Τι σημαίνει η τεχνητή νοημοσύνη για την μακροοικονομία
Εάν η ταχέως εξελισσόμενη τεχνητή νοημοσύνη είναι τόσο σημαντική για τις βιομηχανίες και τις θέσεις εργασίας όσο πολλοί άνθρωποι πιστεύουν ότι είναι, θα έχει τεράστιες επιπτώσεις στην παραγωγικότητα, την ανάπτυξη, τα εισοδήματα, τον πληθωρισμό και πολλά άλλα σε ολόκληρη την οικονομία.
Γιατί έχει σημασία: Η ευρεία χρήση της γενετικής τεχνητής νοημοσύνης θα μπορούσε να δημιουργήσει άνοδο στην αύξηση της παραγωγικότητας. Και παρά την αναστάτωση που συνεπάγεται για μεμονωμένες εταιρείες και εργαζομένους, θα πρέπει να τονώσει τα εισοδήματα και την ανάπτυξη.
-Αυτό θα ήταν παράλληλο με το κύμα ανάπτυξης στα τέλη της δεκαετίας του 1990 που υποκινήθηκε από ένα ευρύ φάσμα τεχνολογικών προόδων ή (σε πιο μεγαλεπήβολα σενάρια) τα αποτελέσματα της ηλεκτροδότησης στο πρώτο μισό του 20ού αιώνα.
Υπάρχουν πολλά στοιχεία ότι η τεχνητή νοημοσύνη μπορεί να βελτιώσει την παραγωγικότητα των εργαζομένων σε συγκεκριμένα σενάρια. Μια μελέτη ενός κέντρου υποστήριξης πελατών έδειξε ένα μέσο κέρδος 14% στην απόδοση των εργαζομένων ανά ώρα όταν υποβοηθήθηκε, για παράδειγμα, από ένα bot τεχνητής νοημοσύνης.
-Το ανοιχτό ερώτημα είναι σε ποιο βαθμό, και πόσο γρήγορα, αυτό θα κλιμακωθεί σε μια ώθηση σε επίπεδο οικονομίας στην ικανότητα των εταιρειών να παράγουν περισσότερα αγαθά και υπηρεσίες σε σχέση με την εργασία που καταβάλλουν.
-Επιπλέον, υποστηρίζουν οι Martin Neil Baily, Erik Brynjolfsson και Anton Korinek σε ένα έγγραφο του Brookings Institution , τα εργαλεία που βασίζονται στην τεχνητή νοημοσύνη θα μπορούσαν να αποδώσουν οφέλη όχι μόνο για να κάνουν την υπάρχουσα εργασία πιο αποτελεσματική, αλλά και στο να κάνουν τις εταιρείες πιο ικανές να εντοπίζουν στρατηγικές ενίσχυσης της παραγωγικότητας.
Με τους αριθμούς: Εάν η τεχνητή νοημοσύνη αυξάνει την παραγωγικότητα όλης της γνωστικής εργασίας – εργασία με λέξεις, αριθμούς και ιδέες – κατά 30%, και η γνωστική εργασία αντιπροσωπεύει το 60% της συνολικής εργασίας, ο πολλαπλασιασμός των δύο συνεπάγεται αύξηση 18% στη συνολική παραγωγικότητα με την πάροδο του χρόνου.
-Εάν αυτό το κέρδος επρόκειτο να πραγματοποιηθεί σε διάστημα 10 ετών, θα συνεπαγόταν επιπλέον 1,7 ποσοστιαίες μονάδες αύξησης της παραγωγικότητας ετησίως — υπερδιπλάσιο των τρεχουσών προβλέψεων. (Το Γραφείο Προϋπολογισμού του Κογκρέσου το θέτει στο 1,5%).
-Αυτό θα μπορούσε να μεταφραστεί σε αναλογικά υψηλότερη αύξηση του ΑΕΠ.
-Τα εισοδήματα θα πρέπει να αυξηθούν παρόμοια — κατά μέσο όρο, τουλάχιστον. Θα υπήρχαν νικητές και ηττημένοι σε αυτό το σενάριο, καθώς ορισμένες θέσεις εργασίας καταργούνται και άλλες γίνονται πιο παραγωγικές και επομένως πιο προσοδοφόρες.
Ναι, αλλά: Οι νέες τεχνολογίες δεν αποδίδουν μερίσματα παραγωγικότητας από τη μια μέρα στην άλλη, καθώς χρειάζεται χρόνος για να τις χρησιμοποιήσουν αποτελεσματικά οι εταιρείες. Το 1987, ο οικονομολόγος Robert Solow παρατήρησε περίφημα ότι «μπορείτε να δείτε την εποχή των υπολογιστών παντού εκτός από τις στατιστικές παραγωγικότητας».
-Μόλις στα μέσα της δεκαετίας του 1990 η πληροφορική άρχισε να οδηγεί σε άνοδο της παραγωγικότητας.
