Ο τακτικός ,πλέον, αρθρογράφος του Ορεινού Γ.Λογ. έστειλε μια ενδιαφέρουσα μελέτη για Τεχνητή Νοημοσύνη. Ενδιαφέρει όλους μας και πρέπει να τη διαβάσουμε για να ετοιμαζόμαστε(πως;) γι αυτά που έρχονται…
Εγώ πρόσθεσα, με βοήθεια της ΤΝ, για τους πολυάσχολους αναγνώστες μας μια μικρή περίληψη.
Executive Summary
Οικονομικά Σενάρια για Μετασχηματιστική Τεχνητή Νοημοσύνη
Η μελέτη εξετάζει πώς η ταχεία εξέλιξη της Τεχνητής Νοημοσύνης θα μπορούσε να μεταβάλει την οικονομία έως το 2030. Αντί να επιχειρεί μία μοναδική πρόβλεψη, αναπτύσσει τρία σενάρια — περιορισμένης, ουσιώδους και ακραίας μεταβολής — τα οποία διαφοροποιούνται κυρίως ως προς την ταχύτητα ανάπτυξης και υιοθέτησης της ΤΝ, το εύρος των εργασιών που μπορεί να αυτοματοποιήσει και την αύξηση της παραγωγικότητας που δημιουργεί.
Το βασικό συμπέρασμα είναι ότι η Τεχνητή Νοημοσύνη μπορεί να αυξήσει σημαντικά τον συνολικό πλούτο της οικονομίας, χωρίς όμως να εγγυάται ότι τα οφέλη θα κατανεμηθούν ισόρροπα μεταξύ εργαζομένων και κατόχων κεφαλαίου ή μεταξύ διαφορετικών κατηγοριών εργαζομένων.
Τρία πολύ διαφορετικά μέλλοντα
Στο σενάριο περιορισμένης μεταβολής, η ΤΝ λειτουργεί περίπου όπως μια συνηθισμένη τεχνολογική καινοτομία. Μέχρι το 2030 επηρεάζει μόλις το 4% των εργασιών και αυξάνει το ΑΕΠ κατά 1,6% σε σχέση με την πορεία χωρίς ΤΝ. Η ανεργία και οι μισθολογικές επιπτώσεις παραμένουν περιορισμένες.
Στο σενάριο ουσιώδους μεταβολής, η ΤΝ αποκτά οικονομική σημασία μεγαλύτερη ακόμη και από εκείνη του διαδικτύου. Επηρεάζει το 12% των εργασιών, αυξάνει το ΑΕΠ κατά 8,3% και οδηγεί τον ετήσιο ρυθμό ανάπτυξης στο 5,4%. Ταυτόχρονα, όμως, αρχίζει μια αισθητή μετατόπιση εισοδήματος από την εργασία προς το κεφάλαιο: το μερίδιο της εργασίας στο συνολικό εισόδημα μειώνεται από 60% σε 56%.
Στο ακραίο σενάριο, η αλλαγή είναι ιστορικών διαστάσεων. Η ΤΝ επηρεάζει το 30% των συνολικών εργασιών και περίπου τις μισές εργασίες των γνωστικών επαγγελμάτων. Το ΑΕΠ βρίσκεται το 2030 κατά 32% υψηλότερα από την πορεία χωρίς ΤΝ και ο ετήσιος ρυθμός ανάπτυξης φτάνει το 15,4%.
Η εντυπωσιακή αυτή αύξηση του πλούτου συνοδεύεται, όμως, από εξίσου μεγάλη αναστάτωση στην αγορά εργασίας. Η απασχόληση στα γνωστικά επαγγέλματα μειώνεται κατά 21,5%, η ανεργία μεταξύ των εργαζομένων που ξεκίνησαν σε αυτά φτάνει το 17,9% και οι σχετικές αμοιβές τους υποχωρούν κατά 11,5%.
Το κρίσιμο ζήτημα: ποιος καρπώνεται την ανάπτυξη;
Η σημαντικότερη ίσως διαπίστωση της μελέτης αφορά όχι το πόσο πλουσιότερη μπορεί να γίνει η οικονομία, αλλά σε ποιον θα ανήκει ο πρόσθετος πλούτος.
Στο ακραίο σενάριο, το μερίδιο της εργασίας στο συνολικό εισόδημα μειώνεται από 60% σε μόλις 45%, ενώ το μερίδιο του κεφαλαίου αυξάνεται από 40% σε 55%. Ουσιαστικά, σχεδόν ολόκληρη η πρόσθετη παραγωγή που δημιουργεί η ΤΝ καταλήγει ως εισόδημα του κεφαλαίου.
Παράλληλα δημιουργείται μια νέα ανισορροπία μέσα στην ίδια την αγορά εργασίας. Οι εργαζόμενοι των γνωστικών και διανοητικών επαγγελμάτων υφίστανται πιέσεις σε μισθούς και απασχόληση, ενώ οι εργαζόμενοι σε άλλα επαγγέλματα γίνονται σχετικά σπανιότεροι και οι αμοιβές τους μπορούν να αυξηθούν σημαντικά.
Η ΤΝ, επομένως, δεν δημιουργεί απλώς ένα πιθανό πρόβλημα «ανθρώπου εναντίον μηχανής». Δημιουργεί ένα πολύ ευρύτερο ζήτημα ανακατανομής εργασίας, εισοδήματος και ιδιοκτησίας του κεφαλαίου.
Η μεγάλη οικονομική αντίφαση
Το ακραίο σενάριο αναδεικνύει μια φαινομενικά παράδοξη κατάσταση: η κοινωνία μπορεί να γίνει πολύ πλουσιότερη συνολικά και ταυτόχρονα ένα μεγάλο τμήμα των εργαζομένων να γίνει φτωχότερο ή να βρεθεί εκτός εργασίας.
