Erik Brynjolfsson, Gabriel Unger.
Di rilis IMF pada December 2023
Keputusan kolektif yang kita ambil saat ini akan menentukan bagaimana AI memengaruhi pertumbuhan produktivitas, ketimpangan pendapatan, dan konsentrasi industri
Para ekonom memiliki rekam jejak yang buruk dalam memprediksi masa depan. Dan Silicon Valley berulang kali mengalami siklus harapan dan kekecewaan terhadap teknologi besar berikutnya. Jadi skeptisisme yang sehat terhadap pernyataan apa pun tentang bagaimana kecerdasan buatan (AI) akan mengubah perekonomian adalah hal yang wajar. Meskipun demikian, ada alasan bagus untuk menganggap serius potensi AI yang semakin besar—sistem yang menunjukkan perilaku cerdas, seperti pembelajaran, penalaran, dan pemecahan masalah—untuk me.ntransformasi perekonomian, terutama mengingat kemajuan teknis yang menakjubkan pada tahun lalu.
AI dapat berdampak pada masyarakat di sejumlah bidang selain ekonomi—termasuk keamanan nasional, politik, dan budaya. Namun dalam artikel ini, kami fokus pada implikasi AI pada tiga bidang kepentingan makroekonomi: pertumbuhan produktivitas, pasar tenaga kerja, dan konsentrasi industri. AI tidak memiliki masa depan yang ditentukan sebelumnya. Itu bisa berkembang ke arah yang sangat berbeda. Masa depan tertentu yang muncul akan merupakan konsekuensi dari banyak hal, termasuk keputusan teknologi dan kebijakan yang diambil saat ini. Untuk setiap bidang, kami menghadirkan persimpangan jalan: dua jalur yang mengarah ke masa depan yang sangat berbeda bagi AI dan perekonomian. Dalam setiap kasus, masa depan yang buruk adalah jalan yang paling sedikit hambatannya. Untuk mencapai masa depan yang lebih baik diperlukan kebijakan yang baik—termasuk:
*Eksperimen pekerjaan kreatif.
*Serangkaian tujuan positif yang diinginkan masyarakat dari AI, bukan hanya hasil negatif yang harus dihindari.
*Memahami bahwa kemungkinan teknologi AI sangat tidak pasti dan berkembang pesat dan bahwa masyarakat harus fleksibel dalam berevolusi bersama teknologi tersebut.
Cabang pertama: Pertumbuhan produktivitas
Jalan pertama menyangkut masa depan pertumbuhan ekonomi—yang sebagian besar merupakan masa depan pertumbuhan produktivitas. Perekonomian AS terjebak dengan pertumbuhan produktivitas yang sangat rendah selama 50 tahun terakhir, kecuali kebangkitan singkat pada akhir tahun 1990an dan awal tahun 2000an (Brynjolfsson, Rock, dan Chad 2019). Sebagian besar negara maju kini menghadapi masalah yang sama, yaitu rendahnya pertumbuhan produktivitas. Lebih dari faktor lainnya, produktivitas—output per unit input—menentukan kekayaan suatu negara dan standar hidup masyarakatnya. Dengan produktivitas yang lebih tinggi, permasalahan seperti defisit anggaran, pengentasan kemiskinan, layanan kesehatan, dan lingkungan hidup menjadi lebih mudah dikelola. Meningkatkan pertumbuhan produktivitas mungkin merupakan tantangan ekonomi paling mendasar di dunia.
Masa depan dengan produktivitas rendah
Pada satu jalur produktivitas, dampak AI terbatas. Meskipun kemampuan teknis AI meningkat pesat, penerapannya oleh dunia usaha mungkin masih lambat dan terbatas pada perusahaan besar (Zolas dkk. 2021). Keekonomian AI mungkin hanya bersifat penghematan tenaga kerja yang sangat sempit (yang oleh Daron Acemoglu dan Simon Johnson disebut sebagai “teknologi biasa saja,” seperti mesin kasir otomatis), dan bukan teknologi yang memungkinkan pekerja untuk melakukan hal tersebut. sesuatu yang baru atau kuat (lihat “Menyeimbangkan Kembali AI” dalam F&D edisi ini). Pekerja yang dipindahkan mungkin akan mendapatkan pekerjaan yang kurang produktif dan kurang dinamis, sehingga mengurangi manfaat keseluruhan terhadap tingkat pertumbuhan produktivitas perekonomian dalam jangka panjang.