Τι λένε: Ο Brynjolfsson, οικονομολόγος στο Stanford, υποστηρίζει ότι η επανάσταση παραγωγικότητας που βασίζεται στην τεχνητή νοημοσύνη βρίσκεται σε ένα στάδιο πιο ισοδύναμο με το 1995 από το 1987.
-«Δεν είναι στο εργαστήριο, δεν είναι απλώς κάποιο τεχνικό σημείο αναφοράς, είναι οι άνθρωποι που το χρησιμοποιούν πραγματικά και αλλάζουν τον τρόπο που κάνουν τις επιχειρήσεις τους», λέει στον Axios.
-Υποστηρίζει ότι αυτό το σύνολο καινοτομιών είναι έτοιμο να πληρώσει μερίσματα παραγωγικότητας στο πολύ εγγύς μέλλον. Σε σύγκριση με την επανάσταση του IT της δεκαετίας του 1980 και του 1990, “αυτή τη φορά πιστεύω ότι η απογείωση θα είναι ταχύτερη επειδή δεν απαιτούνται τόσες συμπληρωματικές επενδύσεις για να λειτουργήσουν αυτές οι τεχνολογίες.”
Πηγαίνετε βαθύτερα: Το χαρτί Baily/Brynjolfsson/Korinek που αναφέρεται παραπάνω αξίζει πραγματικά να το διαβάσετε.
-What AI means for the macroeconomy
If rapidly advancing artificial intelligence is as important for industries and jobs as many people think it is, it will have massive implications for economy-wide productivity, growth, incomes, inflation and more.
Why it matters: Widespread use of generative AI could create a surge in productivity growth. And for all the disruption it entails for individual companies and workers, it should boost incomes and trend growth.
- This would parallel the late 1990s growth surge spurred by a wide range of technological advances, or (in more grandiose scenarios) the results of electrification in the first half of the 20th century.
There is plenty of evidence that AI can improve worker productivity in specific scenarios. One study of a customer support center showed an average 14% gain in workers’ output per hour when assisted by an AI bot, for example.
- The open question is to what extent, and how fast, that will scale to an economy-wide boost in the ability of companies to produce more goods and services relative to the work put in.
- Moreover, argue Martin Neil Baily, Erik Brynjolfsson and Anton Korinek in a Brookings Institution paper, AI-based tools could pay dividends not just in making existing work more efficient, but in making companies better able to identify productivity-enhancing strategies.
By the numbers: If AI increases the productivity of all cognitive work — labor using words, numbers and ideas — by 30%, and cognitive work accounts for 60% of all labor, multiplying the two implies an 18% gain in overall productivity over time.
- If that gain were to take place over 10 years, it would imply an extra 1.7 percentage points of productivity growth a year — more than double current mainstream forecasts. (The Congressional Budget Office puts it at 1.5%.)
- That could translate into commensurately higher GDP growth.
- Incomes should rise similarly — on average, at least. There would be winners and losers in this scenario, as some jobs are eliminated and others become more productive and thus more lucrative.
Yes, but: New technologies do not pay productivity dividends overnight, as it takes time for companies to make effective use of them. In 1987, economist Robert Solow famously remarked that “you can see the computer age everywhere but in the productivity statistics.”
- It wasn’t until the mid-1990s that IT started to drive a productivity surge.
What they’re saying: Brynjolfsson, an economist at Stanford, argues that the AI-driven productivity revolution is at a stage more equivalent to 1995 than to 1987.
- “It’s not in the laboratory, it’s not just some technical benchmark, it’s people really using it and changing the way they do business,” he tells Axios.
- He argues that this set of innovations is poised to pay productivity dividends in the very near future. Compared to the 1980s and ’90s IT revolution, “this time I think the takeoff is going to be faster because there’s not as much complementary investment that is required to get these technologies to work.”
Go deeper: The Baily/Brynjolfsson/Korinek paper referenced above is really worth a read.
– What AI means for inflation and rates
If that world of AI-driven higher growth in productivity, GDP and incomes were to materialize, it would likely have profound effects on interest rates and inflation dynamics, as well.
The intrigue: However, JPMorgan chief U.S. economist Michael Feroli argues those effects could cut in opposite directions. Stronger trend growth should coincide with real (inflation-adjusted) interest rates — but the benefits of higher productivity could bring inflation down in the short run.
The intuition: “Imagine your real income is expected to grow at a 2% rate and then something comes along so that you now expect it will grow at a 4% rate,” Feroli writes in a note.
- In this scenario, “Most people would likely want to spend more today. But society can only spend today what is produced today,” he writes. “To maintain equilibrium, interest rates need to increase to reduce current desired demand.”
As for inflation, when there is a supply shock — something that increases the productive capacity of the economy — it tends to exert a downward pull on inflation, at least temporarily.
- Past examples include the late 1990s productivity surge, the expansion of trade with China in the 2000s and the shale gas revolution in the 2010s.
- In effect, the economy can suddenly produce more while demand changes only slowly, keeping a lid on price increases.
The bottom line: If AI is as big a deal as many people think it could be, look for higher growth, higher incomes, higher real interest rates and lower inflation.
