پژواک ماندگار سیترینی

مقالات عالی می‌توانند بازار را به اشتباه به سمت «برنامه‌ریزی سناریو» و «پیشگویی واقع‌بینانه» سوق دهند.

در ۲۲ فوریه ۲۰۲۶، گزارشی با عنوان «بحران اطلاعاتی جهانی ۲۰۲۸» رسانه‌های اجتماعی و بازارهای مالی را به شدت تحت تأثیر قرار داد و بیش از ۲۷ میلیون بازدید داشت. در روز انتشار گزارش، سهام IBM با افت ۱۳ درصدی مواجه شد، در حالی که شرکت‌هایی مانند DoorDash، American Express، KKR و دیگران شاهد کاهش بیش از ۶ درصدی قیمت سهام خود بودند.

این گزارش توسط جیمز ون گیلن، بنیانگذار شرکت تحقیقاتی سیترینی، نوشته شده است. این محقق ۳۳ ساله بیش از ۱۸۰،۰۰۰ دنبال‌کننده در X دارد و در بین نویسندگان مالی در Substack رتبه اول را دارد. تمرکز او بر سرمایه‌گذاری در سهام و تحقیقات کلان جهانی است و به خاطر سبک تفکر جانبی و چند دارایی‌ای‌اش شناخته می‌شود. سبد سرمایه‌گذاری واقعی او از سال ۲۰۲۳ تاکنون بازدهی بیش از ۲۰۰ درصد داشته است. این گزارش به شکل برنامه‌ریزی سناریو بود و آینده‌ای را در سال ۲۰۲۸ تصور می‌کرد، جایی که هوش مصنوعی تنها در عرض دو سال به طور گسترده جایگزین نیروی کار یقه سفید می‌شود. این امر منجر به کاهش مصرف‌کنندگان، نکول دارایی‌های نرم‌افزاری، تشدید اعتبار و در نهایت سوق دادن اقتصاد به سمت وضعیتی از «رونق تکنولوژیکی» شد که همزمان با «افول اجتماعی» وجود داشت. گیلن در ابتدای مقاله اشاره کرد: «این مقاله یک سناریوی احتمالی را مورد بحث قرار می‌دهد، نه یک پیشگویی.» با این حال، بازار آشکارا صبر نداشت تا بین این دو تمایز قائل شود.

با این حال، آنچه بیش از وحشت کوتاه مدت بازار، شایسته توجه است، بحث گسترده‌ای است که در چند روز گذشته توسط این مقاله برانگیخته شده است. از دانشگاه گرفته تا جامعه سرمایه‌گذاری، از وال استریت گرفته تا اینترنت چین، بیش از دوازده مقاله در پاسخ به این موضوع از دیدگاه‌های مختلف منتشر شده است. شاید به جای باور به یک نتیجه‌گیری افراطی واحد، بتوانیم آینده‌ای روشن‌تر را از «واگرایی و همپوشانی» دیدگاه‌های مختلف کنار هم بگذاریم.

آنچه سیترینی گفت

رشته منطقی مقاله سیترینی پیچیده نیست: جهش در قابلیت‌های هوش مصنوعی منجر به جایگزینی گسترده مشاغل یقه سفید می‌شود → افزایش بیکاری باعث کاهش هزینه‌های مصرف‌کننده می‌شود → محصولات مالی ساختاریافته مبتنی بر SaaS با موجی از نکول مواجه می‌شوند → سخت‌گیری اعتباری به یک سیستم مالی گسترده‌تر سرایت می‌کند → اقتصاد در وضعیت «رونق فناوری» قرار می‌گیرد که همزمان با «افول اجتماعی» وجود دارد.

هر حلقه در این زنجیره علیت بی‌اساس نیست. با این حال، اتصال آنها به یکدیگر و استنتاج یک بحران نیازمند مجموعه‌ای از فرضیات نسبتاً بنیادی است.

راه‌های زیادی برای شکستن این زنجیره وجود دارد. ما می‌توانیم سه زیربحث اصلی - یعنی سرعت و مقیاس جایگزینی نیروی کار، مکانیسم انتقال سقوط تقاضا و احتمال بحران مالی - را بررسی کنیم و بررسی کنیم که چه نظرات مختلفی پیرامون هر پیوند وجود دارد.

تخریب خلاق

نقطه شروع استنتاج سیترینی، جایگزینی گسترده نیروی کار یقه سفید با هوش مصنوعی است. در روایت او، این فرآیند بین سال‌های ۲۰۲۶ تا ۲۰۲۸ به شدت شتاب گرفت و متخصصان در زمینه‌هایی مانند حقوق، تحلیل مالی، توسعه نرم‌افزار، خدمات مشتری و غیره بیشترین تأثیر را پذیرفتند.

