Francesco Filippucci, Peter Gal ir Matthias Schief, EBPO Ekonomikos departamentas.
Dirbtinis intelektas (AI) gali padidinti produktyvumą, paskatinti augimą ir padidinti pajamas. Iš tiesų, daugelis įmonių ieško technologijos, skirtos produktyvumui padidinti, o darbuotojų veiklos rezultatai yra dideli, kai naudojami generatyvūs AI įrankiai (pvz., didelių kalbų modeliai, panašūs į ChatGPT) verslo kontekstuose, tokiuose kaip klientų aptarnavimas, verslo konsultacijos ar programinės įrangos kūrimas. Be to, atsižvelgiant į sparčiai besiplečiančias galimybes, dirbtinis intelektas yra plačiai skelbiamas kaip nauja bendrosios paskirties technologija (GPT), galinti paskatinti makroekonominio našumo augimą, kaip tai buvo daroma naudojant internetą ir asmeninius kompiuterius arba ankstesnes proveržio naujoves, tokias kaip garo variklis ir elektra (Agrawal, Gans ir Goldfarb, 2019; Lipsey, Carlaw ir Bekar, 2005; Filippucci ir kt., 2024).
Tačiau ar dabartinis mikrolygmens našumo padidėjimas iš tikrųjų gali lemti didelį dirbtinio intelekto našumo padidėjimą makroekonominiu lygiu per ateinantį dešimtmetį? Norint atsakyti į šį klausimą, reikia atsižvelgti į tai, kokia ekonominės veiklos dalis padidintų produktyvumą, jei būtų priimtas AI (angl. AI) ir kaip greitai įmonės pritaikys dirbtinį intelektą. Be to, makroekonominiu lygmeniu reikia atsižvelgti į tai, kad našumo padidėjimas taip pat gali priklausyti nuo platesnių ekonominių veiksnių, tokių kaip sektorių ryšiai, paklausos reakcija arba darbo ir kapitalo rinkos trinties.
Naujame EBPO Ekonomikos departamento darbo dokumente (Filippucci, Gal ir Schief, 2024) šie mechanizmai nagrinėjami ir vertinamas makroekonominio produktyvumo padidėjimas dėl dirbtinio intelekto per ateinančius 10 metų. Rezultatai rodo, kad dirbtinis intelektas gali reikšmingai prisidėti prie bendro produktyvumo augimo per ateinantį dešimtmetį, 0,25–0,6 procentinio punkto prie metinio bendrojo faktoriaus produktyvumo (TFP) augimo Jungtinėse Valstijose (arba 0,4–0,9 procentinio punkto prie metinio darbo našumo augimo). mūsų pagrindiniuose scenarijuose (1 pav.). Kitų ekonomikų vertinimai yra panašaus masto, nors šiek tiek mažesni, atsižvelgiant į tai, kad dirbtinio intelekto diegimas turėtų būti lėtesnis. Šie apskaičiavimai rodo didelį pagerėjimą atsižvelgiant į silpną produktyvumo augimą visoje EBPO per pastaruosius dešimtmečius, kuris siekė 1–1,5 % per metus.
1 pav. Makrolygmens produktyvumo padidėjimas dėl dirbtinio intelekto
Numatomas poveikis metiniams augimo tempams per 10 metų laikotarpį
Pastaba: juostos atitinka skirtingus scenarijus, susijusius su AI pritaikymu, galimybėmis ir mikrolygio padidėjimu (kaip parodyta 1 paveiksle). 1 ir 2 scenarijuose daroma prielaida, kad paklausa yra gana elastinga, o gamybos veiksniai (darbas ir kapitalas) gali laisvai perskirstyti sektorius. 3–5 scenarijuose su koregavimo trintis daroma prielaida, kad paklausa yra labai neelastinga ir veiksniai negali persiskirstyti tarp sektorių. Žr. daugiau informacijos Filippucci, Gal ir Schief (2024) 3 skyriuje.
