Η τεχνητή νοημοσύνη υπόσχεται να κάνει την κοινωνία πιο παραγωγική και ταυτόχρονα να περιορίσει το μισθολογικό χάσμα μεταξύ των εργαζομένων. Την ίδια ώρα, όμως, ο ίδιος μηχανισμός μπορεί να οδηγήσει σε ακόμη μεγαλύτερες συνολικές οικονομικές ανισότητες.
Όπως επισημαίνει στο Social Europe ο Αυστραλός υφυπουργός και οικονομολόγος Άντριου Λι, χαρακτηριστικό είναι το παράδειγμα ενός υπαλλήλου υποστήριξης πελατών με μόλις δύο μήνες προϋπηρεσίας, που καλείται να βοηθήσει έναν ιδιοκτήτη μικρής επιχείρησης με ένα σύνθετο τεχνικό ζήτημα. Ο εργαζόμενος πρέπει να εντοπίσει τη βλάβη, να κατανοήσει το λογισμικό και να εξηγήσει καθαρά τη λύση. Μπροστά του βρίσκεται ένας βοηθός τεχνητής νοημοσύνης, εκπαιδευμένος σε εκατομμύρια προηγούμενες συνομιλίες και στις απαντήσεις των πιο αποδοτικών υπαλλήλων της εταιρείας, ο οποίος προτείνει κατάλληλες ερωτήσεις και διατυπώσεις.
Ο Έρικ Μπρίνγιολφσον και οι συνεργάτες του στο Πανεπιστήμιο Στάνφορντ μελέτησαν την εισαγωγή ενός τέτοιου εργαλείου σε περισσότερους από 5.000 υπαλλήλους εξυπηρέτησης πελατών. Η συνολική παραγωγικότητα του εργατικού δυναμικού αυξήθηκε κατά 15%. Στους λιγότερο ειδικευμένους και λιγότερο έμπειρους εργαζόμενους, ο αριθμός των προβλημάτων που λύνονταν ανά ώρα ανέβηκε περίπου κατά 30%. Με τη βοήθεια του εργαλείου, ένας υπάλληλος δύο μηνών έφτασε να αποδίδει όσο ένας εργαζόμενος με περισσότερους από έξι μήνες εμπειρίας χωρίς ψηφιακή υποστήριξη.
Η εξίσωση των παραγωγικών δυνατοτήτων στην εργασία είναι ένα φαινόμενο που οι οικονομολόγοι σπάνια έχουν καταγράψει στο παρελθόν. Παραδοσιακά, ο βασικός κανόνας της οικονομικής θεωρίας έδειχνε ότι οι νέες τεχνολογίες ευνοούν δυσανάλογα όσους διαθέτουν υψηλότερη εκπαίδευση ή εξειδίκευση.
Η παραγωγική τεχνητή νοημοσύνη φαίνεται να λειτουργεί διαφορετικά. Αποδεικνύεται ιδιαίτερα χρήσιμη για τους αρχάριους, επιτρέποντας στους νεότερους εργαζόμενους να καλύπτουν ταχύτερα την απόσταση που τους χωρίζει από τους πιο έμπειρους συναδέλφους τους.
Πρόσθετα ευρήματα δίνει τυχαιοποιημένο πείραμα του Γκιγιέρμο Κρούσες από το Πανεπιστήμιο του Νότιγχαμ σε σχεδόν 1.200 ενήλικες. Στους συμμετέχοντες ανατέθηκε ένα επιχειρηματικό πρόβλημα, με ορισμένους να έχουν πρόσβαση σε εργαλεία τεχνητής νοημοσύνης.
Στην ομάδα χωρίς πρόσβαση στην τεχνολογία, οι συμμετέχοντες με υψηλότερη εκπαίδευση είχαν σαφές προβάδισμα έναντι όσων διέθεταν λιγότερα προσόντα. Όταν όμως χρησιμοποιήθηκε η τεχνητή νοημοσύνη, η διαφορά παραγωγικότητας λόγω εκπαίδευσης μειώθηκε κατά περίπου τρία τέταρτα. Η τεχνητή νοημοσύνη περιόρισε θεαματικά, αν και όχι πλήρως, το εκπαιδευτικό χάσμα.
