استنفورد شاخص‌های اقتصادی هوش مصنوعی را برای ردیابی تأثیر آن بر نیروی کار و بهره‌وری راه‌اندازی کرد

آزمایشگاه اقتصاد دیجیتال استنفورد، «شاخص‌های اقتصادی هوش مصنوعی» را راه‌اندازی کرده است؛ یک پلتفرم ردیابی لحظه‌ای که برای اندازه‌گیری تأثیر واقعی هوش مصنوعی بر بازار کار و اقتصاد گسترده‌تر طراحی شده است. این پلتفرم که بر اساس داده‌های حقوق و دستمزد لحظه‌ای، سیگنال‌های کلان اقتصادی و نظرسنجی‌های پذیرش ساخته شده، قصد دارد بحث را از پیش‌بینی‌های غیرمستند به شواهد مستدل و در سطح وظایف منتقل کند. آمار سنتی اقتصادی برای فناوری‌ای که جریان کار را در سطح وظایف فردی تغییر می‌دهد، طراحی نشده‌اند و اغلب منجر به تأخیری می‌شوند که در آن تغییرات واقعی نادیده گرفته شده یا سال‌ها پس از وقوع شناسایی می‌شوند. این ابتکار با جمع‌آوری داده‌های به‌روزرسانی‌شده مکرر در داشبوردهای عمومی، ابزارهایی را در اختیار سیاست‌گذاران، مدیران تجاری و کارگران قرار می‌دهد تا دقیقاً بفهمند این فناوری در کجا ارزش ایجاد می‌کند و در کجا مسیرهای شغلی تثبیت‌شده را مختل می‌سازد.[1][3]

برای ثبت این تغییرات پیش از آنکه در گزارش‌های ملی اشتغال ظاهر شوند، استنفورد با مؤسسه تحقیقاتی ADP همکاری کرد تا «داشبورد قناری‌ها» (Canaries Dashboard) را ایجاد کند. این ابزار داده‌های حقوق و دستمزد ناشناس‌شده ۲۵,۰۰۰ شرکت خصوصی و بیش از ۴ میلیون کارگر را تحلیل می‌کند و بیش از ۷۳۰ شغل منحصر به فرد را پوشش می‌دهد. با پیوند دادن این مجموعه داده عظیم به معیارهای تثبیت‌شده میزان «آسیب‌پذیری شغلی در برابر هوش مصنوعی»، محققان می‌توانند الگوهای استخدام، تغییرات دستمزد و تحرک شغلی را به صورت ماهانه ردیابی کنند. این داشبورد به عنوان یک سیستم هشدار اولیه عمل می‌کند – «قناری‌های داخل معدن» را زیر نظر می‌گیرد – تا اختلالات در سطح وظایف را مدت‌ها قبل از آنکه به روندهای کلان اقتصادی تبدیل شوند، شناسایی کند. این رویکرد دقیق به اقتصاددانان اجازه می‌دهد تا مشاغلی را که در آن‌ها هوش مصنوعی به عنوان یک تقویت‌کننده مشارکتی عمل می‌کند، از مشاغلی که در آن‌ها به عنوان جایگزین مستقیم عمل می‌کند، جدا سازند.[1][2]

چشمگیرترین شواهد اولیه از داشبورد قناری‌ها نشان می‌دهد که تأثیر هوش مصنوعی بر بازار کار در حال حاضر تقریباً به طور کامل بر کارگران جوان متمرکز شده است. این فناوری به جای ایجاد اخراج‌های گسترده در تمام گروه‌های سنی، به طور سیستماتیک مسیر استخدام سطح ورودی را در صنایع بسیار آسیب‌پذیر محدود می‌کند. برای کارگران ۲۲ تا ۲۵ ساله، اشتغال در مشاغلی که بیشترین آسیب‌پذیری در برابر هوش مصنوعی را دارند – مانند توسعه‌دهنده نرم‌افزار مبتدی و خدمات اولیه مشتری – سالانه ۳٫۸ درصد در حال کاهش است. این روند نشان‌دهنده بیش از ۳۰ ماه متوالی انقباض برای کارگران جوان در نقش‌های قابل خودکارسازی است، روندی که اندکی پس از انتشار گسترده ابزارهای هوش مصنوعی مولد در اواخر سال ۲۰۲۲ آغاز شد.[2][4]

