Nos círculos progressistas e tecnológicos, há muita discussão sobre a iminente desgraça da IA ​​(inteligência artificial) na economia. Eles esperam grandes perdas de emprego, já que as tarefas feitas pelas pessoas hoje são automatizadas pelas máquinas. De fato, essa conversa se tornou a questão central por trás de alguns candidatos em 2020 como Andrew Yang e uma força unificadora entre libertários e progressistas para uma renda básica universal.

Muito do medo nesta discussão se concentra na tecnologia que atualmente não existe, olhando para os robôs de inteligência geral que podem fazer tudo o que um ser humano pode. Isso está longe de onde a tecnologia da IA ​​é hoje, o que é impulsionado principalmente pelos avanços no aprendizado de máquinas, e onde se pode razoavelmente esperar que seja no futuro próximo.

No aprendizado de máquina, existem aproximadamente dois tipos de problemas que os computadores tentam resolver: aprendizado não supervisionado e aprendizado supervisionado. Hoje, as aplicações mais valiosas são do aprendizado supervisionado, que responde a perguntas como prever uma variável (Y) usando vários recursos de dados de entrada (X).

O aprendizado supervisionado (do qual o zumbido mais quente está no aprendizado profundo, um tipo específico de modelo supervisionado) pode ser usado para responder a perguntas como “quais dos meus clientes têm maior probabilidade de mudar?” Ou “qual produto esse cliente teria mais probabilidade de gerar? compra?". Esses modelos são realmente tão bons quanto os dados inseridos, mas podem melhorar com o tempo, à medida que mais dados são coletados, e o modelo vê mais exemplos.

Quando procuramos prever o impacto que a IA (e, portanto, principalmente as aplicações de aprendizado supervisionado) pode ter na economia, ela é limitada em escopo a problemas da forma “prediga Y de X”, desnudando descobertas inesperadas. O espaço de tarefas que isso pode afetar e automatizar hoje é algo que leva os humanos em torno de um segundo ou menos para fazer , e essa janela de tempo aumentará à medida que avanços na aprendizagem de IA / máquina forem feitos. Esse escopo limitado de tarefas não é o cenário do dia do juízo final de tirar todos os trabalhos que muitos esperam.

Isso não quer dizer que a IA não reestruture a economia fundamentalmente, mas o efeito não será o desemprego em massa. O impacto real, como os exemplos anteriores de mudança tecnológica com viés de habilidade, será selecionar certas habilidades em detrimento de outras, à medida que a tecnologia cria novos empregos e novas oportunidades, enquanto automatiza outras tarefas.

Para ver isso, podemos olhar para instâncias passadas de mudança tecnológica maciça como estudos de caso do que esperar da IA.

Ao longo de décadas, da imprensa até as calculadoras e os braços robóticos, as pessoas estavam continuamente preocupadas com a possibilidade de a tecnologia tirar seus empregos. O que aconteceu em vez disso foi que a nova tecnologia diminuiu a necessidade de certas habilidades / ocupações, aumentando a necessidade de outras que pudessem (1) trabalhar com a nova tecnologia, (2) fornecer a nova tecnologia com os insumos necessários, (3) usar o produtos da nova tecnologia em outras aplicações a jusante, ou (4) satisfazer a demanda de pessoas que ganharam dinheiro com a nova tecnologia.

Um ótimo exemplo é a invenção da planilha eletrônica e de softwares como o Microsoft Excel, que automatizaram bastante a manutenção de registros no final dos anos 1970 e início dos anos 80. Como observa o Wall Street Journal , os trabalhos contábeis despencaram quando o software substituiu as tarefas manuais exigidas anteriormente. Enquanto isso, a demanda por analistas e contadores aumentava à medida que as empresas agora conseguiam rastrear mais dados e precisavam de ajuda para analisá-lo e interpretá-lo. Aí vemos como a nova tecnologia é selecionada diferencialmente para certas habilidades, aumentando sua demanda sobre outras, enquanto as habilidades substituídas viram seu valor no declínio do mercado de trabalho.

Podemos ver os mecanismos exatos por trás disso através de uma análise mais sistemática de um artigo de autor e Salomons , dois economistas. Eles medem a relação entre várias métricas e o crescimento em algo chamado TFP (produtividade total dos fatores) ao longo do tempo. A PTF é uma medida comum de mudança tecnológica na literatura econômica que se correlaciona fortemente com coisas como o número de patentes (são essencialmente as partes do crescimento econômico que não podem ser explicadas pelo trabalho e pelo capital / máquinas).

Uma nova tecnologia é considerada deslocação de mão-de-obra se reduzir a parte da renda que vai para os trabalhadores e, em vez disso, aumenta a parcela que vai para o capital / máquinas. Eles também analisam a relação entre o crescimento da PTF e o emprego e os salários.

Devemos notar que um aumento na parte da renda do trabalho tecnicamente significa que o aumento na economia da nova tecnologia está desproporcionalmente indo para o capital sobre o trabalho, mas isso não significa que o trabalho em si não beneficia; em vez disso, significa que a mão-de-obra está se beneficiando menos da nova tecnologia do que do capital, reduzindo sua participação geral.

