Modele i platformy AI

Anthropic publikuje interaktywny model możliwych przyszłości gospodarczych sztucznej inteligencji

mm
Dodaj Unite.AI do preferowanych źródeł w Google

Zespół ds. ekonomii Anthropic wydał we wrześniu 2026: nowy interaktywny model, Econ Scenario Explorer, który prognozuje, jak AI może wpłynąć na wzrost gospodarczy USA, miejsca pracy, wynagrodzenia i bezrobocie do 2030 roku, wraz z towarzyszącym dokumentem roboczym oraz badaniem 10 980 dorosłych Amerykanów.

Strona eksploratora identyfikuje wydanie jako wersję 1.0, datowaną wrześniem 2026. Model oparty jest na raporcie technicznym Economic Scenarios for Transformative AI, opublikowanym jako The Anthropic Institute Working Paper No. 2026-02. Model opracowali Anton Korinek, Charles I. Jones, Szymon Sacher, Tess Cotter i Peter McCrory, którzy współautorzy raportu; McCrory, Korinek i Charles Yang koordynowali projekt, a Jack Clark zapewnił kierunek. Autorzy zauważają, że używali Claude jako asystenta badawczego i pisarskiego. The Anthropic Institute przedstawia projekt jako nowy model tego, jak AI może wpłynąć na wzrost gospodarczy, miejsca pracy, wynagrodzenia i inne aspekty do 2030 roku.

Wydanie to jest uzupełnieniem istniejącego Economic Index Anthropic. Podczas gdy indeks mierzy, jak AI jest wykorzystywana w całej gospodarce, eksplorator patrzy w przyszłość: użytkownicy wprowadzają oczekiwania co do tego, jak zdolna stanie się AI i jak szeroko będzie używana, a model pokazuje, jaką gospodarkę w 2030 roku te oczekiwania by implikowały, wraz z porównaniem odpowiedzi użytkownika z odpowiedziami ponad 10 000 ankietowanych Amerykanów.

Model oparty na zadaniach w gospodarce USA

Model przedstawia każdy zawód w gospodarce jako zestaw zadań wybranych z taksonomii O*NET Departamentu Pracy USA. Dla każdego zadania AI może zwiększyć wydajność pracownika, całkowicie zautomatyzować zadanie, pozostawić je bez zmian lub stworzyć nowe zadania. Pracownicy są zatrudnieni albo w zawodach poznawczych – czyli w zarządzaniu, zawodach profesjonalnych, sprzedaży i pracy biurowej, których zadania AI może wpływać – albo we wszystkich innych zawodach; eksplorator oznacza te dwie grupy jako pracownicy wiedzy oraz wszyscy pozostali pracownicy. Grupa poznawcza zatrudniała 62,4 % pracowników w badaniu Current Population Survey z 2025 roku.

Zgodnie z raportem, scenariusz to ścieżka dla pięciu elementów: udziału zadań, na które wpływa AI, rozpowszechnienia użycia AI w tych zadaniach, przyrostu produktywności na zadanie wykonywane przez AI, podziału między automatyzację a augmentację oraz tempa tworzenia nowych zadań pracy. Gdy wyparci pracownicy poznawczy muszą szukać pracy w innych zawodach, tarcia na rynku pracy (obniżka kosztu poszukiwań między zawodami, tempo, w jakim rosnące zawody tworzą oferty, oraz sztywność płacy w zawodach poznawczych) mogą prowadzić do utrzymującego się bezrobocia. Autorzy podkreślają, że scenariusze nie są prognozami i nie przypisują im prawdopodobieństw; ramy mają służyć jako ustrukturyzowany sposób porównywania możliwości przy różnych założeniach.

Trzy scenariusze na rok 2030

W scenariuszu umiarkowanym, według raportu, PKB w 2030 roku jest o 1,6 % wyższy niż w ścieżce bez AI, wzrost wynosi 2,4 % rocznie w porównaniu z 2 % bez AI, bezrobocie wynosi 3,9 % w porównaniu z normalnym poziomem 3,8 %, a udział pracy w dochodzie spada z 60,0 % do 59,4 %. Eksplorator wyraża PKB 2030 w cenach z 2025 roku jako 34,1 triliona dolarów w tym scenariuszu.

W scenariuszu znaczącym, raport podaje, że PKB w 2030 roku jest o 8,3 % wyższy niż w ścieżce bez AI, czyli 36,3 triliona dolarów w cenach z 2025 roku, a wzrost w dwunastu miesiącach do 2030 wynosi 5,4 % rocznie – tempo, które raport zestawia z najszybszym wzrostem PKB w latach 90. w okresie bańki internetowej, wynoszącym 4,7 % w 1999 roku. Bezrobocie wśród pracowników poznawczych rośnie z 2,9 % w połowie 2026 roku do 4,5 % w 2030 roku. Płace w zawodach poznawczych kończą okres 0,3 % poniżej ścieżki bez AI, podczas gdy płace we wszystkich innych zawodach rosną o 5,9 %, a udział pracy w dochodzie spada z 60 % do 56,1 %.

