Jak sztuczna inteligencja wpłynie na wzrost gospodarczy i rynek pracy
Przełomem w tej kwestii był rozwój tzw. dużych modeli językowych (Large Language Models, LLM), których przykładem jest m.in. ChatGPT opracowany przez firmę Open AI.
Możliwości tych modeli (m.in. odpowiadanie na trudne pytania, rozwiązywanie problemów matematycznych, abstrakcyjne rozumowanie na podstawie przedstawionych danych) sygnalizują, że sztuczna inteligencja może mieć istotny wpływ na wzrost gospodarczy już nawet w krótkim horyzoncie czasowym.
Poniżej staramy się zobrazować kanały tego wpływu podkreślając jednocześnie szeroki zakres niepewności w zakresie kształtowania się tych procesów.
Większość modeli opisujących wzrost gospodarczy w długim okresie korzysta z tzw. funkcji produkcji. Jest to (mniej lub bardziej skomplikowana) funkcja matematyczna, która łączy wielkość wytworzonej produkcji (tj. PKB) z nakładami środków produkcji.
Środkami produkcji są kapitał rzeczowy (w uproszczeniu wszystkie narzędzia, urządzenia, maszyny fabryki, które są wykorzystywane w procesie produkcji) oraz nakład siły roboczej (w uproszczeniu liczba pracowników). Dodatkowym elementem łączącym środki produkcji z wielkością produkcji jest tzw. łączna produktywność czynników produkcji (Total Factor Productivity, TFP).
TFP utożsamiane jest z efektywnością wykorzystania środków produkcji do wytwarzania PKB. Wzrost TFP można w uproszczeniu interpretować jako postęp technologiczny. Im bardziej zaawansowaną techniką produkcji dysponujemy, tym wyższe jest TFP i tym efektywniej możemy wykorzystać kapitał i siłę roboczą do wytwarzania produkcji. Wzrost TFP jest ważnym czynnikiem odpowiadającym za kształtowanie się wzrostu gospodarczego.
Przykładowo, w Polsce TFP w ostatniej dekadzie rósł w przeciętnym tempie 2,1% rocznie (por. wykres). Oznacza to, że przeciętne tempo wzrostu gospodarczego było podbijane o 2,1 pkt. proc. ze względu na wzrost produktywności.
Czytaj także: Bankowość i Finanse | Gospodarka | Miesięczny przegląd raportów gospodarczo-finansowych | Wespół w zespół z AI
Sztuczna inteligencja: wzrost efektywności nie dzięki mechanizacji, a automatyzacji
W ramach poprzednich rewolucji przemysłowych i technologicznych (tj. wynalezienie silnika parowego, elektryczności oraz mikroprocesora) obserwowaliśmy znaczący przyrost produktywności pracy, który ceteris paribus oddziaływał w kierunku przyspieszenia wzrostu gospodarczego.
Wzrost produktywności realizował się wówczas głównie poprzez mechanizację, czyli zastępowanie pracy fizycznej człowieka pracą maszyn.
Najprostszym sposobem uwzględnienia wpływu sztucznej inteligencji na tempo wzrostu gospodarczego w długim okresie jest wzięcie pod uwagę jak będzie ona oddziaływała na kształtowanie się TFP.
Dokładny szacunek tego wpływu nie jest możliwy z uwagi na istotną niepewność w zakresie dalszego rozwoju sztucznej inteligencji i jej potencjalnych możliwości. Dostępne artykuły naukowe szacują, że wprowadzenie sztucznej inteligencji w ramach przedsiębiorstwa może podnieść tempo wzrostu efektywności pracowników w danej firmie przeciętnie o ok. 3 pkt. proc. Ten szacunek jest jednak bardzo wrażliwy na założenia przyjęte w trakcie estymacji i waha się pomiędzy 1,7 a 6,9 pkt. proc. w zależności od źródła.
Oznaczałoby to, że sztuczna inteligencja może być czynnikiem, który podbije wzrost gospodarczy w większym stopniu niż każdy z poprzednich przełomowych wynalazków (silnik parowy, elektryczność i mikroprocesor).
