رویاهای ماشینی
کارفرمایان برای هوش مصنوعی آماده نیستند
برای درک تاثیر احتمالی هوش مصنوعی بر اقتصاد به داستان تراکتور نگاه کنید. تاریخ‌نگاران درباره مخترع این دستگاه اتفاق نظر ندارند. برخی آن را به ریچارد ترویتیک، مهندس بریتانیایی در سال 1812 منتسب می‌کنند و برخی دیگر جان فولیچ را که در اوایل دهه 1890 در داکوتای جنوبی کار می‌کرد سازنده آن می‌دانند. با وجود این بعضی هم به این نکته اشاره می‌کنند که تا اوایل قرن بیستم کسی از کلمه تراکتور استفاده نمی‌کرد. اما همه بر این عقیده‌اند که مدت زمان زیادی طول کشید تا تراکتور بتواند تاثیر خود را نشان دهد. در سال 1920 فقط چهار درصد از مزارع آمریکا یک تراکتور داشتند. حتی در دهه 1950 هم نیمی از مزارع دارای تراکتور بودند.
این روزها گمانه‌زنی‌های مربوط به تاثیر هوش مصنوعی بر مشاغل، بهره‌وری و کیفیت زندگی داغ شده‌اند. این فناوری شگفت‌آور است ولی تاثیرات اقتصادی آن تا زمانی که میلیون‌ها بنگاه در خارج از مراکزی مانند سیلیکون‌ولی آن را بپذیرند آشکار نخواهد شد. این پذیرش باید چیزی بسیار بیشتر از استفاده گاه‌به‌گاه از روبات گفت‌وگو باشد و سازمان‌دهی مجدد تمام‌عیار کسب‌وکارها و داده‌های داخلی آنها را دربر گیرد. به گفته نانسی استوکی از دانشگاه شیکاگو، «توزیع پیشرفت‌های فناوری به همان اندازه نوآوری برای رشد درازمدت اهمیت دارد».
ژاپن و فرانسه به خوبی اهمیت توزیع را نشان می‌دهند. ژاپن کشوری نوآور است و هر سال بیش از هر کشوری به‌جز کره جنوبی سرانه حق ثبت اختراع دارد. پژوهشگران ژاپنی کد کیوآر (QR)، باتری لیتیوم-یون و چاپ سه‌بعدی را اختراع کردند. اما این کشور نمی‌تواند فناوری‌های جدید را در اقتصادش توزیع کند. توکیو بیشتر از دیگر نقاط ژاپن در تولید سهم دارد. پول نقد هنوز در جریان است. در اواخر دهه 2010 فقط 47 درصد از بنگاه‌های بزرگ برای مدیریت زنجیره‌های عرضه از کامپیوتر استفاده می‌کردند، در حالی که این درصد در نیوزیلند 95 بود. طبق تحلیل‌های ما، ژاپن با توجه به نوآوری‌هایش 40 درصد فقیرتر از آن چیزی است که باید می‌بود.
فرانسه در نقطه مقابل قرار دارد. سابقه این کشور در نوآوری معمولی است اما در توزیع دانش عالی عمل می‌کند. جاسوسان فرانسوی در قرن هجدهم اسرار مهندسی را از نیروی دریایی بریتانیا دزدیدند. لویی رنو در اوایل قرن بیستم با هنری فورد در آمریکا دیدار کرد تا رازهای صنعت خودرو را بیاموزد. به تازگی، متخصصان سابق هوش مصنوعی گوگل و متا شرکت میسترال (Mistral) را در پاریس تاسیس کردند. همچنین فرانسه به خوبی فناوری‌های جدید را از پایتخت به دیگر شهرها انتقال می‌دهد. امروز شکاف بهره‌وری در فرانسه بین یک بنگاه برتر و متوسط کمتر از نصف شکاف آن در بریتانیاست.
طی قرون 19 و 20، کسب‌وکارهای سراسر جهان از سبک فرانسه پیروی کردند و توزیع فناوری‌های جدید سرعت گرفت. دو اقتصاددان به نام‌های دیه‌گو کامین و مارتی مستیری شواهدی دال بر آن پیدا کردند که در 200 سال گذشته تفاوت‌های بین کشورها در زمان پذیرش فناوری‌های جدید کمتر شده است. برق بسیار سریع‌تر از تراکتور در اقتصاد پخش شد. فقط دو دهه طول کشید تا سطح استفاده از کامپیوترهای شخصی در ادارات از مرز 50 درصد بگذرد. سرعت پخش اینترنت از این هم بیشتر بود. در مجموع، توزیع فناوری در قرن بیستم به تسریع رشد بهره‌وری کمک کرد.
