Kąt Andersona

40 Lat Automatyzacji Spowodowało Większy Spadek Wynagrodzeń w Stanach Zjednoczonych niż Dezunifikacja lub Offshoring

mm
Dodaj Unite.AI do preferowanych źródeł w Google

Nowy raport amerykańskiego Narodowego Biura Badań Ekonomicznych (NBER) wykorzystuje uczenie maszynowe do zbadania przyczyn wzrostu nierówności wynagrodzeń i dochodów w Stanach Zjednoczonych w ciągu ostatnich 40-50 lat i dochodzi do wniosku, że automatyzacja odegrała o wiele większą rolę w stratach wynagrodzeń niż dezunifikacja, offshoring i inne bardziej kontrowersyjne teorie, które zakorzeniły się w świadomości publicznej od czasu kryzysu finansowego w 2008 roku.

Raport stwierdza, że między 50-70% zmian w strukturze wynagrodzeń w Stanach Zjednoczonych między 1980 a 2016 rokiem jest związanych ze spadkiem wynagrodzeń w sektorach, w których nastąpiło “przejęcie zadań” przez nowe technologie automatyzacji, w tym automatyzację robotyczną i przejęcie zadań ręcznych przez oprogramowanie.

Bezwinne Zmiany

Wnioski badaczy są wyzwaniem statystycznym dla rosnącej popularnej koncepcji, że nierówność dochodowa została systematycznie zaostrzona od czasu powstania neoliberalnej ekonomii politycznej od późnych lat 70-tych.

Raczej, charakteryzują rosnącą nierówność finansową jako organiczną funkcję rozwoju technologicznego, a nie jako efekt polityk, które mogły być początkowo opracowane w celu osłabienia władzy związków zawodowych w tym dziesięcioleciu, oraz odwrócenia bardziej sprawiedliwej równowagi stosunków między pracownikami a przemysłem, jaka nastąpiła po II wojnie światowej.

Lata powojenne (pokazane po prawej) wykazują o wiele bardziej stabilny wzorzec przejęcia zadań w porównaniu z okresem od 1980 roku.

Kliknij, aby powiększyć. Lata powojenne (pokazane po prawej) wykazują o wiele bardziej stabilny wzorzec przejęcia zadań w porównaniu z okresem od 1980 roku.

W efekcie, raport maluje 40 lat w dużej mierze neoliberalnych rządów jako oportunista (względem pojawienia się nowych rozwojów technologicznych), a nie jako przewidujących architektów systemów politycznych i ekonomicznych, które doprowadziły do równości finansowej i kontrowersyjnego wzrostu prekariatu.

Jednak raport nie odnosi się do rosnących kosztów mieszkań w ciągu ostatnich 15-20 lat, co można uznać za kluczowy czynnik zaostrzający i polityzujący realne skutki długoterminowej stagnacji i spadku wynagrodzeń – zjawisko, które obecnie wzbudza krytykę braku działań federalnych w obliczu hiper-skalowych wojen cenowych dużych inwestorów korporacyjnych.

Raport NBER pokazuje polarizację trendów wynagrodzeń, z większymi relatywnymi dochodami dla lepiej wykształconych osób, oraz stagnacją lub spadkiem wynagrodzeń dla ról lub sektorów, w których automatyzacja okazała się możliwa.

Rozbieżność trendów wynagrodzeń według NBER. Źródło: https://www.nber.org/system/files/working_papers/w28920/w28920.pdf

Kliknij, aby powiększyć. Rozbieżność trendów wynagrodzeń według NBER. Źródło: https://www.nber.org/system/files/working_papers/w28920/w28920.pdf

Badanie twierdzi również, że spadek równości wynagrodzeń, co oznacza, że mężczyźni bez wykształcenia średniego obecnie zarabiają o 15% mniej w ujęciu realnym niż w 1980 roku, jest związany tylko z “umiarkowanymi zyskami produkcyjnymi” w długim okresie.

