Spartus dirbtinio intelekto (DI) augimas keičia gamybos sistemas ir kelia esminį susirūpinimą dėl darbo ateities (pvz., Korinek ir Stiglitz 2019, Webb 2019, Prytkova ir kt., 2024). Ar dirbtinis intelektas daugiausia rems žmogaus darbą ar padarys jį nereikalingu? Kas gaus šios pertvarkos naudą – darbuotojai ar kapitalo savininkai? O kam iš darbuotojų seksis santykinai geriau – daugiau ar mažiau kvalifikuotiems?
Nors šie klausimai dominuoja daugelyje viešųjų diskusijų apie AI, tvirtų empirinių įrodymų vis dar yra nedaug. Neseniai paskelbtame straipsnyje (Minniti ir kt., 2025) siūlome naujų įžvalgų apie tai, kaip su dirbtiniu intelektu susijusios naujovės daro įtaką pajamų pasiskirstymui tarp darbo ir kapitalo bei tarp skirtingų darbo įgūdžių klasių Europos regionuose.
Rezultatai rodo, kad regionuose, kuriuose dirbtinio intelekto patentavimas intensyvesnis, darbo pajamų dalis paprastai mažėja, ypač stiprios pramonės bazės srityse. Šis modelis rodo, kad dirbtinis intelektas veikia kaip į kapitalą orientuota naujovė, vis labiau perkeldama grąžą iš technologinės pažangos į kapitalą.
Jei ši tendencija nebus sprendžiama taikant tikslinę politiką, ji gali padidinti esamą nelygybę ir sukelti ilgalaikių iššūkių socialinei sanglaudai išsivysčiusiose ekonomikose.
AI naujovės, įgūdžiai ir kintantis pajamų paskirstymas
Nagrinėjame ryšį tarp dirbtinio intelekto skatinamų inovacijų ir darbo jėgos dalies, naudodami duomenis iš 238 regionų 21 Europos šalyje, apimančius 2000–2017 m. Šis regioninis objektyvas yra būtinas, nes pramonės struktūros, išsilavinimo ir vietos inovacijų dinamikos skirtumai stipriai įtakoja technologinių pokyčių poveikį.
DI inovacijas vertiname naudodami naujai sukurtą su AI susijusių patentų duomenų rinkinį, įskaitant tokias technologijas kaip mašininis mokymasis, natūralios kalbos apdorojimas, vaizdo apdorojimo metodai ir pan. Šie duomenys yra susieti su išsamiais regioniniais užimtumo, darbo užmokesčio ir pridėtinės vertės rodikliais, suskirstytais pagal įgūdžių lygį.
Išvados atskleidžia tvirtą ir statistiškai reikšmingą neigiamą ryšį tarp AI patentavimo intensyvumo ir darbo pajamų dalies. DI patentų intensyvumo padvigubėjimas yra susijęs su 0,5–1,6 procentinio punkto sumažėjimu darbo jėgos dalimi. 1 paveikslas iliustruoja šią raidą, pavaizduodamas dirbtinio intelekto intensyvumą Europos regionuose (kairysis skydelis) ir bendrą darbo jėgos dalies pokytį 2000–2017 m. (dešinysis skydelis). Regionuose, kuriuose dirbtinio intelekto intensyvumas didesnis, darbo pajamų dalis per visą laikotarpį mažėjo.
1 pav
Pastaba: kairėje diagramos pusėje pateikiamas regioninis AI patentavimo intensyvumas, apibrėžiamas kaip technologiškai atskleistas lyginamasis pranašumas, apskaičiuotas kaip vidutinis dirbtinio intelekto patentų skaičius, palyginti su kitų patentų, pateiktų regione 2000–2017 m., skaičius. Tada gauta vertė išreiškiama kaip santykis su tuo pačiu matu kituose regionuose. Jei indeksas didesnis nei 1, regionas specializuojasi dirbtinio intelekto patentavime. Dešinėje pusėje parodytas suminis darbo jėgos dalies pokytis 2000–2017 m., išreikštas procentiniais punktais.
Svarbiausia, kad darbo jėgos dalies mažėjimas nėra vienodas visoje darbo jėgoje. Pastebime, kad vidutinės ir aukštos kvalifikacijos darbuotojų pajamų dalis labiausiai mažėja, visų pirma dėl darbo užmokesčio mažinimo, o ne dėl užimtumo pokyčių. Priešingai, žemos kvalifikacijos darbuotojų darbo dalis mažėja mažiau – daugiausia dėl nedidelio užimtumo augimo šiame segmente, kuris iš dalies kompensuoja sustingusį arba mažėjantį atlyginimą. Šie modeliai rodo, kad dirbtinis intelektas pertvarko darbo rinką ne tik tarp darbo ir kapitalo, bet ir darbo viduje, perskirstydamas grąžą tarp įgūdžių grupių (taip pat žr. Bloom ir kt. 2024 ir 2025 m. teorinę sistemą, kuri atitinka šiuos rezultatus).
Svarbu tai, kad mes nepastebime proporcingo darbo našumo padidėjimo, kuris galėtų kompensuoti šiuos paskirstymo pokyčius. Šiame kontekste dirbtinis intelektas ne tik padidina efektyvumą, bet ir perskirsto naujovių naudą, padidindamas kapitalui kaupiamų pajamų dalį.