تغییر در سهم هزینه‌ها توسط شرکت‌های فعال در حوزه تأمین‌کنندگان مدل هوش مصنوعی و پلتفرم‌های کاریابی آنلاین، بر اساس میزان مواجهه با هوش مصنوعی در صنعت گروه‌بندی شده‌اند.

در واقع شواهدی وجود دارد که دیدگاه سیترینی را تأیید می‌کند. یک مطالعه تجربی توسط بیک، بلاندین و دمینگ بر اساس داده‌های هزینه‌های سازمانی نشان داد که پس از انتشار ChatGPT، شرکت‌هایی که بیشترین میزان استفاده از هوش مصنوعی را داشتند (یعنی آن‌هایی که قبلاً بیشترین سهم هزینه را در پلتفرم‌های کاریابی آنلاین داشتند) به طور قابل توجهی هزینه‌های خود را برای ارائه دهندگان مدل هوش مصنوعی افزایش دادند و در عین حال هزینه‌های خود را در پلتفرم‌های کاریابی آنلاین کاهش دادند، با کاهشی حدود ۱۵٪. شایان ذکر است که این جایگزینی، جایگزینی یک به یک نیست - به ازای هر ۱ دلار کاهش در هزینه‌های بازار کار، شرکت‌ها فقط هزینه‌های هوش مصنوعی را ۰.۰۳ تا ۰.۳۰ دلار افزایش داده‌اند. به عبارت دیگر، هوش مصنوعی همان میزان کار را با هزینه بسیار کمتری نسبت به نیروی کار انسانی انجام می‌دهد.

اما ممکن است سیترینی سرعت این دگرگونی را بیش از حد تخمین زده باشد . برخی منتقدان به عنوان نمونه به صنعت مشاوران املاک در ایالات متحده اشاره می‌کنند. با وجود توانایی تکنولوژیکی موجود برای کاهش قابل توجه تعداد مشاوران املاک، این صنعت هنوز بیش از ۱.۵ میلیون نفر را استخدام می‌کند. سکون سیستم، موانع نظارتی و پویایی‌های داخلی صنعت، خط دفاعی بسیار قوی‌تری نسبت به فناوری تشکیل می‌دهند. آنها معتقدند که سیترینی مقاومت «حرکت نهادی» را به شدت دست کم گرفته بود.

همچنین منتقدانی وجود دارند که به مطالعه‌ای از سال ۱۹۹۸ توسط کیمبال، باسو و فرنالد استناد می‌کنند و خاطرنشان می‌کنند که شوک‌های تکنولوژیکی از نظر تاریخی محرک مثبتی برای طرف عرضه بوده‌اند - در حالی که ممکن است تعدیل‌های کوتاه‌مدتی در ساختار اشتغال وجود داشته باشد، فضای تولیدی که در درازمدت ایجاد می‌کند بسیار بیشتر از مشاغلی است که از بین می‌برد.

در واقع، با نگاهی به فرآیند انتشار هر فناوری عمومی قبلی در تاریخ، مسیر از آزمایشگاه تا پذیرش گسترده همیشه بسیار کندتر از بلوغ خود فناوری بوده است. ۳۰ سال طول کشید تا برق از نرخ پذیرش ۵ درصدی خانوارها به ۵۰ درصد برسد، ۳۵ سال برای تلفن و حتی سریع‌ترین گوشی هوشمندی که در حال گسترش است، ۵ سال طول کشید. اگرچه قابلیت‌های فنی هوش مصنوعی ممکن است در حال حاضر برای ایجاد تحول در بسیاری از صنایع کافی باشد، اما شکاف بین توانایی فنی و جذب نهادی هرگز به گونه‌ای نبوده است که بتوان آن را به تنهایی با قابلیت پر کرد.

دومین حلقه کلیدی در روایت سیترینی، یک مارپیچ نزولی در سمت تقاضا است: بیکاری → کاهش درآمد → کاهش مصرف → کاهش سود شرکت‌ها → اخراج‌های بیشتر.

