Obecne metody oceny wpływu AI na rynek pracy, oparte na analizie zadań, są niewystarczające i prowadzą do błędnych wniosków. Kluczową, lecz ignorowaną zmienną ekonomiczną, determinującą tworzenie lub niszczenie miejsc pracy przez AI, jest elastyczność cenowa popytu.
Błędne Założenia Analizy Ryzyka AI
Powszechne podejście do oceny ryzyka automatyzacji, opierające się na analizie „ekspozycji na zadania” i procentowym pokryciu między możliwościami AI a opisami stanowisk, jest fundamentalnie wadliwe. Mimo pozornej rygorystyczności, opartej na danych rządowych i statystykach, takie analizy nie dostarczają użytecznych informacji o rzeczywistych konsekwencjach dla zatrudnienia. Fakt, że AI może wykonać znaczną część zadań w danej profesji, nie przesądza o redukcji zatrudnienia. Kluczowe jest to, co dzieje się z popytem, gdy produktywność napędzana przez AI obniża koszty lub przyspiesza świadczenie usług.
Elastyczność Cenowa Popytu: Brakujące Ogniwo
Decydującym czynnikiem jest elastyczność cenowa popytu – czyli to, jak bardzo wzrasta zapotrzebowanie na dobro lub usługę, gdy jej cena spada. Jeśli popyt jest elastyczny (niewielki spadek ceny generuje duży wzrost popytu), automatyzacja AI może prowadzić do zwiększenia zatrudnienia, a nie jego redukcji. Przykładem może być agent nieruchomości, który dzięki AI może obsłużyć więcej transakcji, a niższe koszty przyciągają więcej kupujących. Jeśli jednak popyt jest nieelastyczny (ludzie kupują mniej więcej tyle samo, niezależnie od ceny), wzrost produktywności oznacza po prostu, że do obsługi tego samego rynku potrzeba mniej pracowników. Niestety, dla większości sektorów gospodarki brakuje nam precyzyjnych danych dotyczących tej zmiennej.
Dlaczego Brakuje Kluczowych Danych?
Paradoksalnie, podczas gdy dysponujemy szczegółowymi danymi o elastyczności cenowej dla produktów spożywczych, brakuje ich dla usług prawnych, projektowania graficznego, inżynierii oprogramowania, księgowości czy marketingu – czyli sektorów dominujących w dyskusji o wpływie AI. Infrastruktura danych nie została zbudowana z myślą o odpowiedzi na to pytanie. Branża prognozowania, napędzana potrzebą generowania kliknięć, preferuje jednoznaczne, często alarmistyczne przewidywania, zamiast przyznawać się do niepewności. To tworzy niebezpieczną pętlę sprzężenia zwrotnego, gdzie narracje o masowej transformacji lub zagrożeniu dla miejsc pracy służą interesom firm AI i konsultantów, jednocześnie pomijając kluczowe aspekty ekonomiczne.
Konsekwencje dla Różnych Sektorów
Wpływ AI na zatrudnienie różni się drastycznie w zależności od elastyczności popytu w danym sektorze:
- Opieka zdrowotna: Wysoka elastyczność. Jeśli narzędzia diagnostyczne AI obniżą koszty badań o 80%, ogromne, niezaspokojone zapotrzebowanie na opiekę zdrowotną może doprowadzić do wzrostu zatrudnienia w obszarach opieki uzupełniającej i interpretacji.
- Usługi prawne: Niska do umiarkowanej elastyczność. AI obniżająca koszty przeglądu umów prawdopodobnie nie spowoduje proporcjonalnego wzrostu popytu na usługi prawne, co może prowadzić do restrukturyzacji, zwłaszcza na poziomie początkującym.
- Tworzenie treści: Mieszana elastyczność. AI generująca treści niemal bezkosztowo spowodowała eksplozję podaży, ale popyt na treści tworzone przez ludzi po cenach premium jest ograniczony. Skutkuje to spadkiem stawek dla rutynowych prac pisarskich, ale wzrostem zapotrzebowania na strategie redakcyjne i budowanie marki.
Każdy z tych scenariuszy wymaga odmiennych reakcji politycznych i biznesowych, niemożliwych do przewidzenia wyłącznie na podstawie analizy ekspozycji na zadania.
Wyzwanie: „Projekt Manhattan” dla Danych Ekonomicznych
Ekonomiści wzywają do skoordynowanego, ogólnogospodarczego wysiłku w celu zbierania granularnych danych o wpływie ekonomicznym AI, porównywalnego skalą do Projektu Manhattan. Taki projekt wymagałby:
- Monitorowania w czasie rzeczywistym, jak adopcja AI wpływa na ceny usług i produktów w danym sektorze.
- Mierzenia, jak popyt reaguje na te zmiany cenowe (np. czy tańsze usługi prawne zwiększają liczbę spraw).
- Gromadzenia danych z wielu branż i okresów, aby zidentyfikować wzorce.
Realizacja tego wymagałaby współpracy agencji rządowych, przemysłu i środowiska akademickiego, a także nowych narzędzi badawczych i długoterminowego finansowania. Obecnie brakuje politycznych i finansowych zachęt do podjęcia tego wysiłku, co utrudnia rzetelną ocenę przyszłości rynku pracy.
Implikacje dla Strategii Biznesowych i Politycznych
Zrozumienie elastyczności cenowej ma kluczowe znaczenie:
- Dla pracowników: Jeśli pracujesz w branży, gdzie niższe ceny generują znacznie większy popyt (np. edukacja, opieka zdrowotna), AI może zwiększyć Twoje obciążenie pracą, a nie uczynić Cię zbędnym. W sektorach o stałym popycie (np. rutynowe funkcje back-office), AI prawdopodobnie zredukuje zatrudnienie.
- Dla decydentów: Strategie dotyczące siły roboczej oparte wyłącznie na ekspozycji na zadania są budowane na piasku. Priorytetem powinno być finansowanie zbierania danych o elastyczności cenowej w różnych sektorach.
- Dla liderów biznesu: Inwestując w automatyzację AI, kluczowe jest pytanie, czy niższe koszty produkcji przyciągną wystarczająco nowych klientów, aby zrekompensować zmniejszone zapotrzebowanie na pracę na jednostkę produktu.
Obecnie brakuje nam tych odpowiedzi, a przyznanie się do tego jest pierwszym krokiem do ich znalezienia. Koszt udawania, że wiemy, jest znacznie wyższy niż koszt sfinansowania rzetelnych badań.
Podsumowanie i Perspektywa BitBiz.pl
Pytanie nie brzmi, czy AI zmieni rynek pracy – to jest pewne. Pytanie brzmi: jak, dla kogo, w jakim tempie i w jakich kierunkach. Dane dotyczące elastyczności cenowej, zebrane w skali całej gospodarki, są najbliższą rzetelną odpowiedzią. W świecie, gdzie firmy AI pozyskują dziesiątki miliardów dolarów kwartalnie, budżet na badania nad rzeczywistymi efektami ekonomicznymi AI jest zaledwie błędem zaokrąglenia. Musimy poznać te odpowiedzi, zanim będziemy musieli zgadywać.
Materiał opracowany przez redakcję BitBiz na podstawie doniesień rynkowych.
Dodaj komentarz