سود اقتصادها از هوش مصنوعی؛ بانک جهانی از یک فرصت تاریخی برای کشورهای در حال توسعه خبر داد
بانک جهانی در تازهترین ارزیابی خود از پیامدهای اقتصادی هوش مصنوعی اعلام کرده است که کشورهای کم درآمد و با درآمد متوسط، برخلاف تصور رایج، الزاماً بازندگان موج جدید فناوری نخواهند بود. ساختار بازار کار در این کشورها به گونهای است که هوش مصنوعی بیش از آنکه جایگزین نیروی انسانی شود، میتواند به ابزار مکمل کارگران، کارمندان و متخصصان تبدیل شود. گزارش بانک جهانی زندگی حدود ۶.۸ میلیارد نفر، معادل نزدیک به ۸۳ درصد جمعیت جهان را در بر میگیرد و تلاش میکند نشان دهد که فاصله میان اقتصادهای پیشرفته و در حال توسعه فقط با تعداد مراکز داده یا اندازه مدلهای زبانی سنجیده نمیشود.
مهمترین یافته گزارش به تفاوت میان خطر حذف شغل و امکان افزایش بهرهوری مربوط است. برآورد بانک جهانی نشان میدهد حدود ۱۴.۲ درصد از مشاغل در کشورهای پردرآمد قابلیت خودکارسازی با هوش مصنوعی مولد را دارند، در حالی که این نسبت در اقتصادهای کم درآمد و با درآمد متوسط تنها ۴.۵ درصد است. در سوی دیگر، حدود ۱۶.۲ درصد از مشاغل کشورهای در حال توسعه میتوانند از افزایش محسوس بهرهوری بهرهمند شوند. سهم مشابه در اقتصادهای پردرآمد ۱۸.۷ درصد برآورد شده است. فاصله میان دو گروه در فرصت افزایش بهرهوری محدود است، اما خطر جایگزینی شغل در اقتصادهای ثروتمند بیش از سه برابر کشورهای در حال توسعه ارزیابی میشود.
ایندرمیت گیل، اقتصاددان ارشد بانک جهانی، در توصیف این موقعیت گفته است: «هوش مصنوعی برای اقتصادهای در حال توسعه یک راه نجات فراهم کرده است و آنها باید آن را به دست آورند.» این تعبیر به معنای تضمین رشد اقتصادی یا پایان مشکلات توسعه نیست. منظور آن است که کشورهایی که طی چند دهه گذشته به دلیل کمبود سرمایه، نیروی متخصص، زیرساخت آموزشی و دسترسی محدود به خدمات عمومی از اقتصادهای پیشرفته عقب ماندهاند، اکنون میتوانند بخشی از این کمبود را با ابزارهای کم هزینه و هدفمند جبران کنند.
گیل همچنین هشدار داده است که اقتصادهای در حال توسعه نخستین انقلاب صنعتی را از دست دادند و برای مدت طولانی هزینه آن را پرداخت کردند؛ بنابراین نباید فرصت فعلی را نیز نادیده بگیرند. بانک جهانی این احتمال را مطرح کرده است که استفاده درست از هوش مصنوعی بتواند در یک دوره ده ساله، مسیری را که در گذشته به چند نسل زمان نیاز داشت کوتاه کند. با این حال، عبارت «یک قرن توسعه در یک دهه» یک پیشبینی قطعی نیست و تنها زمانی معنا پیدا میکند که کشورها شکافهای برق، اینترنت، مهارت، داده و حکمرانی را کاهش دهند.
خطر حذف شغل کمتر است، اما بازار کار بدون آسیب باقی نمیماند
علت پایینتر بودن خطر خودکارسازی در کشورهای در حال توسعه، بیش از هر چیز به ترکیب اشتغال آنها مربوط است. بخش بزرگی از نیروی کار در کشاورزی، خرده فروشی سنتی، ساخت و ساز، حمل و نقل، خدمات حضوری، کارگاههای کوچک و فعالیتهای غیررسمی مشغول است. این مشاغل به حضور فیزیکی، شناخت محیط، تحرک، ارتباط انسانی و تصمیمگیری در شرایط پیشبینی ناپذیر وابستهاند. مدلهای هوش مصنوعی در شرایط فعلی بیشترین توان خود را در پردازش متن، تحلیل داده، تولید محتوا، امور اداری، حسابداری مقدماتی و فعالیتهای دیجیتال نشان دادهاند.
سازمان بینالمللی کار نیز با بررسی حدود ۳۰ هزار وظیفه شغلی به نتیجهای مشابه رسیده است. براساس ارزیابی این سازمان، تقریباً یک نفر از هر چهار شاغل جهان در حرفهای فعالیت میکند که دست کم بخشی از وظایف آن در معرض هوش مصنوعی مولد قرار دارد. این سهم در کشورهای پردرآمد حدود ۳۴ درصد و در کشورهای کم درآمد نزدیک به ۱۱ درصد است. با این حال، سازمان بینالمللی کار تأکید میکند که در بیشتر موارد، پیامد اصلی فناوری تغییر ماهیت شغل خواهد بود، نه حذف کامل آن.
