Od pierwszej rewolucji rolniczej (10 000 p.n.e.) przez rewolucję przemysłową (koniec XVIII wieku) po zieloną rewolucję w produkcji żywności (lata 50. XX wieku), nowe technologie zmieniły sposób funkcjonowania i życia ludzkości. Podstawowym problemem wynikającym z postępu AI jest to, że ludzka praca stanie się przestarzała. Arystoteles w księdze I swojej Polityki dość jasno przedstawia główny punkt: Bo gdyby każdy instrument mógł wykonać swoją pracę, będąc posłusznym lub antycypując wolę innych. . . gdyby w podobny sposób czółenek tkał, a plektron dotykał liry bez ręki, która by ich prowadziła, główni robotnicy nie chcieliby sług, ani panów niewolników.
Wszyscy zgadzają się z obserwacją Arystotelesa, że następuje natychmiastowa redukcja zatrudnienia, gdy pracodawca znajdzie mechaniczną metodę wykonywania pracy wcześniej wykonanej przez osobę. Problem polega na tym, czy tak zwane efekty kompensacyjne, które wynikają – i które mają tendencję do zwiększania zatrudnienia – w końcu zrekompensują tę redukcję. Podstawowym efektem kompensacyjnym jest wzrost ogólnego bogactwa dzięki większej produktywności, co z kolei prowadzi do większego popytu na towary i prowadzi do wzrostu zatrudnienia. Na przykład PwC (Rao i Verweij, 2017) przewiduje, że sztuczna inteligencja wniesie 15 bilionów dolarów rocznie do globalnego PKB do 2030 roku.
W krótkim okresie najwięcej zyskają branża zdrowotna i motoryzacyjna/transportowa. Jednak zalety automatyzacji nie zostały jeszcze przejęte w naszej gospodarce: obecne tempo wzrostu wydajności pracy jest w rzeczywistości poniżej historycznych standardów. Brynjolfsson i inni próbują wyjaśnić ten paradoks sugerując, że opóźnienie między rozwojem podstawowej technologii a jej wdrożeniem w gospodarce jest dłuższe niż się powszechnie przypuszcza. Innowacje technologiczne historycznie pozbawiły niektórych ludzi pracy. Tkacze zostały zastąpione przez automatyczne krosna w 1810, co doprowadziło do protestów luddytów. Luddyci nie byli przeciwko technologii per se; chcieli po prostu, aby maszyny były używane przez wykwalifikowanych robotników płacących dobrą pensję do wytwarzania towarów wysokiej jakości, a nie przez niewykwalifikowanych robotników do wytwarzania towarów niskiej jakości po niskich zarobkach. Globalne zniszczenie miejsc pracy w latach 30. XX wieku skłoniło Johna Maynarda Keynesa do ukucia terminu technologicznego bezrobocia. W obu przypadkach i kilku innych poziom zatrudnienia w końcu się poprawił. Główny nurt ekonomiczny przez większość XX wieku głosił, że zatrudnienie technologiczne jest co najwyżej zjawiskiem krótkoterminowym. Zwiększona produktywność zawsze prowadziłaby do wzrostu bogactwa i zwiększonego popytu, a tym samym do wzrostu liczby miejsc pracy netto. Powszechnie przytaczanym przykładem są kasjerzy bankowi: chociaż bankomaty zastąpiły ludzi w liczeniu gotówki do wypłat, prowadzenie oddziału banku stało się tańsze, więc liczba oddziałów wzrosła, co doprowadziło do większej liczby pracowników banku. Zmienił się również charakter pracy, która stała się mniej rutynowa i wymagająca bardziej zaawansowanych umiejętności biznesowych. Wydaje się, że efektem netto automatyzacji jest eliminowanie zadań, a nie miejsc pracy. Większość komentatorów przewiduje, że to samo dotyczy technologii sztucznej inteligencji, przynajmniej na krótką metę. Gartner, McKinsey, Forbes, Światowe