Γράφει ο Έγκον Γ. Κρόιτσερ
Τα τρέχοντα νέα σχετικά με τις σχεδόν θαυματουργές ικανότητες της Τεχνητής Νοημοσύνης να διεισδύει ανεξάρτητα σε ξένα συστήματα, σε συνδυασμό με την πληροφορία ότι εάν η Τεχνητή Νοημοσύνη έχει μια εργασία, θα δοκιμάσει τα πάντα για να την εκπληρώσει και θα καταφύγει επίσης σε παράτυπες και παράνομες μεθόδους, ακούγονται επικίνδυνα με εντελώς διαφορετικό τρόπο από τους μάλλον συγκρατημένους τόνους με τους οποίους διαφημίζονται οι δυνατότητες της Τεχνητής Νοημοσύνης να αναλάβει την ανθρώπινη εργασία.
Παρόλα αυτά, βλέπω το μεγαλύτερο πρόβλημα στην εισβολή της Τεχνητής Νοημοσύνης στον κόσμο της εργασίας.
Οι «εξάρσεις» της τεχνητής νοημοσύνης από τα περιβάλλοντα δοκιμών μπορούν να προληφθούν ή τουλάχιστον να ελεγχθούν και να τερματιστούν εάν υπάρχουν υποψίες για επιβλαβείς επιπτώσεις. Η πρόσβαση στο Διαδίκτυο, η οποία αποτελεί προϋπόθεση για τέτοιες εξάρσεις, δεν περνάει απαρατήρητη και μπορεί επίσης να ρυθμιστεί. Αντίθετα, η χρήση εγκεκριμένων εφαρμογών στις εγκαταστάσεις του πελάτη έχει ως στόχο να προκαλέσει τις επιβλαβείς επιπτώσεις της «μείωσης του προσωπικού», αν θέλουμε να το πούμε έτσι. Σε αυτήν την περίπτωση, όσο περισσότερες τόσο το καλύτερο!
Ενώ αυτές μπορεί σε μεγάλο βαθμό να είναι θέσεις εργασίας όπως αυτές που βρίσκονται σε κέντρα εξυπηρέτησης και υποστήριξης για την απάντηση σε ερωτήσεις πελατών ή την εκπλήρωση των επιθυμιών τους, ή μπορεί να είναι δραστηριότητες σχεδιασμού που μπορούν να χρησιμοποιηθούν στις διαδικασίες της εταιρείας για τη βελτιστοποίηση των επιπέδων αποθεμάτων ή τις παραδόσεις just-in-time με βάση την παραλαβή παραγγελιών, είναι ήδη δυνατή η σημαντική εξοικονόμηση προσωπικού και κόστους.
Άλλες εφαρμογές που χρησιμοποιούνται στην επιστήμη και την έρευνα για την αξιοποίηση της ταχύτητας της Τεχνητής Νοημοσύνης στην πληροφόρηση ή/και την εύρεση λύσεων, καθώς και εκείνες που χρησιμοποιούνται, για παράδειγμα, σε ιατρικές επεμβάσεις για την ανάλυση διαγνωστικών δεδομένων, απαιτούν πιο σύνθετα μοντέλα και έχουν λιγότερες δυνατότητες εξοικονόμησης, αλλά προσφέρουν πλεονεκτήματα μέσω της ταχείας διαθεσιμότητας των αποτελεσμάτων.
Η Τεχνητή Νοημοσύνη στον στρατιωτικό τομέα είναι ζωτικής σημασίας για τα συστήματα όπλων ακριβείας, στα οποία τα σενάρια απειλής καθορίζουν την αναγνώριση στόχου, την επιλογή αμυντικών όπλων (από «χαζά» κανόνια έως πυραύλους ξηράς, αέρος και θαλάσσης, μη επανδρωμένα αεροσκάφη και πυραύλους κρουζ, μέχρι ολόκληρα πολεμικά πλοία) και τη σειρά εκτόξευσης, η οποία δύσκολα μπορεί να διορθωθεί από τους ανθρώπους στο κέντρο επιχειρήσεων, απλώς και μόνο επειδή οι χρόνοι προειδοποίησης έχουν γίνει πολύ σύντομοι για να αφεθούν οι αποφάσεις στους ανθρώπους.