پاول گمیرک، پژوهشگر سازمان بینالمللی کار، گفته است: «ما از بحث نظری فراتر رفتیم و هزاران وظیفه شغلی را بررسی کردیم.» ارزیابی وظیفه محور اهمیت زیادی دارد، زیرا یک عنوان شغلی ممکن است مجموعهای از فعالیتهای قابل خودکارسازی و غیرقابل خودکارسازی را هم زمان در بر بگیرد. برای مثال، هوش مصنوعی میتواند گزارش اولیه یک حسابدار را تهیه کند، اما مسئولیت حقوقی، ارتباط با مشتری، تشخیص موارد غیرعادی و تصمیم نهایی همچنان بر عهده نیروی انسانی باقی میماند.
توزیع این خطر میان زنان و مردان نیز یکسان نیست. در اقتصادهای پردرآمد، حدود ۹.۶ درصد مشاغل زنان در بالاترین سطح احتمال خودکارسازی قرار دارند، در حالی که این نسبت برای مردان نزدیک به ۳.۵ درصد است. تمرکز بیشتر زنان در امور دفتری، پشتیبانی اداری و برخی خدمات استاندارد، علت اصلی این تفاوت عنوان شده است. این داده نشان میدهد که حتی در کشورهایی که هوش مصنوعی به رشد بهرهوری کمک میکند، آثار آن میتواند میان گروههای مختلف اجتماعی به شکل نابرابر توزیع شود.
در جنوب شرق آسیا نیز نزدیک به ۲۲.۹ درصد اشتغال منطقه، معادل حدود ۸۰ میلیون شغل، بیش از حداقل سطح در معرض هوش مصنوعی مولد قرار دارد. حدود ۳.۳ درصد اشتغال، معادل ۱۱.۷ میلیون شغل، در بالاترین سطح مواجهه ارزیابی شده و نزدیک به ۶۷ درصد مشاغل هنوز با مواجهه قابل توجهی روبهرو نیستند. این تصویر نشان میدهد که موج تغییر در همه اقتصادها یکسان حرکت نمیکند و سرعت آن به ساختار تولید، دسترسی دیجیتال و نوع مشاغل بستگی دارد.
صندوق بینالمللی پول با تعریف گستردهتری از مواجهه شغلی برآورد کرده است که حدود ۴۰ درصد اشتغال جهان از هوش مصنوعی تأثیر میپذیرد. این سهم در اقتصادهای پیشرفته به حدود ۶۰ درصد، در اقتصادهای نوظهور به ۴۰ درصد و در کشورهای کم درآمد به ۲۶ درصد میرسد. این ارقام به معنای حذف همین میزان شغل نیست. بخشی از مشاغل با افزایش بهرهوری همراه میشوند، بخشی با تغییر دستمزد و تقاضای نیروی کار روبهرو خواهند شد و بخشی نیز تنها در سطح وظایف روزانه دگرگون میشوند.
کریستالینا جورجیوا، مدیرعامل صندوق بینالمللی پول، درباره سرعت این تحول گفته است: «هوش مصنوعی مانند یک سونامی به بازار کار برخورد خواهد کرد.» هشدار او بیش از همه متوجه جوانان، کارکنان دارای مهارت متوسط و مشاغل اداری است. این گروهها معمولاً در وظایفی فعالیت میکنند که از یک سو قابل استانداردسازی است و از سوی دیگر، نقطه ورود افراد تازه کار به بازار کار تخصصی محسوب میشود.
ابزارهای کوچک به جای مسابقه پرهزینه ساخت مدلهای عظیم
بانک جهانی تأکید دارد که کشورهای در حال توسعه برای بهرهگیری از هوش مصنوعی، الزاماً به ساخت مراکز داده عظیم یا مدلهای زبانی چند میلیارد دلاری نیاز ندارند. ایندرمیت گیل معتقد است تطبیق ابزارهای کوچک و کم هزینه با شرایط محلی میتواند دسترسی میلیونها نفر به مراقبت پزشکی، آموزش، خدمات قضایی و ترویج کشاورزی را بهبود دهد. این نگاه، مسیر متفاوتی از رقابت فناوری آمریکا و چین پیشنهاد میکند؛ مسیری که به جای مالکیت گرانترین مدل، بر حل یک مسئله مشخص اقتصادی یا اجتماعی تمرکز دارد.
کارکنان بهداشت میتوانند از ابزارهای هوشمند برای سرعت بخشیدن به غربالگری و تشخیص اولیه استفاده کنند. معلمان قادرند محتوای آموزشی را با سطح دانش دانش آموزان تطبیق دهند. کشاورزان میتوانند درباره زمان کاشت، وضعیت خاک، پیشبینی بارش و احتمال شیوع آفت اطلاعات دقیقتری دریافت کنند. کارکنان قضایی نیز میتوانند از سامانههای هوشمند برای دسته بندی پروندهها، جستجوی سوابق و کاهش زمان رسیدگی استفاده کنند.
در ایالت تلانگانا در هند، استفاده از پیشبینیهای پیشرفته آب و هوا و توصیههای مبتنی بر هوش مصنوعی برای برخی کشاورزان کوچک تا حدود ۵۶۰ دلار صرفهجویی ایجاد کرده است. در غنا، اطلاعات محلی هوا از طریق پیامک به کشاورزان ارسال شده است. ابزار آفلاین نورو در کنیا برای تشخیص بیماری گیاهان به کار گرفته شده و نمونههایی از ارزیابی سلامت خاک با مدلهای سبک و شناسایی آفات از طریق تصویر محصول نیز در هند آزمایش شده است.