Ωστόσο, το συνολικό πρόσθετο οικονομικό όφελος είναι σχεδόν τριπλάσιο από τις απώλειες των εργαζομένων των γνωστικών επαγγελμάτων. Θεωρητικά, επομένως, υπάρχουν αρκετοί πρόσθετοι πόροι ώστε να αντισταθμιστούν πλήρως όσοι ζημιώνονται.
Η οικονομική ανάπτυξη, όμως, δεν εξασφαλίζει από μόνη της αυτή την αναδιανομή.
Εδώ βρίσκεται ίσως το σημαντικότερο ζήτημα οικονομικής πολιτικής που αναδεικνύει η μελέτη: πώς μπορεί μια πολύ πλουσιότερη οικονομία να μετατραπεί σε ευρύτερα κατανεμημένη ευημερία;
Οι πιθανές απαντήσεις περιλαμβάνουν επανεκπαίδευση και αναβάθμιση δεξιοτήτων, εισοδηματική στήριξη, καθολικό βασικό εισόδημα, αλλά και μορφές «καθολικού βασικού κεφαλαίου» που θα επιτρέπουν σε μεγαλύτερο μέρος του πληθυσμού να συμμετέχει άμεσα στις αποδόσεις του κεφαλαίου που δημιουργεί η νέα οικονομία.
Το παράθυρο έως το 2030
Οι μεγάλες αποκλίσεις μεταξύ των σεναρίων εμφανίζονται κυρίως μετά το 2027. Αυτό σημαίνει ότι τα επόμενα ένα έως δύο χρόνια θα είναι καθοριστικά για να διαπιστωθεί προς ποια κατεύθυνση κινείται η πραγματική οικονομία.
Οι κρίσιμες ενδείξεις θα είναι μετρήσιμες: πόσες εργασίες μπορεί πραγματικά να εκτελέσει η ΤΝ, πόσο γρήγορα την υιοθετούν οι επιχειρήσεις, πόσο αυξάνει την παραγωγικότητα, πόσες εργασίες αυτοματοποιούνται, πόσες νέες δημιουργούνται και πόσο γρήγορα μπορούν οι εργαζόμενοι να μετακινηθούν σε νέες δραστηριότητες.
Το κεντρικό μήνυμα της μελέτης είναι επομένως διπλό: η Τεχνητή Νοημοσύνη μπορεί να αποτελέσει έναν εξαιρετικά ισχυρό μηχανισμό δημιουργίας πλούτου, αλλά ο τρόπος με τον οποίο θα κατανεμηθεί αυτός ο πλούτος μπορεί να αποδειχθεί εξίσου σημαντικός με το μέγεθός του.
Η μεγάλη οικονομική πρόκληση της εποχής της ΤΝ ίσως δεν είναι τελικά αν οι μηχανές θα μπορούν να παράγουν περισσότερα από τους ανθρώπους. Είναι πώς μια κοινωνία θα οργανώσει την εργασία, το εισόδημα και την ιδιοκτησία σε έναν κόσμο στον οποίο η παραγωγή πλούτου θα εξαρτάται ολοένα λιγότερο από την ανθρώπινη εργασία.
Οικονομικά Σενάρια για Μετασχηματιστική Τεχνητή Νοημοσύνη
5. Συμπεράσματα
Η παρούσα μελέτη επιχειρεί να εντάξει το ευρύ φάσμα απόψεων σχετικά με τις οικονομικές επιπτώσεις της Τεχνητής Νοημοσύνης σε ένα κοινό πλαίσιο ανάλυσης. Οι διαφορετικές εκτιμήσεις για το μέλλον αντιμετωπίζονται ως διαφορετικές παραδοχές ως προς έναν σχετικά μικρό αριθμό βασικών παραμέτρων — παραμέτρων που μπορούν όχι μόνο να αναλυθούν θεωρητικά, αλλά πλέον, σε ολοένα μεγαλύτερο βαθμό, και να μετρηθούν στην πράξη.
Το πλαίσιο της μελέτης βασίζεται σε ένα καθιερωμένο οικονομικό υπόδειγμα, το οποίο εξετάζει την οικονομία με βάση τις επιμέρους εργασίες και δραστηριότητες που εκτελούν οι εργαζόμενοι. Διακρίνει δύο βασικές κατηγορίες επαγγελμάτων, λαμβάνει υπόψη την επίδραση της Τεχνητής Νοημοσύνης στην παραγωγή νέων ιδεών και καινοτομιών και ενσωματώνει τις δυσκολίες και τις καθυστερήσεις που υπάρχουν στην πραγματική αγορά εργασίας όταν ένας εργαζόμενος χάνει τη θέση του και προσπαθεί να βρει νέα απασχόληση.
Το διαδραστικό εργαλείο σεναρίων που συνοδεύει τη μελέτη επιτρέπει σε οποιονδήποτε να μεταβάλει αυτές τις βασικές παραμέτρους και να παρατηρήσει πώς θα μπορούσαν να εξελιχθούν έως το 2030 το ΑΕΠ, ο ρυθμός οικονομικής ανάπτυξης, οι μισθοί, η απόδοση του κεφαλαίου, το ποσοστό του συνολικού εισοδήματος που κατευθύνεται στους εργαζομένους και η ανεργία.
Από την ανάλυση των σεναρίων προκύπτουν τέσσερα βασικά συμπεράσματα.
Πρώτον, το εύρος των πιθανών εξελίξεων είναι εξαιρετικά μεγάλο.
Στο σενάριο της περιορισμένης μεταβολής, η Τεχνητή Νοημοσύνη λειτουργεί κατά τα επόμενα πέντε χρόνια περίπου όπως μια «συνηθισμένη» νέα τεχνολογία: βελτιώνει την παραγωγικότητα, αλλά δεν μεταβάλλει δραματικά τη συνολική οικονομία.
Στο ακραίο σενάριο, αντίθετα, η επίδρασή της είναι πραγματικά μετασχηματιστική. Μέχρι το 2030, το ΑΕΠ βρίσκεται κατά 32% υψηλότερα από το επίπεδο στο οποίο θα βρισκόταν χωρίς την ανάπτυξη της Τεχνητής Νοημοσύνης. Ταυτόχρονα, όμως, σχεδόν ένας στους πέντε εργαζομένους σε επαγγέλματα που βασίζονται κυρίως στη γνώση, την ανάλυση, την επεξεργασία πληροφοριών και γενικότερα στη διανοητική εργασία βρίσκεται εκτός απασχόλησης.