Η πραγματικότητα για τις προσλήψεις νέων εργαζομένων είναι πιο σύνθετη, καθώς έχουν διατυπωθεί ανησυχίες ότι η τεχνητή νοημοσύνη θα οδηγήσει σε μαζικές απολύσεις, ιδιαίτερα για τους νέους που κάνουν τα πρώτα τους βήματα στην αγορά εργασίας. Τα διαθέσιμα στοιχεία παραμένουν μικτά. Έρευνα του Digital Economy Lab του Στάνφορντ καταγράφει ενδείξεις επιβράδυνσης των προσλήψεων νέων στις ΗΠΑ σε επαγγέλματα με υψηλή έκθεση στην τεχνητή νοημοσύνη. Ωστόσο, άλλες μελέτες υποστηρίζουν ότι η επιβράδυνση οφείλεται κυρίως στην επέκταση της τηλεργασίας, η οποία δυσκολεύει την επίβλεψη και την εκπαίδευση των νεοεισερχόμενων, και όχι απαραίτητα στην υιοθέτηση της τεχνητής νοημοσύνης.
Ευρήματα από άλλες χώρες ενισχύουν τις αμφιβολίες για το αν η τεχνητή νοημοσύνη είναι ο βασικός υπαίτιος. Έρευνα των Άντερς Χούμλουμ και Εμίλι Βέστεργκααρντ στη Δανία δείχνει ότι η μείωση της απασχόλησης στα πρώτα στάδια καριέρας δεν προέρχεται από τις επιχειρήσεις που υιοθετούν ψηφιακούς βοηθούς. Παράλληλα, έκθεση του Υπουργείου Απασχόλησης της Αυστραλίας διαπιστώνει ότι οι δείκτες απασχόλησης για τους νεοεισερχόμενους παραμένουν, σε γενικές γραμμές, σταθεροί.
Η μείωση των παραγωγικών διαφορών δείχνει ότι η τεχνητή νοημοσύνη μπορεί να συμπιέσει τα μισθολογικά χάσματα. Ο νέος λογιστής πλησιάζει τον πιο έμπειρο λογιστή, ενώ ο μέσος προγραμματιστής πλησιάζει τον κορυφαίο. Το επιπλέον μισθολογικό όφελος που φέρνουν η εμπειρία και η εκπαίδευση ενδέχεται να μειωθεί, διατηρώντας σταθερή τη ζήτηση για νέους εργαζόμενους.
Αν τα κέρδη παραγωγικότητας μεταφραστούν σε μεγαλύτερες αυξήσεις για τους λιγότερο έμπειρους εργαζόμενους, η ανισότητα των μισθών θα περιοριστεί. Ωστόσο, η συνολική εισοδηματική ανισότητα κινδυνεύει να αυξηθεί, αν διευρυνθεί το χάσμα ανάμεσα στα εισοδήματα από εργασία και στα εισοδήματα από κεφάλαιο.
Όταν η τεχνητή νοημοσύνη εκτελεί μια εργασία που παλαιότερα έκανε άνθρωπος, μέρος της παραγόμενης αξίας μεταφέρεται από την αμειβόμενη εργασία στο κεφάλαιο. Έτσι, το χάσμα ανάμεσα στο εργασιακό και στο κεφαλαιακό εισόδημα διευρύνεται.
Ο Μπέντζαμιν Μολ και οι συνεργάτες του από το London School of Economics ανέπτυξαν ένα οικονομικό μοντέλο στο οποίο η αυτοματοποίηση αυξάνει την απόδοση του παραγωγικού πλούτου. Τα οφέλη αυτά συσσωρεύονται δυσανάλογα στα νοικοκυριά που διαθέτουν ήδη μεγάλα κεφάλαια, ενισχύοντας την ανισότητα με την πάροδο του χρόνου.
