Przewidywania dotyczące wpływu sztucznej inteligencji na rynek pracy często opierają się na błędnych metrykach, prowadząc do nieadekwatnych strategii i niepotrzebnego niepokoju. Kluczowe dla zrozumienia rzeczywistego wpływu AI jest analizowanie elastyczności cenowej popytu, a nie jedynie teoretycznej zdolności maszyn do wykonywania zadań.
Błędna Metryka: Problem „Współczynnika Ekspozycji”
Dominujący paradygmat oceny wpływu AI na rynek pracy opiera się na „współczynnikach ekspozycji”. Są to analizy zadań, które system AI teoretycznie mógłby wykonać w ramach danej profesji. Przykładowo, szeroko cytowane badanie OpenAI z 2023 roku sugerowało, że około 80% pracowników w USA może doświadczyć wpływu dużych modeli językowych na co najmniej 10% swoich zadań. Inne badania, m.in. z Princeton, University of Pennsylvania i NYU, wskazywały, że wysoko płatne, białe kołnierzyki – takie jak usługi prawne, analiza finansowa czy programowanie – są najbardziej „narażone” na wpływ AI.
Jednak ekonomiści badający rynki pracy, w tym David Autor z MIT, argumentują, że współczynniki ekspozycji mierzą niewłaściwą rzecz. Wiedza o tym, że AI może wykonać dane zadanie, nie mówi nic o tym, czy ludzie wykonujący je obecnie stracą pracę. Współczynnik ekspozycji to miara teoretycznej zdolności, a nie ekonomicznej konsekwencji.
Kluczowa Zmienna: Elastyczność Cenowa Popytu
Krytyczne pytanie brzmi, co dzieje się, gdy AI sprawia, że usługa staje się tańsza i szybsza. Jeśli AI obniży koszt przeglądu dokumentów prawnych o 60%, czy popyt na usługi prawne wzrośnie na tyle, aby wchłonąć zwolnionych paralegalów, czy też sektor po prostu zmniejszy zatrudnienie? Odpowiedź zależy od elastyczności cenowej popytu – czyli tego, jak bardzo wzrasta popyt konsumentów, gdy ceny spadają. Laboratorium Budżetowe Yale ostrzega, że ekonomiści nie posiadają kompleksowych danych na temat elastyczności cenowej dla większości zawodów. Bez tych danych, każda prognoza dotycząca wypierania miejsc pracy przez AI jest w zasadzie zgadywaniem, ozdobionym statystykami na poziomie zadań.
Przykłady Rynkowe: Podatki vs. Projektowanie Graficzne
- Przygotowanie podatków: Popyt jest w dużej mierze nieelastyczny. Kiedy oprogramowanie takie jak TurboTax drastycznie obniżyło koszty podstawowych rozliczeń, sektor nie odnotował wzrostu liczby nowych klientów, lecz redukcję liczby płatnych doradców. Narzędzia AI prawdopodobnie pogłębią ten trend, zmniejszając siłę roboczą zamiast rozszerzać rynek.
- Projektowanie graficzne: Platformy takie jak Canva wykazały wysoką elastyczność cenową jeszcze przed pojawieniem się generatywnej AI. W miarę spadku kosztów projektowania, popyt eksplodował – małe firmy, przedsiębiorcy indywidualni i organizacje non-profit, które wcześniej nie mogły sobie pozwolić na profesjonalne wizualizacje, zaczęły je tworzyć na dużą skalę. Narzędzia do generowania obrazów AI wzmacniają tę dynamikę, rozszerzając całkowity rynek usług projektowych, nawet jeśli jednostkowa praca ludzka maleje.
Rozbieżność: Retoryka Branżowa vs. Gotowość Ekonomiczna
Kontrast między retoryką branżową a gotowością ekonomiczną jest uderzający. Dyrektor generalny Anthropic, Dario Amodei, przewiduje szeroką substytucję ludzkiej pracy poznawczej przez AI w ciągu kilku lat. Z kolei ekonomista Daron Acemoglu z MIT, laureat Nagrody Nobla, ostrzega, że szybka automatyzacja bez adaptacji instytucjonalnej może obniżyć płace i erodować ścieżki kariery. Ekonomiści, którzy mają oceniać te sprzeczne wizje, przyznają, że brakuje im empirycznych podstaw do rozstrzygnięcia.
Zbudowanie tych podstaw wymagałoby masowego, skoordynowanego wysiłku w zbieraniu danych – rozszerzenia szczegółowego śledzenia cen i popytu, które obecnie istnieje dla artykułów spożywczych (dzięki danym ze skanerów supermarketów), na całą gospodarkę usługową. Żaden rząd ani instytucja nie podjęły jeszcze działań na taką skalę.
Konsekwencje Braku Danych dla Polityki
Brak danych o elastyczności cenowej tworzy próżnię polityczną, która domyślnie przyjmuje ramy narzucane przez przemysł – gdzie wypieranie miejsc pracy jest traktowane jako nieuniknione, a nie warunkowane mierzalnymi dynamikami ekonomicznymi. W rezultacie, decydenci projektują strategie dotyczące siły roboczej w oparciu o metryki ekspozycji, które czołowi ekonomiści pracy uważają za nieadekwatne. Prowadzi to do znaczących inwestycji w programy przekwalifikowania i interwencje polityczne, kierowane przez wskaźniki mierzące teoretyczne możliwości, a nie rzeczywiste wyniki ekonomiczne. Dane, które mogłyby wyjaśnić sytuację, istnieją we fragmentach, podczas gdy decyzje, które powinny informować, są podejmowane już teraz.
Materiał opracowany przez redakcję BitBiz na podstawie doniesień rynkowych.
Dodaj komentarz