Δεύτερον, σχεδόν όλη η απόκλιση μεταξύ των διαφορετικών σεναρίων εμφανίζεται μετά το 2027, δηλαδή περίπου ενάμιση χρόνο μετά το σημείο αναφοράς των μέσων του 2026.
Ο λόγος είναι ότι όλα τα σενάρια ξεκινούν ουσιαστικά από την ίδια σημερινή πραγματικότητα. Οι μεγάλες διαφορές εμφανίζονται αργότερα, ανάλογα με το πόσο γρήγορα επεκτείνονται οι δυνατότητες της Τεχνητής Νοημοσύνης και πόσο ευρέως υιοθετείται και χρησιμοποιείται από τις επιχειρήσεις.
Τρίτον, ο βασικός οικονομικός μηχανισμός είναι ο ίδιος σε όλα τα σενάρια.
Η συνολική παραγωγή της οικονομίας αυξάνεται. Η απασχόληση στα επαγγέλματα που βασίζονται κυρίως σε γνωστικές και διανοητικές εργασίες μειώνεται. Αντίθετα, η απασχόληση στις υπόλοιπες κατηγορίες επαγγελμάτων αυξάνεται.
Το πόση ανεργία θα προκαλέσει αυτή η μετακίνηση εργαζομένων από τον έναν τομέα στον άλλο εξαρτάται από δύο πράγματα: αφενός από το μέγεθος της ανακατανομής που θα απαιτηθεί και αφετέρου από το πόσο εύκολα μπορούν όσοι χάνουν τη θέση τους να βρουν νέα εργασία εκτός του επαγγελματικού κλάδου στον οποίο εργάζονταν προηγουμένως.
Επομένως, τα σενάρια δεν διαφωνούν τόσο ως προς τον βασικό μηχανισμό μέσω του οποίου η Τεχνητή Νοημοσύνη επηρεάζει την οικονομία. Διαφωνούν κυρίως ως προς το πόσο μεγάλη και πόσο γρήγορη θα είναι αυτή η αλλαγή.
Τέταρτον, οι συνέπειες στην αγορά εργασίας εξαρτώνται σε σημαντικό βαθμό από δύο ακόμη παράγοντες: από το πόσο εύκολα μπορεί η οικονομία να αυξήσει το διαθέσιμο κεφάλαιο και τις επενδύσεις της και από το πόσο γρήγορα προσαρμόζονται οι σχετικοί μισθοί μεταξύ διαφορετικών κατηγοριών εργαζομένων.
Εάν η οικονομία μπορεί σχετικά εύκολα να αυξήσει τις επενδύσεις και το διαθέσιμο κεφάλαιο, τότε οι εργαζόμενοι μπορούν να διατηρήσουν μεγαλύτερο μέρος από τα οφέλη που δημιουργεί η αύξηση της παραγωγικότητας λόγω της Τεχνητής Νοημοσύνης.
Εάν, αντίθετα, η προσφορά κεφαλαίου δεν μπορεί να αυξηθεί αρκετά εύκολα, τότε ο μέσος μισθός μπορεί ακόμη και να υποχωρήσει κάτω από το επίπεδο στο οποίο θα βρισκόταν σε μια οικονομία χωρίς Τεχνητή Νοημοσύνη.
Ένα από τα σημαντικότερα αποτελέσματα της ανάλυσης αφορά την κατανομή του συνολικού οικονομικού εισοδήματος μεταξύ εργασίας και κεφαλαίου.
Σήμερα, σύμφωνα με το υπόδειγμα, περίπου το 60% του εισοδήματος της οικονομίας καταλήγει στην εργασία, δηλαδή ουσιαστικά σε μισθούς και αμοιβές εργαζομένων. Το ποσοστό αυτό υποχωρεί στο 56% στο σενάριο της ουσιώδους επίδρασης της Τεχνητής Νοημοσύνης και μόλις στο 45% στο ακραίο σενάριο.
Με άλλα λόγια, όσο ισχυρότερη γίνεται η επίδραση της Τεχνητής Νοημοσύνης, τόσο μεγαλύτερο μέρος του συνολικού εισοδήματος της οικονομίας μετακινείται από την εργασία προς το κεφάλαιο — δηλαδή προς τις αποδόσεις των επενδύσεων, τα κέρδη και γενικότερα τους κατόχους παραγωγικών περιουσιακών στοιχείων.
Παράλληλα, εμφανίζονται σημαντικές διαφορές και μεταξύ των ίδιων των εργαζομένων.
Στο ακραίο σενάριο, οι αμοιβές των εργαζομένων σε επαγγέλματα που βασίζονται στη γνώση και στη διανοητική εργασία πέφτουν κάτω από το επίπεδο στο οποίο θα βρίσκονταν χωρίς την Τεχνητή Νοημοσύνη.
Αντίθετα, οι μισθοί στα υπόλοιπα επαγγέλματα αυξάνονται σημαντικά. Αυτό συμβαίνει επειδή, καθώς η Τεχνητή Νοημοσύνη αντικαθιστά ή συμπληρώνει σε μεγαλύτερο βαθμό τις γνωστικές εργασίες, οι εργαζόμενοι σε άλλες δραστηριότητες γίνονται σχετικά πιο δυσεύρετοι και επομένως η αξία της εργασίας τους αυξάνεται.
Για τους εργαζομένους των γνωστικών επαγγελμάτων, το οικονομικό κόστος προκύπτει από έναν συνδυασμό δύο παραγόντων: χαμηλότερων σχετικών μισθών και υψηλότερης ανεργίας.