Nuo įprastinio pakeitimo iki įgūdžių suspaudimo: permąstyti poliarizaciją
Nors darbo jėgos dalies mažėjimas prasidėjo dar gerokai prieš AI atsiradimą, įrodymai rodo, kad dirbtinio intelekto naujovės stiprina ir pagreitina šią tendenciją. Istoriškai technologinė pažanga dažnai papildydavo kvalifikuotą darbo jėgą, pakeisdama įprastas, žemos kvalifikacijos reikalaujančias užduotis. Priešingai, šiuolaikinis AI vis labiau gali atkartoti pažintinį darbą, išplėsdamas automatizavimo sritį į aukšto ir vidutinio įgūdžių reikalaujančias profesijas.
Šis pokytis ypač pastebimas paslaugų ekonomikoje. DI programos dabar naudojamos teisės, finansų, logistikos, viešojo administravimo ir kitose baltųjų apykaklių srityse, kurios anksčiau buvo laikomos atspariomis automatizavimui. Dėl to dabartinė naujovių banga neatitinka klasikinio pasakojimo apie žemos kvalifikacijos darbo perkėlimą, po kurio imamasi įgūdžių tobulinimo. Vietoj to, mes pastebime darbo užmokesčio suspaudimo požymius įgūdžių pasiskirstymo viršuje ir viduryje.
Grynasis poveikis yra nauja darbo rinkos poliarizacijos forma, kuri nebūtinai bus naudinga aukštos kvalifikacijos darbuotojams, kaip praeityje vykstančiose technologinių pokyčių bangose. Atvirkščiai, įrodymai rodo ekonominės vertės perskirstymą nuo darbo jėgos visame pasaulyje, ypač neigiamą poveikį tiems, kurie anksčiau buvo izoliuoti nuo technologinių sutrikimų. Tai atsitinka net ir atsižvelgiant į tai, kad dirbtinis intelektas padidina vidutinį produktyvumą ir ekonomikos augimą (pvz., Acemoglu 2025).
Europos kontekste, kur susirūpinimas dėl darbo užmokesčio sąstingio, nelygybės ir politinio nepasitenkinimo auga, ši besikeičianti dinamika reikalauja ypatingo dėmesio.
Politikos pasekmės
Ekonominis dirbtinio intelekto sklaidos poveikis nėra lemiamas – paskirstymo rezultatai priklausys nuo to, kaip politikos formuotojai reaguos į šios technologijos diegimą ir vis didesnį naudojimą. Siekiant sušvelninti neigiamą poveikį darbui, labai svarbu investuoti į žmogiškąjį kapitalą, ypač kuriant mokymosi visą gyvenimą sistemas ir profesines programas, kurios suteikia darbuotojams įgūdžių pereiti prie dirbtinį intelektą papildančių vaidmenų.
Kartu mokesčių sistemos turi prisitaikyti prie kintančios darbo ir kapitalo pusiausvyros. Kadangi kapitalas vis labiau fiksuoja gamybos grąžą, būtų galima sukurti fiskalines sistemas, kurios užtikrintų nuosavybės ir pajamų tvarumą. Galima politika galėtų sumažinti darbo jėgos apmokestinimą ir pereiti prie (didesnio) taršos apmokestinimo, kuris turi neigiamų išorinių padarinių, kuriuos bet kuriuo atveju būtų efektyvu sumažinti; (didesnis) žemės apmokestinimas, kurio tiekimas nustatomas taip, kad jos apmokestinimas nebūtų iškraipomas; ir (didesnis) vartojimo apmokestinimas, kuris ir toliau augs, kai ekonominis augimas skatinamas dirbtinio intelekto (išsamią tokios politikos aptarimą žr. Prettner ir Bloom 2020, ypač 7 skyriuje). Be to, siekiant išvengti geografinių skirtumų didėjimo, ekonominė politika galėtų aktyviai skatinti dirbtinio intelekto technologijų sklaidą regionuose ir sektoriuose. Išplėstas AI pritaikymas gali padėti užtikrinti, kad produktyvumo padidėjimas neapsiribotų keliais inovacijų centrais, o prisidėtų prie įtraukaus ir regioniniu mastu subalansuoto augimo.
Jei dirbtinis intelektas būtų valdomas veiksmingai, jis galėtų žymiai padidinti bendrą ekonominę gerovę. Tačiau be tinkamo politinio įsikišimo tai gali sustiprinti struktūrinę atskirtį tarp darbo ir kapitalo bei tarp pagrindinių ir periferinių regionų.
Nuorodos
Acemoglu, D (2025), „Paprasta AI makroekonomika“, Ekonominė politika 40: 13–58.
Bloom, DE, K Prettner, J Saadaoui ir M Veruete (2024), „Dėl AI plėtros greičiausiai sumažės pajamų nelygybė“, VoxEU.org, spalio 18 d.
Bloom, DE, K Prettner, J Saadaoui ir M Veruete (2025), „Dirbtinis intelektas ir įgūdžių priemoka“, Finansų tyrimų laiškai 81, 107401.
Korinek, A ir JE Stiglitz (2019), „Dirbtinis intelektas ir jo įtaka pajamų paskirstymui ir nedarbui“, Agrawal, Gans ir Goldfarb (red.), Dirbtinio intelekto ekonomika: darbotvarkė, Čikagos universiteto leidykla.
Minniti, A, K Prettner ir F Venturini (2025), „AI inovacijos ir darbo jėgos dalis Europos regionuose“, Europos ekonomikos apžvalga 177, 105043.
Pretner, K ir D Bloom (2020), Automatizavimas ir jos makroekonominės pasekmės: teorija, įrodymai ir socialinis poveikisAkademinė leidykla.
Prytkova, E, F Petit, D Li, S Chaturvedi ir T Ciarli (2024), „Naujų skaitmeninių technologijų poveikis užimtumui“, CESifo darbo dokumentas 10955.
Webb, M (2019), „Dirbtinio intelekto poveikis darbo rinkai“, SSRN darbo dokumentas 3482150.
