هوش مصنوعی بهعنوان یکی از تحولآفرینترین فناوریهای قرن بیستویکم، در حال بازتعریف معادلات اقتصادی جهان است. این مقاله با رویکردی علمی و تحلیلی، به بررسی ابعاد تاریکِ این فناوری میپردازد و نشان میدهد که چگونه هوش مصنوعی میتواند به عاملی برای بحرانهای اقتصادی شدید تبدیل شود. بر اساس تحقیقات صندوق بینالمللی پول و سازمانهای معتبر بینالمللی، هوش مصنوعی پتانسیل تبدیل رکودهای عادی به بحرانهای اقتصادی فاجعهبار را دارد.
مقدمه
در سال ۲۰۰۸، جهان شاهد یکی از بزرگترین بحرانهای مالی پس از رکود بزرگ دهه ۱۹۳۰ بود. بحرانی که با فروپاشی بازار مسکن آمریکا آغاز شد و به سرعت به سراسر جهان سرایت کرد، سیستم بانکی بینالمللی را تا مرز فروپاشی پیش برد و خسارتی حدود ۳.۹ تریلیون دلار به اقتصاد جهانی وارد کرد. اکنون، در آستانه دهه جدید، هشدار تازهای از سوی کارشناسان اقتصادی طنینانداز شده است: هوش مصنوعی میتواند به محرک بحران اقتصادی بعدی تبدیل شود.
بر خلاف تصور عمومی که هوش مصنوعی را صرفاً ابزاری برای افزایش بهرهوری و رشد اقتصادی میداند، شواهد علمی نشان میدهند که این فناوری میتواند مخربترین عامل در بحرانهای آتی باشد. این مقاله با بهرهگیری از آخرین یافتههای پژوهشی و دادههای آماری معتبر، به تحلیل این تهدید میپردازد.
فصل اول: هوش مصنوعی و تشدید بحرانهای اقتصادی
پدیده تقویت بحران
یکی از خطرناکترین جنبههای هوش مصنوعی، توانایی آن در تشدید و تسریع بحرانهای اقتصادی است. گیتا گوپیناث، معاون اول مدیرعامل صندوق بینالمللی پول، در سخنرانی خود در اجلاس هوش مصنوعی سوئیس در می ۲۰۲۴ هشدار داد که هوش مصنوعی میتواند یک رکود معمولی را به بحران اقتصادی عمیق تبدیل کند.
بر اساس گزارش مجمع جهانی اقتصاد، هوش مصنوعی باعث تسریع انتقال و سرایت بیماریهای اقتصادی میشود. این فناوری از طریق سه مکانیسم اصلی میتواند بحرانها را تشدید کند:
الف) اختلال در بازار کار: در زمان رکود، شرکتها بهطور سنتی سعی میکنند با وجود کاهش سود، نیروی کار خود را حفظ کنند. اما با حضور هوش مصنوعی، فشار برای جایگزینی نیروی انسانی با سیستمهای خودکار به شدت افزایش مییابد. بر اساس تحقیقات صندوق بینالمللی پول، در رکود آینده، هوش مصنوعی میتواند طیف وسیعتری از مشاغل را تهدید کند، بهویژه مشاغل شناختی با مهارت بالا که تاکنون از خطر اتوماسیون در امان بودهاند.
ب) بیثباتی بازارهای مالی: موسسات مالی بهطور فزایندهای از مدلهای یادگیری عمیق برای معاملات و مدیریت پرتفولیو استفاده میکنند. در شرایط بحران، این سیستمهای هوش مصنوعی که بر اساس دادههای گذشته آموزش دیدهاند، ممکن است واکنشهای نامناسبی نشان دهند. همگرایی تصمیمات این سیستمها میتواند منجر به فروشهای هراسزده و سقوط ناگهانی قیمت داراییها شود. ماهیت جعبه سیاه هوش مصنوعی، مدیریت چنین رویدادهایی را بسیار دشوار میکند.