Εάν οι μισθοί προσαρμόζονται γρήγορα στις νέες συνθήκες, μεγαλύτερο μέρος του κόστους εμφανίζεται ως μείωση μισθών. Εάν, αντίθετα, οι μισθοί προσαρμόζονται δύσκολα ή παραμένουν σχετικά άκαμπτοι, μεγαλύτερο μέρος του κόστους εμφανίζεται ως αύξηση της ανεργίας.
Με άλλα λόγια, η οικονομική προσαρμογή μπορεί να γίνει είτε περισσότερο μέσω χαμηλότερων αμοιβών είτε περισσότερο μέσω απώλειας θέσεων εργασίας. Και στις δύο περιπτώσεις, το κόστος για τους εργαζομένους που πλήττονται είναι σημαντικό.
Ένα ιδιαίτερα χρήσιμο χαρακτηριστικό του πλαισίου της μελέτης είναι ότι όλες οι κρίσιμες παράμετροί του μπορούν, τουλάχιστον θεωρητικά, να μετρηθούν στην πραγματική οικονομία.
Μπορούμε, για παράδειγμα, να μετρήσουμε ποιο ποσοστό των εργασιών που σήμερα εκτελούν οι άνθρωποι μπορεί να αναληφθεί από συστήματα Τεχνητής Νοημοσύνης, πόσες επιχειρήσεις χρησιμοποιούν στην πράξη τέτοια συστήματα, πόση επιπλέον παραγωγικότητα δημιουργεί η Τεχνητή Νοημοσύνη ανά εργασία και πόσο χρόνο χρειάζεται ένας εργαζόμενος που χάνει τη θέση του για να βρει νέα απασχόληση.
Επομένως, τα διαφορετικά σενάρια δεν αποτελούν απλώς θεωρητικές προβλέψεις. Περιέχουν συγκεκριμένες υποθέσεις για δεδομένα που θα αρχίσουμε να παρατηρούμε τα επόμενα χρόνια.
Καθώς τα δεδομένα αυτά θα συσσωρεύονται, θα γίνεται σταδιακά σαφέστερο ποιο από τα σενάρια προσεγγίζει περισσότερο την πραγματικότητα.
Σήμερα, κανένα από τα τρία βασικά σενάρια δεν μπορεί να αποκλειστεί.
Οι συγγραφείς θεωρούν ότι η σημαντικότερη και διαχρονικότερη συμβολή της μελέτης μπορεί τελικά να είναι ακριβώς αυτό το κοινό πλαίσιο: ένας τρόπος να μετατρέπονται οι γενικές διαφωνίες σχετικά με τις οικονομικές επιπτώσεις της Τεχνητής Νοημοσύνης σε συγκεκριμένες διαφωνίες γύρω από έναν μικρό αριθμό παραμέτρων που μπορούν να παρατηρηθούν και να μετρηθούν.
Το πλαίσιο αυτό αναδεικνύει ιδιαίτερα ένα κρίσιμο ζήτημα : το πώς θα πραγματοποιηθεί η μετάβαση από τη σημερινή οικονομία σε μια οικονομία στην οποία η Τεχνητή Νοημοσύνη θα έχει πολύ μεγαλύτερο ρόλο.
Εάν οι επιπτώσεις της Τεχνητής Νοημοσύνης βρίσκονται κοντά στο σενάριο της περιορισμένης ή της ουσιώδους μεταβολής, τότε η ανακατανομή της εργασίας, παρότι θα έχει κόστος για αρκετούς εργαζομένους, θα είναι συγκρίσιμη με μεγάλες αλλαγές τις οποίες η αμερικανική αγορά εργασίας έχει κατορθώσει να απορροφήσει στο παρελθόν.
Εάν, όμως, η πραγματικότητα πλησιάσει περισσότερο το ακραίο σενάριο, τότε η αναστάτωση θα είναι πολύ μεγαλύτερη.
Στην περίπτωση αυτή, το 18% του εργατικού δυναμικού των γνωστικών επαγγελμάτων θα είναι άνεργο, οι σχετικές αμοιβές των εργαζομένων αυτών θα έχουν μειωθεί σε πολύ μεγάλο βαθμό και περίπου το 15% του ΑΕΠ θα έχει μετακινηθεί από τις αμοιβές των εργαζομένων προς τα εισοδήματα του κεφαλαίου.
Υπάρχει, ωστόσο, ένα πολύ σημαντικό σημείο.
Σύμφωνα με το ακραίο σενάριο, το συνολικό οικονομικό όφελος από την Τεχνητή Νοημοσύνη είναι σχεδόν τριπλάσιο από το συνολικό ποσό που χάνουν οι εργαζόμενοι των γνωστικών επαγγελμάτων εξαιτίας της μείωσης των μισθών και της απασχόλησής τους.
Με καθαρά οικονομικούς όρους, επομένως, η κοινωνία θα διαθέτει επαρκείς πρόσθετους πόρους ώστε να αντισταθμίσει τις απώλειες εκείνων που πλήττονται.
Το κρίσιμο πρόβλημα, όμως, είναι ότι η οικονομική ανάπτυξη από μόνη της δεν εγγυάται ότι οι πόροι αυτοί θα φτάσουν πράγματι στους ανθρώπους που υφίστανται το κόστος της μετάβασης.
Γι’ αυτό και αποκτούν κεντρική σημασία οι μηχανισμοί μέσω των οποίων ένα ευρύτερο μέρος της κοινωνίας θα μπορούσε να συμμετέχει στα οφέλη μιας πολύ πλουσιότερης οικονομίας.
Τέτοιοι μηχανισμοί θα μπορούσαν να περιλαμβάνουν την επανεκπαίδευση και αναβάθμιση δεξιοτήτων των εργαζομένων, προγράμματα εισοδηματικής στήριξης, μορφές «καθολικού βασικού κεφαλαίου», δηλαδή ευρύτερη συμμετοχή των πολιτών στην ιδιοκτησία και στις αποδόσεις του κεφαλαίου, ένα καθολικό βασικό εισόδημα, καθώς και άλλες πολιτικές που ενδεχομένως δεν έχουν ακόμη σχεδιαστεί.