در مقابل، اشتغال در ابتدای مسیر شغلی در نقش‌هایی که کمترین آسیب‌پذیری در برابر هوش مصنوعی را دارند، همچنان با نرخ سالانه سالم ۲٫۰ درصد در حال رشد است. این واگرایی ۵٫۸ درصدی نشان می‌دهد که آسیب‌پذیری در برابر هوش مصنوعی به سرعت به یک عامل تعیین‌کننده اصلی برای امنیت شغلی در سطح ورودی تبدیل شده است. جالب اینجاست که این الگوها برای کارگران مسن‌تر و باتجربه‌تر در همان مشاغل آسیب‌پذیر، به طور قابل توجهی کمتر مشهود شده و در نهایت از بین می‌روند. داده‌ها نشان می‌دهند در حالی که متخصصان ارشد از هوش مصنوعی برای تسریع خروجی خود استفاده می‌کنند، افزایش بهره‌وری به شرکت‌ها اجازه می‌دهد تا جذب کارکنان مبتدی را که به طور سنتی وظایف ساختاریافته و روتینی را که اکنون نرم‌افزار خودکار می‌کند، کاهش دهند.[2][4]

با وجود این اختلالات محلی در مسیر استخدام، «ردیاب جهش» (Takeoff Tracker) این پلتفرم هیچ شواهد قاطعی از یک انفجار کلان اقتصادی ناشی از هوش مصنوعی پیدا نمی‌کند. این ردیاب با الهام از تحقیقات ویلیام دی. نوردهاوس، برنده جایزه نوبل، در مورد تکینگی‌های اقتصادی، ۱۲ شاخص کلان – از جمله بهره‌وری، موجودی سرمایه و سرمایه‌گذاری زیرساختی – را زیر نظر دارد تا بسنجد که آیا این فناوری باعث تسریع اساسی در رشد اقتصادی ملی شده است یا خیر. در حال حاضر، سیگنال‌ها همچنان ضعیف هستند. در حالی که سرمایه‌گذاری در هوش مصنوعی سهم فزاینده‌ای از هزینه‌های شرکت‌ها را تشکیل می‌دهد، اما هنوز به نوعی رونق بهره‌وری سیستمی و در سطح کل اقتصاد که مشخصه اوج انقلاب صنعتی یا دوران اولیه اینترنت بود، تبدیل نشده است.[1][5]

عدم وجود یک جهش کلان اقتصادی، یافته اصلی این بسته شواهد را برجسته می‌کند: مزایای اقتصادی هوش مصنوعی در حال حاضر بیش از حد محلی هستند. در حالی که مطالعات کنترل‌شده به طور مداوم افزایش بهره‌وری دو رقمی را در وظایف بسیار ساختاریافته نشان می‌دهند – مانند افزایش ۱۴ تا ۱۵ درصدی در پشتیبانی مشتری و تا ۲۶ درصدی در توسعه نرم‌افزار – این کارایی‌های خرد هنوز در ردیاب‌های تولید ناخالص داخلی ملی ثبت نشده‌اند. شواهد نشان می‌دهد که در سطح شرکت، بخش زیادی از این صرفه‌جویی زمانی در سطح وظایف، صرف جریان‌های کاری جدید تأیید، اصطکاک سازمانی، یا صرفاً کاهش استخدام سطح ورودی می‌شود، نه گسترش عظیم کل خروجی شرکت.[1][6]

در همین حال، «ناظر پذیرش» (Adoption Monitor) پلتفرم، سرعت گسترش این فناوری در میان مردم را ردیابی می‌کند. این داشبورد با تکیه بر مجموعه‌ای از نظرسنجی‌های بین‌المللی، نشان می‌دهد که استفاده خوداظهاری از هوش مصنوعی مولد برای کار و وظایف شخصی تا اوایل سال ۲۰۲۶ به ۵۸ درصد رسیده است. این نشان‌دهنده یک منحنی پذیرش به مراتب تندتر از رایانه شخصی یا وب اولیه است که در کمی بیش از سه سال به نفوذ اکثریت دست یافته است. با این حال، این ناظر همچنین واگرایی در نحوه استفاده از فناوری را نشان می‌دهد و بین استفاده معمولی و محیطی و ادغام عمیق و تغییردهنده جریان کار که برای ایجاد ارزش اقتصادی معنادار لازم است، تمایز قائل می‌شود.[1][5]

داده‌ها شکاف پایداری بین آزمایش‌های فردی و تولید در سطح شرکت را برجسته می‌کنند. در حالی که شرکت‌های آمریکایی در پذیرش فناوری‌های هوش مصنوعی در سطح جهانی پیشرو هستند، استقرار واقعی آن در عملیات اصلی کسب‌وکار – جایی که هزینه‌های قابل توجهی را متحمل می‌شود و درآمد قابل اندازه‌گیری ایجاد می‌کند – همچنان ناهماهنگ است. بسیاری از سازمان‌ها گزارش می‌دهند که از هوش مصنوعی در حداقل یک عملکرد تجاری استفاده می‌کنند، اما گذار از برنامه‌های آزمایشی به تحول در سطح کل سازمان کند است. این اصطکاک توضیح می‌دهد که چرا نرخ‌های انفجاری پذیرش فردی هنوز شاخص‌های کلان اقتصادی در ردیاب جهش را مجبور به سبز شدن نکرده است.[1][6]