Seperti banyak antusiasme terhadap teknologi di Silicon Valley saat ini (printer 3D, mobil self-driving, realitas virtual), AI mungkin juga kurang menjanjikan atau kurang siap untuk dipasarkan dibandingkan yang diharapkan sebelumnya. Setiap kemajuan ekonomi yang nyata, bahkan yang kecil sekalipun, mungkin muncul dalam data beberapa dekade setelah teknologi pertama kali menjanjikan, seperti yang sering terjadi. Paradoks terkenal yang diidentifikasi oleh ekonom Robert Solow pada tahun 1987—“Anda dapat melihat era komputer di mana-mana, kecuali statistik produktivitas”—mungkin menjadi lebih ekstrem, karena setiap orang tampaknya memiliki chatbot AI yang memukau teman-temannya, namun bisnis tampaknya tidak lebih produktif. untuk peningkatan penggunaan AI. Perusahaan-perusahaan mungkin semakin mengurangi manfaat ekonomi dari AI karena gagal menentukan perubahan organisasi dan manajerial yang mereka perlukan untuk memanfaatkan AI dengan sebaik-baiknya.
Dan, seperti dalam kasus mobil self-driving, tantangan teknologi untuk beralih dari bukti konsep yang menarik menjadi produk yang sangat andal mungkin akan semakin diperparah oleh rezim hukum yang tidak dirancang untuk mengakomodasi teknologi baru ini dan mungkin sangat menghambat kemajuan teknologi. perkembangan. Dalam kasus AI, terdapat ketidakpastian yang sangat besar mengenai implikasi undang-undang terkait kekayaan intelektual saat ini ketika model dilatih pada jutaan titik data yang mungkin mencakup kekayaan intelektual orang lain yang dilindungi. Undang-undang kekayaan intelektual pada akhirnya dapat merespons dengan menciptakan sesuatu yang serupa dengan “semak paten” yang secara efektif mencegah model untuk dilatih berdasarkan data yang haknya tidak jelas dimiliki oleh pengembang. Pada saat yang sama, pilihan yang salah dapat melemahkan insentif para profesional kreatif untuk menghasilkan lebih banyak konten baru yang mendukung sistem pembelajaran mesin.
Selain itu, regulator nasional, yang didorong oleh sejumlah kekhawatiran, mungkin menerapkan peraturan ketat yang memperlambat kecepatan pengembangan dan penyebaran AI. Mereka bahkan mungkin didesak oleh para pengembang awal AI yang ingin mempertahankan keunggulan mereka. Selain itu, beberapa negara, dunia usaha, dan organisasi lain mungkin melarang AI sepenuhnya.
Masa depan dengan produktivitas tinggi
Namun ada skenario alternatif di mana AI mengarah pada masa depan dengan pertumbuhan produktivitas yang lebih tinggi. AI mungkin diterapkan pada sebagian besar tugas yang dilakukan oleh sebagian besar pekerja (Eloundou dkk. 2023) dan secara besar-besaran meningkatkan produktivitas dalam tugas tersebut. Di masa depan, AI memenuhi janjinya untuk menjadi terobosan teknologi paling radikal dalam beberapa dekade. Selain itu, hal ini pada akhirnya melengkapi pekerja—membebaskan mereka menghabiskan lebih banyak waktu pada tugas-tugas yang tidak rutin, kreatif, dan inventif dibandingkan sekadar menggantikan mereka.
AI menangkap dan mewujudkan pengetahuan diam-diam (yang diperoleh melalui pengalaman namun sulit diartikulasikan) individu dan organisasi dengan memanfaatkan sejumlah besar data digital baru. Akibatnya, semakin banyak pekerja yang dapat menghabiskan lebih banyak waktu untuk mengatasi masalah-masalah baru, dan semakin banyak angkatan kerja yang semakin menyerupai masyarakat ilmuwan riset dan inovator. Hasilnya adalah perekonomian tidak hanya berada pada tingkat produktivitas yang lebih tinggi, namun juga pada tingkat pertumbuhan yang lebih tinggi secara permanen.