اما از اواسط دهه 2000 جهان به سبک ژاپنی گرایش پیدا کرد. مصرف‌کنندگان سریع‌تر از گذشته فناوری‌ها را می‌پذیرند. طبق برآوردها، اپلیکیشن رسانه اجتماعی تیک‌تاک ظرف یک سال از صفر به 100 میلیون کاربر رسید. تا زمان معرفی تردز (Threads) رقیب توئیتر، چت جی‌پی‌تی سریع‌ترین سرعت رشد را در تاریخ داشت. اما بنگاه‌ها روز‌به‌روز محتاط‌تر می‌شوند. در دو دهه گذشته انواع نوآوری‌های شگفت‌آور به بازار آمده‌اند. اما حتی با وجود این، طبق آخرین برآوردهای رسمی در سال 2020، فقط 6 /1 درصد از بنگاه‌های آمریکایی یادگیری ماشینی را پذیرفتند. در بخش تولید آمریکا فقط 7 /6 درصد از شرکت‌ها از چاپ سه‌بعدی استفاده می‌کنند. فقط 25 درصد از جریان کاری کسب‌وکارها در فضای ابری صورت می‌گیرد که این درصد پنج سال تغییری نداشته است.
این داستان‌های ترسناک فراوان‌اند. در سال 2017 یک‌سوم از بانک‌های منطقه‌ای ژاپن هنوز از زبان برنامه‌نویسی کوبل (Cobol) استفاده می‌کردند که یک دهه قبل از فرود انسان بر روی ماه اختراع شده بود. سال گذشته بریتانیا 20 میلیون پوند فلاپی‌دیسک، مینی‌دیسک و نوار کاست صادر کرد. یک‌پنجم بنگاه‌های جهان ثروتمند هنوز وب‌سایت ندارند. دولت‌ها اغلب عقب‌افتاده‌ترین موجودات هستند و به عنوان مثال هنوز بر استفاده از کاغذ اصرار می‌ورزند. ما تخمین می‌زنیم که دیوانسالاری در سراسر جهان هر سال شش میلیارد دلار برای کاغذ و چاپ هزینه می‌کند که بر مبنای واقعی معادل تعداد آن در اواسط دهه 1990 است.
بهترین‌ها و باقی‌مانده‌ها
در نتیجه اقتصادی با دو لایه پدیدار شده است. بنگاه‌هایی که فناوری را می‌پذیرند از عرصه رقابت دور می‌شوند. در سال 2010 یک کارگر معمولی در بهره‌ورترین بنگاه‌های بریتانیا کالا و خدماتی با ارزش 98 هزار پوند (به پول امروز) تولید می‌کرد که تا سال 2018 به 108500 پوند رسید. در بنگاه‌های دارای عملکرد بد هیچ افزایشی از این نوع اتفاق نیفتاد. در کانادا در دهه 1990 رشد بهره‌وری در بنگاه‌های فناورانه 40 درصد بالاتر از دیگر بنگاه‌ها بود. بین سال‌های 2000 تا 2015 فاصله آنها سه برابر شد. کتاب آقای تیم کولر و همکارانش از موسسه مشاورتی مک‌کینزی بنگاه‌های آمریکایی را بر مبنای بازگشت سرمایه‌گذاری آنها رتبه‌بندی می‌کند و به این نتیجه می‌رسد که بازگشت سرمایه بنگاه رتبه هفتاد و پنجم، 20 درصد بیشتر از بنگاه رتبه پنجاهم در سال 2017 بود. این شکاف در مقایسه با سال 2000 دو برابر شده است. برخی بنگاه‌ها از خرید فناوری‌های جدید به سودهای هنگفت رسیده‌اند.
اقتصادها ماهیت انتزاعی دارند اما آثاری که در جهان واقعی مشاهده می‌شوند آشنا هستند. افرادی که در دام فناوری‌های قدیمی گیر کرده‌اند هم به خود و هم به دستمزدهایشان آسیب می‌زنند. میانگین دستمزد در 10 درصد بنگاه‌های دارای کمترین بهره‌وری در بریتانیا از دهه 1990 اندکی کمتر شده (پس از تعدیل با تورم)، در حالی که میانگین دستمزدها در بهترین بنگاه‌ها افزایش چشمگیری داشته است. طبق گزارش ژان دی لوکر و همکاران، «اکثر رشد نابرابری در میان کارگران به تفاوت‌های فزاینده بین میانگین دستمزدهای بنگاه‌ها مربوط می‌شود». بنابراین کجای کار اشتباه بوده است؟
سه دلیل را می‌توان برای ضعف توزیع فناوری برشمرد: ماهیت فناوری‌های جدید، رقابت ضعیف و مقررات روبه‌رشد. رابرت گوردون از دانشگاه نورث وسترن عقیده دارد که اختراعات بزرگ قرون 19و 20 در مقایسه با اختراعات اخیر تاثیر بزرگ‌تری بر بهره‌وری داشته‌اند. مشکل آنجاست که هرچه پیشرفت‌های فناوری به‌طور تصاعدی‌تر افزایش می‌یابد توزیع آنها کندتر می‌شود چون بنگاه‌ها انگیزه کمتری دارند و کمتر در معرض فشارهای رقابتی قرار می‌گیرند تا خود را به‌روز‌رسانی کنند. برق روشنایی و انرژی به راه انداختن دستگاه‌ها را فراهم کرد در مقابل، رایانش ابری فقط برای کاربری‌های پیچیده ضرورت دارد. نوآوری‌های جدیدتر از قبیل یادگیری ماشینی هم به کارگران ماهرتر و مدیریت بهتر نیاز دارند از این‌رو استفاده از آنها دشوارتر است.
