AI pompuje wzrost, ale zmienia pracę. Dylemat światowej gospodarki

Podczas dorocznych spotkań MFW i Banku Światowego w Bangkoku coraz częściej pada pytanie, czy inwestycje w sztuczną inteligencję wystarczą, by utrzymać wzrost gospodarczy mimo kosztownej energii, zadłużenia i napięć handlowych. Fundusz wskazuje, że technologie AI mogą podtrzymywać aktywność, ale jednocześnie przekształcają rynek zatrudnienia. Dla Polski liczy się nie tylko tempo wdrożeń, lecz także sposób podziału ich korzyści.

W wypowiedziach przytaczanych przez Reutersa szefowa Międzynarodowego Funduszu Walutowego Kristalina Georgieva zwraca uwagę na silny strumień kapitału kierowany do centrów danych, chipów i rozwiązań automatyzujących pracę. Te inwestycje podbijają popyt w części gospodarek i pomagają utrzymać globalne tempo wzrostu w okolicach trzech procent. Nie oznacza to, że sztuczna inteligencja zastąpiła tradycyjne źródła rozwoju. Jest raczej dodatkowym silnikiem w okresie, w którym droższa energia i wysokie koszty finansowania hamują wiele innych przedsięwzięć.

Pierwsza korzyść jest widoczna w księgach przedsiębiorstw technologicznych: rosną zamówienia na serwery, pamięć, systemy chłodzenia i instalacje energetyczne. Druga pojawia się wolniej — jako oszczędność czasu pracowników i lepsza organizacja procesów. Ten drugi efekt trudno mierzyć, ponieważ firma może zwiększyć liczbę wykonanych zadań bez proporcjonalnego wzrostu obrotów, a nawet bez zmiany zatrudnienia. Właśnie dlatego giełdowy entuzjazm nie zawsze odpowiada wzrostowi produktywności w całej gospodarce.

Największe korzyści z budowy infrastruktury AI zbierają państwa dysponujące kapitałem, technologią i dostępną mocą energetyczną. Projekty centrów danych mają wysokie koszty wejścia i wymagają sprawnego łańcucha dostaw. Dla mniejszych firm atrakcyjniejsza bywa warstwa usług: automatyzacja faktur, analiza dokumentów, planowanie transportu czy wsparcie obsługi klienta. Gospodarka może więc jednocześnie doświadczać koncentracji zysków u dostawców infrastruktury i rozproszonej poprawy wydajności w tysiącach przedsiębiorstw.

Między tymi dwoma poziomami występuje napięcie. Jeśli dostęp do najpotężniejszych modeli drożeje, mniejsze firmy stają się zależne od kilku zagranicznych dostawców. Zyski z produktywności mogą wówczas częściowo odpływać za granicę jako opłaty za chmurę i licencje. Państwa, które nie budują własnych kompetencji technicznych ani ochrony danych, ryzykują rolę odbiorców usług zamiast współtwórców technologii. Nie oznacza to konieczności kosztownego kopiowania infrastruktury największych potęg, lecz potrzebę świadomych inwestycji w umiejętności i konkurencję.

MFW zwraca uwagę na znaczną ekspozycję zatrudnienia w bogatszych krajach na działanie AI. Reuters opisuje szacunki mówiące nawet o sześćdziesięciu procentach miejsc pracy, na które technologia może w istotny sposób oddziaływać. Nie należy jednak zamieniać tej liczby w twierdzenie, że sześćdziesiąt procent ludzi straci pracę. Wiele stanowisk składa się z zestawu czynności, z których tylko część może zostać zautomatyzowana. Zmienia się wtedy profil kompetencji, a niekoniecznie liczba etatów.

Szczególnie wrażliwy może okazać się początek kariery zawodowej. Firmy często powierzają młodym pracownikom sporządzanie zestawień, przygotowywanie standardowych pism, prostą analizę danych i tworzenie pierwszych wersji dokumentów. Są to zadania podatne na automatyzację. Jeśli znikną bez zastąpienia ich nowymi ścieżkami szkolenia, absolwentom będzie trudniej zdobywać doświadczenie niezbędne do bardziej odpowiedzialnych ról. Odpowiedzią nie powinno być wyłącznie zakazywanie technologii, lecz przebudowanie staży, programów szkolnych i wewnętrznych systemów uczenia.

Sztuczna inteligencja jest produktem cyfrowym, ale nie istnieje bez fizycznej infrastruktury. Centra danych zużywają energię, potrzebują zabezpieczenia zasilania i czasami zasobów wody do chłodzenia. Gdy popyt na moc rośnie szybciej niż inwestycje w sieci, rachunek może zostać przeniesiony na odbiorców przemysłowych i gospodarstwa domowe. Dla krajów o relatywnie drogiej energii może to oznaczać ograniczenie atrakcyjności inwestycyjnej, nawet jeśli mają dobrze wykształcone kadry informatyczne.

Jednocześnie MFW i Bank Światowy dyskutują o zadłużeniu państw oraz niepewności związanej z konfliktami. Wysokie koszty obsługi długu zmniejszają środki na sieci energetyczne, szkolnictwo i badania — dokładnie te obszary, które pozwalają wykorzystać AI. Korporacyjne nakłady kapitałowe mogą krótkoterminowo podnosić dynamikę gospodarczą, ale nie zastąpią dobrze zaprojektowanych instytucji publicznych. Bez nich wzrost technologiczny może pogłębiać różnice między regionami i grupami zawodowymi.

Z punktu widzenia polskiej gospodarki najważniejsze nie jest samo tempo instalowania kolejnych modeli językowych. Ważniejsze są pytania o to, czy firmy skracają czas realizacji usług, ograniczają liczbę błędów, zwiększają eksport oraz podnoszą jakość produktów. Tych efektów nie da się potwierdzić samą liczbą kupionych abonamentów. Potrzebne są mierniki wydajności, szkolenia pracowników i audyty bezpieczeństwa danych. W sektorze publicznym dochodzi jeszcze kwestia wyjaśnialności decyzji podejmowanych z pomocą algorytmów.

Drugie wyzwanie dotyczy relacji między edukacją a rynkiem pracy. Programy przygotowujące do zawodów powinny uwzględniać współpracę z AI, ale też uczyć samodzielnej oceny źródeł i odpowiedzialności za decyzje. Firma korzystająca z automatyzacji nadal musi umieć rozpoznać błąd modelu, a urząd nie może zasłaniać się oprogramowaniem, gdy narusza prawa obywatela. W przeciwnym razie tania automatyzacja może okazać się kosztowną zależnością od technologii, której działania nie da się zweryfikować.

Debata w Bangkoku pokazuje więc dwa równoległe zjawiska. Sztuczna inteligencja pomaga gospodarce przetrwać okres słabszych impulsów wzrostowych, ale sama tworzy nowe napięcia dotyczące energii, pracy i podziału zysków. Najrozsądniejsza polityka nie wybiera między bezwarunkowym entuzjazmem a zakazami. Stawia na konkurencję, edukację, odpowiedzialność producentów oraz mierzenie rzeczywistych rezultatów. Dopiero wtedy inwestycje w AI mogą stać się czymś więcej niż kosztownym wyścigiem infrastrukturalnym.