Note: Pengetahuan tacit adalah pengetahuan yang Anda peroleh melalui pengalaman hidup, baik dalam kehidupan pribadi maupun pengembangan profesional. Seringkali hal ini subjektif, informal, dan sulit untuk dibagikan atau diungkapkan karena dipengaruhi oleh keyakinan dan nilai-nilai pribadi kita.
Di masa depan, keberhasilan integrasi AI dengan robot juga berarti semakin banyak perekonomian yang menerima kemajuan terkait AI. Dan AI memungkinkan masyarakat tidak hanya melakukan hal-hal yang sudah dilakukan dengan lebih baik, namun juga melakukan hal-hal dan membayangkan hal-hal yang sebelumnya tidak terbayangkan. Penelitian yang didukung AI di bidang kedokteran memungkinkan kemajuan radikal dalam pengetahuan biologi manusia dan desain obat. AI menjadi mampu membantu mesin kreativitas dan penemuan ilmiah itu sendiri—matematika, sains, pengembangan AI lebih lanjut—semacam perbaikan diri secara rekursif yang dulunya hanyalah eksperimen pemikiran fiksi ilmiah.
Cabang kedua: Ketimpangan pendapatan
Meningkatnya ketimpangan pendapatan antar pekerja selama 40 tahun terakhir merupakan kekhawatiran utama. Sejumlah besar penelitian empiris di bidang ekonomi ketenagakerjaan menunjukkan bahwa komputer dan bentuk teknologi informasi lainnya mungkin berkontribusi terhadap ketimpangan pendapatan dengan mengotomatiskan pekerjaan rutin bagi masyarakat berpenghasilan menengah, yang telah mempolarisasi angkatan kerja menjadi pekerja berpenghasilan tinggi dan berpenghasilan rendah. Meskipun CEO dan petugas kebersihan tetap ada, komputer telah menggantikan beberapa pekerja kantoran tingkat menengah (Autor, Levy, dan Murnane 2003). Kami mempertimbangkan dua skenario dampak AI terhadap kesenjangan.
Masa depan dengan ketimpangan yang lebih tinggi
Dalam skenario pertama, AI menyebabkan ketimpangan pendapatan yang lebih tinggi. Para ahli teknologi dan manajer merancang dan menerapkan AI untuk menggantikan berbagai jenis tenaga kerja manusia secara langsung, sehingga menurunkan upah banyak pekerja. Lebih buruk lagi, AI generatif mulai menghasilkan kata-kata, gambar, dan suara, tugas yang sebelumnya dianggap tidak rutin dan bahkan kreatif—memungkinkan mesin berinteraksi dengan pelanggan dan membuat konten untuk kampanye pemasaran. Jumlah pekerjaan yang terancam oleh persaingan AI pada akhirnya akan bertambah besar. Seluruh industri mengalami perubahan dan semakin tergantikan (ancaman terhadap tenaga kerja mungkin ditandai dengan pemogokan baru-baru ini yang dilakukan oleh penulis skenario dan aktor di Amerika Serikat, yang menuntut agar studio film membatasi penggunaan AI).
Ini bukanlah masa depan pengangguran massal. Namun di masa depan dengan ketimpangan yang lebih tinggi ini, ketika AI menggantikan pekerjaan dengan gaji yang tinggi atau layak, semakin banyak pekerja yang terdegradasi ke pekerjaan jasa dengan gaji rendah—seperti petugas rumah sakit, pengasuh anak, dan penjaga pintu—di mana kehadiran manusia pada hakikatnya dihargai dan upahnya juga dihargai. sangat rendah sehingga dunia usaha tidak dapat membenarkan biaya investasi teknologi yang besar untuk menggantikannya. Benteng terakhir dari kerja manusia murni mungkin adalah jenis pekerjaan yang berdimensi fisik. Ketimpangan pendapatan meningkat dalam skenario ini karena pasar tenaga kerja semakin terpolarisasi menjadi kelompok elit berketerampilan tinggi dan sejumlah besar pekerja sektor jasa dengan upah rendah dan kelas bawah.
