Погляд Anderson

40 років автоматизації змусили американські зарплати падати більше, ніж деуніонізація чи аутсорсинг

mm
Додайте Unite.AI до бажаних джерел у Google

Нова робоча папера від Національного бюро економічних досліджень США (NBER) використовує машинне навчання для вивчення причин зростання нерівності заробітної плати та доходів у США за останні 40-50 років і висновку, що автоматизація мала значно більшу роль у втраті заробітної плати, ніж деуніонізація, аутсорсинг та інші теорії, які стали популярними в суспільній думці після фінансової кризи 2008 року.

У звіті стверджується, що між 50-70% змін у структурі заробітної плати в США між 1980-2016 роками пов’язані зі зниженням заробітної плати працівників у галузях, де відбулося «виключення завдань» через нові технології автоматизації, включаючи робототехніку та програмне забезпечення.

Безвинна зміна

Висновки дослідників є статистичним викликом зростаючій популярній концепції, що нерівність доходів була систематично посилена з початку неоліберальної економічної політики наприкінці 1970-х років.

Натомість вони характеризують зростаючу фінансову нерівність як органічну функцію технологічного розвитку, а не наслідок політики, яка могла бути спочатку розроблена для обмеження влади профспілок у тому десятилітті, та для зміни справедливої рівноваги відносин між працівниками та промисловістю після Другої світової війни.

Післявоєнні роки (зображено праворуч) показують значно більш стабільний патерн виключення завдань порівняно з періодом з 1980 року.

Натисніть, щоб збільшити. Післявоєнні роки (зображено праворуч) показують значно більш стабільний патерн виключення завдань порівняно з періодом з 1980 року.

Фактично, дослідження малює 40 років переважно неоліберального уряду як можливість (відносно появи нових технологічних розробок), а не як передбачувані архітектори соціальної та економічної політики, які призвели до фінансової нерівності та спірного зростання прецаріату.

Однак, звіт не розглядає зростання вартості житла за останні 15-20 років, яке можна вважати критичним фактором у посиленні та політизації реальних наслідків тривалої стагнації та зниження заробітної плати – явище, яке зараз генерує популярну критику федеральної бездіяльності у face гіперконкурентних торгів великими корпоративними інвесторами.

Дослідження NBER показує поляризацію тенденцій заробітної плати, з більшим відносним доходом для людей з вищою освітою, та стагнацією або зниженням заробітної плати для ролей чи секторів, де автоматизація виявилася можливою.

Розходження тенденцій заробітної плати згідно з NBER. Джерело: https://www.nber.org/system/files/working_papers/w28920/w28920.pdf

Натисніть, щоб збільшити. Розходження тенденцій заробітної плати згідно з NBER. Джерело: https://www.nber.org/system/files/working_papers/w28920/w28920.pdf

Дослідження також стверджує, що зниження рівності заробітної плати, яке означає, що чоловіки без середньої освіти зараз заробляють на 15% менше у реальних термінах, ніж у 1980 році, пов’язане лише з «помірними продуктивними прибутками» у довгостроковій перспективі.

Виклик теорії технологічних змін, заснованих на навичках (SBTC)

У звіті зазначається, що старіші теорії пояснювали ці зміни у заробітній платі теорією технологічних змін, заснованих на навичках (SBTC), яка малює більш сприятливу картину нижчокваліфікованих працівників, які «підвищують» свої навички до вищого рівня завдяки новим технологіям.

Ідея SBTC про те, що роботи «перетворюються», а не зникають, зараз є популярним засобом для заспокоєння суспільних страхів щодо того, що штучний інтелект забирає роботи людей, і звіт NBER цитує зростання попиту на навички у 1990-х роках як один із найбільш популярних аргументів на користь цієї теорії.

Відношення між зниженням реальної заробітної плати та різними демографічними групами у галузях із зниженням частки праці. Крапки вказують на 500 демографічних груп, а розмір варіюється залежно від загальної кількості відпрацьованих годин.

Відношення між зниженням реальної заробітної плати та різними демографічними групами у галузях із зниженням частки праці. Крапки вказують на 500 демографічних груп, а розмір варіюється залежно від загальної кількості відпрацьованих годин.

Зниження частки праці як ознака автоматизації

У відсутності постійних емпіричних статистичних даних про автоматизацію в галузі, дослідники NBER використовували зниження частки праці як «ознаку автоматизації». Дослідники стверджують:

‘[В]елика частина змін у структурі заробітної плати в США за останні чотири десятиліття пояснюється відносним зниженням заробітної плати працівників, які спеціалізувалися на рутинних завданнях у галузях, де відбулося зниження частки праці.’

У звіті також зазначається, що працівники, які спеціалізуються на завданнях, які підлягають автоматизації, «понесуть основний удар цих змін і будуть зазнавати відносного та потенційно абсолютного зниження заробітної плати».

Звіт NBER працює з багатьма тими ж цифрами, які використовувалися в попередніх звітах, але прийшов до висновку, що робоча сила не просто трансформується всередині цих галузей, а радше працівники звільняються під новими режимами автоматизації. Оскільки статистично складно відстежувати долю звільнених працівників за межами даних, інші дослідження повинні продовжити картину.

Втрачені роботи, а не перетворені

Оцінки звіту показують, що виключення завдань (переміщення завдань до автоматизації або інших засобів) становить 50-70% від спостережуваних змін у структурі заробітної плати між 1980 та 2016 роками, тоді як традиційні рухи SBTC (кращий результат для працівників) становлять менше 10% цих змін.

Дослідники виявили, що їхня центральна модель витримує навіть при розгляді таких факторів, як імпортна конкуренція, зниження профспілок, аутсорсинг, регіональна різниця, зростання населення та маржі.

У звіті зазначається, що зміна складу економіки США через автоматизацію може створити підвищений попит у інших секторах, але також звертає увагу на «ефект хвилі» звільнених працівників, які конкурують за зменшену кількість нероботизованих ролей, що призводить до зниження заробітної плати та придушення рівня заробітної плати.

Письменник про машинне навчання, спеціаліст у галузі синтезу людських зображень. Колишній керівник дослідницького контенту в Metaphysic.ai, до його розформування в DNEG's Brahma.ai.
Портфоліо сайт: martinanderson.ai
Контакт: martin@martinanderson.ai