در اولین دهه‌های قرن 21 پویایی تجارت در سرتاسر جهان ثروتمند کاهش یافت. جمعیت روبه کهنسالی گذاشت و بنگاه‌های جدید اندکی تاسیس شدند. کارگران به ندرت در میان شرکت‌ها جابه‌جا می‌شدند. این امر به کاهش توزیع فناوری‌ها انجامید، چون وقتی کارگران در اقتصاد جابه‌جا می‌شوند فناوری‌ها و اقدامات تجاری را با خود انتقال می‌دهند.
در صنایعی که تحت مدیریت دولت هستند تحولات فناورانه آهسته‌تر اتفاق می‌افتند. آن‌گونه که جفری دینگ از دانشگاه جرج واشنگتن می‌گوید، در شوروی سابق که برنامه‌ریزی‌ها متمرکز بود نوآوری‌های چشمگیری همانند اسپوتنیک اتفاق می‌افتاد اما خبری از توزیع آن نبود. فقدان فشار رقابتی انگیزه بهبود را از بین می‌برد. سیاستمداران اغلب سیاست‌های عمومی از قبیل به حداکثررسانی اشتغال را دنبال می‌کنند که با کارایی هم‌راستا نیستند. صنایعی که به شدت تحت مقررات هستند این روزها بخش بزرگی از اقتصادهای غرب را تشکیل می‌دهند. این بخش‌ها، همانند ساخت‌وساز، تحصیل، مراقبت‌های پزشکی و تاسیسات آب و برق و گاز یک‌چهارم تولید ناخالص داخلی آمریکا را به خود اختصاص داده‌اند.
آیا هوش مصنوعی می‌تواند این قالب را بشکند و سریع‌تر از دیگر فناوری‌های اخیر در سرتاسر اقتصاد پراکنده شود؟ شاید. تقریباً هر بنگاهی می‌تواند یک مورد کاربری برای آن پیدا کند. به عنوان مثال، هوش مصنوعی ابزاری برای پرداختن به امور مالیاتی اشخاص است و نیاز به کارهای اداری را برطرف می‌کند. کووید 19 نیز اندکی پویایی را به اقتصادهای غربی تزریق کرد. بنگاه‌های جدید سریع‌تر از هر زمان در این دهه تاسیس شدند و کارگران با تناوب بیشتری تغییر شغل می‌دهند. تایلور کوون از دانشگاه جرج میسون اضافه می‌کند که بنگاه‌های ضعیف‌تر انگیزه ویژه‌ای برای پذیرش هوش مصنوعی دارند چون منفعت بیشتری در آن می‌بینند.
همچنین هوش مصنوعی را می‌توان در ابزارهای موجود گنجانید. بسیاری از کدنویس‌ها هر روز از این فناوری استفاده می‌کنند. پردازشگران لغات شامل گوگل داک و مایکروسافت ورد نیز به زودی از ده‌ها ویژگی مبتنی بر هوش مصنوعی رونمایی می‌کنند.
هنوز وقت ضیافت نیست
از سوی دیگر، بزرگ‌ترین منافع اشکال جدید هوش مصنوعی زمانی پدیدار می‌شوند که بنگاه‌ها به‌طور کامل خود را با این فناوری جدید از نو سازمان‌دهی و به عنوان مثال، از الگو‌های هوش مصنوعی برای داده‌های داخلی استفاده کنند. این امر به پول، زمان و از همه مهم‌تر انگیزه رقابتی نیاز دارد. گردآوری داده‌ها خسته‌کننده و بهترین الگو‌ها پرهزینه هستند. یک پرسش پیچیده از تازه‌ترین نسخه چت جی‌پی‌تی یک تا دو دلار خرج برمی‌دارد. اگر در یک ساعت 20 سوال بپرسید هزینه آن از میانه دستمزد ساعتی در آمریکا تجاوز خواهد کرد.
این هزینه‌ها کمتر خواهند شد اما شاید سال‌ها طول بکشد تا فناوری به اندازه کافی ارزان شود تا به کاربری انبوه برسد. مدیرانی که نگران حریم خصوصی و امنیت هستند می‌گویند، تمایلی ندارند که داده‌هایشان را به الگو‌هایی بدهند که در جایی دیگر هستند. نظرسنجی‌ها از کسب‌وکارهای کوچک نیز امیدوارکننده نیستند. نظرسنجی شرکت میزبان وب گو ددی (Go Daddy) بیان می‌کند که حدود 40 درصد از کسب‌وکارهای کوچک آمریکا علاقه‌ای به ابزارهای هوش مصنوعی ندارند. این فناوری بدون تردید انقلابی است اما آیا کسب‌وکارها برای انقلاب آماده‌اند؟