Forum Ekonomiczne i Pew Research Center opublikowały w 2018 r. raporty przewidujące wzrost liczby miejsc pracy netto dzięki automatyzacji opartej na sztucznej inteligencji. Ale niektórzy analitycy uważają, że tym razem będzie inaczej. W 2019 r. IBM przewidział, że 120 mln pracowników będzie wymagało przekwalifikowania z powodu automatyzacji do 2022 r., a Oxford Economics przewidział, że 20 mln miejsc pracy w produkcji może zostać utraconych w wyniku automatyzacji do 2030 r. Frey i Osborne (2017) badają 702 różne zawody i szacują, że 47 % z nich jest zagrożonych automatyzacją, co oznacza, że przynajmniej część zadań w zawodzie może być wykonywana przez maszynę. Na przykład prawie 3% siły roboczej w USA to kierowcy pojazdów, a w niektórych okręgach aż 15% mężczyzn to kierowcy. Jak widzieliśmy w rozdziale 26, zadanie prowadzenia pojazdu prawdopodobnie zostanie wyeliminowane przez samochody bez kierowcy/ciężarówki/autobusy/taksówki. Ważne jest, aby odróżnić zawody od zadań w ramach tych zawodów. McKinsey szacuje, że tylko 5% zawodów jest w pełni zautomatyzowanych, ale w 60% zawodów można zautomatyzować około 30% swoich zadań. Na przykład przyszli kierowcy ciężarówek będą spędzać mniej czasu na trzymaniu kierownicy, a więcej na upewnianiu się, że towary są odbierane i dostarczane prawidłowo; pełnienie funkcji przedstawicieli obsługi klienta i sprzedawców na obu końcach podróży; i być może zarządzanie konwojami, powiedzmy, trzech zautomatyzowanych ciężarówek. Zastąpienie trzech kierowców jednym kierownikiem konwoju oznacza stratę netto w zatrudnieniu, ale jeśli koszty transportu spadną, pojawi się większy popyt, co spowoduje odzyskanie niektórych miejsc pracy, ale być może nie wszystkich. Jako kolejny przykład, pomimo wielu postępów w stosowaniu uczenia maszynowego do problemu obrazowania medycznego, radiologowie jak dotąd byli wspomagani, a nie zastępowani przez te narzędzia. Ostatecznie istnieje wybór, jak wykorzystać automatyzację: czy chcemy skupić się na cięciu kosztów, a tym samym postrzegać utratę pracy jako pozytyw; czy chcemy skupić się na poprawie jakości, poprawie życia pracownika i klienta? Trudno przewidzieć dokładne terminy automatyzacji, ale obecnie i przez kilka najbliższych lat nacisk kładzie się na automatyzację ustrukturyzowanych zadań analitycznych, takich jak odczytywanie zdjęć rentgenowskich, zarządzanie relacjami z klientami (np. boty, które automatycznie sortują skargi klientów i zareaguj za pomocą sugerowanych środków zaradczych) oraz automatyzacji procesów biznesowych, która łączy dokumenty tekstowe i dane strukturalne w celu podejmowania decyzji biznesowych i usprawnienia przepływu pracy. Z biegiem czasu zobaczymy więcej automatyzacji za pomocą robotów fizycznych, najpierw w kontrolowanych środowiskach magazynowych, a następnie w bardziej niepewnych środowiskach, budując znaczną część rynku do około 2030 r. W miarę starzenia się populacji w krajach rozwiniętych stosunek pracowników do emerytów zmiany. W 2015 r. na 100 pracowników przypadało mniej niż 30 emerytów; do 2050 roku może być ponad 60 na 100 pracowników. Opieka nad osobami starszymi będzie coraz ważniejszą rolą, którą może częściowo wypełnić sztuczna inteligencja. Ponadto, jeśli chcemy utrzymać obecny poziom życia, konieczne będzie również zwiększenie produktywności pozostałych pracowników; automatyzacja