Εάν πράγματι η Τεχνητή Νοημοσύνη οδηγήσει σε μια πολύ πλουσιότερη οικονομία αλλά ταυτόχρονα προκαλέσει μεγάλες ανατροπές στην αγορά εργασίας, το ζήτημα του τρόπου κατανομής των νέων αυτών οικονομικών ωφελειών θα αποτελέσει ένα από τα κεντρικά ζητήματα οικονομικής πολιτικής.
Το ποιο από αυτά τα διαφορετικά σενάρια αρχίζει να πραγματοποιείται μπορεί να γίνει πολύ πιο σαφές μέσα στο επόμενο ένα ή δύο χρόνια.
Για τον λόγο αυτό, οι συγγραφείς θεωρούν ότι η προετοιμασία για το ενδεχόμενο σημαντικών αναταράξεων στην αγορά εργασίας αποτελεί τη συνετότερη στάση.
Το συγκεκριμένο οικονομικό πλαίσιο και το συνοδευτικό εργαλείο ανάλυσης σεναρίων αναπτύσσονται ακριβώς με αυτόν τον σκοπό: να συμβάλουν σε μια πιο τεκμηριωμένη συζήτηση για το πώς μπορεί η κοινωνία να διαχειριστεί με τον καλύτερο δυνατό τρόπο τη μετάβαση σε μια εποχή πολύ ισχυρότερης Τεχνητής Νοημοσύνης.
Για τους πιο μερακλήδες και “διαβαστερούς”, τα 3 σενάρια, στα οποία επικεντρώνεται η μελέτη, έχουν ως εξής :
4. Αποτελέσματα
Τα αποτελέσματα των τριών σεναρίων μας παρουσιάζονται με δύο διαφορετικούς τρόπους.
Ο Πίνακας 3 παρουσιάζει τα βασικά αποτελέσματα για το έτος 2030. Τα Διαγράμματα 2 έως 4 απεικονίζουν την εξέλιξη των κυριότερων οικονομικών μεγεθών από το 2025 και μετά, δείχνοντας πώς συσσωρεύονται σταδιακά οι επιπτώσεις της Τεχνητής Νοημοσύνης.
Στη συνέχεια εξετάζουμε χωριστά καθένα από τα τρία σενάρια.
4.1 Το σενάριο της περιορισμένης μεταβολής
Στο σενάριο της περιορισμένης μεταβολής, η Τεχνητή Νοημοσύνη αποτελεί μια σχετικά μικρής σημασίας τεχνολογική εξέλιξη. Η οικονομία συνεχίζει να κινείται σε μια κατά βάση «φυσιολογική» πορεία και η Τεχνητή Νοημοσύνη προκαλεί κυρίως επιμέρους, οριακές μεταβολές.
Μέχρι το 2030, μόλις το 4% των εργασιών που εκτελούνται συνολικά στην οικονομία έχει επηρεαστεί από την Τεχνητή Νοημοσύνη.
Αυτό οφείλεται εν μέρει στο γεγονός ότι οι δυνατότητες των συστημάτων ΤΝ παραμένουν σχετικά περιορισμένες και εν μέρει στο ότι η υιοθέτησή τους από την οικονομία γίνεται με αργούς ρυθμούς.
Στις εργασίες τις οποίες επηρεάζει, η Τεχνητή Νοημοσύνη αυξάνει την παραγωγικότητα κατά περίπου 35%.
Από τις περιπτώσεις στις οποίες χρησιμοποιείται, οι μισές αφορούν πλήρη αυτοματοποίηση της εργασίας, ενώ στις άλλες μισές η ΤΝ λειτουργεί υποστηρικτικά, ενισχύοντας την παραγωγικότητα του ανθρώπου χωρίς να τον αντικαθιστά.
Παράλληλα, για κάθε δύο εργασίες που αυτοματοποιούνται μέσω ΤΝ, δημιουργείται μία νέα εργασία στην οικονομία, η οποία εκτελείται από εργαζομένους γνωστικών ή διανοητικών επαγγελμάτων.
Μέχρι το 2030, το ΑΕΠ βρίσκεται κατά 1,6% υψηλότερα από την πορεία που θα ακολουθούσε χωρίς την ανάπτυξη της Τεχνητής Νοημοσύνης.
Το πρόσθετο αυτό οικονομικό αποτέλεσμα αντιστοιχεί περίπου σε δέκα επιπλέον μήνες φυσιολογικής οικονομικής ανάπτυξης, συσσωρευμένους μέσα σε μια τετραετία.
Ο ετήσιος ρυθμός ανάπτυξης της οικονομίας διαμορφώνεται στο 2,4%, αντί για 2% χωρίς την επίδραση της Τεχνητής Νοημοσύνης.
Ο μέσος μισθός είναι κατά 0,7% υψηλότερος, ενώ οι αμοιβές των εργαζομένων στα γνωστικά επαγγέλματα είναι αυξημένες κατά 0,4%.
Η καθαρή απόδοση του κεφαλαίου ανέρχεται στο 6,6%, έναντι 6,5% χωρίς ΤΝ, ενώ το συνολικό απόθεμα κεφαλαίου της οικονομίας είναι κατά 2,3% μεγαλύτερο.
Το ποσοστό του συνολικού οικονομικού εισοδήματος που καταλήγει στην εργασία μειώνεται οριακά, από 60% σε 59,4%.
Η απασχόληση στα γνωστικά επαγγέλματα βρίσκεται κατά 0,5% χαμηλότερα από το επίπεδο των μέσων του 2026.
Το συνολικό ποσοστό ανεργίας διαμορφώνεται στο 3,9%, έναντι ενός φυσιολογικού επιπέδου 3,8%.
Συνεπώς, στο σενάριο της περιορισμένης μεταβολής, οι επιπτώσεις της Τεχνητής Νοημοσύνης στην αγορά εργασίας παραμένουν μικρές.
