Technologia oczywiście już sprawia, że niezależna praca jest znacznie łatwiejsza. Dzięki niej pracownicy mogą nawiązać kontakt z klientami i mogą prowadzić zaplecze administracyjne. Co ważniejsze, technologia pozwala jednostkom budować i promować swoją reputację niskim kosztem. Klienci zazwyczaj polegali na reputacji korporacji taksówkowej lub wybierali pralkę, kierując się marką producenta. Dziś każdy pracownik ma swoją markę. W ramach aplikacji Uber klienci mogą odrzucać poszczególnych kierowców na podstawie ich osobistej reputacji. Kolektywna reputacja całej firmy, która kontroluje zachowanie swoich pracowników, staje się coraz mniej ważna.
Technologia może też sprzyjać standardowym formom zatrudnienia. Ekonomiści George Baker oraz Thomas Hubbard zwrócili uwagę na to, jak komputery pokładowe mogą zmienić transport samochodowy w USA. Urządzenia te, monitorując zachowanie kierowców, mogłyby rozwiązać problem pokusy nadużycia. W końcu kierowcy mają niewiele zachęt, aby obchodzić się z ciężarówkami firmowymi tak ostrożnie, jak z własnymi. W efekcie więcej kierowców wolałoby zostać pracownikami firm transportowych, które kupują i nadzorują floty, niż inwestować we własne samochody, narażając się na koszty napraw czy kiepską koniunkturę na rynku.
Generalnie rzecz biorąc, konwencjonalne formy zatrudnienia mają swoje zalety. Po pierwsze, pojedynczy pracownik lub grupa pracowników może nie dysponować odpowiednim kapitałem aby założyć firmę lub wolałby unikać stresu i ryzyka związanego z prowadzeniem firmy (weźmy pod uwagę choćby dentystów, którzy pracują dla klinik dentystycznych).
Po drugie, właściciele firm mogą nie chcieć, aby ich pracownicy mieli innych szefów, szczególnie jeśli praca opiera się na przetwarzaniu poufnych danych lub pracy wymagającej skupienia i uwagi.
Po trzecie, reputacja na podstawie ratingów może nie być wiarygodna. Ekonomistka Diane Coyle pokazała, że jakoś indywidualnych konsultantów może być trudna do monitorowania, a przynajmniej na bieżąco. Tymczasem tradycyjni konsultanci mogą być bardziej efektywni w zakresie „gwarancji” jakości.
Krótko mówiąc, uważam, że klasyczne zatrudnienie w oparciu o regularne wynagrodzenie nie zniknie, pomimo, że z czasem może się zmniejszyć liczba etatów.
A co ze sztuczną inteligencją? Nie ma dnia, aby w mediach nie pojawiły się informacje i prognozy, jakoby roboty miały przejąć prace wcześniej wykonywane przez ludzi, doprowadzając w ten sposób do masowego bezrobocia. Wiele stanowisk pracy, które opierają się na działaniach rutynowych (a zatem możliwych do zaprogramowania), już zostało wyeliminowanych: transakcje bankowe są elektroniczne, czeki są sprawdzane przy pomocy czytników optycznych, centra telefoniczne wykorzystują oprogramowanie po to, aby skrócić czas rozmów klientów z pracownikami, lub nawet zastąpić ludzi botami.
Zmiany te mają swoje globalne reperkusje. Zagrażają bowiem pracom nisko płatnym, które można zlecać na zewnątrz i dzięki którym kraje rozwijające się i słabo rozwinięte chciały uciec z biedy. W krajach rozwiniętych, jak wykazał ekonomista David Autor oraz jego współpracownicy, na zmianach korzystają ci pracownicy, których umiejętności uzupełniają się z nowymi narzędziami cyfrowymi. Pogłębia to różnicę pomiędzy dystrybucją prac dobrze płatnych, wymagających wiedzy i umiejętności a pracami nisko płatnymi, opierającymi się na podstawowych usługach. W USA różnica wynagrodzeń pomiędzy tymi, którzy posiadają dyplom uniwersytecki, a tymi, którzy zaczęli pracę po szkole średniej, w ciągu ostatnich 30 lat wzrosła w bardzo dużym stopniu.
