Штучний інтелект

40 років автоматизації знизило американську заробітну плату більше, ніж деуніонізація чи аутсорсинг

mm

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

Документ робить висновок, 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 роботизовану автоматизацію та захоплення раніше ручних завдань програмним забезпеченням.

Безвинна зміна

Висновки дослідників є статистичним викликом зростаючому популярному переконанню, що нерівність доходів була систематично посилена з моменту появи неоліберальної політичної економіки наприкінці 1970-х років.

Натомість вони характеризують зростаючу фінансову нерівність як органічну функцію технологічного розвитку, а не як чистий ефект політики, які могли бути спочатку розроблені для обмеження зростаючої влади профспілок у тому десятилітті, і для зміни справедливої рівноваги відносин між працівниками та промисловістю, яка відбулася після Другої світової війни.

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

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

Фактично, дослідження малює 40 років в основному неоліберального уряду як oportunістичного (відносно появи нових технологічних розробок), а не як передбачуваного архітектора соціальної та економічної політики систем, які привели до фінансової рівності та спірного зростання прецаріату.

Однак, звіт не розглядає зростаючу вартість житла за останні 15-20 років, ймовірно, критичний фактор у посиленні та політизації реальних ефектів тривалої стагнації та зниження заробітної плати – явище, яке зараз генерує популярну критику федеральної бездіяльності перед лицем гіпермасштабних торгів між великими корпоративними інвесторами.

Дослідження NBER показує поляризацію тенденцій заробітної плати, з більшою відносною заробітною платою для краще освічених людей, і стагнацією або зниженням заробітної плати для ролей чи секторів, де автоматизація виявилася можливою.

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

Натисніть, щоб збільшити. Дивергенція 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 в реальних термінах, ніж у 1980 році, пов’язане лише з «помірними продуктивними зростаннями» у довгостроковій перспективі.

Виклик теорії технологічних змін на основі навичок (SBTC)

Документ зазначає, що старіші теорії приписували ці зміни у винагороді нижчekim працівникам «перешколізація» до вищої кваліфікації ролей, спричинених новими технологіями.

STBC вважає, що роботи «перетворюються», а не зникають, зараз це популярний засіб для заспокоєння суспільних страхів про штучний інтелект, який забирає роботи людей, і звіт NBER цитує зростання попиту на навички у 1990-х роках як один із найбільш популярних захистів цієї теорії.

Відношення між зниженням реальної заробітної плати та різними демографічними групами в галузях, які мають зниження частки праці.

Відношення між зниженням реальної заробітної плати та різними демографічними групами в галузях, які мають зниження частки праці. Крапки вказують 500 демографічних груп, з розмірами варіантів, які вказують на загальну кількість відпрацьованих годин.

Зниження частки праці як ознака автоматизації

Відсутність послідовних 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 протягом останніх чотирьох десятиліть пояснюється відносним зниженням заробітної плати працівників, які спеціалізувалися на рутинних завданнях у галузях, які пережили зниження частки праці.’

Звіт далі зазначає, що працівники, які спеціалізуються на завданнях, які підлягають автоматизації, «понесуть основний удар від цих змін і будуть страждати від відносного та потенційно абсолютного зниження заробітної плати».

Звіт NBER працює з багатьма тими ж цифрами, які використовували попередні звіти, але прийшов до висновку, що робоча сила не тільки трансформується внутрішньо в цих галузях, а й що працівників звільняють під новими режимами автоматизації. Поскольку статистично важко відстежувати долю звільнених працівників за межами даних, інші дослідження повинні продовжити картину.

Втрата робочих місць, а не трансформація

Оцінки звіту показують, що виключення завдань (переміщення завдань до автоматизації або інших засобів) становить 50-70% спостережуваних змін у структурі заробітної плати між 1980-2016 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 варіація, збільшення населення та маржі.

Звіт визнає, що виключення завдань у ядрі галузей, які підлягають автоматизації, може змінити склад економіки США, що потенційно може створити підвищений попит в інших секторах, але також відзначає «ефект хвилі» звільнених працівників, які конкурують за зменшену кількість нероз автоматизованих ролей, що призводить до зниження заробітної плати та придушення рівня заробітної плати.

Писатель про машинне навчання, домен-спеціаліст у сфері синтезу зображень людини. Колишній керівник дослідницького контенту в Metaphysic.ai.
Особистий сайт: martinanderson.ai
Контакт: [email protected]