Στις προηγούμενες τεχνολογικές επαναστάσεις, οι επιχειρήσεις αγόραζαν τον δικό τους κεφαλαιουχικό εξοπλισμό: τα εργοστάσια προμηθεύονταν ηλεκτρικά μηχανήματα και τα γραφεία εξοπλίζονταν με υπολογιστές. Αντίθετα, σήμερα οι περισσότερες επιχειρήσεις αποκτούν πρόσβαση στην τεχνητή νοημοσύνη μέσω υπηρεσιών που παρέχονται από λίγες εξωτερικές εταιρείες.
Εάν κάθε τράπεζα, δικηγορικό γραφείο, κατάστημα ή βιομηχανία βασίζεται στα ίδια λίγα κεντρικά συστήματα τεχνητής νοημοσύνης, ο πάροχος του μοντέλου μετατρέπεται σε «διόδια» που εισπράττουν φόρο από ένα διαρκώς διευρυνόμενο τμήμα της οικονομίας.
Το ποσοστό των κερδών της τεχνητής νοημοσύνης που θα καταλήξει στο κεφάλαιο θα είναι πολύ υψηλότερο αν η ιδιοκτησία των προηγμένων μοντέλων μείνει συγκεντρωμένη σε ελάχιστους κολοσσούς. Ο ανταγωνισμός σε αυτό το επίπεδο περιορίζεται από το τεράστιο κόστος εισόδου. Μόνο φέτος, οι μεγάλοι τεχνολογικοί όμιλοι επένδυσαν περίπου 750 δισεκατομμύρια δολάρια, δηλαδή τρία τέταρτα του τρισεκατομμυρίου, σε τσιπ, δεδομένα εκπαίδευσης και ταλέντο, δημιουργώντας ένα οικονομικό οχύρωμα που δύσκολα ξεπερνιέται από νέους παίκτες.
Παράλληλα, η τεχνητή νοημοσύνη απειλεί να εντείνει και την παγκόσμια ανισότητα. Για δεκαετίες, χώρες όπως οι Φιλιππίνες και η Ινδία ανέπτυξαν εξαγωγικούς τομείς υπηρεσιών βασισμένες στο άφθονο και εκπαιδευμένο εργατικό δυναμικό τους, όπως τα κέντρα εξυπηρέτησης πελατών. Η τεχνητή νοημοσύνη μεταβάλλει αυτό το συγκριτικό πλεονέκτημα. Μια αλληλεπίδραση που παλαιότερα γινόταν από εργαζόμενο στη Μανίλα ή το Μουμπάι, εκτελείται πλέον από λογισμικό σε ένα κέντρο δεδομένων.
Η τεχνητή νοημοσύνη μειώνει δραστικά την τιμή ορισμένων μορφών εξειδίκευσης. Αυτό είναι θετικό για τον μεμονωμένο εργαζόμενο που αποκτά πρόσβαση στην τεχνογνωσία, αλλά συνιστά σοβαρό πρόβλημα για τις αναπτυσσόμενες χώρες που εξαρτώνται από τις εξαγωγές υπηρεσιών. Ενδεικτικό της τάσης είναι ότι η πλατφόρμα Amazon Mechanical Turk, μέσω της οποίας εκατοντάδες χιλιάδες εργαζόμενοι αμείβονταν για διαδικτυακές μικροεργασίες, τερμάτισε οριστικά τη λειτουργία της στις 30 Σεπτεμβρίου 2026.
Η τεχνητή νοημοσύνη έχει ένα ιδιαίτερο χαρακτηριστικό: βοηθά τους λιγότερο έμπειρους εργαζόμενους να καλύπτουν την απόσταση από τους πιο έμπειρους, ενώ αποδίδει τις μεγαλύτερες οικονομικές αμοιβές στους ιδιοκτήτες της τεχνολογίας.
Το αν αυτή η τάση θα επικρατήσει θα κριθεί από το πόσο ανταγωνιστικές θα παραμείνουν οι αγορές τεχνητής νοημοσύνης, αλλά και από τις πολιτικές που θα επιλέξουν οι κυβερνήσεις για την αναδιανομή των οφελών της οικονομικής ανάπτυξης.