Bendras dirbtinio intelekto produktyvumo padidėjimas yra trijų efektų suma: 1) tiesioginis produktyvumo didinimo sektoriaus lygmeniu poveikis; 2) sąnaudų ir produkcijos dauginamąjį poveikį, nes našumo padidėjimas viename sektoriuje taip pat naudingas kitiems sektoriams, nes sumažėja tarpinių sąnaudų sąnaudos; ir 3) neigiamas perskirstymo poveikis Baumolio augimo ligos dvasia (Baumol, 1967; Nordhaus, 2008), atsirandantis, jei sektoriuose, kurių produktyvumas auga ribotai, didėja BVP dalis.
Pagrindinė šios analizės įžvalga yra ta, kad dirbtinio intelekto makroekonominis poveikis pirmiausia priklausys nuo to, kaip greitai dirbtinis intelektas bus pritaikytas ir kokiu mastu AI gali būti naudinga ekonominei veiklai įvairiuose ekonomikos sektoriuose. Dabartinis pritaikymas įvairiose įmonėse ir sektoriuose labai skiriasi, o šalies lygmeniu pritaikymo rodikliai paprastai yra žemi – 5–15 %, kaip rodo oficiali įmonių statistika ir įmonės lygmens tyrimai (pvz., Calvino ir Fontanelli, 2023). Greitas ir produktyvus dirbtinio intelekto integravimas į platesnį ekonominės veiklos spektrą naudojant išplėstas AI galimybes (pvz., tolesnė integracija su kitais skaitmeniniais įrankiais) yra būtinas dideliam makroekonominiam naudos atsiradimui (2 scenarijus prieš 1).
Tačiau net ir esant dideliam pritaikymo lygiui ir išplėstoms galimybėms, bendrosios pusiausvyros efektai, veikiantys per kainas, gali sumažinti bendrą makroekonominę naudą, jei dirbtinio intelekto nauda produktyvumui išliks sutelkta keliuose sektoriuose (žinių reikalaujančios paslaugos, tokios kaip IRT, finansai ir profesionalios paslaugos) (scenarijai). 3 ir 4). Šių paslaugų paklausa gali tapti prisotinta, todėl augimą ribos „ne tai, ką darome gerai, o greičiau tai, kas yra būtina, bet sunkiai patobulintina“ (Aghion, Jones and Jones, 2019). Priešingai, makroekonominė nauda būtų didesnė, jei dirbtinio intelekto prieaugis būtų labiau paplitęs visuose sektoriuose, pavyzdžiui, tolesnės integracijos su robotikos technologijomis atveju, o tai leistų ne tik pažintinei, bet ir daug rankų darbo veiklai gauti naudos iš DI (5 scenarijus).
Apskritai dirbtinis intelektas žada atgaivinti produktyvumo augimą EBPO šalyse ir už jos ribų. Vyriausybės taip pat gali prisidėti formuojant makroekonominę DI naudą, pavyzdžiui, išspręsdamos teisinį neapibrėžtumą, susijusį su atskaitomybe, kuris gali trukdyti įmonėms produktyviai taikyti dirbtinį intelektą (OECD, 2024a). Tuo pačiu metu vyriausybės gali puoselėti konkurencingą aplinką (tiek dirbtinį intelektą naudojančiame, tiek dirbtinį intelektą gaminančiame sektoriuje; žr. Aghion ir Bunel, 2024; EBPO, 2024b), kuri yra palanki naujovėms ir eksperimentams, kartu stebint potencialų darbą. rinkos sutrikimai ir pagalba darbuotojams, kai jie pereina į naujus vaidmenis dirbtinio intelekto ekonomikoje (pvz., Acemoglu, Autor ir Johnson; Baily, Brynjolfsson ir Korinek, 2023; EBPO, 2023).
