واقعیت تلخ هوش مصنوعی؛ چه کسانی برای همیشه فقیر خواهند شد؟

به گزارش بازارکار،  در محافل فناوری آمریکا، روایت بدبینانه‌ای درباره آینده هوش مصنوعی رواج یافته است. با پیشرفت مدل‌ها به سمت هوش عمومی مصنوعی، بخش کوچکی از نخبگان فناوری مالک پلتفرم‌ها، مراکز داده و منابع انرژی خواهند شد و هوش مصنوعی عامل‌محور و رباتیک پیشرفته بخش بزرگی از نیروی کار را جایگزین خواهند کرد.

در این سناریو، اکثریت جامعه دارایی چندانی در اختیار ندارند و توان آنها برای کسب درآمد از نیروی کار کاهش می‌یابد. داریو آمودی، مدیرعامل آنتروپیک، نیز برآورد کرده است که طی پنج سال آینده حدود نیمی از مشاغل اداری سطح ابتدایی ممکن است دستخوش اختلال شوند.

با این حال، شواهد فعلی برای تأیید چنین تصویری کافی نیست. داده‌های بازار کار تاکنون نشانه‌ای قطعی از اختلال گسترده ناشی از هوش مصنوعی ارائه نکرده‌اند و برخی اقتصاددانان برجسته نیز انتظار دارند اثر این فناوری بر اشتغال و اقتصاد محدودتر از سناریوهای افراطی باشد.

با وجود نبود شواهد قطعی، نظریه شکل‌گیری یک «طبقه محروم دائمی» می‌تواند به یک خطر تمرکز منافع اقتصادی در دست صاحبان سرمایه و کارکنان بسیار متخصص اشاره کند. پژوهش‌های مربوط به اتوماسیون نشان می‌دهد اثر فناوری بر دستمزد به نوع کاری بستگی دارد که ماشین جایگزین می‌کند. اگر فناوری وظایف کم‌مهارت را حذف کند، ممکن است ارزش مهارت‌های تخصصی باقی‌مانده افزایش یابد. اما اگر ماشین وظایف تخصصی را نیز انجام دهد، بخشی از نیروی کار ممکن است مهارت و قدرت چانه‌زنی خود را از دست بدهد.

در نتیجه، کارکنانی که دانش و مهارت آنها قابل جایگزینی نیست می‌توانند افزایش شدید درآمد را تجربه کنند، در حالی که سایر گروه‌ها با کاهش ارزش مهارت یا از دست رفتن شغل مواجه شوند. مطالعات مربوط به ابزارهایی مانند Claude Code نیز نشان داده‌اند کاربران متخصص‌تر بازده بیشتری از هوش مصنوعی می‌گیرند. این یافته می‌تواند به این معنا باشد که فناوری به جای کاهش فاصله مهارتی، در برخی موارد آن را بیشتر می‌کند.

یکی از نگرانی‌های اصلی آن است که افزایش بهره‌وری ناشی از هوش مصنوعی بیشتر به صاحبان سرمایه و کارکنان پردرآمد برسد. پژوهشی درباره اختراعات ثبت‌شده در اوایل دهه ۲۰۰۰ نشان داده است که از هر یک دلار ارزش افزوده ایجادشده توسط نوآوری، حدود ۷۰ سنت به سود تبدیل شده و ۳۰ سنت به نیروی کار رسیده است. بخش بزرگی از افزایش دستمزد نیز نصیب کارکنانی شده که پیش از آن درآمد بالاتری داشتند. اگر همین الگو در اقتصاد هوش مصنوعی تکرار شود، منافع اصلی ممکن است به شرکت‌هایی برسد که مراکز داده و مدل‌های پیشرفته را در اختیار دارند و همچنین به کارکنانی که مهارت لازم برای استفاده از این فناوری را دارند.

این وضعیت می‌تواند سهم سرمایه از درآمد اقتصاد را افزایش دهد و نقش نیروی کار را کاهش دهد؛ تغییری که برخلاف فرض سنتی ثبات بلندمدت سهم کار و سرمایه خواهد بود.

اثرات غیرمستقیم هوش مصنوعی نیز می‌تواند شکاف درآمدی را تشدید کند. اگر گروهی از کارکنان مهارت خود را از دست بدهند و وارد مشاغل کم‌مهارت‌تر شوند، عرضه نیروی کار در این بخش افزایش پیدا می‌کند. در نتیجه، فقط کسانی که مستقیماً شغل خود را به دلیل هوش مصنوعی از دست داده‌اند آسیب نمی‌بینند؛ افزایش عرضه نیروی کار می‌تواند دستمزد تمام مشاغل کم‌مهارت را پایین بیاورد.