4.2 Το σενάριο της ουσιώδους μεταβολής
Στο σενάριο της ουσιώδους μεταβολής, η Τεχνητή Νοημοσύνη εξελίσσεται σε τεχνολογία καθοριστικής σημασίας, με επίδραση μεγαλύτερη ακόμη και από εκείνη του διαδικτύου.
Οι μακροοικονομικές της συνέπειες είναι πλέον σημαντικές, τόσο για το συνολικό ΑΕΠ όσο και ειδικότερα για τα γνωστικά επαγγέλματα.
Μέχρι το 2030, το 12% του συνόλου των εργασιών που εκτελούνται στην οικονομία έχει επηρεαστεί από την Τεχνητή Νοημοσύνη.
Το ποσοστό αυτό αντιστοιχεί περίπου στο 20% των εργασιών που εκτελούσαν οι εργαζόμενοι σε γνωστικά επαγγέλματα το 2025.
Στις εργασίες τις οποίες επηρεάζει, η Τεχνητή Νοημοσύνη αυξάνει την παραγωγικότητα κατά περίπου 57%.
Στις τρεις από τις τέσσερις περιπτώσεις η εργασία αυτοματοποιείται, ενώ στο υπόλοιπο ένα τέταρτο η ΤΝ χρησιμοποιείται ως εργαλείο ενίσχυσης της ανθρώπινης εργασίας.
Για κάθε τέσσερις εργασίες που αυτοματοποιούνται μέσω ΤΝ, δημιουργείται μία νέα εργασία για εργαζομένους γνωστικών επαγγελμάτων.
Μέχρι το 2030, το ΑΕΠ είναι κατά 8,3% υψηλότερο από την πορεία που θα ακολουθούσε χωρίς την Τεχνητή Νοημοσύνη.
Κατά το δωδεκάμηνο που καταλήγει στο 2030, η οικονομία αναπτύσσεται με ετήσιο ρυθμό 5,4%, έναντι 2% χωρίς την ΤΝ.
Για να γίνει αντιληπτό το μέγεθος αυτής της μεταβολής, ο ταχύτερος ετήσιος ρυθμός αύξησης του ΑΕΠ κατά τη διάρκεια της τεχνολογικής έκρηξης του διαδικτύου στη δεκαετία του 1990 ήταν 4,7%, το 1999.
Πώς κατανέμεται όμως το πρόσθετο αυτό εισόδημα;
Μέχρι το 2030, η Τεχνητή Νοημοσύνη έχει αυξήσει τον μέσο μισθό κατά 2,1%.
Η αύξηση αυτή είναι αισθητά μικρότερη από την αντίστοιχη επίδραση στο ΑΕΠ.
Πίσω από αυτό το αποτέλεσμα βρίσκονται δύο σημαντικές διαφοροποιήσεις.
Πρώτον, οι συνέπειες για τα γνωστικά επαγγέλματα, τα οποία επηρεάζονται άμεσα από την αυτοματοποίηση, διαφέρουν σημαντικά από τις συνέπειες για το υπόλοιπο της οικονομίας.
Οι μισθοί στα γνωστικά επαγγέλματα είναι το 2030 κατά 0,3% χαμηλότεροι από το επίπεδο στο οποίο θα βρίσκονταν χωρίς την Τεχνητή Νοημοσύνη.
Αντίθετα, οι μισθοί στα υπόλοιπα επαγγέλματα είναι κατά 5,9% υψηλότεροι.
Δεύτερον, επειδή οι μισθοί αυξάνονται με βραδύτερο ρυθμό από το ΑΕΠ, ένα μεγαλύτερο μέρος του εισοδήματος της οικονομίας μετακινείται από την εργασία προς το κεφάλαιο.
Στο σενάριο της ουσιώδους μεταβολής, το μερίδιο της εργασίας στο συνολικό εισόδημα μειώνεται από 60% το 2026 σε 56% το 2030.
Αντίστοιχα, το μερίδιο του κεφαλαίου αυξάνεται από 40% σε 44%.
Πρόκειται για μετατόπιση τεσσάρων ποσοστιαίων μονάδων μέσα σε μόλις τέσσερα χρόνια.
Για να γίνει αντιληπτό το μέγεθος αυτής της αλλαγής, η μεταβολή αυτή είναι μόνο ελαφρώς μικρότερη από ολόκληρη τη μείωση του μεριδίου της εργασίας που καταγράφηκε στις Ηνωμένες Πολιτείες κατά τις τέσσερις δεκαετίες μετά το 1980.
Παράλληλα, παρατηρούνται σημαντικές μεταβολές στην απασχόληση και στην ανακατανομή του εργατικού δυναμικού.
Η απασχόληση στα γνωστικά επαγγέλματα είναι κατά 3,9% χαμηλότερη από το επίπεδο των μέσων του 2026.
Αντίθετα, η απασχόληση σε όλα τα υπόλοιπα επαγγέλματα έχει αυξηθεί κατά 4,6%.
Επειδή όμως η μετακίνηση ενός εργαζομένου από έναν επαγγελματικό κλάδο σε έναν άλλο απαιτεί χρόνο, η ανεργία μεταξύ των εργαζομένων στα γνωστικά επαγγέλματα αυξάνεται από 2,9% στα μέσα του 2026 σε 4,5% το 2030.
Πρόκειται για αύξηση του ποσοστού ανεργίας κατά περισσότερο από 50%.
4.3 Το σενάριο της ακραίας μεταβολής
Στο ακραίο σενάριο, η Τεχνητή Νοημοσύνη μετασχηματίζει ριζικά την οικονομία.
Οι μακροοικονομικές συνέπειες ξεπερνούν οτιδήποτε έχει παρατηρηθεί ιστορικά, τόσο ως προς το μέγεθος των αλλαγών όσο και ως προς την ταχύτητα με την οποία αυτές πραγματοποιούνται.
Οι βασικές παραδοχές του συγκεκριμένου σεναρίου είναι οι ακόλουθες.
Μέχρι το 2030, το 30% των συνολικών εργασιών που εκτελούνται στην οικονομία έχει επηρεαστεί από την Τεχνητή Νοημοσύνη.