ج) اختلال در زنجیره تامین جهانی: شرکتها بهطور روزافزون از هوش مصنوعی برای پیشبینی تقاضا و مدیریت موجودی استفاده میکنند. در شرایط رکود، الگوریتمهای آموزشدیده بر اساس دادههای منسوخ ممکن است خطاهای پیشبینی گستردهای ایجاد کنند که منجر به نوسانات شدید در تولید و موجودی میشود. این وضعیت میتواند تاخیرها و کمبودهای فلجکننده در زنجیره تامین جهانی ایجاد کند.
نظریه تکفرهنگی الگوریتمی
یکی از خطرات اساسی که توسط گری گنسلر، رئیس کمیسیون بورس و اوراق بهادار آمریکا، مطرح شده است، پدیده تکفرهنگی (Monoculture) در سیستمهای مالی است. زمانی که اکثر موسسات مالی از یک یا دو مدل هوش مصنوعی مشابه استفاده کنند، خطر رفتار دستهجمعی و بحران سیستمیک به شدت افزایش مییابد. این همگرایی در تصمیمات میتواند باعث شود که تمام بازیگران اصلی بهطور همزمان واکنشهای مشابهی نشان دهند و بحران را تشدید کنند.
فصل دوم: بیکاری انبوه و فروپاشی ساختار اشتغال
ابعاد جهانی بیکاری ناشی از هوش مصنوعی
طبق گزارش سازمان ملل متحد، هوش مصنوعی میتواند ۴۰ درصد از مشاغل در سراسر جهان را تحتتأثیر قرار دهد. این آمار در کشورهای پیشرفته به ۶۰ درصد میرسد. برای ایران، مرکز پژوهشهای مجلس برآورد کرده که حدود ۲۰ درصد از موقعیتهای شغلی بازار کار کشور در معرض اتوماسیون و جایگزینی با هوش مصنوعی قرار دارند.
مطالعات گلدمن ساکس نشان میدهند که نوآوریهای مرتبط با هوش مصنوعی میتوانند ۶ تا ۷ درصد از نیروی کار آمریکا را جابهجا کنند. با این حال، تاثیر واقعی در زمان رکود اقتصادی بسیار شدیدتر خواهد بود. تحلیلگران پیشبینی میکنند که در بحران بعدی، جایگزینی سریع نیروی کار با هوش مصنوعی میتواند منجر به “خونریزی یقه سفیدها” شود که داریو آمودی، مدیرعامل Anthropic، از آن بهعنوان یک تهدید جدی یاد کرده است.
مشاغل در خطر
بر اساس تحقیقات، مشاغلی که بیشترین خطر را از هوش مصنوعی دارند عبارتند از:
- برنامهنویسان کامپیوتری
- حسابداران و حسابرسان
- دستیاران حقوقی و اداری
- نمایندگان خدمات مشتری
- صندوقداران و فروشندگان بلیت
- کارمندان بانکی و اپراتورهای ورود داده
در مقابل، مشاغل مرتبط با نصب، تعمیر، نگهداری، ساختوساز، خدمات شخصی و مراقبتهای بهداشتی از خطر کمتری برخوردار هستند.
بحران هویت و ارزش اجتماعی
جفری هینتون، برنده جایزه نوبل و پدرخوانده هوش مصنوعی، در مصاحبه با Financial Times هشدار داد که راهکارهایی مانند درآمد پایه همگانی یا برنامههای آموزش مجدد شغلی نمیتوانند جایگزین ارزش اجتماعی و هویتی شوند که انسانها از طریق کار کردن به دست میآورند. او تاکید کرد که بیکاری انبوه ناشی از هوش مصنوعی نه تنها یک چالش اقتصادی، بلکه زمینهای برای تشدید نابرابریهای اجتماعی خواهد بود.
فصل سوم: تعمیق نابرابری اقتصادی و شکاف طبقاتی
تمرکز ثروت در دست اقلیت
یکی از مخربترین پیامدهای گسترش هوش مصنوعی، تشدید نابرابری اقتصادی است. هینتون پیشبینی میکند که در چارچوب اقتصاد سرمایهداری کنونی، سودهای کلان حاصل از استفاده از هوش مصنوعی تنها گروه کوچکی از صاحبان سرمایه را ثروتمندتر خواهد کرد، در حالی که اکثریت جامعه فقیرتر خواهند شد.
