بررسی اثرات هوش مصنوعی بر بخشهای مختلف صنعتی و اقتصادی بسیار مورد بررسی قرار گرفته است اما این فناوری بر هسته اصلی سیاستهای اقتصادی، یعنی تورم، تأثیرات دوگانه و اغلب متناقضی وارد میکند.
مرور سخنان کلیدی پیرو چیپولونه(Piero Cipollone)، عضو هیئت مدیره بانک مرکزی اروپا (ECB)، در کنفرانس ملی آمار در رم که در چهارم ژوئیه ۲۰۲۴ برگزار شده است نحوه این اثر متناقض را نشان میدهد.
چیپولونه، با تکیه بر دادههای اقتصادی یورو، تأکید میکند که هوش مصنوعی میتواند هم به عنوان یک نیروی کاهنده تورم (disinflationary) و هم به عنوان یک نیروی افزایش دهنده تورم (inflationary) عمل کند. این دیدگاه نه تنها چالشهای پیش روی سیاستگذاران پولی را برجسته میسازد، بلکه ما را وادار میکند تا فراتر از اثرات کوتاهمدت، به پیامدهای بلندمدت این فناوری بر ساختارهای اقتصادی بیندیشیم.
در ادامه، با ادغام تحلیلهای اقتصادی کلان و شواهد تجربی، به بررسی این دوگانگی میپردازیم و پیشنهادهایی برای سیاستگذاری ارائه میدهیم.
چیوولونه در سخنرانی خود، با اشاره به پتانسیل هوش مصنوعی به عنوان یک فناوری عمومی مشابه موتور بخار یا برق، بر جنبه کاهنده تورم آن تأکید میورزد. او استدلال میکند که این فناوری، با جایگزینی نیروی کار انسانی و افزایش بهرهوری، میتواند خطر کمبودهای نیروی کار را کاهش دهد و در نتیجه، رشد هزینههای واحد نیروی کار را مهار کند. این نکته به ویژه در منطقه یورو، جایی که نرخ بیکاری به پایینترین سطح تاریخی خود رسیده و جمعیت در سن کار تا پایان قرن حاضر ۱۹ درصد کاهش خواهد یافت، حیاتی است.
تحلیل اقتصادی در اینجا ریشه در مدلهای کلاسیک رشد دارد: افزایش بهرهوری کل عوامل از طریق هوش مصنوعی میتواند منحنی فیلیپس (Phillips curve) را به سمت پایین و چپ جابهجا کند، جایی که برای هر سطح بیکاری، تورم پایینتری مشاهده میشود. شواهد تجربی از انقلاب کامپیوتری دهههای گذشته پشتیبانی میکند؛ جایی که ICT در نهایت به کاهش فشارهای تورمی از طریق کارایی بالاتر منجر شد، هرچند با یک تأخیر زمانی قابل توجه.
چیپولونه این را با دادههای ECB همخوان میسازد و اشاره میکند که حدود ۲۵ درصد مشاغل در اروپا در معرض بالای اتوماسیون قرار دارند، که میتواند به یک موج بهرهوری منجر شود و تورم را در بلندمدت مهار کند. اما این تحلیل عمیقتر میرود: بدون سیاستهای حمایتی برای آموزش مجدد نیروی کار، این جایگزینی میتواند نابرابری درآمدی را تشدید کند و به نوبه خود، از طریق کانالهای تقاضا، فشارهای تورمی پنهان ایجاد نماید. بنابراین، اثر کاهنده تورم هوش مصنوعی نه تنها به بهرهوری بستگی دارد، بلکه به چگونگی توزیع منافع آن در جامعه نیز وابسته است.
با این حال، چیپولونه اثرات فزاینده تورم ناشی از هوش مصنوعی را نیز نادیده نمیگیرد و آن را به عنوان یک نیروی متعادلکننده توصیف میکند. او به افزایش تقاضای جهانی انرژی اشاره میکند، جایی که قدرت محاسباتی مورد نیاز برای هوش مصنوعی هر ۱۰۰ روز دو برابر میشود. یک روند نمایی که مستقیماً از قانون مور الهام گرفته شده است.
