Возможно, ни один аспект цифровой революции не привлек большего внимания, чем влияние автоматизации на рабочие места, работу, занятость и доходы. Для этого есть, по крайней мере, одна очень веская причина, но, вероятно, не та, на которую многие будут ссылаться.

Нет ничего нового в использовании машин для увеличения производительности труда. Поскольку любой инструмент является машиной, люди использовали его на протяжении большей части нашей короткой истории на этой планете. Но после первой промышленной революции, когда теплоэнергетика и механизация привели к значительному и устойчивому увеличению производительности, этот процесс стал ускоряться.

Не все приветствовали этот переход. Многие опасались, что снижение спроса на человеческий труд приведет к неизменно высокому уровню безработицы. Но этого не произошло. Напротив, рост производительности и доходов стимулировал спрос и, следовательно, экономическую активность. Со временем рынки труда адаптировались с точки зрения профессиональных навыков и, в конечном итоге, продолжительность рабочего времени сократилась, поскольку изменился баланс доходов и свободного времени.

И все же по мере того, как интенсификация человеческого труда уступает место автоматизации, т.е. машинам, автономно выполняющим все большее количество задач в информационном, управленческом и транзакционном секторах экономики, снова увеличиваются опасения по поводу крупномасштабной потери рабочих мест. В общем-то, рабочие места для «белых» и «синих воротничков», связанные в основном с рутинными, то есть легко кодируемыми задачами, исчезают ускоренными темпами, особенно с 2000 года. Поскольку многие из этих рабочих мест находились «посередине» распределяемых доходов, то этот процесс разжигал поляризацию рабочих мест и доходов.

Однако, как и в XIX веке, рынки труда адаптируются. Сначала уволенные работники могут искать новую работу там, где необходимо применение их навыков. Но, столкнувшись с ограниченными возможностями, они вскоре начинают искать работу с более низкими (или легко достижимыми) требованиями к квалификации, включая работу с частичной занятостью и возможностью доступа в Интернет в гиг-экономике, даже если для этого придется согласиться на более низкую зарплату.

Со временем все большее число работников начинает вкладывать средства в приобретение профессиональных навыков, востребованных в нестандартных, высокооплачиваемых категориях работы. Как правило, это более длительный процесс, хотя в некоторых странах, в том числе в Соединенных Штатах, он был ускорен благодаря инициативам правительства, бизнеса и образовательных учреждений.

Но даже при наличии институциональных механизмов поддержки доступ к развитию профессиональных навыков обычно далеко не равномерный. Только те, у кого достаточно времени и финансовых ресурсов, могут сделать необходимые инвестиции, а в крайне неравноправном обществе многие работники исключены из этой группы. На этом фоне, нам, вероятно, следует меньше беспокоиться о масштабной постоянной безработице, а больше – о росте неравенства, а также о его социальных и политических последствиях.

Безусловно, технологическая адаптация может уменьшить масштаб проблемы приобретения профессиональных навыков. В конце концов, рынки отдают должное инновациям, которые упрощают использование цифрового оборудования и систем. Например, графический пользовательский интерфейс, позволяющий взаимодействовать с электронными устройствами с помощью визуальных индикаторов, стал настолько распространенным, что мы воспринимаем его уже как должное. По мере того, как такие интуитивные подходы применяются ко все более сложным технологическим процессам, необходимость в переобучении, а значит, и влияние цифровой революции на распределение будут уменьшаться.

Прогресс в области искусственного интеллекта также окажет влияние. Примерно десять лет назад автоматизация основывалась на кодификации задач: машины запрограммированы с помощью набора инструкций, воспроизводящих логику принятия решений человеком. Но как быть с задачами, которые нельзя разделить на серию логических заранее определенных шагов? В эту категорию попадает удивительно большое количество видов деятельности, даже на первый взгляд простых: от понимания естественного языка до визуального распознавания объектов. Благодаря этому, многие рабочие места были ненадолго «защищены» от автоматизации из-за достижений в области машинного обучения.

Машинное обучение – это, по сути, очень сложное распознавание образов. Используя большие пулы данных и огромные вычислительные мощности, машины «учатся» делать то, что мы не можем закодировать. Они делают это, используя примеры, а не логику, основанную на правилах. Достижения в области машинного обучения открыли новые обширные области автоматизации: робототехника, автономные транспортные средства и сканирование технической медицинской литературы для поиска ключевых статей. Во многих областях, таких как распознавание образов в генетике и биомедицине, машины не только становятся способными заменять людей; в определенных случаях их возможности превосходят возможности любого человека.

Это новость лучше, чем может показаться вначале. Да, гораздо больше задач и подзадач будет перераспределено между машинами. Но целью и конечной точкой цифровой революции должно быть превращение автоматизации работы в цифровую аугментацию. А когда машины выполняют задачи, недоступные людям, мы получаем именно аугментацию.

Есть основания полагать, что расходы переходного периода этого нового цикла явлений дестабилизации, связанных с работой, будут ощущаться более широко по всему спектру доходов, хотя на этой ранней стадии невозможно сказать наверняка. В нижней части диапазона глобальных доходов трудоемкое производство, а также зависящие от него модели развития разрушатся и, в конечном итоге, вытеснятся достижениями в области искусственного интеллекта и робототехники. В конце концов, возможности машинного обучения будут сильно влиять на научные исследования и технологическое развитие, а также на профессиональные услуги высокого уровня.

Однако факт остается фактом: мы имеем дело с очень сложными переходами, а не со сбалансированными сочетаниями, поэтому не можем ожидать, что естественная адаптация рабочих и рынков труда приведет к результатам, отвечающим интересам всех сторон, особенно с огромными различиями в ресурсах домохозяйств как отправной точки. Вот почему директивные органы (в партнерстве с бизнесом, профсоюзами и школами) должны сосредоточить внимание на мерах по сокращению неравенства в доходах и богатстве, включая обеспечение широкого доступа к высококачественным социальным услугам, таким как образование и профессиональное обучение. При отсутствии такого рода вмешательства существует значительный риск того, что цифровая трансформация рабочих мест оставит многих людей «за бортом», что влечет за собой долгосрочные неблагоприятные последствия для социальной сплоченности.

Майкл Спенс