Masa depan dengan tingkat ketimpangan yang lebih rendah
Namun dalam skenario kedua, AI akan menurunkan ketimpangan pendapatan karena dampak utama AI terhadap angkatan kerja adalah membantu pekerja yang paling tidak berpengalaman atau kurang berpengetahuan agar lebih baik dalam pekerjaannya. Pembuat kode perangkat lunak, misalnya, kini mendapat manfaat dari bantuan model AI, seperti Copilot, yang secara efektif memanfaatkan praktik terbaik pengkodean dari banyak pekerja lainnya. Pembuat kode yang tidak berpengalaman atau di bawah standar yang menggunakan Copilot menjadi lebih sebanding dengan pembuat kode yang sangat baik, meskipun keduanya memiliki akses ke AI yang sama. Sebuah studi terhadap 5.000 pekerja yang melakukan pekerjaan bantuan pelanggan yang kompleks di sebuah call center menemukan bahwa di antara pekerja yang diberi dukungan asisten AI, pekerja yang paling tidak terampil atau pekerja terbaru menunjukkan peningkatan produktivitas terbesar (Brynjolfsson, Li, dan Raymond 2023). Jika pengusaha membagi keuntungan ini dengan pekerja, distribusi pendapatan akan menjadi lebih setara.
Selain menciptakan masa depan dengan ketimpangan pendapatan yang lebih rendah, AI dapat membantu tenaga kerja dalam arti yang lebih halus namun mendalam. Jika AI merupakan pengganti tugas-tugas yang paling rutin dan diformulasikan, maka dengan menghilangkan pekerjaan rutin yang membosankan dari tangan manusia, AI dapat melengkapi tugas-tugas yang benar-benar kreatif dan menarik, meningkatkan pengalaman psikologis dasar dalam bekerja, serta kualitas hasil kerja. Memang benar, studi call center tidak hanya menemukan peningkatan produktivitas, namun juga mengurangi pergantian pekerja dan meningkatkan kepuasan pelanggan bagi mereka yang menggunakan asisten AI.
Cabang ketiga: Konsentrasi industri
Sejak awal tahun 1980-an, konsentrasi industri—yang mengukur pangsa pasar kolektif perusahaan-perusahaan terbesar di suatu sektor—telah meningkat secara dramatis di Amerika Serikat dan banyak negara maju lainnya. Perusahaan-perusahaan superstar besar ini sering kali jauh lebih padat modal dan berteknologi canggih dibandingkan perusahaan-perusahaan kecil.
Sekali lagi, terdapat dua skenario berbeda mengenai dampak AI
Masa depan dengan konsentrasi lebih tinggi
Pada skenario pertama, konsentrasi industri meningkat, dan hanya perusahaan terbesar yang secara intensif menggunakan AI dalam bisnis intinya. AI memungkinkan perusahaan-perusahaan ini menjadi lebih produktif, menguntungkan, dan lebih besar dibandingkan pesaing mereka. Model AI menjadi semakin mahal untuk dikembangkan, dalam hal kekuatan komputasi mentah—biaya awal yang sangat besar yang hanya mampu ditanggung oleh perusahaan terbesar—di samping memerlukan pelatihan mengenai kumpulan data yang sangat besar, yang sudah dimiliki oleh perusahaan-perusahaan besar dari banyak pelanggan dan perusahaan mereka. perusahaan kecil tidak.
Selain itu, setelah model AI dilatih dan dibuat, pengoperasiannya bisa memakan biaya yang mahal. Misalnya, model GPT-4 menghabiskan biaya pelatihan lebih dari $100 juta selama pengembangan awal dan membutuhkan sekitar $700.000 per hari untuk dijalankan. Biaya umum untuk mengembangkan model AI besar mungkin akan mencapai miliaran dolar. Para eksekutif di perusahaan AI terkemuka memperkirakan bahwa undang-undang penskalaan yang menunjukkan hubungan kuat antara peningkatan biaya pelatihan dan peningkatan kinerja akan berlaku di masa mendatang, sehingga memberikan keuntungan bagi perusahaan yang memiliki akses ke anggaran terbesar dan kumpulan data terbesar.