گزارش سازمان ملل نشان میدهد که ۱۰۰ شرکت، که عمدتاً در ایالات متحده و چین قرار دارند، ۴۰ درصد هزینههای تحقیق و توسعه در زمینه هوش مصنوعی را به خود اختصاص دادهاند. ارزش بازاری غولهای فناوری پیشرو آمریکایی مانند اپل، انویدیا و مایکروسافت، اکنون با تولید ناخالص داخلی کل قاره آفریقا رقابت میکند.
شکاف دیجیتال و محرومیت دوگانه
تحقیقات نشان میدهند که هوش مصنوعی مولد ممکن است تاثیر بیشتری بر مشاغل با دستمزد بالاتر داشته باشد. این بدان معناست که در طول زمان، استفاده از این فناوری میتواند بهرهوری افراد با مهارتهای بالا را به میزان زیادی افزایش دهد. در نتیجه، شکاف درآمدی بین مشاغل با دستمزدهای بالا و پایین بهطور فزایندهای تشدید خواهد شد.
در کشورهای در حال توسعه، این شکاف حتی بیشتر است. طبق گزارش سازمان تجارت جهانی، اگر سیاستهای درستی اتخاذ نشود، هوش مصنوعی میتواند نابرابری اقتصادی را در سراسر جهان تشدید کند. کشورها و شرکتهایی که به این فناوری دسترسی دارند، به سرعت پیشرفت خواهند کرد، در حالی که دیگران عقب خواهند ماند.
تورم الگوریتمی و فشار بر خانوارها
پدیده جدیدی به نام تورم الگوریتمی در حال شکلگیری است. سیستمهای هوش مصنوعی در پلتفرمهای تجارت الکترونیک قیمتها را لحظهبهلحظه بر اساس تقاضا، موقعیت جغرافیایی و الگوی خرید کاربران تغییر میدهند. این نوع تورم، که حاصل تصمیمگیری لحظهای الگوریتمهای هوش مصنوعی است، میتواند به شدت توان خرید خانوارها را کاهش دهد و فشار اقتصادی بر طبقات متوسط و پایین را افزایش دهد.
فصل چهارم: سناریوهای فروپاشی اقتصادی
سناریوی گردباد: بدترین حالت ممکن
موسسه تونی بلر برای تغییر جهانی سه سناریو برای تاثیر هوش مصنوعی بر بازار کار ارائه کرده است. در سناریوی “گردباد” (Whirlwind)، که بدترین حالت است، ۳ میلیون شغل جابهجا میشوند و اخراجهای سالانه به ۲۷۴ هزار نفر در اواسط دهه ۲۰۳۰ میرسد. در این سناریو، نرخ بیکاری تا سال ۲۰۳۵ بیش از یک میلیون نفر افزایش مییابد و اوج خود را در حدود سال ۲۰۴۰ با ۱.۵ میلیون نفر تجربه میکند.
سناریوی جتاستریم: رشد سریع با اختلال
در سناریوی “جتاستریم”، پذیرش سریع هوش مصنوعی منجر به افزایش سریع بهرهوری میشود، اما همزمان نابرابری و اختلال در بازار کار نیز تشدید میشود. در این حالت، تولید ناخالص داخلی تا سال ۲۰۵۰ به ۱۴ درصد افزایش مییابد، اما دهه ۲۰۳۰ با افزایش بیکاری مشخص میشود.
تحلیل اقتصاددانان بلومبرگ
تام اورلیک، اقتصاددان ارشد بلومبرگ، سه سناریو را برای تاثیر هوش مصنوعی بر اقتصاد مطرح میکند:
سناریوی خوشبینانه: هوش مصنوعی بهرهوری را افزایش میدهد و مشاغل مختلف، بهویژه مشاغل دفتری، از آن بهرهمند میشوند. کارهای پیچیدهتری مانند مشاوره حقوقی یا حسابداری به کمک هوش مصنوعی سریعتر و کارآمدتر انجام میشوند.
سناریوی احتیاطی: هوش مصنوعی شاید آنطور که تصور میشود تاثیرگذار نباشد و در عمل به جز سرگرمیهای کوتاهمدت و کارهای ساده، تغییرات عمدهای در سیستم اقتصادی ایجاد نکند.