W scenariuszu ekstremalnym, PKB w 2030 roku jest o 32,4 % wyższy niż w ścieżce bez AI, czyli 44,4 triliona dolarów, przy rocznym wzroście 15,4 %. Eksplorator opisuje gospodarkę podwajającą się co 4,5 roku w tej ścieżce i zaznacza, że wymagałoby to rekurencyjnie samodoskonalących się systemów AI oraz szybkiej adopcji w pracy poznawczej. Bezrobocie wśród pracowników poznawczych sięga 17,9 %, a bezrobocie w całej gospodarce 11,9 %. Płace w zawodach poznawczych spadają o 11,5 % poniżej ścieżki bez AI, podczas gdy płace w pozostałych zawodach rosną o 33,6 % ponad tę ścieżkę, a udział pracy w dochodzie spada z 60 % do 45,2 %, podczas gdy udział kapitału rośnie do 54,8 %.

Raport stwierdza, że w scenariuszu ekstremalnym transfer wynoszący około 9 % PKB, mniej więcej równy wielkości połączonych wydatków na Social Security i Medicare, utrzymałby dochód pracowników poznawczych na poziomie bez AI, i zauważa, że nie ma precedensu dla transferów o takiej skali w odpowiedzi na zmiany technologiczne.

Co oczekują Amerykanie

Anthropic przeprowadził reprezentatywne badanie 10 980 dorosłych Amerykanów za pośrednictwem Morning Consult, przeprowadzone w dniach 11–23 sierpnia 2026 roku. Respondenci odpowiedzieli na pięć pytań: kiedy AI będzie wykonywać każde z ośmiu zadań tak dobrze jak wykwalifikowany specjalista, jak szeroko będzie używana, jak duże będą jej zyski produktywności, czy będzie automatyzować czy wspomagać pracę oraz jak długo zajmie wyparzonemu pracownikowi znalezienie nowej pracy w innym zawodzie.

Raport podaje, że przetworzenie medianowych odpowiedzi respondentów w modelu daje wyniki zbliżone do scenariusza znaczącego: PKB 8,6 % wyższy niż w ścieżce bez AI do 2030 roku i bezrobocie około 4,6 %. Eksplorator podsumowuje typowego respondenta jako wskazującego na PKB o około 10 % wyższym w 2030 roku niż bez AI oraz ogólne bezrobocie wokół 5 %, przy czym około 10 % respondentów ma poglądy zgodne z scenariuszem ekstremalnym. W wynikach badania 53 % respondentów stwierdziło, że AI już potrafi pisać rutynowe e‑maile i dokumenty biznesowe, a 24 % uważa, że potrafi już budować i utrzymywać działający produkt programistyczny; 39 % oczekuje odkrycia naukowego na poziomie Nobla do 2030 roku, podczas gdy 40 % twierdzi, że to się nigdy nie stanie.

Podane ograniczenia i recenzja zewnętrzna

Anthropic opisuje eksplorator jako wersję 1.0 i ostrzega, że izoluje on kilka kluczowych sił, pomijając wiele innych: nie uwzględnia reakcji politycznych, cykli koniunkturalnych, potencjalnych zakłóceń popytu agregatowego lub rynków finansowych oraz możliwych ryzyk katastrofalnych, a także nie zawiera scenariuszy z hiper‑zdolnymi robotami. Raport stwierdza, że ramy rozważają jedynie wpływ AI na zadania poznawcze i nie przewidują szybkich postępów w robotyce wpływających na zadania fizyczne, co w dużej mierze tłumaczy, dlaczego analiza kończy się w 2030 roku.

Poza ekonomistami, w tym Darona Acemoglu, Davida Autora i Davida Romera, skomentowali wczesny projekt raportu; Anthropic podaje, że nie poproszono ich o poparcie wniosków. Strona eksploratora wymienia krytyki, które pozostają otwarte, m.in. że model nie śledzi poszczególnych pracowników i dlatego jedynie w przybliżeniu uchwyca koszty wyparcia z pracy, oraz że pomija efekty popytu agregatowego wynikające z rozbudowy centrów danych. Anthropic informuje, że planuje uwzględnić wiele z tych uwag w przyszłych wersjach.

Anthropic twierdzi, że model, wraz z pełnym portfolio badań, będzie informował badania finansowane w ramach programu Economic Futures o interwencjach w zakresie zakłóceń rynku pracy, a także o proponowanych pomysłach politycznych. Autorzy zapisują, że dane obserwowane w nadchodzących latach wskażą, w którym scenariuszu znajduje się gospodarka, i że żaden z trzech scenariuszy nie może zostać wykluczony.

Jonas Reeve jest analitykiem wygenerowanym przez AI w Unite.AI, specjalizującym się w sztucznej inteligencji kognitywnej, ogólnej inteligencji sztucznej (AGI) oraz teoretycznych podstawach inteligencji maszynowej. Jego praca bada, jak uczenie się, rozumowanie, pamięć i abstrakcja pojawiają się w systemach biologicznych i sztucznych, nawiązując połączenia między nowoczesnymi architekturami AI a długotrwałymi pytaniami w nauce o poznaniu i filozofii umysłu.
Z konceptualnym i refleksyjnym podejściem, Jonas bada ramy takie jak modele rozumowania, systemy agenty, emergentna percepcja i teoria dopasowania, mając na celu wyjaśnienie, co oznacza postęp w kierunku AGI - i co nie. Zamiast gonienia za harmonogramami lub hiperem, kładzie nacisk na pierwsze zasady, konceptualną surowość i granice obecnych modeli.
Artykuły napisane przez Jonasa Reeve są wygenerowane przez AI i sprawdzane przez zespół redakcyjny Unite.AI, aby zapewnić dokładność, klarowność i odpowiedzialną dyskusję zaawansowanych pojęć AI.