Brett Hemenway Falk z University of Pennsylvania in Gerry Tsoukalas z Boston University v članku The AI Layoff Trap analizirata enega izmed potencialno najpomembnejših makroekonomskih problemov množične uporabe umetne inteligence: kaj se zgodi, če podjetja zaradi konkurenčnega pritiska začnejo odpuščati ljudi hitreje, kot jih gospodarstvo lahko zaposli na novih delovnih mestih. Njuna ključna poanta je presenetljiva. Problem ni samo socialni in tudi ne predvsem v tem, da bi delavci izgubili dohodek. Odpuščeni delavci so hkrati potrošniki, zato podjetja z množično avtomatizacijo postopoma uničujejo povpraševanje po lastnih proizvodih. Posamezno podjetje z avtomatizacijo znižuje stroške, negativne posledice zmanjšanega povpraševanja pa se porazdelijo med vsa podjetja. Zato je racionalno, da avtomatizira tudi takrat, ko bi bilo za podjetja kot celoto bolje, če bi avtomatizirala manj.

Gre za klasičen problem negativne eksternalije, vendar z nekoliko nenavadnim obratom. Podjetje, ki odpusti delavca in njegovo delo nadomesti z umetno inteligenco, pobere celoten prihranek pri stroških dela, samo majhen del izgube potrošniškega povpraševanja pa se vrne k njemu. Preostanek prizadene konkurente. Zato nobeno podjetje nima interesa, da bi se samo odpovedalo avtomatizaciji. Nasprotno, bolj ko avtomatizirajo konkurenti, močnejši postaja pritisk, da stori enako. V skrajnem primeru brez pomembnejših ovir pri uvajanju AI tako nastane ekonomska različica zapornikove dileme: vsa podjetja odpustijo delavce, čeprav bi bila njihova skupna dobičkonosnost večja ob počasnejši avtomatizaciji. Izguba torej ni zgolj prerazdelitev od dela h kapitalu, temveč čista družbena izguba, pri kateri izgubijo tako delavci kot lastniki podjetij.

Plastično si to lahko predstavljamo na primeru sektorja z 20 približno enako velikimi podjetji. Če eno podjetje odpusti del zaposlenih in jih nadomesti z AI, pobere celoten prihranek pri stroških dela, medtem ko samo približno eno dvajsetino posledičnega zmanjšanja povpraševanja občuti prek lastne prodaje. Preostalih 19/20 učinka se razprši med njegove konkurente. Z vidika posameznega podjetja je zato odločitev povsem racionalna: neposredni prihranek je velik, neposredni strošek izgubljenega povpraševanja pa skoraj zanemarljiv. Toda če enako računico naredi vseh 20 podjetij in vsa začnejo množično odpuščati, se teh navidezno majhnih individualnih učinkov na agregatni ravni sešteje v dramatičen padec dohodkov gospodinjstev in s tem agregatnega povpraševanja. To je šolski primer fallacy of composition: kar je racionalno in koristno za posamezno podjetje, postane iracionalno in škodljivo, ko isto strategijo uporabijo vsa podjetja hkrati.

Simulacije oziroma primerjave različnih scenarijev pokažejo še en paradoks: problem postaja večji, čim močnejša je konkurenca. Monopolist namreč sam nosi celotno posledico zmanjšanja povpraševanja in ima zato razlog, da se pri odpuščanju ustavi prej. Če je na trgu veliko podjetij, vsako od njih nosi samo majhen delež škode, ki jo povzroči. Konkurenčni trg zato v tem primeru ne zagotavlja družbeno optimalnega rezultata, temveč lahko povzroči ravno nasprotno: tekmo v avtomatizaciji. To je pomemben rezultat, saj obrne običajno liberalno intuicijo, da konkurenca praviloma disciplinira podjetja in izboljšuje ekonomsko učinkovitost.

Še bolj zanimiv je scenarij tehnološko vse zmogljivejše in cenejše umetne inteligence. Intuitivno bi pričakovali, da večja produktivnost AI povečuje proizvodnjo, znižuje cene in s tem rešuje problem. Model pokaže nasprotno. Boljša AI še poveča zasebno korist podjetja od zamenjave človeka in s tem pospeši konkurenčno tekmo. Posamezno podjetje pričakuje, da bo z AI povečalo produktivnost in tržni delež, toda ko enako naredijo vsi konkurenti, se relativne prednosti med njimi izničijo. Ostanejo večja avtomatizacija, več odpuščenih delavcev in večji padec povpraševanja. Avtorja temu ustrezno pravita »Red Queen effect«: podjetja morajo teči vedno hitreje samo zato, da ostanejo na istem mestu.

Možnosti ekonomskih politik države

Kakšne so možnosti ekonomskih politik države, da se izogne temu uničenju povpraševanja zaradi povečane uporabe umetne inteligence?

