Η συζήτηση για τον αντίκτυπο της Τεχνητής Νοημοσύνης (ΤΝ) στην αγορά εργασίας εστιάζει κυρίως στο αν και πόσες θέσεις εργασίας θα εξαλειφθούν. Ωστόσο, η Clara Shih, πρώην CEO της Salesforce AI, επισημαίνει ότι μεγαλύτερος κίνδυνος για πολλούς εργαζόμενους είναι οι μειωμένες αποδοχές.
“Ενώ η πλήρης αντικατάσταση θέσεων εργασίας από την ΤΝ θα συμβεί σε συγκεκριμένους ρόλους, η ιστορία δείχνει ότι οι αναπροσαρμογές των μισθών αποτελούν έναν πιο συνηθισμένο, ύπουλο και συχνά εξίσου καταστροφικό τρόπο με τον οποίο οι νέες τεχνολογίες επηρεάζουν τους εργαζόμενους”, έγραψε η Shih σε ανάρτησή της στο X την Κυριακή.
Τρεις τρόποι με τους οποίους η ΤΝ μπορεί να οδηγήσει σε χαμηλότερους μισθούς:
1. **Συμπίεση εντός του κλάδου (Intra-sector squeeze):** Όταν εργαζόμενοι χάνουν τη δουλειά τους σε έναν κλάδο, ανταγωνίζονται για τις εναπομείνασες θέσεις στην ίδια κατηγορία, ασκώντας πίεση προς τα κάτω στους μισθούς. Η Shih παρέθεσε ως παράδειγμα την αυτοκινητοβιομηχανία μετά τα εμπορικά σοκ των αρχών της δεκαετίας του 2000. Καθώς εργοστάσια έκλειναν ή αυτοματοποιούνταν και η παραγωγή μεταφερόταν στο εξωτερικό, οι απολυμένοι εργαζόμενοι πάλευαν για ένα συρρικνούμενο σύνολο θέσεων εγχώριας παραγωγής, με αποτέλεσμα την πτώση των πραγματικών μισθών. Το US Bureau of Labor Statistics εκτιμά ότι 5,5 εκατομμύρια θέσεις εργασίας στην αμερικανική μεταποίηση χάθηκαν μεταξύ 2000 και 2017. Μια μελέτη του 2016 από τους οικονομολόγους David Autor, David Dorn και Gordon Hanson κατέληξε στο συμπέρασμα ότι οι εργαζόμενοι σε βιομηχανίες που εκτέθηκαν στον ανταγωνισμό εισαγωγών από την Κίνα “συσσωρεύουν σημαντικά χαμηλότερα κέρδη” μεταξύ 1992 και 2007.
2. **Μείωση του “ορίου δεξιοτήτων”:** Η τεχνολογία μπορεί να μειώσει το απαιτούμενο επίπεδο δεξιοτήτων για προηγουμένως εξειδικευμένη εργασία, διευρύνοντας έτσι την προσφορά εργασίας. “Η ΤΝ (όπως και προηγούμενα κύματα τεχνολογίας) μειώνει το ελάχιστο απαιτούμενο επίπεδο δεξιοτήτων για κάποτε προνομιούχες θέσεις εργασίας, πλημμυρίζοντας την προσφορά εργασίας και συμπιέζοντας τους μισθούς”, έγραψε η Shih. Ως παράδειγμα ανέφερε τους οδηγούς ταξί του Λονδίνου. Για δεκαετίες, οι οδηγοί έπρεπε να μάθουν “The Knowledge”, μια αυστηρή διαδικασία εξέτασης που απαιτούσε την απομνημόνευση χιλιάδων δρόμων και σημείων ενδιαφέροντος. Ωστόσο, η πλοήγηση GPS και οι εφαρμογές ride-hailing μείωσαν δραματικά την ανάγκη για αυτή την εξειδίκευση και διεύρυναν την προσφορά οδηγών, εκθέτοντάς τους σε περισσότερο ανταγωνισμό.
3. **Μετακίνηση σε νέους τομείς:** Ένας τρίτος παράγοντας αφορά τους εργαζόμενους που μετακινούνται σε εντελώς νέους τομείς μετά την απώλεια θέσεων εργασίας υψηλής εξειδίκευσης. “Οι εκτοπισμένοι εργαζόμενοι υψηλής εξειδίκευσης αλλάζουν πεδία, συχνά αποδεχόμενοι περικοπή αμοιβών, ενώ παράλληλα εκτοπίζουν τους ήδη εργαζόμενους”, ανέφερε η Shih.
Για την Shih, η συνεπαγωγή είναι ότι οι υπεύθυνοι χάραξης πολιτικής και οι εργαζόμενοι δεν πρέπει να αξιολογούν τον αντίκτυπο της ΤΝ στην αγορά εργασίας μόνο βάσει των απωλειών θέσεων εργασίας, αλλά και βάσει των τάσεων των μισθών.
Η αρχική αύξηση των μισθών λόγω της ΤΝ ενδέχεται ήδη να αρχίζει να ξεθωριάζει. Η Ioana Marinescu, αναπληρώτρια καθηγήτρια στο University of Pennsylvania School of Social Policy & Practice και συν-συγγραφέας μιας πρόσφατης μελέτης του Brookings Institution για αυτό που αποκαλεί “κορεσμό νοημοσύνης”, δήλωσε στο Business Insider ότι η ΤΝ μπορεί να πλησιάζει ήδη την κορύφωση της ώθησης που προσφέρει στους μισθούς. Νέες τεχνολογίες συχνά αυξάνουν τις αποδοχές αρχικά, κάνοντας τους εργαζόμενους πιο παραγωγικούς, αλλά αυτό το φαινόμενο μπορεί να αντιστραφεί μόλις η αυτοματοποίηση διαδοθεί ευρέως. Το μοντέλο της υποδηλώνει ότι η αύξηση των μισθών θα μπορούσε να αρχίσει να μειώνεται μόλις περίπου το 37% των γνωστικών εργασιών ή εργασιών “νοημοσύνης” αυτοματοποιηθούν – ένα σημείο καμπής όπου η αυτοματοποίηση αρχίζει να αντικαθιστά, αντί να συμπληρώνει, τους εργαζόμενους. Κατά την εκτίμησή της, η οικονομία έχει ήδη αυτοματοποιήσει περισσότερο από το 14% αυτών των εργασιών – που σημαίνει ότι η κορύφωση της αύξησης των μισθών λόγω ΤΝ μπορεί να έρθει νωρίτερα από ό,τι πολλοί αναμένουν.