سناریوی بدبینانه: هوش مصنوعی به یک عامل ویرانگر برای اقتصاد تبدیل میشود و بحرانهای شدید اقتصادی ایجاد میکند که مدیریت آنها بسیار دشوار است.
فصل پنجم: مقایسه با بحرانهای تاریخی
درسهایی از بحران ۲۰۰۸
بحران مالی ۲۰۰۸ با انفجار حباب بازار مسکن آمریکا آغاز شد و به سرعت به یک بحران جهانی تبدیل شد. ویژگی اصلی آن بحران، کاهش میزان نقدینگی در نظام بانکی و اعتباری بود. ورشکستگی بانک لیمن برادرز و دیگر موسسات مالی بزرگ، موجی از شوک اقتصادی در سراسر جهان به راه انداخت.
بحران احتمالی ناشی از هوش مصنوعی در مقایسه با بحران ۲۰۰۸ چند تفاوت اساسی دارد:
سرعت انتشار: در حالی که بحران ۲۰۰۸ طی چند ماه گسترش یافت، بحران ناشی از هوش مصنوعی میتواند در عرض چند روز یا حتی چند ساعت به دلیل معاملات الگوریتمی و تصمیمگیری خودکار گسترش یابد.
پیچیدگی: بحران ۲۰۰۸ را میتوان با بررسی وامهای مسکن و اوراق بهادار مرتبط فهمید. اما بحران هوش مصنوعی به دلیل ماهیت جعبه سیاه این فناوری، درک و مدیریت آن بسیار دشوارتر خواهد بود.
دامنه تاثیر: بحران ۲۰۰۸ عمدتاً بر بخش مالی تاثیر گذاشت، در حالی که بحران هوش مصنوعی میتواند همزمان بازارهای مالی، بازار کار و زنجیرههای تامین جهانی را تحتتأثیر قرار دهد.
الگوی اتوماسیون در رکودهای گذشته
دادههای تاریخی نشان میدهند که در رکودهای ۱۹۹۱، ۲۰۰۱ و ۲۰۰۸، شرکتها از فرصت رکود برای سرمایهگذاری در اتوماسیون و کاهش دائمی نیروی کار استفاده کردند. این روند منجر به بازیابیهای “بدون اشتغال” شد که در آنها تولید ناخالص داخلی بهبود یافت اما نرخ بیکاری برای سالها بالا ماند.
اشتغال در بخش تولید آمریکا در طول رکودهای ۲۰۰۱ و ۲۰۰۸ کاهش شدیدی را تجربه کرد و هیچگاه به سطح قبلی بازنگشت. اگر هوش مصنوعی بتواند بسیاری از مشاغل یقه سفید را جایگزین کند، این الگو نشان میدهد که تاثیر بر بازار کار در دورههای ضعف اقتصادی بسیار شدیدتر خواهد بود.
فصل ششم: ریسکهای ساختاری و نهادی
چهار کانال آسیبپذیری
مطالعه موسسه CEPR چهار کانال اصلی را شناسایی کرده که از طریق آنها هوش مصنوعی میتواند به ثبات مالی آسیب برساند:
کانال اطلاعات نادرست: کاربران هوش مصنوعی محدودیتهای آن را درک نمیکنند اما بهطور فزایندهای به آن وابسته میشوند. این وابستگی بدون درک میتواند منجر به تصمیمات اشتباه در مقیاس گسترده شود.
کانال استفاده مخرب: سیستم مالی پر از عوامل اقتصادی با منابع بالاست که میخواهند سود خود را به حداکثر برسانند و نگران پیامدهای اجتماعی فعالیتهای خود نیستند. آنها میتوانند از هوش مصنوعی برای اهداف مخرب استفاده کنند.
کانال عدم همراستایی: دشواریهایی در اطمینان از اینکه هوش مصنوعی اهداف مورد نظر اپراتورهای انسانی خود را دنبال میکند، وجود دارد. این عدم همراستایی میتواند منجر به نتایج غیرمنتظره و مخرب شود.
کانال ساختار بازار انحصاری: مدلهای کسبوکار شرکتهایی که موتورهای هوش مصنوعی را طراحی و اجرا میکنند، منجر به انحصار میشود. این شرکتها از بازده نزولی به مقیاس بهرهمند میشوند که میتواند مانع ورود به بازار شود و همگنی و تکفرهنگی ریسک را افزایش دهد.
