρόθεσμα, όμως, η τεχνητή νοημοσύνη μπορεί να αυξήσει δραματικά την παραγωγικότητα, να μειώσει τις ώρες εργασίας, να δημιουργήσει νέες μορφές απασχόλησης και να βελτιώσει το βιοτικό επίπεδο.
Το γεγονός ότι αυτή η επανάσταση δεν εμφανίζεται ακόμη με σαφήνεια στις στατιστικές δεν σημαίνει ότι δεν βρίσκεται ήδη σε εξέλιξη.
Όπως συνέβη με την ατμομηχανή, τον ηλεκτρισμό και τους υπολογιστές, η πραγματική επίδραση της τεχνητής νοημοσύνης μπορεί να χρειαστεί χρόνια ή ακόμη και δεκαετίες για να αποτυπωθεί πλήρως.
Η δημιουργική καταστροφή θα συνεχιστεί. Μαζί της, όμως, θα συνεχιστεί και η δημιουργία νέου πλούτου, νέων δυνατοτήτων και ενός κόσμου που σήμερα μπορούμε μόνο εν μέρει να φανταστούμε.
Add comment
Comments