Oleh karena itu, mungkin hanya perusahaan terbesar dan mitra bisnis mereka yang mengembangkan AI eksklusif—seperti yang telah dilakukan oleh perusahaan seperti Alphabet, Microsoft, dan OpenAI, sedangkan perusahaan kecil belum melakukannya. Perusahaan-perusahaan besar kemudian menjadi lebih besar.
Lebih halusnya, namun mungkin lebih penting, bahkan di dunia di mana kepemilikan AI tidak memerlukan biaya tetap yang besar yang hanya mampu ditanggung oleh perusahaan-perusahaan terbesar, AI mungkin masih memberikan manfaat yang jauh lebih besar kepada perusahaan-perusahaan besar, dengan membantu mereka mengoordinasikan operasi bisnis mereka yang kompleks secara internal. —suatu hal yang tidak dimiliki oleh perusahaan yang lebih kecil dan sederhana. Visible Hand dari manajemen puncak yang mengelola sumber daya di dalam perusahaan-perusahaan terbesar, yang kini didukung oleh AI, memungkinkan perusahaan menjadi lebih efisien, menantang keunggulan Hayekian dari pengetahuan lokal perusahaan-perusahaan kecil di pasar yang terdesentralisasi.
Masa depan dengan konsentrasi lebih rendah
Namun, di masa depan dengan konsentrasi industri yang lebih rendah, model AI sumber terbuka (seperti LLaMA dari Meta atau Koala dari Berkeley) akan tersedia secara luas. Kombinasi perusahaan nirlaba, organisasi nirlaba, akademisi, dan pembuat kode individu menciptakan ekosistem AI sumber terbuka yang dinamis yang memungkinkan akses luas ke model AI yang dikembangkan. Hal ini memberi usaha kecil akses terhadap teknologi produksi terdepan di industri yang belum pernah mereka miliki sebelumnya.
Hal ini sebagian besar telah diramalkan dalam memo internal yang bocor dari Google pada Mei 2023, di mana seorang peneliti mengatakan bahwa “model sumber terbuka lebih cepat, lebih dapat disesuaikan, lebih pribadi, dan lebih mumpuni” dibandingkan model berpemilik. Peneliti mengatakan bahwa proses dalam model sumber terbuka kecil dapat dengan cepat diulang oleh banyak orang dan menghasilkan hasil yang lebih baik daripada model pribadi besar yang diulangi secara perlahan oleh satu tim dan model sumber terbuka dapat dilatih dengan lebih murah. Dalam pandangan peneliti Google, AI sumber terbuka mungkin akan mendominasi model kepemilikan yang mahal.
Mungkin juga AI mendorong inovasi yang luas dan terdesentralisasi yang berkembang lebih baik di banyak perusahaan kecil dibandingkan di satu perusahaan besar. Batas-batas perusahaan merupakan hasil dari serangkaian trade-off; Dunia di mana lebih banyak inovator yang didukung AI membutuhkan sisa hak kendali atas pekerjaan mereka mungkin merupakan dunia di mana lebih banyak inovator memutuskan bahwa mereka lebih memilih menjadi pemilik perusahaan kecil daripada menjadi karyawan perusahaan besar.
Hasilnya adalah peningkatan jangka panjang dalam konsentrasi industri mulai berkurang, karena beberapa usaha kecil yang gesit menutup atau bahkan membalikkan kesenjangan teknologi dengan perusahaan-perusahaan besar dan memenangkan kembali lebih banyak pangsa pasar.
Menuju agenda kebijakan
Di setiap persimpangan jalan, jalur yang mengarah ke masa depan yang lebih buruk adalah jalur yang hambatannya paling kecil dan menghasilkan pertumbuhan produktivitas yang rendah, ketimpangan pendapatan yang lebih tinggi, dan konsentrasi industri yang lebih tinggi. Mencapai jalur yang baik memerlukan kerja keras—intervensi kebijakan cerdas yang membantu membentuk masa depan teknologi dan perekonomian.