Prva logična politika bi bila prekvalifikacija odpuščenih delavcev. Tu so rezultati precej bolj optimistični, vendar samo pogojno. Če delavci hitro dobijo nova delovna mesta in si povrnejo velik del prejšnjega dohodka, se izguba povpraševanja zmanjšuje in z njo tudi problem pretirane avtomatizacije. Če bi odpuščeni delavci praktično v celoti nadomestili izgubljeni dohodek, bi problem izginil. Če bi na novih delovnih mestih celo zaslužili več kot prej, bi se rezultat obrnil: gospodarstvo bi lahko celo premalo avtomatiziralo. Toda zgodovinske izkušnje kažejo, da odpuščeni delavci pogosto dolgo časa zaslužijo manj kot prej. Prekvalifikacija je zato pomemben del rešitve, vendar sama po sebi praviloma ne more dovolj hitro nevtralizirati šoka.

Drugi pogosto omenjeni odgovor je univerzalni temeljni dohodek (UTD). Falk in Tsoukalas pokažeta zanimivo razliko med blaženjem posledic in odpravljanjem vzroka. UTD poveča dohodek gospodinjstev in s tem podpira agregatno povpraševanje, toda podjetju ne spremeni računice pri odločitvi, ali bo naslednjega delavca zamenjalo z AI. Prihranek pri stroških ostane enak, zato ostane enaka tudi spodbuda k avtomatizaciji. UTD lahko preprečuje socialni zlom in vzdržuje določeno raven povpraševanja, ne prepreči pa same tekme v odpuščanju. V modelu je zato komplement drugi politiki, ne pa njen nadomestek.

Podobno neuspešen je običajen davek na dobiček oziroma kapitalske dohodke. Višja obdavčitev lahko prerazdeli del dobičkov od lastnikov kapitala k preostali družbi, vendar podjetju bistveno ne spremeni relativne koristi od zamenjave človeka z AI. Če avtomatizacija pred davkom poveča dobiček, ga poveča tudi po davku. Zato se optimalna stopnja avtomatizacije posameznega podjetja ne spremeni. Če pa država ta davčni prihodek uporabi za nadomestitev izgubljenih dohodkov odpuščenih delavcev, se položaj izboljša – toda tedaj učinek ne izhaja iz davka na kapital samega, temveč iz ponovnega ustvarjanja izgubljenega povpraševanja.

Tretja možnost je udeležba delavcev pri lastništvu in dobičkih podjetij. Ideja je intuitivno privlačna: če se dohodek zaradi avtomatizacije premika od dela h kapitalu, naj imajo delavci v lasti več kapitala in bodo tako deležni koristi avtomatizacije. Simulacije kažejo, da takšna ureditev zmanjšuje problem, ker se del kapitalskih dohodkov skozi potrošnjo vrača v gospodarstvo. Toda tudi ta rešitev sama po sebi ne odpravi osnovne eksternalije. Poleg tega avtorja opozarjata, da podjetja nimajo spontanega interesa za tako obsežno delitev dobičkov, da bi problem izginil. Udeležba delavcev pri kapitalu je torej koristna dopolnilna politika, ne pa popolna rešitev.

Ne pomaga niti dogovor med podjetji, da bodo avtomatizirala počasneje. Razlog je klasičen problem kolektivnega delovanja. Če se večina podjetij dogovora drži, ima posamezno podjetje še večjo spodbudo, da ga prekrši: izkoristi nižje stroške AI, medtem ko konkurenti z ohranjanjem zaposlenosti vzdržujejo kupno moč njegovih potencialnih kupcev. Delni dogovori zato zmanjšujejo problem, vendar ga ne odpravijo. Popolnoma bi ga lahko internaliziral šele dogovor vseh podjetij oziroma skupno lastništvo celotnega sektorja, kar je v realnem gospodarstvu praktično in pravno težko predstavljivo.

Edini instrument, ki v modelu neposredno odpravi problem, je zato Pigoujev davek na avtomatizacijo. Njegova logika ni kaznovanje tehnologije, ampak nekaj podobnega davku na emisije CO₂: podjetje mora v svojo odločitev vključiti tudi strošek, ki ga njegova odločitev povzroča drugim. Davek mora biti enak tistemu delu izgubljenega povpraševanja, ki ga podjetje samo ne občuti, ampak ga z odpuščanjem prevali na konkurente. S tem se zasebna korist naslednjega koraka avtomatizacije izenači z njegovo družbeno koristjo in podjetja se ustavijo pri stopnji avtomatizacije, ki maksimira skupne dobičke. Pomembno je, da model ne zahteva popolnoma natančnega davka: ker škoda narašča z velikostjo odklona od optimalne avtomatizacije, naj bi že približno pravilno nastavljen davek pomenil pomembno izboljšanje.