Warto jednocześnie zauważyć, że w przeciwieństwie do poprzednich rewolucji technologicznych oczekiwany wzrost efektywności nastąpi nie dzięki mechanizacji, a automatyzacji, czyli substytucji lub wsparciu pracy umysłowej człowieka algorytmami komputerowymi.
Uwzględnienie wpływu sztucznej inteligencji tylko w zakresie jej wpływu na produktywność pracy jest jednak uproszczeniem rzeczywistości.
W celu lepszego zobrazowania wpływu sztucznej inteligencji na wzrost gospodarczy możemy się posłużyć teoretycznym modelem, który traktuje wielkość wytworzonej produkcji (PKB) jako sumę pojedynczych zadań. Przez „zadanie” rozumiemy każdy najmniejszy element procesu produkcji. Jeśli takie zadanie nie może być zautomatyzowane, to do jego wykonania wykorzystywana jest siła robocza.
Z kolei jeśli dane zadanie może być zautomatyzowane, to do jego wykonania wykorzystywany jest kapitał (np. maszyny, roboty, komputery). W rezultacie wielkość globalnej produkcji można w uproszczeniu przedstawić jako sumę kapitału i siły roboczej w proporcjach odpowiadającym stopniu automatyzacji gospodarki.
W tym modelu sztuczną inteligencję należy traktować jako narzędzie pozwalające na automatyzację coraz większej części zadań. W przeciwieństwie do poprzednich rewolucji przemysłowych i technologicznych, w ramach których automatyzacji podlegały głównie proste, powtarzalne prace, sztuczna inteligencja prowadzi do automatyzacji bardziej złożonych procesów.
Oczekiwany wzrost automatyzacji zadań w związku z rozwojem i rozpowszechnieniem sztucznej inteligencji będzie oddziaływał zatem w kierunku wzrostu popytu na kapitał i zmniejszenia popytu na pracę. Spadek popytu na pracę będzie oddziaływał w kierunku zmniejszenia zatrudnienia (lub nawet jego wyzerowania) w ramach niektórych zawodów.
Czytaj także: Chris Skinner o potrzebie uregulowania AI
Wpływ AI na popyt na pracę
Rozpowszechnienie sztucznej inteligencji nie musi mieć jednak jednoznacznie negatywnego wpływu na popyt na pracę. Po pierwsze, w procesie produkcji mogą pojawić się nowe „zadania”, które jednocześnie nie będą mogły być zautomatyzowane, a tym samym będą oddziaływały w kierunku zwiększenia popytu na pracę.
Przykładem takich nowych zadań, będą stanowiska pracy powiązane z wdrażaniem i rozwojem sztucznej inteligencji (informatycy, naukowcy, technicy). Ponadto, sztuczna inteligencja nie zawsze stanowi substytut dla siły roboczej, ale może również posiadać własności komplementarności względem pracy ludzkiej.
Zgodnie z raportem Międzynarodowego Funduszu Walutowego, w skali całego świata ok. 40% miejsc pracy jest zagrożona wygaszeniem ze względu na rozwój sztucznej inteligencji. Odsetek ten jest wyższy w rozwiniętych gospodarkach (ok. 60%) z uwagi na większe znaczenie sektora usługowego.
Szacunki przedstawione w raporcie sygnalizują jednak, że ok. połowa zatrudnionych w ramach zagrożonych kategorii ma szansę wykorzystać sztuczną inteligencję jako narzędzie wspierające ich pracę, podnosząc swoją produktywność, a tym samym unikając substytucji.
Niemniej jednak, należy oczekiwać, że średnio i długoterminowym efektem netto wspomnianych powyżej procesów będzie spadek popytu na pracę.
Produktywność a sztuczna inteligencja
Ważną, a jednocześnie trudną do przewidzenia kwestią w kontekście wpływu sztucznej inteligencji na wzrost gospodarczy jest sposób jej oddziaływania na kształtowanie się produktywności. W tej kwestii możemy rozważyć kilka scenariuszy.
Scenariusz 1, będący punktem odniesienia, zakłada brak wdrożenia sztucznej inteligencji, co będzie skutkowało utrzymywaniem się tempa wzrostu produktywności na stałym poziomie (przykładowo 1% rocznie).