در این لینک، سیترینی تورم منفی سمت تقاضا را با تورم منفی سمت عرضه اشتباه می‌گیرد. مورد اول به کاهش قدرت خرید مصرف‌کننده اشاره دارد، در حالی که مورد دوم جایی است که پیشرفت فناوری هزینه‌های تولید را کاهش می‌دهد - کاهش قیمت ناشی از هوش مصنوعی اساساً به مورد دوم نزدیک‌تر است، مشابه مسیر قیمت محصولات الکترونیکی و خدمات ارتباطی در چند دهه گذشته. برخی از تحلیلگران معتقدند که پارادوکس جوونز همچنان پابرجا خواهد بود: وقتی هوش مصنوعی هزینه خدماتی مانند مشاوره حقوقی، تشخیص پزشکی، توسعه نرم‌افزار و غیره را به میزان قابل توجهی کاهش دهد، تقاضایی که قبلاً به دلیل قیمت‌های بالا از دسترس خارج شده بود، آزاد خواهد شد و در نتیجه نه تنها کاهش، بلکه رشد انفجاری رخ خواهد داد. همزمان، «پارادوکس موراوِک» نیز وارد عمل خواهد شد. برای ماشین‌ها، وظایف واقعاً دشوار اغلب استدلال منطقی عمیق یا بازیابی داده‌های عظیم نیستند، بلکه حرکات فیزیکی روزمره انسان، ادراک حسی و ارتباط عاطفی هستند. این یعنی مشاغلی که در صنعت خدمات نیاز به کار فیزیکی و ادراک پیچیده دارند، ممکن است از آنچه تصور می‌کنیم، انعطاف‌پذیرتر باشند.

اما پارادوکس جوونز نیز ممکن است شکست بخورد. الکس ایماس، استاد اقتصاد دانشگاه شیکاگو، اظهار داشته است که اگر هوش مصنوعی بخش عمده‌ای از نیروی کار را خودکار کند و سهم درآمد نیروی کار در کل درآمد به شدت کاهش یابد، چه کسی قادر خواهد بود کالاها و خدماتی را که به طور کارآمد تولید می‌شوند، خریداری کند؟ این به خود مکانیسم توزیع مربوط می‌شود. وقتی ظرفیت تولید به سمت بی‌نهایت میل می‌کند در حالی که تقاضای مؤثر تمایل به تمرکز دارد، آنچه ممکن است با آن مواجه شویم رکود اقتصادی نیست، بلکه عدم تعادلی است که کتاب‌های درسی اقتصاد به طور کامل در مورد آن بحث نکرده‌اند - فراوانی مادی که دور از دسترس است.

نگاهی اجمالی به پشت پرده

در برون‌یابی سیترینی، مهم‌ترین بخش سناریو، انتقال از شوک اشتغال به بحران مالی است. در روایت او، محصولات مالی ساختاریافته که توسط درآمد SaaS پشتیبانی می‌شوند (که او از آنها به عنوان «اوراق بهادار با پشتوانه نرم‌افزار» یاد می‌کند) در طول موج تحول هوش مصنوعی با نکول گسترده مواجه شدند و باعث ایجاد یک بحران اعتباری مشابه سال ۲۰۰۸ شدند.

با این حال، مفسران خاطرنشان می‌کنند که در مقایسه با سال ۲۰۰۸، اهرم مالی فعلی بخش شرکت‌های آمریکایی بسیار سالم‌تر است و سیستم بانکی پس از تجربه اصلاحات داد-فرانک و چندین دور آزمون استرس، بسیار قوی‌تر شده است.

در مقایسه با آستانه بحران مالی سال ۲۰۰۸، شاخص‌های مختلف تاب‌آوری سیستم مالی فعلی ایالات متحده به طور قابل توجهی بهبود یافته است: نسبت کفایت سرمایه ردیف اول بانک‌ها از ۸.۱ درصد به ۱۳.۷ درصد افزایش یافته، نسبت بدهی به درآمد قابل تصرف خانوارها از ۱۳۰ درصد به ۹۷ درصد کاهش یافته و نسبت وام‌های معوق از ۱.۴ درصد به ۰.۷ درصد کاهش یافته است.

حتی اگر برخی از شرکت‌های SaaS با کاهش درآمد مواجه شوند، مقیاس آن برای ایجاد یک بحران اعتباری سیستماتیک کافی نیست. نیک اسمیت، ستون‌نویس سابق بلومبرگ، معتقد است که سیترینی در این برهه یک اشتباه رایج مرتکب شده است: تعمیم خطی شوک‌های صنعتی در سطح خرد به ریسک‌های سیستماتیک در سطح کلان. برای سقوط تقاضا، پاسخ اسمیت سیاست مالی است. اگر بیکاری واقعاً به طور قابل توجهی افزایش یابد، دولت ظرفیت و تمایل دارد تقاضا را از طریق محرک‌های مالی در مقیاس بزرگ افزایش دهد.

به نظر می‌رسد که پاسخگویی نهادی نیز دست کم گرفته شده است، همانطور که از واکنش سیاستی در دوره کووید مشهود است. برای مثال، در ۱۱ مارس ۲۰۲۰، زمانی که سازمان بهداشت جهانی همه‌گیری را اعلام کرد، تنها ۱۶ روز بعد، قانون ۲.۲ تریلیون دلاری CARES به اجرا درآمد. در سال بعد، ایالات متحده در مجموع ۵.۶۸ تریلیون دلار محرک مالی معرفی کرد که معادل حدود ۲۵ درصد از تولید ناخالص داخلی سال ۲۰۲۰ است.