این تقاضای رو به رشد میتواند قیمتهای انرژی را به عنوان یک جزء کلیدی سبد تورمی (مانند نفت و گاز در شاخص CPI) افزایش دهد، به ویژه در اروپا که وابستگی به واردات انرژی بالاست. تحلیل ما در اینجا بر پایه مدلهای تعادل عمومی پویا استوار است: شوکهای عرضه انرژی ناشی از هوش مصنوعی میتواند منحنی عرضه کل را به چپ جابهجا کند، منجر به تورم هزینهمحور شود.
علاوه بر این، چیپولونه به ریسکهای قیمتگذاری تبعیضآمیز (discriminatory pricing) توسط الگوریتمهای هوش مصنوعی اشاره میکند، جایی که تحلیل لحظهای تقاضا و کشش قیمتی به شرکتها اجازه میدهد تا قیمتها را بر اساس رفتار فردی مصرفکنندگان تنظیم کنند. این پدیده، که در ادبیات اقتصاد رفتاری به عنوان “سوءاستفاده از سوگیریهای شناختی” توصیف میشود، میتواند به نوعی همدستی ضمنی الگوریتمها منجر شود. حتی بدون آن که این الگوریتمها با هم ارتباط مستقیم داشته باشند. در نهایت این مدل قیمت گذاری، قیمتها را بالاتر از سطح رقابتی نگه دارد.
به بیان ساده، مدلهای هوش مصنوعی میتوانند بفهمند بالاترین میزانی که شما برای یک کالا پرداخت میکنید چقدر است و دقیقا همان قیمت را به شما نشان دهند. در این شرایط شما دیگر بر اساس قیمت واقعی کالا، که ناشی از عرضه و تقاضای بازار است خرید نمیکنید. حالا قیمتها گرانترین قیمتی است که شما آن را خواهید خرید. هر شخص یک قیمت منحصر به فرد خود.
مطالعات تجربی در مورد الگوریتمهای قیمتگذاری آنلاین، نشان میدهد که این الگوریتمها تمایل ذاتی به یادگیری قیمتهای بالاتر دارند، که میتواند به تورم پایدار در بخشهای دیجیتالمحور مانند خردهفروشی آنلاین دامن بزند. در نتیجه، اثرات تورم زا هوش مصنوعی نه تنها فنی، بلکه ساختاری است و نیازمند نظارت رقابتی قویتر از سوی نهادهایی مانند کمیسیون اروپا است.
این دوگانگی، همانطور که چیپولونه توصیف میکند، سیاست پولی ECB را در موقعیتی حساس قرار میدهد: چگونه میتوان از مزایای کاهنده تورم این فناوری بهره برد بدون اینکه ریسکهای افزایش تورم را نادیده گرفت؟
سخنرانی چیپولونه نه تنها یک هشدار، بلکه یک دعوت به عمل است: هوش مصنوعی میتواند تورم را به عنوان یک متغیر پیشبینیپذیرتر و قابل کنترلتر تبدیل کند، مشروط بر اینکه سیاستگذاران با چشماندازی کلنگر عمل کنند. در اروپا، جایی که چالشهای جمعیتی و انرژی دوچندان است، این فناوری میتواند به عنوان کاتالیزور رشد پایدار عمل کند، اما تنها اگر ریسکهای تورمی آن با سیاستهای پیشگیرانه مهار شود. این موضوع برای اقتصاددانان و تصمیمگیران، درس کلیدی این است که تورم آینده نه تنها تابعی از عرضه و تقاضای سنتی، بلکه از الگوریتمهای هوشمند خواهد بود. با نظارت مداوم و نوآوری در ابزارهای پولی، ECB میتواند این پارادوکس را به فرصتی برای ثبات اقتصادی پایدار تبدیل کند – یک چشمانداز که در نهایت، رفاه جمعی را ارتقا میبخشد.