Wyzwanie Teorii Zmiany Technologicznej Opartej na Umiejętnościach (SBTC)

Raport zauważa, że starsze teorie przypisywały te zmiany w wynagrodzeniach teorii Zmiany Technologicznej Opartej na Umiejętnościach (SBTC), która maluje bardziej korzystny obraz pracowników o niższych umiejętnościach “przechodzących” do ról o wyższych umiejętnościach dzięki nowym technologiom.

Teoria SBTC, że prace “przechodzą” raczej niż znikają, jest obecnie popularnym środkiem na obawy społeczeństwa o to, że sztuczna inteligencja zabiera ludziom prace, a raport NBER cytuję wzrost popytu na umiejętności w latach 90-tych jako jeden z najpopularniejszych argumentów za tą teorią.

Związek między spadkiem realnych wynagrodzeń a różnymi grupami demograficznymi w branżach o malejącym udziale pracy. Kropki wskazują 500 grup demograficznych, a rozmiar kropki jest wskaźnikiem liczby przepracowanych godzin.

Związek między spadkiem realnych wynagrodzeń a różnymi grupami demograficznymi w branżach o malejącym udziale pracy. Kropki wskazują 500 grup demograficznych, a rozmiar kropki jest wskaźnikiem liczby przepracowanych godzin.

Malejący Udział Pracy jako Wskaznik Automatyzacji

W braku spójnych statystyk empirycznych na temat automatyzacji w przemyśle, badacze NBER wykorzystali malejący udział pracy jako “znak rozpoznawczy automatyzacji”. Badacze twierdzą:

‘[W]ielka część zmian w strukturze wynagrodzeń w Stanach Zjednoczonych w ciągu ostatnich czterech dekad jest związana ze spadkiem wynagrodzeń pracowników, którzy specjalizowali się w zadaniach rutynowych w branżach, które doświadczyły spadku udziału pracy.’

Raport stwierdza ponadto, że pracownicy, którzy specjalizują się w zadaniach podatnych na automatyzację, “poniosą ciężar tych zmian i będą doświadczać relatywnych i potencjalnie absolutnych spadków wynagrodzeń.”

Raport NBER pracuje z wieloma takimi samymi danymi, jakie wykorzystały poprzednie raporty, ale dochodzi do wniosku, że siła robocza nie tylko “przechodzi” wewnętrznie w ramach tych branż, ale raczej, że pracownicy są “wyrzucani” przez nowe reżimy automatyzacji. Ponieważ jest statystycznie trudno śledzić losy porzuconych pracowników poza granicami danych, inne badania będą musiały kontynuować ten obraz.

Prace Utracone, a Nie Przekształcone

Szacunki raportu pokazują, że przejęcie zadań (przeniesienie zadań na automatyzację lub inne środki) odpowiada za 50-70% obserwowanych zmian w strukturze wynagrodzeń między 1980 a 2016 rokiem, podczas gdy tradycyjne ruchy SBTC (lepszy wynik dla pracowników) odpowiadają za mniej niż 10% tych zmian.

Badacze stwierdzili, że ich centralny model jest utrzymany nawet przy uwzględnieniu takich czynników, jak konkurencja importowa, spadek związków zawodowych, offshoring, zmienność regionalna, wzrost populacji i marż.

Raport przyznaje, że przejęcie zadań w rdzeniu branż podatnych na automatyzację może zmienić skład gospodarki amerykańskiej, co może potencjalnie stworzyć zwiększony popyt w innych sektorach, ale również zauważa “efekt fali” pracowników, którzy zostali zwolnieni i konkurują o malejącą liczbę nienautomatyzowanych ról, co prowadzi do obniżania wynagrodzeń i tłumienia poziomów wynagrodzeń.

Pisarz specjalizujący się w dziedzinie machine learning, specjalista w dziedzinie syntezowania obrazów ludzi. Były szef działu treści badawczych w Metaphysic.ai, do czasu jego rozwiązania i połączenia z DNEG's Brahma.ai.
Portfolio site: martinanderson.ai
Contact: martin@martinanderson.ai