Eles decompõem o impacto da nova tecnologia nesses resultados em quatro partes: (1) efeitos diretos, (2) efeitos de demanda final, (3) efeitos de upstream e (4) efeitos de downstream.

Obviamente, dentro de uma indústria, os empregos focados em tarefas automatizadas por máquinas desaparecem, mas à medida que a indústria em geral se torna mais produtiva devido à nova tecnologia, a demanda por mão-de-obra em tarefas não automatizadas pode realmente aumentar. Este é o efeito direto (1) que Autor e Solomans denominam o efeito “Uber”. A melhoria tecnológica em uma indústria pode elevar a produtividade do trabalho e o emprego dentro da indústria impactada.

O setor de aplicativos de passeio é um exemplo disso, pois embora a plataforma do Uber automatizasse a correspondência de pilotos com motoristas, removendo essa tarefa de um ser humano, aumentava a produtividade e a demanda por motoristas, aumentando a demanda por esses trabalhos.

O (2) efeito da demanda final é o aumento da demanda da economia de novas tecnologias. Proprietários de capital para novas tecnologias se beneficiam com o aluguel de seus equipamentos para empresas, e esse aumento na renda aumenta sua demanda pela compra de bens e serviços, o que, por sua vez, impulsiona a demanda por empregos envolvidos nessas áreas, criando novas oportunidades de trabalho.

Como um exemplo básico, a Internet criou uma série de milionários e bilionários através da fundação e / ou trabalho para empresas de tecnologia, levando a surtos na demanda por bens e serviços que as pessoas gostavam, embora essas empresas criassem produtos que automatizassem muito o trabalho existente. tarefas (como a Microsoft com o Excel).

Os efeitos (3) Upstream e (4) downstream são como o crescimento da PTF impacta as indústrias de fornecedores e clientes.

A nova tecnologia pode reduzir o custo de produção em um insumo, levando a um aumento na demanda por outros insumos. Como exemplo, as melhorias nas baterias de íon de lítio criaram oportunidades para aproveitá-las em dispositivos móveis menores, permitindo a criação de smartphones. Isso levou a um aumento na demanda por microchips, uma indústria de fornecedores a montante, já que eles são usados ​​na produção de telefones, gerando novas oportunidades de emprego nessa área. Da mesma forma, a criação de telefones celulares gerou uma série de empresas que desenvolvem aplicativos para elas, impulsionando a demanda nas indústrias de clientes também.

O saldo líquido da tecnologia no trabalho envolve a análise desses quatro diferentes canais de impacto: (1) efeitos diretos, (2) efeitos de demanda final, (3) efeitos de upstream e (4) efeitos de downstream.

Quando Autor e Solomons analisam os números, eles descobrem que a tecnologia é tipicamente negativa em (1) efeitos diretos, pois a nova tecnologia desloca mão-de-obra nas indústrias em que é aplicada, mas os outros canais tendem a ser positivos em geral nos mercados de trabalho e superam os impacto negativo direto na própria indústria.

Isso significa que, em geral, a tecnologia é, na verdade, maior do que o trabalho, aumentando o emprego, mas cria oportunidades em diferentes lugares. Porque cria oportunidades em diferentes indústrias, seleciona habilidades diferentes daquelas que perdem seus empregos por causa da tecnologia.

Desta forma, a introdução de nova tecnologia é bastante semelhante ao impacto da globalização : ela concentrou danos em alguns indivíduos que perderão os empregos que têm hoje, mas o impacto geral sobre a economia é maior, pois cria novas oportunidades econômicas para a economia. pessoas e resulta em produtos de maior qualidade e / ou preços mais baixos.

Aplicando essas lições de choques de tecnologia do passado para um tópico popular hoje, podemos ver o real impacto esperado da IA ​​nos motoristas de caminhão . Embora até mesmo a condução de caminhões possa se tornar automatizada, ainda haverá um papel para os humanos supervisionarem o transporte de carga, descarregá-lo, reabastecer o caminhão e muitas outras tarefas potenciais, como pilotos ainda são necessários em planos, mesmo com piloto automático.

A questão política central, então, não é se podemos apoiar enormes quantidades de desemprego, pois todos os empregos desaparecem devido a melhorias na IA, mas podemos fazer um trabalho melhor ajudando as pessoas a se adaptarem à inevitável interrupção dos mercados de trabalho, aprendendo lições. desde os primeiros dias da globalização e da primeira onda de automação, esse custo de ajuste não é sem atrito e pode ter um enorme impacto negativo sobre as pessoas diretamente afetadas.

Devemos pressionar por políticas que possam ajudar nesse ajuste, como seguro salarial, salários mínimos mais altos, reduções no licenciamento ocupacional e uma série de outras melhorias para tornar nossos mercados de trabalho mais dinâmicos e receptivos a mudanças estruturais.