Potrebna je dinamična kombinacija ekonomskih politik

Najbolj smiselna kombinacija ekonomskih politik je zato dinamična. V začetni fazi hitre avtomatizacije bi davek zaviral pretirano hiter prehod, njegov prihodek pa bi država usmerjala v nadomestila dohodka, zavarovanje plač in predvsem prekvalifikacijo odpuščenih delavcev. S tem bi se povečal delež njihovega izgubljenega dohodka, ki ga gospodarstvo uspe nadomestiti. Višja zaposlenost in višji dohodki nekdanjih delavcev bi nato zmanjševali negativno eksternalijo, zato bi se lahko optimalni davek skozi čas postopoma zniževal. To je pomembna razlika glede na statično idejo »davka na robote«: cilj ni trajno zaviranje tehnološkega napredka, ampak upravljanje hitrosti prehoda, dokler trg dela ne dohiti tehnološkega šoka.

In prav tukaj je treba razumeti tudi omejitev celotnega rezultata, na katero opozarjata sama avtorja. Članek ni napoved gospodarskega zloma zaradi AI, temveč pogojni scenarij: problem nastane, če AI izpodriva delavce hitreje, kot nastajajo novi dohodki in nova delovna mesta. Če gospodarstvo uspe dovolj hitro ustvarjati nove naloge, poklice in podjetja, se problem močno zmanjša ali celo izgine. Nasprotno pa lahko počasno prilagajanje trga dela, visoka koncentracija kapitalskih dohodkov in omejena možnost zniževanja obrestnih mer mehanizem še okrepijo. Tudi sama avtorja zato poudarjata, da identificirata strukturno ranljivost, ne napovedujeta pa neizogibnega zloma gospodarstva.

Kakšen davek na robote?

Zanimivo je, da Falk in Tsoukalas po povsem drugi poti prideta zelo blizu argumentu, ki smo ga s kolegi razvili v članku Tax on robots: Whether and how much. Tudi naš argument ni bil, da je treba obdavčiti tehnologijo kot takšno. Nasprotno, klasičen davek na robote je problematičen prav zato, ker lahko zavira tehnološki napredek, investicije in produktivnost ter zaradi mednarodne mobilnosti kapitala avtomatizacijo preprosto preseli v drugo državo. Smiselnejša je obdavčitev uporabe avtomatizacije oziroma negativnih eksternalij, ki jih ta povzroča, podobno davku na ekonomsko rento oziroma davku na presežek, ustvarjen z avtomatizacijo.

Nova analiza ta argument bistveno okrepi, ker pokaže nekaj, česar običajna razprava o davku na robote praviloma ne upošteva. Negativna eksternalija avtomatizacije ni samo fiskalna izguba zaradi manjših prihodkov od davkov in socialnih prispevkov ter ni samo povečanje neenakosti zaradi prenosa dohodkov od dela h kapitalu. Obstaja še tretji kanal: uničevanje agregatnega povpraševanja. V našem članku smo opozorili, da zmanjšanje dohodkov iz dela zmanjšuje potrošnjo in s tem davčno osnovo države. Falk in Tsoukalas naredita naslednji korak: pokažeta, da je to hkrati eksternalija med samimi podjetji. Podjetje, ki odpusti delavce, zniža svoje stroške, vendar del stroškov svoje odločitve prek zmanjšanega povpraševanja prevali na celotno gospodarstvo.

To hkrati daje precej močnejšo ekonomsko podlago ideji selektivnega davka na avtomatizacijo. V našem članku smo posebej poudarili Acemoglujev argument, da ni smiselno obdavčiti vsake tehnologije, temveč predvsem tisto avtomatizacijo, ki nadomešča delo pri nalogah, kjer produktivnostni učinki niso dovolj veliki, da bi upravičili displacement effect. Falk in Tsoukalas temu dodajata makroekonomsko dimenzijo: višina korektivnega davka bi morala biti odvisna tudi od tega, kako hitro gospodarstvo ponovno absorbira odpuščene delavce. Če ti hitro dobijo nova in bolje plačana delovna mesta, je eksternalija majhna in davek lahko pade proti nič. Če pa AI povzroči množično in hitro izrinjanje dela, medtem ko ustvarjanje novih delovnih mest zaostaja, mora biti korektivni instrument močnejši.

Najpomembnejša implikacija je zato nekoliko drugačna od popularnega slogana »obdavčimo robote«. Prava politika bi morala biti davek na družbeni strošek substitucije dela z umetno inteligenco, kombiniran z uporabo teh prihodkov za čim hitrejšo ponovno vključitev ljudi v produktivno zaposlenost. S tem ne bi kaznovali AI, ki povečuje produktivnost in dopolnjuje človeško delo, ampak bi začasno podražili tisto obliko avtomatizacije, pri kateri zasebni prihranek podjetja povzroča večji družbeni strošek. Ko bi prekvalifikacija, nova delovna mesta in nove dejavnosti ponovno vzpostavili izgubljene dohodke, bi razlog za takšno obdavčitev samodejno izginjal. To je bistveno bolj sofisticirana politika od trajnega »davka na robote« – in hkrati precej bližje klasični Pigoujevi logiki obdavčitve negativnih eksternalij kot obdavčevanju tehnološkega napredka samega.