Το ποσοστό αυτό αντιστοιχεί περίπου στις μισές από τις εργασίες που εκτελούσαν οι εργαζόμενοι γνωστικών επαγγελμάτων το 2025.
Η Τεχνητή Νοημοσύνη είναι πλέον εξαιρετικά ισχυρή τεχνολογία.
Στις εργασίες που επηρεάζει, υπερδιπλασιάζει την παραγωγικότητα.
Επιπλέον, στο 90% των περιπτώσεων η εργασία αυτοματοποιείται πλήρως, ενώ μόλις στο 10% η ΤΝ λειτουργεί υποστηρικτικά προς τον εργαζόμενο.
Ταυτόχρονα, παύει να λειτουργεί ο μηχανισμός που στα προηγούμενα δύο σενάρια δημιουργούσε νέες γνωστικές εργασίες ως αποτέλεσμα της τεχνολογικής προόδου.
Με άλλα λόγια, οι εργασίες που αυτοματοποιούνται δεν αντικαθίστανται πλέον από νέες αντίστοιχες εργασίες για εργαζομένους γνωστικών επαγγελμάτων.
Εκρηκτική αύξηση της οικονομικής παραγωγής
Ως αποτέλεσμα αυτών των μεταβολών, μέχρι το 2030 το ΑΕΠ είναι κατά 40% υψηλότερο σε σχέση με τα μέσα του 2026.
Σε σύγκριση με την πορεία που θα ακολουθούσε η οικονομία χωρίς την Τεχνητή Νοημοσύνη, το ΑΕΠ είναι κατά 32% υψηλότερο.
Ο ετήσιος ρυθμός ανάπτυξης του ΑΕΠ φτάνει το 2030 στο πρωτοφανές επίπεδο του 15,4%.
Εάν ένας τέτοιος ρυθμός ανάπτυξης μπορούσε να διατηρηθεί, το κατά κεφαλήν εισόδημα θα διπλασιαζόταν περίπου κάθε πέντε χρόνια.
Για σύγκριση, κατά τον τελευταίο αιώνα στις Ηνωμένες Πολιτείες το κατά κεφαλήν εισόδημα διπλασιαζόταν περίπου κάθε 35 χρόνια.
Ριζικές μεταβολές στους μισθούς
Οι επιπτώσεις στους μισθούς και στην κατανομή του εισοδήματος είναι εξίσου δραματικές.
Ο μέσος μισθός στην οικονομία είναι κατά 9,7% υψηλότερος από την πορεία που θα ακολουθούσε χωρίς Τεχνητή Νοημοσύνη.
Ο μέσος αυτός όρος, όμως, αποκρύπτει πολύ μεγάλες διαφορές μεταξύ των επαγγελματικών κατηγοριών.
Οι μισθοί των εργαζομένων στα γνωστικά επαγγέλματα βρίσκονται κατά 11,5% χαμηλότερα από το επίπεδο στο οποίο θα βρίσκονταν χωρίς ΤΝ.
Επειδή στο σενάριο χωρίς ΤΝ οι μισθοί θα αυξάνονταν με ρυθμό περίπου 2% ετησίως, αυτό σημαίνει ότι οι πραγματικές αποδοχές των συγκεκριμένων εργαζομένων είναι το 2030 ελαφρώς χαμηλότερες ακόμη και από εκείνες που είχαν στα μέσα του 2026.
Αντίθετα, οι μισθοί στα υπόλοιπα επαγγέλματα αυξάνονται κατά 33,6% σε σύγκριση με την πορεία χωρίς ΤΝ.
Ο λόγος είναι ότι οι εργαζόμενοι αυτών των επαγγελμάτων έχουν καταστεί πλέον σχετικά σπανιότεροι στην οικονομία και επομένως η αξία της εργασίας τους έχει αυξηθεί σημαντικά.
Μεγάλη μεταφορά εισοδήματος από την εργασία προς το κεφάλαιο
Η κατανομή του συνολικού εισοδήματος μεταξύ εργασίας και κεφαλαίου μεταβάλλεται επίσης δραματικά.
Η αυτοματοποίηση σχεδόν των μισών εργασιών που προηγουμένως εκτελούνταν από εργαζομένους γνωστικών επαγγελμάτων μεταφέρει μεγάλο μέρος του οικονομικού εισοδήματος από την εργασία προς το κεφάλαιο.
Το μερίδιο του κεφαλαίου στο συνολικό εισόδημα αυξάνεται από 40% σε 55%.
Αντίστοιχα, το μερίδιο της εργασίας μειώνεται από 60% σε 45%.
Με άλλα λόγια, ένα ποσό που αντιστοιχεί στο 15% ολόκληρου του ΑΕΠ παύει να καταβάλλεται ως αμοιβή εργασίας και μετατρέπεται σε απόδοση του κεφαλαίου και των επενδύσεων.
Η καθαρή απόδοση του κεφαλαίου αυξάνεται από 6,5% σε 8,3%, δηλαδή κατά περίπου 28%.
Πολύ μεγάλη αύξηση της ανεργίας στα γνωστικά επαγγέλματα
Μέχρι το 2030, η απασχόληση στα γνωστικά επαγγέλματα βρίσκεται κατά 21,5% χαμηλότερα από το επίπεδο των μέσων του 2026.
Το ποσοστό ανεργίας μεταξύ των εργαζομένων που ξεκίνησαν σε γνωστικά επαγγέλματα φτάνει στο εντυπωσιακό 17,9%.
Το επίπεδο αυτό είναι υψηλότερο από οποιοδήποτε ποσοστό ανεργίας έχει καταγραφεί στις Ηνωμένες Πολιτείες στη μεταπολεμική περίοδο.
Το συνολικό ποσοστό ανεργίας στην οικονομία αυξάνεται στο 11,9%.
