Paradoks AI: dlaczego więcej efektywności oznacza więcej pracy

Sztuczna inteligencja a kreatywna destrukcja. Nadzieja dla rynku pracy w świetle teorii Schumpetera, Romera i paradoksu Jevonsa. Czego dzisiejsza rewolucja technologiczna może nauczyć się od tych, którzy opisali i przeanalizowali poprzednie wielkie transformacje rynku pracy?

Sztuczna inteligencja (AI) wciąż wywołuje obawy przed masową utratą miejsc pracy w wyniku automatyzacji. Doświadczenia ekonomistów XIX i XX wieku, którzy analizowali poprzednie rewolucje technologiczne, pozwalają jednak spojrzeć na ten proces z umiarkowanym optymizmem. Łącząc koncepcję kreatywnej destrukcji Josepha A. Schumpetera, endogenną teorię wzrostu Paula M. Romera oraz paradoks Jevonsa, można argumentować, że AI nie tyle niszczy rynek pracy, ile go przekształca – tworząc przestrzeń dla nowych, ról zawodowych. O ile nie jest może to myśl szczególnie odkrywcza – wielu autorów i komentatorów wskazuje, że wbrew obawom przed destrukcją rynku pracy rewolucja AI potoczy się podobnie jak poprzednie zmiany technologiczne – to zaskakująco mało osób zadaje sobie pytanie, dlaczego właściwie tak się dzieje.

Paradoks Jevonsa [1], sformułowany pierwotnie w kontekście zużycia węgla w silnikach parowych, stanowi kluczowy mechanizm wyjaśniający, dlaczego wzrost efektywności nie prowadzi do zmniejszenia, lecz do zwiększenia całkowitego zużycia zasobów. William Jevons z wykształcenia filozof i logik zauważył, że choć udoskonalone maszyny parowe zużywały mniej węgla na jednostkę mocy, ogólne zużycie węgla w Wielkiej Brytanii gwałtownie wzrosło, ponieważ niższe koszty energii pobudziły nowe zastosowania, większą skalę produkcji i rozwój całych gałęzi przemysłu. Jeszcze bardziej obrazowo pokazała to rewolucja w przemyśle tekstylnym – radykalne obniżenie kosztów produkcji odzieży spowodowało gwałtowny wzrost popytu. Po prostu zamiast jednej koszuli do pracy i jednej odświętnej, ludzie nagle znaleźli zastosowanie dla całej masy różnorakiej garderoby - to zaś stworzyło m.in masowy przesył modowy dostępny szerokiej grupie konsumentów. W erze AI paradoks ten działa na dwóch poziomach. Po pierwsze, bardziej efektywne modele AI zwiększają globalne zużycie energii w centrach danych gdyż tańsza inteligencja zachęca do masowego wdrażania nowych aplikacji. Po drugie – i najważniejsze – zwiększona efektywność pracy ludzkiej obniża koszt wykonywania usług, co prowadzi do wzrostu popytu i tworzenia większej liczby miejsc pracy, szczególnie w zupełnie nowych, wcześniej nieistniejących zawodach. Przy okazji - popyt na AI wprowadza presje na innowacje w zakresie zasilania centrów danych, tworząc zupełnie nowe rozwiązania, a wręcz nowe branże, związane z np. planami wyniesienia centrów danych na orbitę.

Kilkadziesiąt lat po pracach Jevonsa systemową naturę rewolucji technologicznych i zmian w strukturze zatrudnienia opisał Joseph Schumpeter [2]. W klasycznym dziele Kapitalizm, socjalizm i demokracja Schumpeter przedstawił kapitalizm nie jako stabilny system równowagi, lecz jako proces ciągłej, „nieustannej burzy kreatywnej destrukcji”. Według niego innowacje nie pojawiają się stopniowo i harmonijnie, lecz w sposób rewolucyjny: przedsiębiorcy wprowadzają nowe kombinacje czynników produkcji, które jednocześnie niszczą stare firmy, zawody i technologie, a na ich miejsce tworzą nowe. Kreatywna destrukcja nie jest więc przypadkowym efektem ubocznym postępu, lecz jego istotą i warunkiem przetrwania kapitalizmu. W kontekście AI destrukcja ta nie jest niczym nowym – generatywne modele językowe i systemy automatyzacji zastępują zadania rutynowe w księgowości, obsłudze klienta, grafice czy dziennikarstwie. Całe kategorie zawodów ulegają erozji lub całkowitemu zanikowi. Jednak zgodnie z filozofią Schumpetera ten proces nie oznacza końca pracy, lecz jej głęboką transformację. Stare stanowiska znikają, ale jednocześnie otwiera się przestrzeń dla zupełnie nowych zawodów i branż, których jeszcze kilka lat temu nie sposób było sobie wyobrazić. Chociaż Schumpeter doskonale opisał samo zjawisko kreatywnej destrukcji, to dopiero Paul Romer dobrze wyjaśnił mechanizm tego procesu – w szczególności na rynku dóbr niematerialnych, jakim jest oprogramowanie.