Nuorodos
Acemoglu, D. (2024) „Paprasta dirbtinio intelekto makroekonomika“, Ekonominė politika, 2024, eiae042, https://doi.org/10.1093/epolic/eiae042
Acemoglu, D., D. Autorius ir S. Johnsonas (2023 m.), Ar galime turėti Pro-Worker AI? Pasirinkus mašinų kelią, tarnaujantį protui, MIT Formuojant darbo ateitį, politikos atmintinė, https://shapingwork.mit.edu/wp-content/uploads/2023/09/Pro-Worker-AI-Policy-Memo.pdf
Aghion, P. ir S. Bunel (2024), „AI ir augimas: kur mes stovime?“, https://www.frbsf.org/wp-content/uploads/AI-and-Growth-Aghion-Bunel. pdf
Aghion, P., B. Jones ir C. Jones (2019), „Dirbtinis intelektas ir ekonomikos augimas“, in: Dirbtinio intelekto ekonomika: darbotvarkėp. 237-82, University of Chicago Press, https://www.nber.org/system/files/working_papers/w23928/w23928.pdf
Agrawal, A., J. Gans ir A. Goldfarb (2019), „Ekonominė politika dirbtiniam intelektui“, Inovacijų politika ir ekonomikat. 19, https://doi.org/10.1086/699935
Baily, M., E. Brynjolfsson ir A. Korinek (2023), Proto mašinos: AI varomo produktyvumo bumo pavyzdys. Brookings Institution, https://www.brookings.edu/articles/machines-of-mind-the-case-for-an-ai-powered-productivity-boom/
Baumol, WJ (1967). Nesubalansuoto augimo makroekonomika: miesto krizės anatomija? Amerikos ekonomikos apžvalga. 57 (3): 415–426.
Calvino, F. ir L. Fontanelli (2023), „AI pritaikytojų įvairiose šalyse portretas: įmonės charakteristikos, turto papildomumas ir produktyvumas“EBPO mokslo, technologijų ir pramonės darbo dokumentaiNr. 2023/02, OECD Publishing, Paryžius, https://doi.org/10.1787/0fb79bb9-en.
Filippucci, F., P. Gal ir M. Schief (2024), „Stebuklas ar mitas? Vertinant makroekonominio našumo padidėjimą dėl dirbtinio intelekto“, EBPO dirbtinio intelekto dokumentaiNr. 29, OECD Publishing, Paryžius, https://doi.org/10.1787/b524a072-en.
Filippucci, F., P. Gal, C. Jona-Lasinio, A. Leandro ir G. Nicoletti (2024), „Dirbtinio intelekto poveikis produktyvumui, paskirstymui ir augimui: pagrindiniai mechanizmai, pradiniai įrodymai ir politikos iššūkiai“, EBPO dirbtinio intelekto dokumentaiNr. 15, OECD Publishing, Paryžius, https://doi.org/10.1787/8d900037-en.
Lipsey, R., K. Carlaw ir C. Bekar (2005), Ekonominės transformacijos: bendrosios paskirties technologijos ir ekonomikos augimasOxford University Press, Oksfordas JK.
Nordhaus, WD (2008), „Baumolio ligos: makroekonominė perspektyva“, BE Makroekonomikos žurnalas, t. 8, Nr. 1 https://doi.org/10.2202/1935-1690.1382
EBPO (2023 m.), EBPO 2023 m. užimtumo perspektyvos: dirbtinis intelektas ir darbo rinkaEBPO leidykla, Paryžius, https://doi.org/10.1787/08785bba-en
EBPO (2024a), Dirbtinio intelekto tarybos rekomendacijahttps://legalinstruments.oecd.org/en/instruments/OECD-LEGAL-0449
EBPO (2024b), „Dirbtinis intelektas, duomenys ir konkurencija“, EBPO dirbtinio intelekto dokumentaiNr. 18, OECD leidyba, Paryžius, https://doi.org/10.1787/e7e88884-en.
