تناولت أبحاث حديثة لمنظمة التعاون والتنمية الاقتصادية (OECD) تأثير الذكاء الاصطناعي على الإنتاجية والتوزيع والنمو، مسلطةً الضوء على التحديات والشروط التي يجب تحقيقها قبل جني فوائده (Filippucci et al., 2024). وتكتسب هذه القضايا أهمية خاصة في ظل تباطؤ نمو الإنتاجية في اقتصادات المنظمة خلال العقود الأخيرة (Andre and Gal, 2024)، إلى جانب الحماس الواسع والنقاش النشط حول إمكانات الذكاء الاصطناعي في تعزيز النمو الاقتصادي. يرى بعض المؤيدين أن الذكاء الاصطناعي قد يعكس هذا التباطؤ المستمر، مضيفًا ما بين 1 إلى 1.5 نقطة مئوية إلى معدل النمو السنوي (Baily, Brynjolfsson, and Korinek, 2023; Artificial Intelligence Commission of France, 2024; Briggs and Kodnani, 2023). في المقابل، يجادل Acemoglu (2024) بأن القدرات الحالية للذكاء الاصطناعي لا تدعم سوى مكاسب محدودة في الإنتاجية على المستوى الكلي، بحدود 0.1% سنويًا.
يُعد الذكاء الاصطناعي تقنيةً عامة متعددة الاستخدامات، تؤثر تحوليًا على نطاق واسع من الأنشطة الاقتصادية، كما كان الحال مع الحواسيب، والإنترنت، والكهرباء (Agrawal, Gans and Goldfarb, 2019). فهو تقنية رقمية تجمع بين البرمجيات والبيانات والقدرة الحاسوبية لأداء مهام معرفية متقدمة، مثل إنشاء المحتوى، والتنبؤ، وحتى تنفيذ المهام الفيزيائية عند دمجه مع الروبوتات. كما يتميز الذكاء الاصطناعي بقدراته على التعلم الذاتي وتعزيز الاستقلالية، مما يعني أنه لا يعزز فقط إنتاج السلع والخدمات، بل يسهم أيضًا في تسريع الأبحاث والابتكار من خلال تحسين عملية توليد الأفكار (Aghion, Jones and Jones, 2018).
وبمراجعة الأدبيات المتنامية في هذا المجال، تشير الأدلة الأولية على المستوى الجزئي – التي تغطي الشركات والعاملين والباحثين – إلى أن الذكاء الاصطناعي قد يحفز الابتكار (Van Noorden and Perkel, 2023) ويوفر فوائد كبيرة من حيث الإنتاجية والأداء. وتُظهر البيانات أن المكاسب الإنتاجية على مستوى الشركات الناتجة عن الذكاء الاصطناعي غير التوليدي (Pre-Generative AI) تتشابه مع مكاسب التقنيات الرقمية السابقة، حيث تصل إلى 10% (انظر الشكل 1، القسم الخاص بالذكاء الاصطناعي غير التوليدي). أما عند استخدام الذكاء الاصطناعي التوليدي (Generative AI) في دعم مهام مختلفة، مثل الكتابة، والبرمجة، وخدمة العملاء، فقد تم تسجيل فوائد أداء أكبر بكثير، تتراوح بين 20% و50% تبعًا للسياق (انظر القسم الخاص بالذكاء الاصطناعي التوليدي).
الشكل 1. العلاقة بين الذكاء الاصطناعي والإنتاجية أو أداء العمال: تقديرات مختارة من الأدبيات
ملاحظة: *التحكم في التقنيات الأخرى لتكنولوجيا المعلومات والاتصالات (ICT). في القسم الخاص بالذكاء الاصطناعي غير التوليدي، ""استخدام الذكاء الاصطناعي"" هو متغير ثنائي (0-1) تم الحصول عليه من خلال استطلاعات الشركات، بينما يشير براءات اختراع الذكاء الاصطناعي إلى متغير ثنائي (0-1) يشير إلى وجود على الأقل براءة اختراع واحدة (دراسة أمريكية) أو إلى عدد البراءات في الشركات (بالنسبة للدراسة في الاتحاد الأوروبي والمملكة المتحدة، حيث يبلغ المتوسط 0.48 مع انحراف معياري قدره 2.6، وبالتالي فإن الشركات التي تجمع أكثر من براءة اختراع واحدة هي نسبياً قليلة). اثنان من التقديرات في هذا القسم (""9 دول، 2016-2021"") تتعلقان بنفس الدراسة (Calvino and Fontanelli, 2023)، ولكن التقدير الثاني يتحكم في استخدام تقنيات تكنولوجيا المعلومات والاتصالات الأخرى وبالتالي يعزل بشكل أفضل التأثير الهامشي للذكاء الاصطناعي. بما أن الدراسة تقدم تقديرات منفصلة لجميع الدول التسع، يتم عرض التقدير الوسيط عبر الدول في الشكل.
المصدر: تجميع المؤلفين من دراسات على المستوى الجزئي.