Penting juga untuk mengapresiasi sudut pandang yang lebih luas mengenai kebijakan. Sebagian besar wacana seputar regulasi AI kini berlangsung dalam model hidrolik: apakah kita harus memiliki lebih banyak AI atau lebih sedikit AI—atau bahkan melarang AI. Diskusi ini terjadi ketika AI dianggap sebagai sesuatu yang tetap, dengan masa depan yang telah ditentukan. AI bisa datang dengan cepat atau lambat. Mungkin ada lebih atau kurang, tapi pada dasarnya memang begitulah adanya.
Namun, jika pembuat kebijakan memahami bahwa AI dapat berkembang ke arah yang berbeda, maka wacana tersebut akan disusun secara berbeda. Bagaimana kebijakan dapat mendorong jenis AI yang melengkapi tenaga kerja manusia dan bukannya meniru dan menggantikannya? Pilihan apa yang akan mendorong pengembangan AI yang dapat diakses oleh semua ukuran perusahaan, dan bukan hanya perusahaan terbesar saja? Ekosistem sumber terbuka seperti apa yang diperlukan, dan bagaimana pembuat kebijakan mendukungnya? Bagaimana sebaiknya laboratorium AI melakukan pendekatan terhadap pengembangan model, dan bagaimana sebaiknya perusahaan melakukan pendekatan terhadap penerapan AI? Bagaimana masyarakat bisa mendapatkan AI yang mampu menghasilkan inovasi radikal, dan bukan melakukan perubahan kecil terhadap barang, jasa, dan sistem yang sudah ada?
Banyak aktor berbeda yang mempunyai kekuatan untuk mempengaruhi arah masa depan AI. Perusahaan-perusahaan besar harus mengambil keputusan penting mengenai cara mereka memilih untuk mengintegrasikan AI ke dalam tenaga kerja mereka. Perusahaan terbesar juga akan mengembangkan AI in-house. Laboratorium AI/ilmu komputer di universitas juga akan mengembangkan model AI, beberapa di antaranya akan dijadikan sumber terbuka. Para pembuat undang-undang dan regulator di tingkat federal akan mempunyai dampak yang besar, begitu pula dengan dampak yang ditimbulkan oleh para pembuat undang-undang di daerah. Pemilih mempunyai suara. Serikat pekerja harus memikirkan hubungan seperti apa yang mereka inginkan dengan AI dan apa tuntutan mereka.
Meskipun kami telah membuat sketsa sejumlah kemungkinan masa depan AI, kami ingin menekankan tidak hanya betapa tidak dapat diprediksinya masa depan teknologi ini, namun juga masyarakat yang secara aktif dan kolektif menentukan masa depan AI mana yang akan muncul.
Kami telah mengajukan lebih banyak pertanyaan daripada yang kami jawab, yang sebagian mencerminkan tahap awal adopsi dan dampak AI. Namun hal ini juga mencerminkan ketidakseimbangan yang lebih dalam antara upaya penelitian yang memajukan teknologi dan penelitian yang lebih terbatas yang bertujuan untuk memahami konsekuensi ekonomi dan sosial.
Ketidakseimbangan ini menjadi kurang penting ketika teknologi mempunyai konsekuensi makroekonomi yang terbatas. Namun saat ini, ketika dampak AI terhadap masyarakat diperkirakan mencapai triliunan dolar, investasi yang jauh lebih besar harus dilakukan dalam penelitian mengenai ekonomi AI. Masyarakat membutuhkan inovasi dalam pemahaman ekonomi dan kebijakan yang sesuai dengan skala dan cakupan terobosan AI itu sendiri. Mengarahkan kembali prioritas penelitian dan mengembangkan agenda kebijakan yang cerdas dapat membantu masyarakat bergerak menuju masa depan dengan pertumbuhan ekonomi yang berkelanjutan dan inklusif.
ERIK BRYNJOLFSSON is the Jerry Yang and Akiko Yamazaki Professor at the Stanford Institute for Human-Centered AI, where he directs the Stanford Digital Economy Lab.
GABRIEL UNGER is a postdoctoral fellow at the Stanford Digital Economy Lab.
Terjemahan bebas oleh gandatmadi46@yahoo.com.