Wciąż nie jest jasne, jakie ludzkie działania będą w stanie zastąpić komputery oraz jakie to przyniesie skutki. Problemy natury dedukcyjnej, gdzie szczegół jest w logiczny sposób wyprowadzany z ogółu, należą do najłatwiejszych. Bankomat wersyfikuje numer karty, kod PIN oraz stan konta zanim wypłaci żądane pieniądze i obciąży konto. Niemniej jednak całkowite zatrudnienie w bankowości rosło nawet wtedy, gdy sieć bankomatów gwałtowanie się rozrastała, ponieważ wzrósł popyt, a praca kasjerów została zastąpiona innymi zadaniami.
Komputery umożliwiły ogromne postępy w zakresie indukcji, gdzie konkretne szczegóły prowadzą do stworzenia praw ogólnych. Na przykład algorytmy potrafią przewidzieć decyzję amerykańskich sędziów Sądu Najwyższego w zakresie patentów. Podobne techniki umożliwiają automatyczne rozpoznawanie twarzy, głosu, stawianie diagnoz oraz innych zadań, które wcześniej wykonywali ludzie.
Do najtrudniejszych dla komputerów zadań należą te, których nie da się zamknąć z zaprogramowanej rutynie. Rzadkie wydarzenia nie mogą być analizowane drogą indukcji, aby w ten sposób wygenerować ogólne prawo. Frank Levy oraz Richard Murnane podają przykład autonomicznego samochodu, który identyfikuje małą piłkę na torze przejazdu. Piłka ta nie stwarza zagrożenia dla pojazdu, więc nie zostaną uruchomione hamulce. Człowiek z kolei, gdy dostrzegł coś takiego na drodze, prawdopodobnie zahamowałby, gdyż mógłby się spodziewać, że w ślad za piłką na drogę może wybiec także dziecko. Autonomiczny samochód nie ma zatem wystarczająco dużo doświadczenia, aby zareagować we właściwy sposób. Pomimo, że uczenie się maszyn może rozwiązać ten problem, to jednocześnie pokazuje, przed jakimi wyzwaniami stoją wciąż komputery.
Zatem ludzie i komputery mierzą się z innymi rodzajami wyzwań. Komputery są znacznie szybsze i można na nich polegać bardziej niż na ludziach w zakresie logicznego przetwarzania danych oraz wykonywania przewidywalnych zadań. Dzięki uczeniu się maszyn będą w stanie w coraz większym stopniu radzić sobie także z nieprzewidywalnymi problemami, zakładając, że będą miały wystarczająco dużo danych, aby rozpoznać strukturę problemu.
Z kolei ludzki mózg jest bardziej elastyczny. Pięcioletnie dziecko potrafi poradzić sobie z niektórymi problemami znacznie lepiej niż jakikolwiek komputer. Zatem tymi, którzy poradzą sobie najlepiej w nowym świecie, będą ludzie posiadający abstrakcyjną wiedzę. Dzięki niej będą w stanie przystosować się do nowego środowiska. Tymczasem ci, którzy mają tylko prostą wiedzą, przygotowującą ich do działań rutynowych, są zagrożeni w stopniu największym.
Pokazuje to, dlaczego edukacja jest tutaj czynnikiem kluczowym. Jeśli nie będziemy mieli systemu, który każdemu da szansę na opanowanie niezbędnych umiejętności, to różnice w wykształceniu oraz pochodzeniu rodzinnym będą prowadziły do jeszcze większej nierówności.
Artykuł pochodzi z książki „Economic for the Common Good” ("Ekonomia dla dobra wspólnego"), która zostanie opublikowana w przyszłym miesiącu nakładem wydawnictwa Princeton University Press.
>>> Czytaj też: BMW, Daimler, Ford i Volkswagen uruchomią w tym roku pierwsze stacje ładowania aut elektrycznych
