Andersons vinkel

40 år med automatisering har presset ned USAs lønninger mer enn av-unionisering eller utkonkurrering

mm
Legg til Unite.AI blant dine foretrukne kilder på Google

En ny arbeidsrapport fra USAs nasjonale økonomiske forskningsbyrå (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 inntektsTap enn av-unionisering, utkonkurrering 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 arbeidersektorer for industrier der ‘oppgaveforflytning’ har skjedd gjennom nye automatiseringsteknologier, inkludert robotautomatisering og overtakelse av tidligere manuelle oppgaver av programvare.

Uskyldig endring

Forskerne konkluderer at deres statistiske utfordring til en voksende populær forestilling om at inntektsulikhet har blitt systematisk forverret siden oppblomstringen av nyliberale økonomiske teorier fra slutten av 1970-årene.

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

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

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

I virkeligheten maler studien 40 år med hovedsakelig nyliberale styre som opportunistisk (i forhold til fremveksten av nye teknologiske utviklinger), snarere enn som prescient arkitekter av sosiale og økonomiske politiske systemer som har ført til finansiell likhet og den kontroversielle veksten av prekariatet.

Likevel, adresserer rapporten ikke den økende kostnaden av boliger i de siste 15-20 årene, som kan være den kritiske faktoren i å forverre og politisere de virkelige effektene 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 inntekts-trender, med større relativ inntekt for bedre utdannede mennesker, og lønnsstagnasjon eller nedgang for roller eller sektorer der automatisering har vist seg mulig.

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

Klikk for å forstørre. Divergens av inntekts-trender 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 en high school-utdanning nå tjener 15% mindre i reelle termer enn i 1980, bare er forbundet med ‘modest produktivitetsgevinster’ på lang sikt.

Utfordring av teorien om ferdighetbasert teknologisk endring (SBTC)

Rapporten påpeker at eldre teorier har tillagt disse endringene i kompensasjon til ferdighetbasert teknologisk endring (SBTC), som maler en mer gunstig bilde av lavere kvalifiserte arbeidere som ‘oppgraderer’ til høyere kvalifiserte roller gjennom nye teknologier.

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

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

Forholdet mellom nedgang i reelle lønninger og ulike demografiske grupper i industrier med en 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 industri, har NBER-forskerne brukt nedadgående arbeidsandeler som ‘en åpenbar indikator på automatisering’. Forskerne hevder:

‘[E]n stor andel av endringene i USAs lønnsstruktur over de siste fire årtier kan tilskrives de relative lønnsnedgangene for arbeidere som spesialiserte seg i rutineoppgaver i industrier som opplevde en nedadgående arbeidsandel.’

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

NBER-rapporten arbeider med mange av de samme tallene som tidligere rapporter har brukt, men kommer til en konklusjon om at arbeidsmarkedet ikke bare transformerer internt i disse industrien, men at arbeidere blir kastet ut under nye automatiseringsregimer. Ettersom det er statistisk vanskelig å spore skjebnen til de avviste arbeiderne utenfor datapunktene, vil andre studier måtte ta opp bildet.

Jobber tapt, ikke transformert

Rapportens anslag viser at oppgaveforflytning (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 utfall 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, utkonkurrering, regional variasjon, økt befolkning og markedsandel.

Rapporten innrømmer at oppgavebasert forflytning i en kjerne av industrier som er sårbare for automatisering kan endre sammensetningen av USAs økonomi, som kan potensielt skape økt etterspørsel i andre sektorer, men også bemerker ‘ripple-effekten’ av de avviste arbeiderne som konkurrerer om en nedadgående mengde ikke-automatiserte roller, som fører til at lønnsnivåene presses ned og undertrykkes.

Forfatter innen maskinlæring, domenespesialist i menneskeskapesynthese. Tidligere sjef for forskningsinnhold i Metaphysic.ai, til det ble oppløst i DNEG's Brahma.ai.
Portfolio nettsted: martinanderson.ai
Kontakt: martin@martinanderson.ai