روایت کلی از شاخص‌های جدید استنفورد، اختلالی هدفمند و نه سیستمی است. هوش مصنوعی به عنوان یک ابزار قدرتمند در سطح وظایف عمل می‌کند که به طور فعال در حال تغییر شکل پله‌های پایین‌تر نردبان شغلی شرکت‌ها است، اما هنوز باعث جابجایی گسترده مشاغل یا رشد اقتصادی انفجاری که توسط پیش‌بینی‌های اولیه صنعت پیش‌بینی شده بود، نشده است. پلتفرم شاخص‌های اقتصادی هوش مصنوعی با ارائه یک ناظر ماهانه و مبتنی بر شواهد، به تصمیم‌گیرندگان اجازه می‌دهد تا مسیر واقعی فناوری را ردیابی کنند و به عنوان مبنای قطعی برای جداسازی تحول اقتصادی واقعی از تبلیغات گمانه‌زنی در هنگام آشکار شدن عصر هوش مصنوعی عمل می‌کند.[4][6]

این پلتفرم همچنین «ناظر مازاد (GDP-B)» را معرفی می‌کند، یک معیار جدید که برای ثبت ارزشی طراحی شده است که آمار سنتی اقتصادی آن را نادیده می‌گیرند. از آنجایی که بسیاری از ابزارهای هوش مصنوعی مولد به صورت رایگان یا با اشتراک ماهانه کم در دسترس هستند، سهم آن‌ها در تولید ناخالص داخلی استاندارد حداقل است. با این حال، ناظر مازاد، «مازاد مصرف‌کننده» را اندازه‌گیری می‌کند – یعنی منفعت اقتصادی که افراد هنگام ارزش‌گذاری یک محصول بالاتر از قیمت بازار آن دریافت می‌کنند. داده‌های اولیه نشان می‌دهد که مازاد مصرف‌کننده ایجاد شده توسط این ابزارها به سرعت در حال گسترش است و میلیاردها دلار رفاه اندازه‌گیری‌نشده را ثبت می‌کند که زندگی روزمره را بهبود می‌بخشد، حتی اگر در ترازنامه شرکت‌ها ظاهر نشود.[1][6]

این شکاف اندازه‌گیری یک تمرکز حیاتی برای آزمایشگاه اقتصاد دیجیتال استنفورد است. معیارهای سنتی مانند تولید ناخالص داخلی برای یک اقتصاد صنعتی طراحی شده بودند که در آن خروجی به راحتی در کالاهای فیزیکی یا ساعات قابل صورت‌حساب کمی‌سازی می‌شد. هنگامی که یک دستیار هوش مصنوعی به کارگر کمک می‌کند تا یک ایمیل را در پنج دقیقه به جای پانزده دقیقه پیش‌نویس کند، ممکن است کیفیت خروجی بهبود یابد، اما معامله اقتصادی قابل اندازه‌گیری بدون تغییر باقی می‌ماند. محققان با توسعه شاخص‌های جدیدی که تقویت در سطح وظایف و مازاد مصرف‌کننده را در نظر می‌گیرند، قصد دارند یک «رصدخانه اقتصادی» بسازند که واقعیت‌های یک بازار دیجیتال و مبتنی بر هوش را به دقت منعکس کند.[1][6]

با نگاه به آینده، پلتفرم شاخص‌های اقتصادی هوش مصنوعی طراحی شده است تا همگام با فناوری‌ای که ردیابی می‌کند، تکامل یابد. محققان قصد دارند در ماه‌های آینده داشبوردها را با مجموعه‌داده‌های اضافی، مقایسه‌های بین‌المللی و بررسی‌های عمیق‌تر خاص صنعت گسترش دهند. همانطور که قابلیت‌های هوش مصنوعی از تولید متن ساده به جریان‌های کاری پیچیده و عاملیت‌محور پیشرفت می‌کنند، سیگنال‌های بازار کار و کلان اقتصادی به ناچار تغییر خواهند کرد. در حال حاضر، داده‌ها یک واقعیت‌سنجی هوشیارانه اما ضروری را ارائه می‌دهند: انقلاب هوش مصنوعی به خوبی در حال انجام است، اما میراث اقتصادی فوری آن در انقباض آرام مشاغل سطح ورودی نوشته می‌شود، نه در یک انفجار ناگهانی ثروت ملی.[1][3]