Για σύγκριση, μετά την παγκόσμια χρηματοπιστωτική κρίση το ετήσιο ποσοστό ανεργίας στις Ηνωμένες Πολιτείες κορυφώθηκε λίγο κάτω από το 10%, ενώ κατά την ύφεση που προκάλεσε η πανδημία Covid-19 διαμορφώθηκε περίπου στο 8%.
Ποιοι κερδίζουν και ποιοι χάνουν;
Στο ακραίο σενάριο, το ΑΕΠ είναι περίπου κατά ένα τρίτο μεγαλύτερο μέχρι το 2030.
Ταυτόχρονα, όμως, οι εργαζόμενοι των γνωστικών επαγγελμάτων αμείβονται λιγότερο και πολύ περισσότεροι από αυτούς είναι άνεργοι.
Επειδή το συνολικό ΑΕΠ είναι τόσο σημαντικά υψηλότερο, θα ήταν θεωρητικά δυνατό, μέσω μεταβιβάσεων εισοδήματος, να βρεθούν όλοι σε καλύτερη οικονομική θέση.
Το κρίσιμο ερώτημα είναι πόση αναδιανομή θα απαιτούνταν και με ποιον τρόπο θα μπορούσε να πραγματοποιηθεί.
Στο ακραίο σενάριο, το συνολικό εισόδημα από εργασία το 2030 είναι σχεδόν ακριβώς το ίδιο με εκείνο που θα υπήρχε χωρίς την Τεχνητή Νοημοσύνη.
Αυτό συμβαίνει επειδή το μερίδιο της εργασίας μειώνεται κατά περίπου ένα τέταρτο, ενώ ταυτόχρονα το συνολικό ΑΕΠ αυξάνεται κατά περίπου ένα τρίτο.
Αριθμητικά, το 45% ενός ΑΕΠ που έχει αυξηθεί κατά 32% είναι περίπου ίσο με το 60% του ΑΕΠ που θα υπήρχε χωρίς ΤΝ.
Επομένως, ουσιαστικά ολόκληρη η πρόσθετη οικονομική παραγωγή που δημιουργεί η Τεχνητή Νοημοσύνη καταλήγει ως εισόδημα του κεφαλαίου.
Το εισόδημα από κεφάλαιο βρίσκεται κατά 81% υψηλότερα από την πορεία που θα ακολουθούσε χωρίς ΤΝ.
Στο εσωτερικό όμως της αγοράς εργασίας, η κατανομή είναι πολύ διαφορετική.
Το συνολικό ποσό των μισθών που λαμβάνουν οι εργαζόμενοι στα γνωστικά επαγγέλματα — συνυπολογίζοντας μηδενικό εισόδημα για όσους είναι άνεργοι — είναι κατά 31% χαμηλότερο από εκείνο που θα ήταν χωρίς την Τεχνητή Νοημοσύνη.
Αυτό προκύπτει από τον συνδυασμό δύο παραγόντων: οι μισθοί είναι κατά 11,5% χαμηλότεροι και καταβάλλονται σε 21,5% λιγότερες θέσεις εργασίας.
Αντίθετα, το συνολικό εισόδημα από μισθούς στα υπόλοιπα επαγγέλματα αυξάνεται περίπου κατά το ίδιο ποσό.
Το συνολικό οικονομικό όφελος που δημιουργείται είναι έτσι σχεδόν τριπλάσιο από την απώλεια που υφίστανται οι εργαζόμενοι των γνωστικών επαγγελμάτων.
Με βάση την κλασική οικονομική θεωρία, επομένως, τα συνολικά κέρδη από την Τεχνητή Νοημοσύνη θα ήταν αρκετά ώστε να αποζημιώσουν πλήρως εκείνους που ζημιώνονται.
Οι συγγραφείς υπολογίζουν ότι μια μεταφορά πόρων ίση με περίπου 9% του ΑΕΠ θα αρκούσε ώστε το συνολικό εισόδημα των εργαζομένων στα γνωστικά επαγγέλματα να παραμείνει στο επίπεδο στο οποίο θα βρισκόταν χωρίς την Τεχνητή Νοημοσύνη.
Ακόμη και μετά από μια τέτοια μεταφορά, το υπόλοιπο της οικονομίας θα εξακολουθούσε να βρίσκεται περισσότερο από 20% σε καλύτερη θέση.
Για να γίνει αντιληπτό το μέγεθος μιας τέτοιας αναδιανομής, το 9% του ΑΕΠ είναι περίπου αντίστοιχο με το συνολικό μέγεθος των δύο μεγάλων αμερικανικών προγραμμάτων κοινωνικής ασφάλισης και υγειονομικής περίθαλψης, Social Security και Medicare.
Μεταφορές εισοδήματος αυτού του μεγέθους ως απάντηση σε μια τεχνολογική αλλαγή δεν έχουν ιστορικό προηγούμενο.
Επιπλέον, η εμπειρία από προηγούμενες περιόδους μεγάλης οικονομικής μετατόπισης δείχνει ότι μια τέτοια αναδιανομή δεν πραγματοποιείται συνήθως από μόνη της.
Χαρακτηριστικό παράδειγμα αποτελεί η απώλεια θέσεων εργασίας σε ορισμένες περιοχές των Ηνωμένων Πολιτειών λόγω της αυξημένης κινεζικής εισαγωγικής ανταγωνιστικότητας. Οι εργαζόμενοι και οι τοπικές κοινωνίες που επλήγησαν δεν αποζημιώθηκαν αυτομάτως από τα συνολικά οικονομικά οφέλη που δημιουργήθηκαν αλλού.
Το ερώτημα, επομένως, είναι ποιοι θεσμοί και ποιοι μηχανισμοί οικονομικής πολιτικής θα μπορούσαν, σε ένα τέτοιο ακραίο σενάριο, να εξασφαλίσουν ότι η μεγάλη αύξηση του συνολικού πλούτου θα μετατραπεί σε ευρύτερα κατανεμημένη ευημερία.
Το συγκεκριμένο ερώτημα βρίσκεται πέρα από τα όρια του οικονομικού υποδείγματος που εξετάζει η παρούσα μελέτη.