كيفية ترجمة هذه المكاسب الاقتصادية الجزئية إلى نمو في الإنتاجية على المستوى الكلي تعتمد على مدى اعتماد الذكاء الاصطناعي، والذي يبدو أنه محدود حتى الآن بأقل من 5% من الشركات في الولايات المتحدة (Census Bureau, 2024). كما يعتمد ذلك على ما إذا كانت الأتمتة المدفوعة بالذكاء الاصطناعي ستستبدل العمال من الأنشطة التي تتأثر بشدة؛ أو إذا كانت القدرات المساعدة للبشر التي يوفرها الذكاء الاصطناعي ستسود، مما يدعم الطلب على العمل. في الوقت الحالي، يختلف تعرض العمال للذكاء الاصطناعي بشكل كبير عبر القطاعات: يبدو أن الأنشطة عالية الإنتاجية والمعرفية هي الأكثر تأثراً (الشكل 2)، مع إمكانات عالية للأتمتة في بعض الحالات (Cazzaniga et al, 2024; WEF, 2023). ومن ثم، فإن التراجع المحتمل في حصة العمالة في هذه القطاعات سيكون له تأثير سلبي على نمو الإنتاجية الإجمالي، مما يشبه شكلاً جديدًا من ""مرض باومول"" (Aghion, Antonin and Bunel, 2019).
الشكل 2. الخدمات عالية الإنتاجية والمعرفة هي الأكثر تأثراً بالذكاء الاصطناعي
تعرض العمال للذكاء الاصطناعي حسب القطاع (2019)
ملاحظة: يقيس المؤشر مدى ارتباط قدرات العمال بالتطبيقات المهمة للذكاء الاصطناعي. يتم توحيد المقياس بحيث يكون المتوسط صفرًا والانحراف المعياري 1 على مستوى المهن، ثم يتم ربطه بالقطاعات. الشكل لا يشمل بعد النماذج التوليدية الحديثة للذكاء الاصطناعي.
*يشمل الخدمات غير السوقية، التصنيع، المرافق، وغيرها.
المصدر: Filippucci et al (2024) ومنظمة التعاون الاقتصادي والتنمية (OECD, 2024) بناءً على (Felten, Raj and Seamans, 2021).
قد تؤثر التهديدات التي يسببها الذكاء الاصطناعي على المنافسة السوقية وعدم المساواة، مما يحد من فوائده المحتملة. أولاً، قد تؤدي التكاليف الثابتة العالية والعوائد من المقاييس المرتبطة بالبيانات وقوة الحوسبة إلى تركيز مفرط في تطوير الذكاء الاصطناعي. ثانيًا، قد يؤدي استخدام الذكاء الاصطناعي في التطبيقات النهائية إلى تشوهات في السوق، خاصة إذا سمح للمبادرين الأوائل ببناء تفوق كبير في الحصة السوقية والسلطة السوقية. علاوة على ذلك، تميل خوارزميات التسعير المدعومة بالذكاء الاصطناعي إلى فرض أسعار فوق التنافسية (Calvano et al., 2020)، ويمكنها أيضًا تعزيز التمييز السعري الضار (OECD, 2018).
من المحتمل أن يكون للذكاء الاصطناعي تأثيرات غامضة على عدم المساواة. للتكنولوجيا القدرة على استبدال العمل ذي المهارات العالية وتقليص فجوات الأجور مع العمال ذوي المهارات المنخفضة، مما يقلل من عدم المساواة (Autor, 2024)، على الأقل داخل المهن (Georgieff, 2024). ولكن هناك أيضًا مؤشرات على أن الذكاء الاصطناعي قد يرتبط بزيادة البطالة (OECD, 2024). من ناحية أخرى، يمكن أن يؤدي الذكاء الاصطناعي إلى مزيد من الإدماج والحركة الاقتصادية الأقوى من خلال تحسين جودة التعليم والوصول إليه، وتوسيع توافر الائتمان، وتقليل حواجز المهارات (مثل اللغات الأجنبية).
تشمل الشكوك الأخرى المتعلقة بالذكاء الاصطناعي مخاوف اجتماعية أوسع. تتعلق المخاوف الفورية بالخصوصية، والمعلومات المضللة، والتحيز (مما قد يؤدي إلى الاستبعاد)، بينما تشمل المخاوف طويلة المدى البطالة الجماعية أو حتى المخاطر الوجودية (Nordhaus, 2021; Jones, 2023).
هناك حاجة إلى نهج شامل للسياسة لإدارة هذه المخاطر بفعالية والاستفادة من الإمكانات الكاملة للذكاء الاصطناعي. تشمل الأولويات الفورية تعزيز المنافسة السوقية والوصول الواسع إلى تقنيات الذكاء الاصطناعي مع الحفاظ على حوافز الابتكار ومعالجة قضايا الموثوقية والتحيز. قد تظهر آثار إزاحة الوظائف وإعادة تخصيصها وعدم المساواة على فترات أطول، ولكنها تتطلب إجراءات وقائية من خلال التدريب والتعليم وتدابير إعادة التوزيع. يجب على صانعي السياسات أيضًا وضع آليات حوكمة وطنية ودولية للتعامل مع التطورات السريعة وغير المتوقعة في الذكاء الاصطناعي.
الخاتمة:
الورقة الرئيسية التي تستند إليها هذه المدونة (Filippucci et al, 2024) تم تطويرها ضمن مشروع مشترك بين منظمة التعاون الاقتصادي والتنمية ووزارة الخزانة الإيطالية لدعم السياسات متعددة الأطراف.
المصدر : oecd ecoscope