در حوزه آموزش، برخی برنامههای یادگیری هوشمند در مطالعات مورد استناد بانک جهانی، اثری معادل نزدیک به یک سال تحصیل اضافی بر یادگیری ایجاد کردهاند. البته این اثر در همه محیطها تکرار نمیشود و به کیفیت محتوا، زبان محلی، نحوه استفاده معلم و دسترسی دانش آموز به ابزار مناسب وابسته است. وارد کردن یک مدل خارجی به یک مدرسه یا اداره، بدون تطبیق با زبان، فرهنگ و نیاز محلی، لزوماً بهرهوری ایجاد نمیکند.
در بنگلادش، هوش مصنوعی برای افزایش حجم غربالگری دیابت مورد استفاده قرار گرفته و ابزارهای آفلاین تشخیص سل نیز به عنوان نمونهای از کاربرد فناوری در مناطق دارای زیرساخت محدود معرفی شدهاند. با این حال، شواهد حوزه سلامت کاملاً یکدست نیست. برخی مطالعات درباره استفاده کارکنان خط مقدم سلامت از مدلهای زبانی نشان دادهاند که اگرچه دسترسی به اطلاعات و کیفیت پاسخ در بعضی زمینهها بهتر میشود، تشخیص موارد حساس، ارجاع درست به پزشک و پیامدهای بالینی همیشه بهبود معناداری پیدا نمیکند.
گوراو نایار، مدیر گزارش توسعه جهانی بانک جهانی، گفته است: «هوش مصنوعی فرصتی بینظیر برای حل مشکلاتی ارائه میدهد که نسلها در برابر راهحلها مقاومت کردهاند.» او در عین حال تأکید کرده است که پنجره زمانی برای استفاده درست از این فرصت محدود است. برق پایدار، اینترنت قابل پرداخت، مهارت دیجیتال، داده محلی و اعتماد عمومی باید هم زمان توسعه پیدا کنند؛ در غیر این صورت، ابزارهای هوشمند به جای کاهش شکاف توسعه، به مزیتی تازه برای گروههای برخوردار تبدیل خواهند شد.
پارادوکس رشد اقتصادی؛ ریسک کمتر برای مشاغل، سهم کمتر از جهش بهرهوری
این گزاره که کشورهای در حال توسعه از هوش مصنوعی سود بیشتری میبرند، بدون توضیح اقتصادی میتواند گمراه کننده باشد. گزارش بانک جهانی نمیگوید افزایش تولید ناخالص داخلی یا بهرهوری در اقتصادهای فقیر از کشورهای پیشرفته بیشتر خواهد شد. اتفاقاً در صورت ادامه روند فعلی، کشورهای ثروتمند به دلیل برخورداری از سرمایه، نیروی متخصص، داده، زیرساخت دیجیتال و بنگاههای آمادهتر، احتمالاً بخش بزرگتری از منافع اقتصادی هوش مصنوعی را جذب خواهند کرد.
مزیت اقتصادهای در حال توسعه بیشتر در نسبت میان منفعت و آسیب دیده میشود. این کشورها با خطر کمتری برای حذف کامل شغل روبهرو هستند، اما میتوانند از فناوری برای جبران کمبود تخصص استفاده کنند. به بیان دیگر، هوش مصنوعی ممکن است در یک کشور ثروتمند بخشی از نیروی اداری را جایگزین کند، در حالی که در یک اقتصاد کم درآمد به پرستار، معلم یا کارشناس کشاورزی اجازه میدهد با دانش و دقت بیشتری کار کند.
این تفاوت از نظر اقتصاد توسعه اهمیت زیادی دارد. در کشورهایی که پزشک، مهندس، تحلیلگر مالی یا برنامهنویس به اندازه کافی وجود ندارد، ارزش اصلی فناوری فقط کاهش هزینه دستمزد نیست. ارزش مهمتر در افزایش ظرفیت نیروی انسانی موجود شکل میگیرد. یک کارمند کم تجربه میتواند به کمک ابزار هوشمند مسئلهای را حل کند که پیش از این به حضور یک متخصص نیاز داشت. نتیجه احتمالی، افزایش دامنه خدمات، کاهش زمان انتظار و پایین آمدن هزینه دسترسی به دانش است.
برآوردهای بزرگ درباره رشد، از خوش بینی تا احتیاط دانشگاهی
بانک جهانی در یکی از سناریوهای خوش بینانه خود برآورد کرده است که گسترش هوش مصنوعی میتواند رشد بالقوه سالانه اقتصادهای پیشرفته را از حدود ۱.۲ درصد به ۳.۶ درصد افزایش دهد. در همین سناریو، رشد بالقوه اقتصادهای در حال توسعه از حدود ۴.۱ درصد به ۴.۹ درصد میرسد. افزایش عدد رشد در کشورهای پیشرفته بسیار بزرگتر است، زیرا بخش بیشتری از فعالیتهای آنها دیجیتالی، داده محور و آماده استفاده از ابزارهای خودکار است.