مشکل دادههای تاریخی
هوش مصنوعی برای کارآمد بودن به داده نیاز دارد، حتی بیشتر از انسانها. مشکل اینجاست که تقریباً تمام این دادهها از میانه توزیع نتایج سیستم میآیند تا از دمها. بحرانها همه درباره دمها هستند. دلایل کمبود داده از دمها عبارتند از:
- واکنش درونزای بازار به کنترل
- فقدان داده از دورههای بحران گذشته
- تغییر ساختاری در اقتصاد
- نادر بودن ذاتی رویدادهای شدید
این محدودیت دادهای به این معناست که سیستمهای هوش مصنوعی در شرایط بحرانی که کاملاً متفاوت از دادههای آموزشی آنهاست، عملکرد ضعیفی خواهند داشت.
فصل هفتم: شواهد تجربی از تاثیرات جاری
بیکاری در مشاغل فناوری
دادههای جدید نشان میدهند که تاثیرات هوش مصنوعی بر اشتغال در حال وقوع است. طبق تحقیقات گلدمن ساکس، نرخ بیکاری در میان افراد ۲۰ تا ۳۰ ساله در مشاغل مرتبط با فناوری از ابتدای سال ۲۰۲۵ تقریباً ۳ درصد افزایش یافته است، که بهطور قابلتوجهی بالاتر از همتایان همسن آنها در مشاغل دیگر و برای کل کارگران فناوری است.
تحلیل بانک مرکزی فدرال سنت لوئیس نشان داد که مشاغل با قرار گرفتن بیشتر در معرض هوش مصنوعی، افزایش بیشتری در نرخ بیکاری بین سالهای ۲۰۲۲ تا ۲۰۲۵ تجربه کردند. مشاغل کامپیوتری و ریاضیاتی که از بالاترین میزان قرار گرفتن در معرض هوش مصنوعی برخوردار بودند، برخی از شدیدترین افزایشهای بیکاری را مشاهده کردند.
تاثیر بر صنایع مختلف
بر اساس مطالعات دفتر ملی تحقیقات اقتصادی آمریکا، ۱۴ درصد از کارگران در حال حاضر جابهجایی شغلی ناشی از هوش مصنوعی را تجربه کردهاند. در سال ۲۰۲۳، مجموعاً ۳۹۰۰ از دست رفتن شغل در ایالات متحده مستقیماً به هوش مصنوعی نسبت داده شد که ۵ درصد از کل از دست رفتن مشاغل در آن ماه را تشکیل میداد.
بخش فناوری در سال جاری بیش از ۱۳۶ هزار اخراجی را تجربه کرده که بیشترین دور اخراجیها از سال ۲۰۰۱ است. شرکتهایی مانند British Telecom برنامه کاهش ۱۰ هزار نفر از کارکنان خود در طی هفت سال آینده را با استفاده از هوش مصنوعی اعلام کردهاند.
همبستگی با قرار گرفتن در معرض هوش مصنوعی
تحقیقات نشان داده که ضریب همبستگی ۰.۴۷ بین میزان قرار گرفتن مشاغل در معرض هوش مصنوعی و افزایش نرخ بیکاری بین ۲۰۲۲ و ۲۰۲۵ وجود دارد. این یافتهها نشان میدهند که ما ممکن است شاهد مراحل اولیه جابهجایی شغلی ناشی از هوش مصنوعی باشیم.
فصل هشتم: پیشبینیهای کارشناسان برجسته
هشدار داریو آمودی
داریو آمودی، مدیرعامل Anthropic و برادر دمیس حسابیس از DeepMind، در شهادت خود به کنگره آمریکا در آوریل ۲۰۲۵ هشدار داد که تا سال ۲۰۲۷، هوش مصنوعی میتواند ۵۰ درصد از مشاغل را جابهجا کند. او این وضعیت را “خونریزی یقه سفیدها” نامید و تاکید کرد که بسیاری از مدیران ارشد از قدرت اختلالزای کوتاهمدت هوش مصنوعی بیاطلاع هستند.
