Kunstig intelligens

40 År med Automatisering har Presset Ned Lønningene i USA Mer Enn De-unionisering eller Offshoring

mm

En ny arbeidsrapport fra USAs nasjonale byrå for økonomisk forskning (NBER) bruker maskinlæring til å studere årsakene til økningen i lønns- og inntektsulikhet over de siste 40-50 årene i USA, og konkluderer med at automatisering har hatt en langt større rolle i lønnsTap enn de-unionisering, offshoring og andre mer politisk kontroversielle teorier som har fått fotfeste i det offentlige bevissthet siden finanskrisen i 2008.

Rapporten konkluderer med at mellom 50-70% av endringene i lønnsstruktur i USA mellom 1980-2016 skyldes lønnsnedgang i arbeidertett sektorer for industrier der ‘oppgavedisponering’ har funnet sted gjennom nye automatiseringsteknologier, inkludert robotautomatisering og overtakelse av tidligere manuelle oppgaver av programvare.

Ustraffelig Endring

Forskernes konklusjoner er en statistisk utfordring til en voksende populær forestilling om at inntektsulikhet har blitt systematisk forverret siden oppblomstringen av nyliberale økonomiske politikker fra slutten av 1970-tallet og utover.

I stedet karakteriserer de økende finansielle ulikhetene som en organisk funksjon av teknologisk utvikling, snarere enn som en nettverkseffekt av politikken som kan ha blitt opprinnelig utformet for å hemme den voksende makten til fagforeninger i den påfølgende tiårsperioden, og for å reversere den mer rettferdige balansen i forholdet mellom arbeidere og industri som fulgte etter andre verdenskrig.

Etterkrigsårene (avbildet til høyre) viser en langt mer stabil mønster av oppgavedisponering sammenlignet med perioden fra 1980 og utover.

Klikk for å forstørre. Etterkrigsårene (avbildet til høyre) viser en langt mer stabil mønster av oppgavedisponering sammenlignet med perioden fra 1980 og utover.

I virkeligheten tegner studien 40 år med hovedsakelig nyliberale regjeringer som opportunistiske (i forhold til oppblomstringen av nye teknologiske utviklinger), snarere enn som prescient arkitekter av sosiale og økonomiske politiske systemer som har ført til finansiell likhet og kontroversiell vekst av precariat.

Men rapporten tar ikke opp den økende kostnaden for boliger i løpet av de siste 15-20 årene, som kan være den kritiske faktoren i å forverre og politisere de faktiske virkningene av lengrevarig lønnsstagnasjon og nedgang – et fenomen som for tiden genererer populær kritikk av føderal inaktivitet i møte med hyper-skala budsjettkrig mellom store korporative investorer.

NBER-studien viser en polarisering av inntekts­trender, med større relativ inntekt for bedre utdannede personer, og lønnsstagnasjon eller nedgang for roller eller sektorer hvor automatisering har vist seg mulig.

Divergens av inntekts­trender ifølge NBER. Kilde: https://www.nber.org/system/files/working_papers/w28920/w28920.pdf

Klikk for å forstørre. Divergens av inntekts­trender ifølge NBER. Kilde: https://www.nber.org/system/files/working_papers/w28920/w28920.pdf

Forskningen hevder også at nedgangen i lønnslikhet, som betyr at menn uten videregående utdanning nå tjener 15% mindre i reelle termer enn i 1980, kun er forbundet med ‘modest produktivitetsgevinst’ på lang sikt.

Utfordring av Teorien om Ferdighetbasert Teknologisk Endring (SBTC)

Rapporten påpeker at eldre teorier har tilskrevet disse endringene i kompensasjon til Ferdighetbasert Teknologisk Endring (SBTC), som maler et mer gunstig bilde av lavere kvalifiserte arbeidere som ‘oppgraderer’ til høyere kvalifiserte roller fasilitert av nye teknologier.

SBTCs forestilling om at jobber ‘transformeres’ snarere enn forsvinner, er for tiden en populær salve til samfunnets frykt om AI som tar over menneskelige jobber, og NBER-rapporten henviser til veksten av etterspørsel etter ferdigheter i 1990-årene som en av de mest populært siterte forsvarerne av denne teorien.

Forholdet mellom nedgang i reelle lønner og ulike demografiske grupper i industrier med nedadgående arbeidsandel. Punkter indikerer 500 demografiske grupper, med størrelsesvariasjoner som en indikator for totalt antall arbeidstimer.

Forholdet mellom nedgang i reelle lønner og ulike demografiske grupper i industrier med nedadgående arbeidsandel. Punkter indikerer 500 demografiske grupper, med størrelsesvariasjoner som en indikator for totalt antall arbeidstimer.

Nedadgående Arbeidsandeler som en Proxy for Automatisering

I fravær av konsistente empiriske statistikker om automatisering i industrien, har NBER-forskerne brukt nedadgående arbeidsandeler som ‘en avslørende tegn på automatisering’. Forskerne hevder:

‘[E]n stor andel av endringene i den amerikanske lønnsstrukturen under de siste fire tiårene kan forklares av de relative lønnsnedgangene for arbeidere som spesialiserte seg i rutineoppgaver i industrier som opplevde nedadgående arbeidsandeler.’

Rapporten fastslår videre at arbeidere som spesialiserer seg i oppgaver som er sårbare for automatisering ‘vil bære byrden av disse endringene og vil lide relative og potensielt absolutte lønnsnedganger.’

NBER-rapporten arbeider med mange av de samme tallene som tidligere rapporter har brukt, men kommer til slutsatsen at arbeidsstyrken ikke bare transformerer seg internt innenfor disse industrien, men at arbeidere blir kastet ut under nye automatiseringsregimer. Siden det er statistisk vanskelig å spore skjebnen til forkastede arbeidere utenfor grensene av dataene, vil andre studier måtte ta opp bildet.

Jobber Tapt, Ikke Transformert

Rapportens estimater viser at oppgavedisponering (bevegelsen av oppgaver til automatisering eller andre midler) står for 50-70% av de observerte endringene i lønnsstruktur mellom 1980 og 2016, mens tradisjonelle SBTC-bevegelser (en bedre utgang for arbeiderne) står for under 10% av disse endringene.

Forskerne fant at deres sentrale modell holder stand selv når de tar hensyn til faktorer som importkonkurranser, fagforeningsnedgang, offshoring, regionale variasjoner, økt befolkning og markedsandeler.

Rapporten innrømmer at oppgavedisponering i en kjerne av industrier som er sårbare for automatisering, kan endre sammensetningen av den amerikanske økonomien, som kan potensielt skape økt etterspørsel i andre sektorer, men også bemerker ‘rippleffekten’ av forkastede arbeidere som konkurrerer om en synkende mengde ikke-automatiserte roller, som fører til at lønnene presses ned og lønnsnivåene undertrykkes.

Forfatter på maskinlæring, domeneekspert på menneskesynthese. Tidligere leder for forskningsinnhold på Metaphysic.ai.