Traktor, bankomat i algorytm: Dlaczego historia pracy nie musi się powtórzyć

W 1900 roku 41% Amerykanów pracowało na roli. Sto lat później ten odsetek spadł do zaledwie 2%. Gospodarka nie tylko nie implodowała, ale stała się potężniejsza, przesuwając miliony ludzi do sektorów, które w erze pługa i konia brzmiałyby jak czysta fantastyka.

Mechanizm przemieszczenia i powrotu

Ekonomiści MIT, Daron Acemoglu i Pascual Restrepo, ukuli terminologię, która tłumaczy ten paradoks: to cykl przemieszczenia i przywrócenia. Automatyzacja wypycha ludzi z konkretnych zadań, ale jednocześnie tworzy nowe role, w których to człowiek nadal posiada przewagę komparatywną. Pomiędzy 1980 a 2015 rokiem aż połowa wzrostu zatrudnienia w USA pochodziła z zawodów, których nazwy lub funkcje przedtem po prostu nie istniały.

To nie była zwykła rotacja. To była fundamentalna redefinicja tego, co nazywamy pracą.

Lekcja z bankomatu

Klasycznym przykładem jest bankomat (ATM). Gdy urządzenia te zaczęły pojawiać się na ulicach, wieszczono koniec zawodu kasjera bankowego. Liczba pracowników na jeden oddział spadła z 20 do 13. Jednak koszty prowadzenia placówek spadły tak drastycznie, że banki otworzyły ich o 43% więcej. Efekt? Liczba kasjerów wzrosła, a ich praca ewoluowała z liczenia gotówki w stronę relacji z klientem i sprzedaży produktów finansowych.

Kiedy optymizm spotyka AI

Czy tym razem będzie inaczej? AI nie jest kolejnym traktorem ani nowym typem komputera PC. Poprzednie fale automatyzacji uderzały w zadania rutynowe i fizyczne, pozostawiając osąd, kreatywność i zarządzanie niejednoznacznością ludziom. Sztuczna inteligencja celuje prosto w ten bastion.

Istnieje realne ryzyko zjawiska, które Acemoglu nazywa „so-so automation” – automatyzacją mierną. To technologie, które eliminują miejsca pracy, ale nie generują wystarczającego skoku produktywności, by pobudzić gospodarkę do tworzenia nowych nisz. Przykładem są kasy samoobsługowe: redukują liczbę etatów, ale w zamian jedynie przerzucają pracę na klienta, nie czyniąc zakupów znacząco tańszymi ani lepszymi.

Zagrożenie dla białych kołnierzyków

• Masowe usuwanie rutynowych zadań kognitywnych w administracji i finansach.
• Ryzyko komodyfikacji eksperckiej wiedzy poprzez generatywne modele AI.
• Wzrost nierówności wynikający z faktu, że AI staje się narzędziem w rękach wąskiej elity decyzyjnej.

Era komputerów osobistych, która rozpoczęła się w 1981 roku, zamiast zdemokratyzować rynek pracy, wydrążyła jego środek. Zniknęły średnio płatne prace biurowe, zostawiając przepaść między nisko wykwalifikowanymi usługami a wysokopłatnymi stanowiskami dla ekspertów. AI może ten proces doprowadzić do ekstremum.

Największy eksperyment w historii

David Autor z MIT sugeruje, że stoimy przed wyborem, a nie przed wyrokiem. AI może albo zdewaluować ludzką wiedzę, czyniąc ją tanią i powszechną, albo stać się protezą, która pozwoli pracownikom o średnich kwalifikacjach wykonywać zadania wcześniej zarezerwowane dla nielicznych.

Historia uczy nas, że gospodarka potrafi przetrwać każdy wstrząs technologiczny. Ale historia nie widziała jeszcze technologii, która replikuje procesy myślowe samego twórcy.

To, co obecnie obserwujemy, to nie jest kolejna iteracja cyklu. To test na to, czy ludzka inteligencja posiada jakąkolwiek unikalną wartość dodaną, której nie da się sprowadzić do statystycznego prawdopodobieństwa następnego tokena.