این ارقام پیشبینی قطعی نیستند. تحقق آنها به میزان سرمایهگذاری، سرعت پذیرش فناوری، بازآموزی نیروی کار، کیفیت مدیریت و نحوه تنظیم بازار بستگی دارد. یک شرکت ممکن است پیشرفتهترین مدل هوش مصنوعی را خریداری کند، اما اگر فرایندهای سازمانی آن نامنظم باشد، داده قابل اعتماد نداشته باشد یا کارکنان شیوه استفاده از فناوری را ندانند، افزایش بهرهوری محدودی به دست خواهد آورد.
صندوق بینالمللی پول برآورد کرده است که هوش مصنوعی در شرایط مناسب میتواند رشد بهرهوری جهانی را تا حدود ۰.۸ واحد درصد در سال افزایش دهد. این نهاد برای اقتصادهای عضو شورای همکاری خلیج فارس نیز افزایش بالقوهای تا حدود ۲.۸ درصد در تولید ناخالص داخلی غیرنفتی مطرح کرده است. در اقتصادهایی که به دنبال کاهش وابستگی به نفت هستند، هوش مصنوعی میتواند به توسعه خدمات مالی، لجستیک، گردشگری، سلامت و مدیریت انرژی کمک کند.
آفریقای جنوب صحرا نمونه روشنی از فاصله میان ظرفیت بالقوه و واقعیت موجود است. صندوق بینالمللی پول تخمین زده است که با سطح فعلی برق، اینترنت، مهارت و آمادگی نهادی، هوش مصنوعی ممکن است در یک دوره ده ساله تنها حدود ۰.۲ درصد به تولید منطقه اضافه کند. در صورت بهبود زیرساخت و سیاستگذاری، این اثر تجمعی میتواند به حدود ۴ درصد تولید ناخالص داخلی برسد. تفاوت میان ۰.۲ و ۴ درصد نشان میدهد که فناوری بدون سرمایهگذاری مکمل، به خودی خود موتور رشد نیست.
اقتصاددانان صندوق بینالمللی پول درباره این قاره گفتهاند: «آفریقا لازم نیست مسابقه ساخت مدلهای مرزی را برنده شود.» اولویت اقتصادی میتواند استفاده از مدلهای موجود در کشاورزی، سلامت، آموزش، مالیات، بانکداری و خدمات عمومی باشد. چنین راهبردی هزینه کمتری دارد و سریعتر میتواند به بهبود خدمات و کاهش اتلاف منابع منجر شود.
برآوردهای شرکتهای مشاورهای معمولاً خوش بینانهتر است. مک کینزی ارزش اقتصادی سالانه بالقوه هوش مصنوعی مولد را بین ۲.۶ تا ۴.۴ تریلیون دلار تخمین زده است. این مؤسسه معتقد است هوش مصنوعی مولد میتواند در افق بلندمدت سالانه بین ۰.۱ تا ۰.۶ واحد درصد به رشد بهرهوری نیروی کار اضافه کند. گستره بزرگ این برآورد نشان میدهد که نتیجه به سرعت انتشار فناوری و میزان بازطراحی فرایندهای کاری وابسته است.
پی دبلیو سی نیز در سناریویی نسبتاً خوش بینانه برآورد کرده است که هوش مصنوعی در افق حدود ده ساله میتواند سطح تولید ناخالص داخلی جهان را نزدیک به ۱۵ درصد افزایش دهد. در مدل دیگری که برزیل، مکزیک، نیجریه، عربستان سعودی و ترکیه را بررسی میکند، استفاده گسترده از هوش مصنوعی در بخش عمومی ممکن است بهرهوری را تا ۳ درصد، تولید ناخالص داخلی واقعی را تا ۴ درصد و درآمد خانوارها را تا ۲ درصد افزایش دهد.
همین مدل کاهش احتمالی کسری بودجه تا ۲۲ درصد و افت نرخ بیکاری تا ۱.۵ واحد درصد را مطرح میکند. این اعداد آثار تحقق یافته نیستند و باید به عنوان نتیجه مدلسازی خوانده شوند. اگر دولتها تنها هزینه خرید نرم افزار را افزایش دهند، اما ساختار اداری، کیفیت داده و نظام پاسخگویی اصلاح نشود، چنین منافعی به دست نخواهد آمد.
دارون عجم اوغلو، استاد اقتصاد دانشگاه ام آی تی، تصویر محتاطانهتری ارائه میدهد. برآورد او نشان میدهد هوش مصنوعی ممکن است در یک دوره ده ساله بهرهوری کل عوامل تولید در آمریکا را حدود ۰.۶۶ تا ۰.۷۱ درصد و تولید ناخالص داخلی را حدود ۰.۹ تا ۱.۱ درصد افزایش دهد. او گفته است: «اثر کلان هوش مصنوعی غیرناچیز، اما محدود خواهد بود.» تفاوت این نگاه با برآوردهای چند تریلیون دلاری از آنجا ناشی میشود که همه وظایف از نظر فنی یا اقتصادی قابل خودکارسازی نیستند.
هزینه پیادهسازی، احتمال خطا، نیاز به کنترل انسانی، مسائل حقوقی و مقاومت سازمانی بخشی از بازده نظری فناوری را کاهش میدهد. حتی اگر یک مدل بتواند فعالیتی را انجام دهد، ممکن است استفاده از آن در محیط واقعی به دلیل هزینه بررسی خروجی، خطر افشای داده یا مسئولیت قانونی مقرون به صرفه نباشد.