احتمالاً هوش مصنوعی مشاغل تازه‌ای نیز ایجاد خواهد کرد. نیاز عظیم مدل‌ها به داده می‌تواند تقاضا برای فعالیت‌هایی مانند جمع‌آوری و سامان‌دهی داده ایجاد کند. با این حال هنوز مشخص نیست این مشاغل چه کیفیتی خواهند داشت و چه دستمزدی پرداخت خواهند کرد.

خطر مهم‌تر، ماندگارشدن این شکاف در طول زمان است. آموزش مجدد و ارتقای مهارت کارکنان دشوار است. علاوه بر این، پژوهش‌ها نشان داده‌اند شوک منفی به دستمزد والدین می‌تواند بر رشد مهارت فرزندان نیز اثر بگذارد و آثار کاهش درآمد را به نسل بعد منتقل کند.

کارگران کم‌درآمد نیز معمولاً کمتر در آموزش و ارتقای سرمایه انسانی سرمایه‌گذاری می‌کنند. اگر هوش مصنوعی باعث شود بهره‌وری و دستمزد گروه‌های مختلف با سرعت‌های متفاوتی رشد کند، انگیزه سرمایه‌گذاری آموزشی برای گروه‌های پایین‌درآمد نیز ممکن است کاهش یابد.

در چنین شرایطی، شکاف اولیه در بازار کار می‌تواند به شکاف بلندمدت در فرصت‌های آموزشی، مهارت و درآمد تبدیل شود؛ همان مسیری که ممکن است تصور «طبقه محروم دائمی» را از یک اغراق به خطری واقعی نزدیک کند.

مخالفان این دیدگاه استدلال می‌کنند افزایش بهره‌وری ناشی از هوش مصنوعی تولید را بالا می‌برد، قیمت‌ها را کاهش می‌دهد و در نهایت همه مصرف‌کنندگان منتفع می‌شوند. اما این استدلال به نوع کالاهایی بستگی دارد که هوش مصنوعی تولید آنها را ارزان‌تر می‌کند. فناوری احتمالاً نرم‌افزار و برخی خدمات دیجیتال را بسیار ارزان خواهد کرد، اما نمی‌تواند به همان سرعت عرضه کالاهای ضروری با محدودیت فیزیکی مانند مسکن را افزایش دهد. بنابراین ممکن است یک کارگر کم‌درآمد بتواند به نرم‌افزار و خدمات دیجیتال ارزان‌تر دسترسی داشته باشد، اما همچنان برای پرداخت هزینه مسکن یا سایر کالاهای کمیاب با مشکل روبه‌رو باشد. در این صورت، کاهش قیمت برخی کالاها نمی‌تواند کاهش درآمد واقعی را به‌طور کامل جبران کند.

شکل‌گیری یک طبقه محروم دائمی در آینده نزدیک قطعی نیست. با این حال، حتی در کوتاه‌مدت نیز هوش مصنوعی می‌تواند برخی گروه‌ها را ثروتمندتر و برخی دیگر را فقیرتر کند. به همین دلیل، سیاستگذاران می‌توانند پیش از آشکارشدن کامل پیامدهای بازار کار، شبکه‌های حمایت اجتماعی را تقویت کنند.

اگر هوش مصنوعی ساختار اقتصاد را به‌طور بنیادی تغییر دهد، مسئله صرفاً حمایت از بیکاران نخواهد بود. جوامع دموکراتیک ممکن است ناچار شوند درباره نحوه توزیع منافع افزایش بهره‌وری بازاندیشی کنند؛ اینکه چه سهمی از ثروتی که فناوری ایجاد می‌کند باید به صاحبان سرمایه برسد و چگونه می‌توان اطمینان یافت که بخش بزرگی از جامعه از رشد اقتصادی کنار گذاشته نمی‌شود. مسئله اصلی در نهایت این نیست که هوش مصنوعی چه تعداد شغل را از بین می‌برد، بلکه این است که چه کسانی مالک فناوری خواهند بود، چه کسانی مهارت استفاده از آن را دارند و منافع افزایش بهره‌وری چگونه میان سرمایه و نیروی کار توزیع خواهد شد.