Scenariusz 2 zakłada, że wdrożenie sztucznej inteligencji, podobnie jak poprzednie rewolucje (przemysłowa i cyfrowa), przyczyni się do przejściowego podbicia tempa wzrostu produktywności (przykładowo o 3 pkt. proc. w horyzoncie 20 lat).
Różnica pomiędzy roczną wielkością PKB w tych dwóch scenariuszach za 20 lat wyniosłaby 80%. W tym kontekście musimy uwzględnić również scenariusz 3, w którym osiągnięta zostałaby tzw. technologiczna osobliwość (singularity). Jest to sytuacja, w której sztuczna inteligencja przewyższy możliwości intelektualne człowieka. Może ona zatem wytwarzać jeszcze bardziej wydajne sztuczne inteligencje wywołując lawinowy postęp technologiczny. W takim skrajnym przypadku wzrost produktywności, a co za tym idzie również wzrost gospodarczy ulegałby ciągłemu przyspieszeniu.
Scenariusz 3 zakłada, że po początkowym skokowym zwiększeniu produktywności, tempo jej wzrostu będzie zwiększało się o 1% rocznie. W takim wypadku, PKB za 20 lat byłby w scenariuszu 3 wyższy o 94% niż w scenariuszu 1 i o 8% niż w scenariuszu 2.
Ale w horyzoncie 75 lat, byłby on już 35 razy wyższy niż w scenariuszu 1 i 20 razy większy niż w scenariuszu 2. A zatem mielibyśmy do czynienia z asymptotycznym wzrostem PKB (por. wykres).
Obecnie trudno jednak przewidzieć czy i kiedy osiągnięta zostanie technologiczna osobliwość. Niektórzy badacze sugerują, że może to wystąpić w horyzoncie 10-20 lat. Warto jednocześnie zwrócić uwagę, że wystąpienie tego zjawiska przyczyniłoby się do silnego spadku zatrudnienia względem obecnego poziomu.
Zatrudnione pozostałyby tylko osoby, których pracy nie można zastąpić sztuczną inteligencją. Byłoby to trudnym do zaakceptowania problemem społecznym i wymagałoby interwencji ze strony rządu.
Mogłaby ona polegać na spowolnieniu rozwoju lub zakazaniu używania sztucznej inteligencji w niektórych branżach gospodarki lub opodatkowania firm ją stosujących. Innym rozwiązaniem byłoby ustanowienie tzw. bezwarunkowego dochodu podstawowego, czyli przyznanie stałego świadczenia pieniężnego bez warunków.
W krótszym horyzoncie czasowym, zanim osiągnięta zostanie osobliwość technologiczna, wpływ sztucznej inteligencji na tempo wzrostu gospodarczego będzie materializował się głównie przez kanał stopniowego wzrostu produktywności oraz substytucji siły roboczej kapitałem. Skala tego oddziaływania będzie uzależniona od szybkości adaptacji procesu produkcji do nowej rzeczywistości technologicznej.
Czytaj także: Minister Cyfryzacji powołał zespół doradczy PL/AI Sztuczna inteligencja dla Polski
W tym kontekście pojawia się wiele pytań w kontekście wpływu sztucznej inteligencji na sytuację gospodarczą w Polsce.
Czy skorzystamy na tym pozytywnym szoku podażowym bardziej niż bardziej rozwinięte gospodarki Europy, co pozwoli na przyspieszenie procesu ich doganiania przez Polskę? Czy oczekiwany wzrost produktywności i spadek popytu na pracę pozwoli zniwelować niekorzystne konsekwencje obniżającej się liczby ludności w Polsce? A może pozycja naśladowcy, a nie lidera w procesie transformacji technologicznej przyczyni się do pogłębienia luki dochodowej względem bogatszych krajów strefy euro?
Śródtytuły i wyróżnienia pochodzą od redakcji BANK.pl
Jakub Borowski, Główny Ekonomista;
Krystian Jaworski, Starszy Ekonomista;
Jakub Olipra, Starszy Ekonomista.
MAKROmapa, Credit Agricole Bank Polska SA