شواهد محیط کار نشان میدهد سود اصلی به کارکنان کم تجربه میرسد
یکی از مهمترین مطالعات میدانی درباره استفاده از دستیار هوش مصنوعی در مراکز تماس نشان داد که بهرهوری کارکنان به طور متوسط حدود ۱۴ درصد افزایش پیدا کرد. اثر فناوری برای کارکنان کم تجربه و دارای مهارت پایین بسیار بیشتر بود و بهرهوری آنها حدود ۳۵ درصد افزایش یافت. در مقابل، کارکنان باتجربه تغییر محدودی در عملکرد خود مشاهده کردند.
این الگو برای اقتصادهای در حال توسعه اهمیت ویژهای دارد. بسیاری از این کشورها نیروی جوان فراوانی دارند، اما با کمبود تجربه حرفهای و آموزش عملی مواجهاند. ابزار هوشمند میتواند دانش ضمنی کارکنان باتجربه را در اختیار تازه واردان قرار دهد و زمان لازم برای رسیدن به سطح قابل قبول عملکرد را کوتاه کند. چنین اثری میتواند هزینه آموزش بنگاه را کاهش دهد و امکان استخدام افراد بیشتری را فراهم سازد.
در سوی مقابل، همین روند ممکن است ارزش اقتصادی برخی مهارتهای میانی را کاهش دهد. زمانی که کارمند تازه کار با کمک هوش مصنوعی به سطح عملکرد فرد باتجربه نزدیک میشود، مزیت دستمزدی سابقه و دانش متوسط ممکن است محدود شود. بنابراین، فناوری میتواند هم فاصله بهرهوری را کاهش دهد و هم ساختار دستمزد را تغییر دهد.
بررسیهای صندوق بینالمللی پول درباره آگهیهای شغلی نشان میدهد تقریباً یک مورد از هر ۱۰ آگهی در اقتصادهای پیشرفته به مهارت جدید نیاز دارد. این سهم در اقتصادهای نوظهور تقریباً نصف است. در آمریکا و بریتانیا، مهارتهای جدید با حدود ۳ تا ۳.۴ درصد دستمزد پیشنهادی بالاتر همراه بودهاند.
افزایش یک واحد درصدی سهم آگهیهای نیازمند مهارت جدید در برخی بازارهای محلی آمریکا با رشد حدود ۲.۳ درصدی دستمزد و ۱.۳ درصدی اشتغال همراه بوده است. اما در مناطقی که تقاضا برای مهارتهای هوش مصنوعی سریعتر افزایش یافت، اشتغال در مشاغلی که در معرض فناوری بودند و قابلیت تکمیل شدن توسط آن را نداشتند، پنج سال بعد حدود ۳.۶ درصد کمتر بود.
این یافته، مرز میان مکمل بودن و جایگزین شدن را روشن میکند. مشاغلی که تصمیمگیری انسانی، ارتباط، خلاقیت و مسئولیت حرفهای را با توان پردازش فناوری ترکیب میکنند، معمولاً از افزایش تقاضا بهره میبرند. مشاغلی که مجموعهای از وظایف تکراری و قابل استانداردسازی دارند، بیشتر در معرض کاهش اشتغال قرار میگیرند.
بازار کار جهانی نیز تحت تأثیر چند روند هم زمان قرار دارد. مجمع جهانی اقتصاد برآورد کرده است که مجموعه تحولات فناوری، جمعیتی، اقتصادی و زیست محیطی تا پایان دهه جاری حدود ۱۷۰ میلیون شغل ایجاد و ۹۲ میلیون شغل را جابهجا یا حذف میکند. خالص تغییر اشتغال حدود ۷۸ میلیون شغل مثبت خواهد بود. این رقم فقط مربوط به هوش مصنوعی نیست و همه نیروهای تحول آفرین بازار کار را شامل میشود.
در همان ارزیابی، هوش مصنوعی و فناوری پردازش اطلاعات به طور مشخص میتوانند حدود ۱۱ میلیون شغل ایجاد و ۹ میلیون شغل را جابهجا کنند. حدود ۴۰ درصد کارفرمایان گفتهاند در قسمتهایی که فناوری وظایف را خودکار میکند، احتمال کاهش نیروی انسانی وجود دارد. در مقابل، ۸۵ درصد کارفرمایان ارتقای مهارت کارکنان را در اولویت قرار دادهاند و ۸۶ درصد انتظار دارند هوش مصنوعی ساختار کسب و کار آنها را متحول کند.
جانین برگ، اقتصاددان ارشد سازمان بینالمللی کار، گفته است: «گم شدن در هیاهوی هوش مصنوعی آسان است.» از دید او، تصمیم مدیران و سیاستگذاران درباره شیوه استفاده از فناوری به اندازه ظرفیت فنی آن اهمیت دارد. یک سامانه میتواند برای کاهش فشار کاری، افزایش کیفیت یا حذف نیروی انسانی به کار گرفته شود و هر انتخاب، نتیجه متفاوتی برای اشتغال و توزیع درآمد ایجاد میکند.