Ο αντίκτυπος της Τεχνητής Νοημοσύνης στη δημοσιογραφία είναι ήδη σε προχωρημένο στάδιο. Η δημιουργία εικόνων, γραφικών και ολόκληρων βίντεο είναι πλέον απλώς θέμα ασκήσεων με τα δάχτυλα της Τεχνητής Νοημοσύνης, έτσι ώστε να μπορούν να αξιοποιηθούν ξανά σημαντικές δυνατότητες εξοικονόμησης, αν και σε έναν κλάδο με σχετικά μικρό αριθμό εργαζομένων συνολικά.
Η Τεχνητή Νοημοσύνη στη βιομηχανική παραγωγή στοχεύει στον βέλτιστο έλεγχο των διαδικασιών, μπορεί να βοηθήσει τα ρομπότ να επεκτείνουν το εύρος των δραστηριοτήτων τους, μπορεί να ανιχνεύσει δυσλειτουργίες πριν αυτές έχουν αντίκτυπο, κ.λπ., κ.λπ.
Οι εκτιμήσεις για τις αναμενόμενες απώλειες θέσεων εργασίας εξακολουθούν να βασίζονται σε σχετικά μικρούς αριθμούς, αλλά φοβάμαι ότι αυτό είναι παραπλανητικό.
Οι αμφιβολίες μου υποστηρίζονται από έναν απλό επιχειρηματικό κανόνα: οι επενδύσεις πρέπει να αποδίδουν.
Κανείς δεν γνωρίζει πόσα χρήματα έχουν ήδη επενδυθεί στην ανάπτυξη της τεχνητής νοημοσύνης. Το ποσό των 3 τρισεκατομμυρίων δολαρίων αναφέρεται μερικές φορές, αλλά δεν υπάρχει ορατή λύση. Κανείς δεν γνωρίζει πόσα ακόμη χρήματα πρέπει να επενδυθούν πριν οι επενδύσεις αποδώσουν από μόνες τους και αποφέρουν πραγματικά κέρδος.
Το παιχνίδι είναι περίπλοκο και δεν εμπλέκονται πλέον μόνο οι μεγάλες εταιρείες τεχνολογίας. Πλήθος μικρών, ανεξάρτητων εταιρειών εργάζονται για την ανάπτυξη νέων εφαρμογών για την Τεχνητή Νοημοσύνη και, κατά συνέπεια, νέων δυνατοτήτων της.
Ο δρόμος για να επιτύχει το προϊόν την πλήρη αποτελεσματικότητά του είναι ακόμη σχετικά μακρύς.
Αυτό που δημιουργείται στα εργαστήρια πρέπει πρώτα να βρει χρήστες που είναι πρόθυμοι να πληρώσουν τα τέλη αδειοδότησης και αυτοί οι χρήστες πρέπει στη συνέχεια να δημιουργήσουν έσοδα από τα οποία το υπόλοιπο των τελών αδειοδότησης και της εξοικονόμησης κόστους προσωπικού υπόσχεται μια πρόσθετη απόδοση.
Ακόμα και χωρίς να γνωρίζουμε συγκεκριμένα στοιχεία, η αρχή της ανάλυσης οικονομικής αποτελεσματικότητας μπορεί να επεξηγηθεί. Ας κάνουμε τις ακόλουθες υποθέσεις:
Μια κορυφαία εταιρεία τεχνητής νοημοσύνης έχει επενδύσει ένα τρισεκατομμύριο δολάρια στα προϊόντα της, από την έναρξη της ανάπτυξης έως την ετοιμότητά τους για την αγορά, μέσα σε τρία χρόνια. Λόγω του ταχύτατου ρυθμού προόδου, οι επενδύσεις στην τρέχουσα γενιά πρέπει να αποσβεστούν εντός των επόμενων τριών ετών, επειδή μετά από αυτό είτε θα είναι άχρηστες είτε θα δημιουργήσουν μόνο σημαντικά μειωμένα τέλη αδειοδότησης. Επιπλέον, αναμένεται κέρδος προ φόρων ύψους 300 δισεκατομμυρίων ευρώ.