آمودی پیام خود را بر فوریت اقدام قانونگذاران و ضرورت اتخاذ رویکردهای شفاف از سوی توسعهدهندگان هوش مصنوعی و شرکتها متمرکز کرد. او تصریح کرد که اگرچه هوش مصنوعی در دراز مدت وعدههای زیادی دارد، اما درد شدید کوتاهمدت، بهویژه برای متخصصان جوان، نباید نادیده گرفته شود.
دیدگاه کای فو لی
کای فو لی، یکی از چهرههای برجسته در حوزه هوش مصنوعی، پیشبینی آمودی مبنی بر جابهجایی ۵۰ درصد مشاغل تا سال ۲۰۲۷ را تایید کرد. این توافق نظر بین کارشناسان برجسته، اجماع روزافزونی را نشان میدهد که هوش مصنوعی ممکن است اشتغال را بسیار تهاجمیتر از فناوریهای قبلی تغییر شکل دهد.
نگرانیهای گری گنسلر
گری گنسلر، رئیس سابق کمیسیون بورس و اوراق بهادار آمریکا، در اکتبر ۲۰۲۳ هشدار داد که هوش مصنوعی مولد میتواند کل سیستم را به خطر بیندازد. او توضیح داد: “مسئله روزافزون این است که هوش مصنوعی میتواند خطری برای کل سیستم ایجاد کند. همانطور که بسیاری از بازیگران مالی به یک یا دو یا سه مدل در میانه تکیه میکنند، شما یک تکفرهنگی ایجاد میکنید؛ شما رفتار گلهای ایجاد میکنید.”
فصل نهم: تاثیرات منطقهای و جهانی
وضعیت ایران
برای ایران، مرکز پژوهشهای مجلس تخمین زده که ۲۰ درصد از موقعیتهای شغلی در بازار کار در معرض اتوماسیون و هوش مصنوعی قرار دارند. این تحول میتواند سالانه تا ۱.۲ درصد به بهرهوری اقتصاد ایران بیفزاید، اما همزمان چالشهای جدی برای اشتغال ایجاد میکند.
طبق این گزارش، ۷۳ درصد از کارفرمایان از هوش مصنوعی و خودکارسازی فرایندها بهره میبرند. در صنعت الکترونیک، ۹۵ درصد از کارفرمایان انتظار دارند که هوش مصنوعی تاثیر چشمگیری بر کسبوکارشان داشته باشد. در حوزههایی مانند مخابرات و خدمات فناوری اطلاعات، حدود ۸۰ درصد از کارفرمایان برنامههایی برای توسعه این فناوریها دارند.
چشمانداز خاورمیانه
در خاورمیانه، پیشبینی میشود تا سال ۲۰۳۰ رشد ۳۲۰ میلیارد دلاری برای اقتصاد منطقه حاصل شود. بیشترین تاثیر اقتصادی هوش مصنوعی در خاورمیانه مربوط به بخش مالی است که ۲۵ درصد از سرمایهگذاری هوش مصنوعی منطقه در این بخش صورت میگیرد. عربستان سعودی و امارات در این زمینه پیشتاز خواهند بود.
تفاوتهای جهانی
بر اساس مطالعات صندوق بینالمللی پول، ۶۰ درصد از مشاغل در اقتصادهای پیشرفته در معرض هوش مصنوعی قرار دارند، در حالی که این رقم برای بازارهای نوظهور ۴۰ درصد و برای کشورهای کمدرآمد ۲۶ درصد است. با این حال، کشورهای پیشرفته زیرساخت و منابع بیشتری برای سازگاری دارند، در حالی که کشورهای در حال توسعه ممکن است با چالشهای شدیدتری روبرو شوند.
فصل دهم: پیشبینیهای اقتصادی بلندمدت
برآوردهای PwC
بررسیهای PwC نشان میدهند که ۴۵ درصد از کل سود اقتصادی فناوری هوش مصنوعی تا سال ۲۰۳۰ از بهبود محصول و فرایند تولید حاصل میشود. بیشترین دستاوردهای اقتصادی حاصل از هوش مصنوعی در چین (افزایش ۲۶ درصدی تولید ناخالص داخلی) و آمریکای شمالی (افزایش ۱۴.۵ درصدی) خواهد بود که در مجموع معادل ۱۰.۷ تریلیون دلار است.