آجای بانگا، رئیس بانک جهانی، نیز هوش مصنوعی را «فرصتی عظیم برای بازارهای نوظهور» توصیف کرده است. او هشدار داده که در یک دوره ۱۰ تا ۱۵ ساله، حدود ۱.۲ میلیارد جوان در کشورهای در حال توسعه وارد سن کار میشوند، در حالی که براساس روند موجود تنها حدود ۴۰۰ میلیون فرصت شغلی ایجاد خواهد شد. این فاصله ۸۰۰ میلیونی نشان میدهد که افزایش بهرهوری بدون توسعه بازارهای جدید و رشد بنگاهها برای پاسخ به نیاز اشتغال کافی نیست.
شکاف زیرساخت و تمرکز قدرت؛ چه کسی ارزش اقتصادی هوش مصنوعی را تصاحب میکند؟
سرعت استفاده از هوش مصنوعی در کشورهای در حال توسعه بسیار بیشتر از سرعت ورود فناوریهای عمومی پیشین بوده است. نفوذ موتور بخار به کشورهای کم درآمد نزدیک به ۸۰ سال، برق حدود ۴۰ سال و اینترنت تقریباً ۲۰ سال زمان برد. در مقابل، کشورهای با درآمد متوسط ظرف حدود شش ماه نزدیک به نیمی از ترافیک جهانی چت جی پی تی را به خود اختصاص دادند.
تا میانه دوره مورد بررسی بانک جهانی، بیش از ۴۰ درصد ترافیک جهانی این ابزار از کشورهای با درآمد متوسط تأمین میشد و کشورهایی مانند برزیل، هند، اندونزی و ویتنام در میان بازارهای مهم قرار داشتند. تقاضای شغلی مرتبط با هوش مصنوعی مولد نیز در یک دوره سه ساله حدود ۹ برابر شد و تقریباً یک مورد از هر پنج شغل مرتبط با این فناوری در کشورهای با درآمد متوسط قرار داشت.
در پیمایشهای بنگاهی، نزدیک به یک پنجم شرکتهای دارای بیش از پنج کارمند در کشورهایی مانند هند، اردن، کنیا، مکزیک، نیجریه و تایلند اعلام کردهاند که از چت باتهای هوش مصنوعی استفاده میکنند. سهم مشابه در آمریکا حدود یک سوم بوده است. فاصله پذیرش در سطح مصرف چندان بزرگ نیست، اما فاصله در مالکیت مدلها، سرمایه و مراکز داده بسیار عمیق باقی مانده است.
مصرف جهانی شده، اما مالکیت فناوری همچنان متمرکز است
اقتصادهای پردرآمد حدود ۸۷ درصد مدلهای شاخص هوش مصنوعی را تولید کردهاند، نزدیک به ۸۶ درصد استارتاپهای این حوزه را در خود جای دادهاند و حدود ۹۱ درصد سرمایهگذاری خطرپذیر هوش مصنوعی را جذب کردهاند. این کشورها در حالی چنین سهمی دارند که تنها نزدیک به ۱۷ درصد جمعیت جهان در آنها زندگی میکند.
تمرکز در ظرفیت مراکز داده نیز قابل توجه است. کشورهای پردرآمد حدود ۷۷ درصد ظرفیت جهانی مراکز داده را در اختیار دارند. سهم کشورهای با درآمد متوسط رو به بالا نزدیک به ۱۸ درصد، کشورهای با درآمد متوسط رو به پایین حدود ۵ درصد و کشورهای کم درآمد کمتر از ۰.۱ درصد است. در نتیجه، بخش بزرگی از پردازش، درآمد خدمات ابری و ارزش افزوده زیرساختی در تعداد محدودی از اقتصادها باقی میماند.
گزارش شاخص هوش مصنوعی دانشگاه استنفورد نشان میدهد سرمایهگذاری خصوصی آمریکا در تازهترین دوره آماری به حدود ۲۸۵.۹ میلیارد دلار رسیده است. سرمایهگذاری چین در همان دوره نزدیک به ۱۲.۴ میلیارد دلار بود. به این ترتیب، سرمایهگذاری آمریکا بیش از ۲۳ برابر چین گزارش شده است. مجموع سرمایهگذاری شرکتی جهان در هوش مصنوعی نیز حدود ۵۸۱.۷ میلیارد دلار برآورد شده است.
در آمریکا حدود ۱۹۵۳ شرکت هوش مصنوعی برای نخستین بار تأمین مالی شدند؛ رقمی بیش از ۱۰ برابر نزدیکترین کشور بعدی. چنین تمرکزی فقط به معنای برتری فناوری نیست. سرمایهگذاری خطرپذیر، جذب استعداد، دسترسی به تراشه، قراردادهای ابری و مالکیت داده در یک چرخه یکدیگر را تقویت میکنند و ورود رقبای جدید را دشوارتر میسازند.
آنکتاد برآورد کرده است که ارزش بازار جهانی هوش مصنوعی میتواند از حدود ۱۸۹ میلیارد دلار در نقطه شروع محاسبه به ۴.۸ تریلیون دلار در افق ده ساله برسد. این نهاد همچنین گزارش کرده است که ۱۰۰ شرکت بزرگ جهان حدود ۴۰ درصد کل هزینه تحقیق و توسعه بنگاهها را در اختیار دارند. به جز شرکتهای چینی، هیچ شرکت متعلق به یک کشور در حال توسعه در میان این گروه دیده نمیشود.