Η πρόκληση, επομένως, είναι να βρεθούν χρήστες των οποίων οι προϋπολογισμοί μπορούν να αποφέρουν 433 δισεκατομμύρια δολάρια ετησίως σε τέλη αδειοδότησης. Ωστόσο, αυτοί οι χρήστες θα απαιτήσουν αρχικά σημαντικές επενδύσεις στην εφαρμογή της Τεχνητής Νοημοσύνης στις επιχειρηματικές τους διαδικασίες, ύψους περίπου 150 δισεκατομμυρίων δολαρίων κατά το πρώτο έτος. Οι αναμενόμενες μειώσεις προσωπικού θα ξεκινήσουν μόνο γύρω στα μέσα του πρώτου έτους και θα τεθούν σε πλήρη ισχύ από το δεύτερο έτος και μετά. Η χρήση της Τεχνητής Νοημοσύνης αναμένεται να οδηγήσει σε εξοικονόμηση κόστους 150 δισεκατομμυρίων δολαρίων κατά την τριετή περίοδο.
Το κόστος ανάπτυξης της Τεχνητής Νοημοσύνης για τους χρήστες θα ανέλθει σε 1,45 τρισεκατομμύρια δολάρια κατά τη διάρκεια αυτών των τριών ετών. Για να μειωθεί το συνολικό κόστος κατά 150 δισεκατομμύρια δολάρια, πρέπει να εξοικονομηθούν 1,6 τρισεκατομμύρια δολάρια σε κόστος προσωπικού, συγκεκριμένα 0,8 τρισεκατομμύρια δολάρια σε καθένα από τα έτη 2 και 3.
Υποθέτοντας ένα μέσο ετήσιο εισόδημα 80.000 δολαρίων για τους εργαζόμενους που θα απολυθούν, αυτό έχει ως αποτέλεσμα:
800.000,000,000: 80,000= 10 εκατομμύρια
Φυσικά, οι υποθέσεις που γίνονται εδώ θα πρέπει να αντιμετωπίζονται με προσοχή. Ωστόσο, θεωρώ ότι η ετήσια εξοικονόμηση κόστους προσωπικού ύψους 800 δισεκατομμυρίων ευρώ ανά τρισεκατομμύριο ευρώ κόστους ανάπτυξης αποτελεί ένα ποσό που θα πρέπει να βρίσκεται κάπου στη μέση αυτού που μπορεί ρεαλιστικά να υποτεθεί.
Αντίθετα, ο αριθμός των εργαζομένων στις ανεπτυγμένες χώρες του δυτικού κόσμου, συμπεριλαμβανομένης της ΕΕ, του Ηνωμένου Βασιλείου, των ΗΠΑ, του Καναδά και του Μεξικού, είναι περίπου 400 εκατομμύρια.
Εάν τα αναφερόμενα 3 εκατομμύρια σε επενδύσεις από εταιρείες ανάπτυξης αποδειχθούν ακριβή, ο αριθμός των εργαζομένων θα πρέπει να μειωθεί από 400 εκατομμύρια σε 370 εκατομμύρια. Αυτό αντιστοιχεί μόνο στο 7,5%.
Κακό ή όχι, Αυτό είναι το Ερώτημα.
Αν εφαρμόσουμε αυτό το 7,5% στη Γερμανία, τότε μιλάμε για 3 εκατομμύρια θέσεις εργασίας που αντικαθίστανται από την Τεχνητή Νοημοσύνη. Αυτό σημαίνει: καθαρή απώλεια αγοραστικής δύναμης 155 δισεκατομμυρίων ευρώ (ακαθάριστα 240 δισεκατομμύρια ευρώ), η οποία δεν μπορεί να αντισταθμιστεί από 45 δισεκατομμύρια ευρώ σε βασική εισοδηματική στήριξη, 40 δισεκατομμύρια ευρώ σε μειωμένα φορολογικά έσοδα, 90 δισεκατομμύρια ευρώ σε μειωμένα έσοδα κοινωνικής ασφάλισης και 45 δισεκατομμύρια ευρώ σε πρόσθετες δαπάνες για βασική εισοδηματική στήριξη, συμπεριλαμβανομένων των μη εργαζόμενων μελών οικογενειών/νοικοκυριών που λαμβάνουν επιδόματα.