اگر بیکاری ناشی از هوش مصنوعی با سرعت و مقیاسی که سیترینی توصیف کرده است، محقق شود، بعید است که مداخله سیاستی غایب باشد.

برخی از مفسران تردیدهایی را از سطحی بنیادی‌تر مطرح کرده‌اند . سناریوهای آخرالزمانی فناوری اغلب از بی‌اعتمادی به علوم انسانی ناشی می‌شوند. برون‌یابی سیترینی، بازار را به عنوان یک ماشین بدون سرنشین در نظر می‌گیرد که اجازه می‌دهد «رابطه علیت» تا زمان فروپاشی آشکار شود. با این حال، سیستم اقتصادی دنیای واقعی به این شکل عمل نمی‌کند. قانون، نهادها، سیاست، فرهنگ و ایدئولوژی عمیقاً چگونگی جذب شوک‌های تکنولوژیکی توسط دنیای واقعی را شکل می‌دهند.

اجماع و اختلاف نظر

شاید بتوانیم سعی کنیم برخی از اجماع‌ها و مخالفت‌ها را حاشیه‌نویسی کنیم.

هوش مصنوعی در حال حاضر و تقریباً بدون هیچ بحثی، ساختار تقاضای نیروی کار یقه سفید را تغییر می‌دهد و همچنان تغییر خواهد داد؛ اختلاف نظر تنها در سرعت و مقیاس تغییر نهفته است. علاوه بر این، دردهای دوران گذار بسیار واقعی هستند و نباید با خوش‌بینی بیش از حد پنهان شوند. علاوه بر این، کیفیت و سرعت واکنش‌های سیاستی تا حد زیادی نتیجه را تعیین خواهد کرد.

اختلاف نظر در سطح بنیادی‌تری از منطق نهفته است. برخی معتقدند که این شوک فناوری فعلی ممکن است از نظر سرعت و وسعت از نمونه‌های تاریخی پیشی بگیرد و در نتیجه، اهمیت قیاس‌های تاریخی را محدود کند؛ در حالی که برخی دیگر به سازگاری نهادی و تکرار تاریخی اعتماد بیشتری دارند.

سرها بالا

مقاله سیترینی چندین مسئله را مطرح می‌کند، از جمله ارتباطات منطقی بیش از حد تنگاتنگ، دست‌کم گرفتن سیستماتیک واکنش‌های نهادی، و فقدان استدلال‌های واسطه‌ای کافی از تأثیرات صنایع خرد گرفته تا ریسک‌های کلان-سیستماتیک. اما اساسی‌ترین مشکل آن ممکن است در دست‌کم گرفتن جامعه انسانی باشد: این نظریه یک محیط نهادی ایستا را فرض می‌کند که در آن فناوری همه چیز را با سرعتی تقریباً غیرقابل توقف در هم می‌کوبد. در تاریخ فناوری، سناریوهای آخرالزمانی کم نبوده است، سناریوهایی که اغلب از نظر منطق فناوری غیرقابل انکارند، اما تقریباً به طور یکسان متغیر «انسان» را نادیده گرفته‌اند. پیچیدگی جامعه بشری، اصطکاک آن، افزونگی آن، ترتیبات نهادی به ظاهر ناکارآمد آن، دقیقاً یک مقاومت قدرتمند و توزیع‌شده در برابر شوک‌ها را تشکیل می‌دهند. ما زمان کافی برای جلوگیری از آن آخرالزمان‌های پیش‌بینی‌شده داریم، مشروط بر اینکه از خودِ پیش‌بینی‌ها مرعوب نشویم.

در مورد روایت‌های خوش‌بینانه چطور؟ «پارادوکس جوونز» مشاهده‌ای در مورد روندهای بلندمدت است. «پارادوکس موراوک» به ما می‌گوید که کار فیزیکی موقتاً بی‌خطر است، اما به ما نمی‌گوید که آن کارگران یقه سفیدِ بیکار شده کجا باید بروند. قیاس‌های تاریخی روشنگر هستند، اما تاریخ هرگز دقیقاً تکرار نمی‌شود؛ فقط قافیه دارد. روایت‌های خوش‌بینانه برای آزمایش شدن به زمان نیاز دارند و ما در حال حاضر در نقطه شروع این آزمایش هستیم.

سناریوهای آخرالزمانی تولید می‌شوند و مضطربان بهای آن را می‌پردازند. به جای اینکه غرق در مقالات «نگاهی اجمالی به آینده» شوید، قضاوت خود را تقویت کنید، ریسک کنید و موقعیت‌ها را مدیریت کنید.