آمریکا و چین در مجموع حدود یک سوم مقالات علمی و نزدیک به ۶۰ درصد ثبت اختراعهای هوش مصنوعی را در اختیار دارند. در چنین شرایطی، کشورهای در حال توسعه ممکن است به مصرف کنندگان گسترده فناوری تبدیل شوند، اما سهم محدودی از درآمد مالکیت فکری، خدمات ابری، تراشه، مدلهای پایه و ابزارهای توسعه دریافت کنند.
ربکا گرینسپن، دبیرکل آنکتاد، درباره این مسئله گفته است: «پیشرفت فناوری رشد را تقویت میکند، اما توزیع عادلانه درآمد را تضمین نمیکند.» افزایش تولید کل اقتصاد میتواند هم زمان با افزایش سهم سرمایه، تمرکز بازار و کاهش قدرت چانه زنی نیروی کار رخ دهد. به همین دلیل، اندازه بازار هوش مصنوعی به تنهایی معیار مناسبی برای سنجش توسعه نیست.
وابستگی به مدلها و زیرساخت خارجی، کشورها را در برابر تغییر قیمت، محدودیت دسترسی، تحریم، انتقال دشوار داده و تغییر یک جانبه شرایط خدمات آسیب پذیر میکند. مدلهایی که عمدتاً با دادههای انگلیسی یا چینی آموزش دیدهاند ممکن است زبان، فرهنگ، قوانین و مسائل محلی را با دقت کافی پوشش ندهند. خطای مدل در یک تبلیغ تجاری شاید هزینه محدودی داشته باشد، اما در خدمات پزشکی، مالی یا قضایی میتواند پیامد جدی ایجاد کند.
بانک جهانی راهکار را در ساخت فوری یک زنجیره تأمین کاملاً مستقل نمیبیند. رقابت مستقیم با آمریکا و چین برای ساخت تراشههای پیشرفته، مراکز داده عظیم و مدلهای مرزی به سرمایهای نیاز دارد که بسیاری از کشورها در اختیار ندارند. مسیر عملیتر، استفاده از چند عرضه کننده، ایجاد امکان جابهجایی میان خدمات ابری، ذخیره استاندارد داده و جلوگیری از قفل شدن سازمانها در فناوری یک شرکت است.
برق، اینترنت و مهارت تعیین میکنند فرصت توسعه به شکاف تازه تبدیل شود یا نه
دسترسی به اینترنت هنوز به شکل نابرابر توزیع شده است. حدود ۹۴ درصد جمعیت کشورهای پردرآمد از اینترنت استفاده میکنند، در حالی که این سهم در کشورهای کم درآمد نزدیک به ۲۳ درصد است. حدود ۹۶ درصد افرادی که هنوز به اینترنت متصل نیستند در کشورهای کم درآمد و با درآمد متوسط زندگی میکنند.
شکاف جنسیتی و جغرافیایی نیز ادامه دارد. نرخ استفاده مردان از اینترنت حدود ۷۷ درصد و زنان نزدیک به ۷۱ درصد است. سهم اتصال در مناطق شهری به ۸۵ درصد میرسد، اما در مناطق روستایی حدود ۵۸ درصد است. در کشورهای کم درآمد، تنها نزدیک به ۱۴ درصد جمعیت روستایی به اینترنت دسترسی دارند.
حتی در مناطقی که پوشش فنی وجود دارد، هزینه استفاده مانع بزرگی است. در ۹ کشور از هر ۱۰ کشور کم درآمد، قیمت پنج گیگابایت اینترنت همراه بیش از ۱۰ درصد درآمد متوسط ماهانه است. برای ۴۰ درصد فقیرتر جمعیت این کشورها، همین بسته ممکن است نزدیک به ۲۰ درصد درآمد سرانه را مصرف کند. فناوری رایگان روی کاغذ، در شرایطی که هزینه اتصال بالاست، برای همه قابل استفاده نیست.
شکاف مهارتی از شکاف اتصال نیز عمیقتر است. کمتر از ۵ درصد جمعیت کشورهای کم درآمد از مهارتهای پایه دیجیتال برخوردارند، در حالی که این نسبت در کشورهای پردرآمد حدود ۶۶ درصد است. پایین بودن سهم مشاغل قابل خودکارسازی در اقتصادهای فقیر از این زاویه فقط یک امتیاز نیست؛ ممکن است نشانه دیجیتالی نبودن فعالیتها و ناتوانی در بهرهگیری از سود فناوری باشد.
تولید و پردازش هوش مصنوعی به انرژی نیز وابسته است. آژانس بینالمللی انرژی پیشبینی کرده است مصرف برق مراکز داده جهان تا پایان دهه جاری به حدود ۹۴۵ تا ۹۵۰ تراوات ساعت برسد؛ رقمی نزدیک به مصرف برق سالانه ژاپن و تقریباً دو برابر سطح فعلی. فاتح بیرول، مدیر اجرایی آژانس بینالمللی انرژی، این رابطه را صریح بیان کرده است: «بدون انرژی، هوش مصنوعی وجود ندارد.»
مصرف برق سرانه مراکز داده در آفریقا کمتر از یک کیلووات ساعت گزارش شده، در حالی که این رقم در آمریکا حدود ۵۴۰ کیلووات ساعت است. این فاصله نشان میدهد بسیاری از اقتصادهای فقیر نمیتوانند الگوی ساخت مراکز داده عظیم را تکرار کنند. استفاده از مدلهای کوچکتر، پردازش ابری رقابتی، سامانههای آفلاین و خدمات صوتی برای تلفنهای معمولی، با واقعیت اقتصادی این کشورها سازگارتر است.