wydaje się najlepszą okazją do tego. Nawet jeśli automatyzacja ma pozytywny wpływ na miliardy dolarów netto, nadal mogą występować problemy związane z tempem zmian. Zastanówmy się, jak nastąpiły zmiany w branży rolniczej: w 1900 r. ponad 40% siły roboczej w USA pracowało w rolnictwie, ale do 2000 r. spadło do 2%3. okres 100 lat, a więc między pokoleniami, a nie za życia jednego pracownika. Pracownicy, których praca została zautomatyzowana w tej dekadzie, mogą być zmuszeni do przekwalifikowania się do nowego zawodu w ciągu kilku lat – a potem być może zobaczą automatyzację nowego zawodu i staną przed kolejnym okresem przekwalifikowania. Niektórzy mogą być zadowoleni z porzucenia swojego starego zawodu — widzimy, że wraz z poprawą koniunktury firmy przewozowe muszą oferować nowe zachęty do zatrudniania wystarczającej liczby kierowców — ale pracownicy będą się obawiać swoich nowych ról. Aby sobie z tym poradzić, jako społeczeństwo musimy zapewnić edukację przez całe życie, być może częściowo opierając się na edukacji online napędzanej sztuczną inteligencją . Bessen (2015) twierdzi, że pracownicy nie zauważą wzrostu dochodów, dopóki nie zostaną przeszkoleni w zakresie wdrażania nowych technologii, co wymaga czasu. Technologia ma tendencję do zwiększania nierówności dochodów. W gospodarce informacyjnej charakteryzującej się szerokopasmową komunikacją globalną i replikacją własności intelektualnej o zerowych kosztach krańcowych (co Frank i Cook (1996) nazywają „Stowarzyszeniem zwycięzcy, który bierze wszystko”), nagrody mają tendencję do koncentracji. Jeśli rolnik Ali jest o 10% lepszy od rolnika Bo, Ali uzyskuje około 10% większy dochód: Ali może pobierać nieco więcej za towary lepszej jakości, ale istnieje limit tego, ile można wyprodukować na ziemi i jak daleko może to być wysłany. Ale jeśli Cary, twórca aplikacji, jest o 10% lepszy od Dany, może się okazać, że Cary będzie miał 99% światowego rynku. Sztuczna inteligencja zwiększa tempo innowacji technologicznych, a tym samym przyczynia się do tego ogólnego trendu, ale sztuczna inteligencja obiecuje nam również wziąć trochę wolnego czasu i pozwolić naszym zautomatyzowanym agentom zająć się sprawami przez jakiś czas. Tim Ferriss (2007) zaleca korzystanie z automatyzacji i outsourcingu w celu osiągnięcia czterogodzinnego tygodnia pracy. Przed rewolucją przemysłową ludzie pracowali jako rolnicy lub w innym rzemiośle, ale nie zgłaszali się do pracy w miejscu pracy i nie pracowali w godzinach dla pracodawcy. Ale dzisiaj większość dorosłych w krajach rozwiniętych właśnie to robi, a praca służy trzem celom: napędza produkcję dóbr, których społeczeństwo potrzebuje do rozkwitu, zapewnia dochód, którego pracownik potrzebuje do życia, i daje mu poczucie celu, realizacji i integracji społecznej. Wraz ze wzrostem automatyzacji może się zdarzyć, że te trzy cele zostaną zdezagregowane – potrzeby społeczeństwa będą częściowo zaspokajane przez automatyzację, a na dłuższą metę jednostki uzyskają poczucie celu dzięki wkładom innym niż praca. Ich potrzeby dochodowe mogą być zaspokajane przez politykę społeczną, która obejmuje połączenie bezpłatnego lub niedrogiego dostępu do usług socjalnych i edukacji, przenośnej opieki zdrowotnej, kont emerytalnych i edukacyjnych, progresywne stawki podatkowe, ulgi podatkowe, ujemny podatek dochodowy lub uniwersalny podstawowy dochód.