رشد بازار هوش مصنوعی
سازمان ملل متحد پیشبینی میکند ارزش بازار هوش مصنوعی تا سال ۲۰۳۳ به ۴.۸ تریلیون دلار برسد که تقریباً برابر با اندازه اقتصاد آلمان است. سازمان تجارت جهانی برآورد کرده که هوش مصنوعی میتواند تا سال ۲۰۴۰ ارزش تجارت جهانی را ۴۰ درصد افزایش دهد.
هشدار درباره توزیع نامتوازن
با وجود این پیشبینیهای خوشبینانه، کارشناسان هشدار میدهند که این مزایا بهطور خودکار تقسیم نخواهند شد. بزرگترین خطر این است که این فناوری شکاف دیجیتال و اقتصادی میان کشورها و همچنین درون جوامع را عمیقتر کند. مدیرکل سازمان تجارت جهانی تاکید کرده که نباید اشتباه دهههای گذشته را با سرمایهگذاری کم در آموزش، مهارتها و شبکههای تامین اجتماعی تکرار کرد.
فصل یازدهم: راهکارها و سیاستگذاریهای پیشنهادی
پیشنهادات صندوق بینالمللی پول
گیتا گوپیناث چهار مجموعه اقدام اصلی را برای کاهش خطرات هوش مصنوعی پیشنهاد کرده است:
۱. بازنگری سیستمهای مالیاتی: تحقیقات نشان میدهد سیستمهای مالیاتی چندین کشور تمایل دارند سرمایهگذاری در اتوماسیون جایگزین نیروی کار را نسبت به فناوریهای مکمل نیروی کار جذابتر کنند. با توجه به خطرات اقتصادی مطرحشده، این سوال مطرح است که آیا بازده اجتماعی حاصل از چنین اتوماسیونی به اندازه کافی بالا است که این مشوقهای مالیاتی را توجیه کند.
۲. حمایت از کارگران: سرمایهگذاریهای سنگینتر در آموزش و شایستگیهای دیجیتال ضروری است، بهویژه در بازارهای نوظهور و اقتصادهای در حال توسعه که جوانان برای تغییرات سریع فناوری آماده نیستند. علاوه بر این، تقویت بیمه بیکاری و کاوش در اشکال جدید بیمه دستمزد میتواند به کارگران در سازگاری با اختلالات بازار کار کمک کند.
۳. تقویت نظارت مالی: نهادهای نظارتی مالی باید مهارتهای خود را برای درک بهتر خطرات مرتبط با هوش مصنوعی ارتقا دهند. اقداماتی مانند افزایش الزامات افشای اطلاعات و شفافیت در مدلهای هوش مصنوعی مورد استفاده در بخش مالی باید در نظر گرفته شود.
۴. افزایش تابآوری زنجیره تامین: نیاز به تنوعبخشی به منابع تامین، سرمایهگذاری در سیستمهای پشتیبان و ایجاد ذخایر استراتژیک برای کالاهای حیاتی وجود دارد.
استراتژیهای ملی
برای کشورهایی مانند ایران، توصیههای زیر حائز اهمیت است:
- سرمایهگذاری قابلتوجه در تحقیق و توسعه هوش مصنوعی
- آموزش نیروهای متخصص در این حوزه
- ایجاد چارچوبهای قانونی و اخلاقی برای استفاده از هوش مصنوعی
- تقویت شبکههای حمایت اجتماعی
- توسعه برنامههای بازآموزی و ارتقای مهارت نیروی کار
نقش بخش خصوصی
شرکتها باید مسئولیت اجتماعی خود را در قبال کارکنان جابهجا شده بپذیرند و به جای صرفاً پیگیری سود کوتاهمدت، به دنبال راهحلهایی باشند که هم بهرهوری را افزایش دهند و هم اشتغال پایدار را حفظ کنند. این شامل سرمایهگذاری در آموزش کارکنان و ایجاد نقشهای جدیدی است که انسان و ماشین را بهطور مکمل به کار گیرند.