Romer [3], [4] uzupełnia perspektywę Schumpetera, wskazując, że długookresowy wzrost gospodarczy nie wynika przede wszystkim z akumulacji kapitału fizycznego czy pracy, lecz z akumulacji wiedzy traktowanej jako dobro nierywalizujące (non-rival goods). W przeciwieństwie do tradycyjnego rzemiosła, gdzie wiedza była przekazywana z ojca na syna i często ginęła wraz ze śmiercią mistrza, w erze idei wiedza może być kumulowana bez ograniczeń. Jedna myśl lub jeden model AI może być wykorzystywany jednocześnie przez miliony ludzi bez dodatkowego kosztu krańcowego (choć oczywiście tokeny nie są za darmo, a obecne eldorado walki o dominację wielkich platform, skutkujące śmiesznie niskimi cenami, kiedyś się skończy). Jak napisał Romer: „Nonrival goods can be accumulated without bound on a per capita basis” [3]. Oprogramowanie, a w szczególności modele AI, stanowi tu idealny przykład - praca jednego programisty może być enkapsulowana w gotowym module lub pakiecie, który staje się komponentem w programie innego twórcy, dokładnie tak jak klocki LEGO, które można dowolnie łączyć, powielać i rozbudowywać bez utraty wartości. Właśnie dobra nierywalizujące - a nie zastępowanie miejsc pracy, są tu kluczowym motorem napędzania gospodarki. Sztuczna inteligencja stanowi doskonały przykład: jeden wytrenowany model generuje potężne efekty spillover, radykalnie obniża koszty badań i rozwoju oraz przyspiesza proces endogennych innowacji na niespotykaną dotychczas skalę. To właśnie nieograniczona akumulacja wiedzy i idei, a nie sama automatyzacja, stanowi źródło wzrostu.

W ten sposób paradoks Jevonsa wzmacnia synergię Schumpetera i Romera: kreatywna destrukcja tworzy „luki”, endogenny wzrost Romera je wypełnia nowymi ideami, a paradoks Jevonsa sprawia, że efekt rebound (odbicia) przekłada się na wyższy popyt na pracę ludzką. Stare prace znikają, ale powstają nowe, których nie dałoby się stworzyć bez uprzedniej destrukcji i akumulacji nierywalizującej wiedzy.

Podsumowując, zamiast pytać „czy AI zabierze nam pracę?”, warto postawić pytanie: „jaką nową, pracę AI nam stworzy?”. W perspektywie Schumpetera, Romera i paradoksu Jevonsa odpowiedź brzmi optymistycznie: pracę bardziej kreatywną, lepiej płatną i lepiej dopasowaną do ludzkich zdolności. AI nie kończy ery pracy – ona ją ewoluuje.

Na koniec - zanim zaczniemy wydawać środki wynikające ze zwiększonej produktywności, warto sobie zadać pytanie, czy porównywanie rewolucji AI do poprzednich rewolucji technologicznych jest w pełni uprawnione?. Maszyna parowa różni się od AI tym, że ta pierwsza nie wymyśli swojej nowej, ulepszonej wersji… ale to już historia na zupełnie inny artykuł

TCH.

Przypisy

[1] W. S. Jevons, The Coal Question: An Inquiry Concerning the Progress of the Nation, and the Probable Exhaustion of Our Coal-Mines. London, UK: Macmillan, 1865.
[2] J. A. Schumpeter, Capitalism, Socialism and Democracy. New York, NY, USA: Harper & Brothers, 1942.
[3] P. M. Romer, “Endogenous technological change,” Journal of Political Economy, vol. 98, no. 5, pp. S71–S102, Oct. 1990.
[4] P. M. Romer, “The origins of endogenous growth,” Journal of Economic Perspectives, vol. 8, no. 1, pp. 3–22, Winter 1994.
[5] P. Aghion and P. Howitt, “A model of growth through creative destruction,” Econometrica, vol. 60, no. 2, pp. 323–351, Mar. 1992.
[6] D. Acemoglu and P. Restrepo, “The race between man and machine: Implications of technology for growth, factor shares, and employment,” American Economic Review, vol. 108, no. 6, pp. 1488–1542, Jun. 2018.