Από Αυτή την Οπτική Γωνία, κάποιος Τείνει να Υπερεκτιμά τη Σοβαρότητα και όχι την ίδια τη Σοβαρότητα.
Αλλά αυτή είναι μόνο η αρχή.
Η Τεχνητή Νοημοσύνη δεν μπορεί να σταματήσει την θριαμβευτική της πορεία. Το επόμενο βήμα είναι η κατάκτηση της ρομποτικής. Τα ρομπότ που είναι στατικά στερεωμένα στις θέσεις τους στις γραμμές συναρμολόγησης, εκτελώντας τις προγραμματιζόμενες εργασίες τους, θα παραμείνουν για κάποιο χρονικό διάστημα, αλλά τα ανθρωποειδή ρομπότ των οποίων η Τεχνητή Νοημοσύνη τους επιτρέπει να επιλέγουν τη δική τους εργασία – όπως η αναπλήρωση των ραφιών των σούπερ μάρκετ, η παροχή συμβουλών σε πελάτες σε καταστήματα επίπλων και DIY, το σερβίρισμα φαγητού και ποτών σε εστιατόρια ή η εκτέλεση όλων των συνηθισμένων εργασιών σε ένα επάγγελμα κατόπιν εντολής, είτε πρόκειται για εγκατάσταση σωλήνων (ηλεκτρικού, νερού, αποχέτευσης) σε νέα κτίρια σύμφωνα με ψηφιακά δημιουργημένα σχέδια, είτε για τοποθέτηση δαπέδων, βαφή τοίχων, εγκατάσταση εντοιχισμένων κουζινών κ.λπ. – θα ηγηθούν της επόμενης επίθεσης στις υπόλοιπες εργασίες. Αυτές περιλαμβάνουν ρομπότ που συναρμολογούν και θέτουν σε λειτουργία μεγάλες συσκευές που παραγγέλνονται online και παραδίδονται από αυτόνομα φορτηγά.
Το φαινόμενο της ορθολογικοποίησης είναι πιθανό να φτάσει ξανά στην ίδια τάξη μεγέθους.
Κάθε εταιρεία αναμένει αυξανόμενα κέρδη όταν σχεδιάζει να εφαρμόσει την Τεχνητή Νοημοσύνη.
Ωστόσο, από οικονομικής άποψης, αυτό θα προκαλέσει απόλυτη κατάρρευση.
Το κράτος από μόνο του, το οποίο χρηματοδοτεί σημαντικά μέρη των καθηκόντων του μέσω φόρων και εισφορών, δεν μπορεί να αντεπεξέλθει σε 5 ή 6 εκατομμύρια δικαιούχους βασικού εισοδήματος. Πώς υποτίθεται ότι θα εξασφαλίσει διπλάσιο αριθμό όταν χάνονται ταυτόχρονα δισεκατομμύρια σε φόρους (εισοδήματος και ΦΠΑ) και εισφορές κοινωνικής ασφάλισης;
Στον τομέα του λιανικού εμπορίου, η απώλεια αγοραστικής δύναμης σε πολλά τμήματα υψηλότερης αξίας θα δημιουργήσει γιγάντια κενά – και η οικονομία, η οποία πρόσφατα έγινε πιο κερδοφόρα λόγω της Τεχνητής Νοημοσύνης, θα βιώσει την ταχεία κατάρρευση πολλών εταιρειών επειδή οι απαραίτητες πωλήσεις δεν μπορούν πλέον να παραχθούν.
Ούτε ο φόρος επί των μηχανημάτων αποτελεί λύση.
Εάν το πρόσθετο κέρδος ανά τρισεκατομμύριο ευρώ επένδυσης για τους χρήστες ανέρχεται μόνο σε 150 δισεκατομμύρια, αλλά οι ακαθάριστες απώλειες αγοραστικής δύναμης ύψους 240 δισεκατομμυρίων πρέπει να αντισταθμιστούν, τότε ολόκληρο το σχέδιο απλά δεν αθροίζεται. Ένας φόρος στα μηχανήματα θα κατέστρεφε την κερδοφορία των επενδύσεων και μάλιστα θα μείωνε τις τρέχουσες προσδοκίες κέρδους.