فصل دوازدهم: دیدگاههای متفاوت
خوشبینان فناوری
برخی کارشناسان مانند مارک زاکربرگ معتقدند که در پنج تا ده سال آینده، هوش مصنوعی میتواند به طرز چشمگیری کیفیت زندگی انسانها را بهبود بخشد. آنها استدلال میکنند که مانند تحولات فناوری گذشته، هوش مصنوعی نیز در نهایت مشاغل جدیدی ایجاد خواهد کرد که در حال حاضر قابل تصور نیستند.
طبق تحقیقات گلدمن ساکس، تقریباً ۶۰ درصد از کارگران امروز در مشاغلی هستند که در سال ۱۹۴۰ وجود نداشتند، که نشان میدهد بیش از ۸۵ درصد رشد اشتغال از آن زمان از ایجاد شغل ناشی از فناوری بوده است. این تاریخچه نشان میدهد که پیشبینیهای کاهش نیاز به نیروی کار انسانی، سابقه ضعیفی دارند.
بدبینان فناوری
در مقابل، کارشناسانی مانند هینتون و آمودی هشدار میدهند که هوش مصنوعی از نظر کیفی با فناوریهای قبلی متفاوت است. برخلاف ماشینهای سنتی که کارهای فیزیکی را خودکار میکردند، هوش مصنوعی میتواند وظایف شناختی پیچیده را انجام دهد و بنابراین تهدیدی برای طیف وسیعتری از مشاغل است.
آنها تاکید میکنند که سرعت پذیرش هوش مصنوعی بیسابقه است و ممکن است زمان کافی برای سازگاری اجتماعی وجود نداشته باشد. همچنین، ساختار اقتصادی کنونی بهگونهای است که منافع هوش مصنوعی بهطور نامتناسب به سهامداران شرکتهای بزرگ فناوری میرسد.
دیدگاه میانهرو
برخی محققان مانند تیم اقتصادی مؤسسه تونی بلر معتقدند که نتیجه نهایی به انتخابهای سیاستی بستگی دارد. آنها استدلال میکنند که هوش مصنوعی میتواند منجر به دورهای از بیثباتی و افزایش موقت بیکاری شود، اما با سیاستگذاری مناسب، در نهایت میتواند به رفاه گستردهتر منجر شود.
نتیجهگیری
هوش مصنوعی در نقطه عطفی قرار دارد که میتواند نتایج بسیار متفاوتی برای اقتصاد جهانی داشته باشد. شواهد تجمعی نشان میدهند که بدون مداخله سیاستی هوشمندانه، این فناوری میتواند به عامل تشدیدکننده بحرانهای اقتصادی، افزایشدهنده بیکاری انبوه و تعمیقکننده نابرابریهای اجتماعی تبدیل شود.
خطرات اصلی عبارتند از:
۱. تقویت بحران: توانایی هوش مصنوعی برای تبدیل رکودهای معمولی به بحرانهای عمیق از طریق اختلال همزمان در بازار کار، بازارهای مالی و زنجیرههای تامین
۲. بیکاری ساختاری: جابهجایی دائمی میلیونها کارگر که مهارتهای لازم برای اقتصاد مبتنی بر هوش مصنوعی را ندارند
۳. نابرابری افزایشیافته: تمرکز ثروت و قدرت در دست تعداد کمی از شرکتهای فناوری و سهامداران آنها
۴. بیثباتی سیستمیک: خطر تکفرهنگی الگوریتمی و رفتار گلهای در بازارهای مالی که میتواند منجر به سقوطهای ناگهانی شود
۵. شکاف دیجیتال: افزایش فاصله بین کشورهای پیشرفته و در حال توسعه و همچنین بین افراد ماهر و غیرماهر در داخل جوامع
با این حال، این سرنوشت حتمی نیست. با سیاستگذاری هوشمندانه، سرمایهگذاری در آموزش و بازآموزی، تقویت شبکههای حمایت اجتماعی، و ایجاد چارچوبهای نظارتی مناسب، میتوان از پتانسیل مثبت هوش مصنوعی بهره برد و از پیامدهای منفی آن کاست.
سوال اصلی این نیست که آیا هوش مصنوعی اقتصاد را تغییر خواهد داد، بلکه این است که آیا ما بهعنوان جامعه جهانی آمادگی مدیریت این تحول را داریم؟ پاسخ به این سوال، آینده اقتصادی نسلهای آینده را تعیین خواهد کرد.