این خدمات باید با سطح سواد و امکانات مردم تطبیق داده شوند. فردی که توان خرید تلفن هوشمند ندارد یا خواندن و نوشتن برای او دشوار است، میتواند از طریق تماس صوتی یا پیام کوتاه به خدمات کشاورزی، سلامت و اداری دسترسی پیدا کند. طراحی فناوری برای مصرف کننده برخوردار شهری، بخش بزرگی از جامعه هدف کشورهای در حال توسعه را کنار میگذارد.
مخاطره دیگر، آسیب به اقتصادهایی است که رشد خدمات خود را بر برون سپاری بنا کردهاند. مراکز تماس، ورود داده، حسابداری مقدماتی، پشتیبانی مشتریان، تولید محتوای ساده، خدمات حقوقی استاندارد و برنامهنویسی سطح ابتدایی از نخستین حوزههایی هستند که با فشار خودکارسازی روبهرو میشوند. هوش مصنوعی میتواند هزینه انجام این خدمات را در کشورهای سفارش دهنده کاهش دهد و بخشی از مزیت دستمزد پایین کشورهای صادرکننده خدمات را از بین ببرد.
این تغییر فقط تعداد شغل را کاهش نمیدهد، بلکه ممکن است مسیر ورود جوانان به طبقه متوسط را نیز محدود کند. بسیاری از کارکنان از طریق وظایف ابتدایی وارد شرکت میشوند، تجربه به دست میآورند و به موقعیتهای تخصصیتر میرسند. حذف وظایف ساده میتواند نخستین پله نردبان شغلی را از میان بردارد، حتی اگر تعداد کل مشاغل در سطح اقتصاد کاهش چشمگیری نداشته باشد.
هوش مصنوعی همچنین میتواند بازده سرمایه را سریعتر از دستمزد نیروی کار افزایش دهد. کارکنانی که مهارت استفاده مکمل از فناوری دارند احتمالاً درآمد بیشتری به دست میآورند، در حالی که تقاضا برای برخی وظایف استاندارد کاهش پیدا میکند. شرکتهای بزرگ نیز به دلیل برخورداری از داده، سرمایه و نیروی متخصص، سریعتر از بنگاههای کوچک بهرهوری خود را افزایش میدهند.
سیاستگذاری اقتصادی در این حوزه فقط به تنظیم مدلها یا تدوین اصول اخلاقی محدود نمیشود. سرمایهگذاری در شبکه برق، اینترنت ارزان، آموزش مهارتهای پایه، تولید دادههای محلی، توسعه محتوای زبان بومی، حمایت از رقابت و بازآموزی نیروی کار، اجزای یک سیاست واحد هستند. حذف هر کدام از این عناصر میتواند بازده سایر سرمایهگذاریها را کاهش دهد.
کشورهای در حال توسعه برای کسب سهم بیشتر از زنجیره ارزش هوش مصنوعی به جای تقلید کامل از اقتصادهای پیشرفته، میتوانند روی مسئلههای محلی تمرکز کنند. سامانه پیشبینی آفت، ابزار تشخیص بیماری، دستیار آموزشی، مدیریت مصرف آب، کشف فرار مالیاتی یا ساده سازی خدمات قضایی ممکن است ارزش اقتصادی بیشتری از ساخت یک مدل عمومی پرهزینه ایجاد کند.
نحوه توزیع سود نیز به اندازه میزان رشد اهمیت دارد. اگر افزایش بهرهوری فقط به کاهش نیروی انسانی و رشد سود شرکتها منجر شود، اثر آن بر تقاضای داخلی و رفاه خانوار محدود خواهد بود. اگر بخشی از سود برای آموزش، کاهش ساعات کار، توسعه خدمات عمومی و افزایش دستمزد کارکنان استفاده شود، هوش مصنوعی میتواند به گسترش ظرفیت تولید و تقویت بازار مصرف کمک کند.
اقتصادهای در حال توسعه در برابر یک انتخاب ساده میان پذیرش یا رد هوش مصنوعی قرار ندارند. مسئله اصلی، شکل پذیرش است. استفاده وابسته، بدون داده محلی و بدون امکان تغییر عرضه کننده، میتواند استقلال فناوری را کاهش دهد. پذیرش هدفمند، رقابتی و متناسب با نیازهای داخلی میتواند هزینه دسترسی به دانش را پایین بیاورد و کمبود نیروی متخصص را تا اندازهای جبران کند.
فرصت اقتصادی هوش مصنوعی در این کشورها بیش از هر چیز در گسترش توان انسان دیده میشود. پرستاری که تشخیص اولیه دقیقتری انجام میدهد، معلمی که محتوای متناسبتری ارائه میکند، کشاورزی که تصمیم کم خطرتری میگیرد و کارمند جوانی که سریعتر مهارت میآموزد، نمونههای واقعی این ظرفیت هستند. ارزش این فناوری زمانی آشکار میشود که ابزار هوشمند به جای جایگزینی صرف نیروی کار، محدودیت مهارت و دسترسی را کاهش دهد.