Συνοψίζοντας:
■ Η κερδοφορία μιας επένδυσης στην Τεχνητή Νοημοσύνη προκύπτει από το γεγονός ότι η μείωση του κόστους προσωπικού εξοικονομεί μεγαλύτερο ποσό από το πρόσθετο κόστος Τεχνητής Νοημοσύνης που προκύπτει. (Μείωση κόστους προσωπικού = κόστος Τεχνητής Νοημοσύνης + πρόσθετο κέρδος)
■ Η μείωση του κόστους προσωπικού προκαλεί μείωση της αγοραστικής δύναμης για τους καταναλωτές και το κράτος. Το βιοτικό επίπεδο μειώνεται.
■ Η μείωση της αγοραστικής δύναμης οδηγεί σε μείωση των πωλήσεων και δυσανάλογα μειωμένα κέρδη.
■ Η μείωση των κερδών δυσχεραίνει την απόσβεση της επένδυσης και οδηγεί σε αδίστακτο ανταγωνισμό.
■ Η Τεχνητή Νοημοσύνη καταστρέφει τα οικονομικά τους μέσα διαβίωσης.
Ο Χένρι Φορντ γνώριζε ήδη ότι τα αυτοκίνητα δεν αγοράζουν αυτοκίνητα.
Σήμερα γνωρίζουμε ότι οι Κινέζοι δεν αγοράζουν πλέον ευρωπαϊκά αυτοκίνητα.
Το επιχειρηματικό μοντέλο της αντιστάθμισης της έλλειψης εγχώριας αγοραστικής δύναμης μέσω εξαγωγών αντιμετωπίζει αυξανόμενες δυσκολίες.
Ενώ οι οικονομικοί εμπειρογνώμονες προβλέπουν τεράστιες αλλαγές στην αγορά εργασίας, παραμένουν αισιόδοξοι στο βαθμό που πιστεύουν ότι η Τεχνητή Νοημοσύνη μπορεί να βοηθήσει στην αντιστάθμιση των δημογραφικών μεταβολών και της επακόλουθης επιδείνωσης της έλλειψης εξειδικευμένου εργατικού δυναμικού, επιτρέποντας έτσι την ανάπτυξη παρά τη μείωση της απασχόλησης. Το σημείο που έθεσα εδώ – δηλαδή, η απώλεια αγοραστικής δύναμης όπου η Τεχνητή Νοημοσύνη αντικαθιστά την ανθρώπινη εργασία, και επομένως τους μισθούς και τα ημερομίσθια, με κεφαλαιακές επενδύσεις, συντελεστές απόσβεσης και αποδόσεις κεφαλαίου στις εγχώριες και εξαγωγικές αγορές του Δυτικού κόσμου – φαίνεται να αγνοείται σε μεγάλο βαθμό. Αυτό πιθανότατα οφείλεται στο γεγονός ότι το πρόβλημα έχει εξεταστεί από την οπτική γωνία της αγοράς εργασίας και των δημογραφικών στοιχείων. Αυτή η οπτική υποδηλώνει ότι η έλλειψη εξειδικευμένου εργατικού δυναμικού μπορεί να αντισταθμιστεί από την Τεχνητή Νοημοσύνη, αλλά παραβλέπει τις μετατοπίσεις μεταξύ των συντελεστών παραγωγής της εργασίας και του κεφαλαίου και τις συνέπειές τους για το εισόδημα και την αγοραστική δύναμη.
Για όσους θέλουν να εμβαθύνουν στα τρέχοντα δεδομένα και προβλέψεις σχετικά με την αγορά εργασίας, λαμβάνοντας υπόψη τη χρήση της Τεχνητής Νοημοσύνης, το «Wirtschaftsdienst – Zeitschrift für Wirtschaftspolitik» προσφέρει μια ενδιαφέρουσα συλλογή των υποθέσεων κορυφαίων οικονομολόγων, που δημοσιεύτηκε το 2025.
