Obecnie jest tak, że nawet jeśli jakaś czynność zostaje w pełni zautomatyzowana, czyli nie jest już wcale wykonywana przez człowieka, to równocześnie wzrasta zapotrzebowanie na realizację przez pracowników innych zadań. Jednak całkowita automatyzacja procesów produkcyjnych może w przyszłości zrewolucjonizować gospodarkę i społeczeństwo.

Zacznijmy od uzgodnienia podstawowych pojęć. Z automatyzacją mamy do czynienia, gdy pewne zadania, przedtem realizowane przez człowieka lub przynajmniej z jego udziałem, zaczynają być realizowane w pełni przez maszynę. Maszyna taka musi dysponować gotowym kodem działania i być w stanie funkcjonować bez nadzoru. Powyższa definicja pozwala łatwo odróżnić automatyzację od mechanizacji produkcji – która z kolei ma miejsce, gdy ludzie zaczynają wykonywać swą pracę z użyciem mechanicznych maszyn i urządzeń. Kluczowa różnica pomiędzy oboma pojęciami jest taka, że w przypadku mechanizacji zastępowana jest praca fizyczna człowieka, natomiast w przypadku automatyzacji – jego praca umysłowa.

Kiedy zastępujemy łopatę koparką, to jest to mechanizacja pracy: to nadal człowiek kopie dół, tyle że zamiast wykorzystywać do tego siłę własnych mięśni, wykorzystuje hydrauliczne siłowniki koparki napędzanej na przykład silnikiem diesla. Byłaby to natomiast automatyzacja, gdyby koparka była autonomiczna. Wtedy wystarczyłoby bowiem, żeby człowiek podał informację o oczekiwanym położeniu i głębokości dołu, a maszyna zrobiłaby już samodzielnie całą robotę. Analogicznie, z automatyzacją mamy do czynienia, kiedy w fabrykach instalowane są roboty przemysłowe, kiedy porady podatkowe lub prawne wydawane są przez kod algorytmu zamiast żywego pracownika, kiedy trasa przejazdu dostawcy jest komputerowo optymalizowana, albo kiedy kupujemy do domu autonomiczny odkurzacz.

W porównaniu do mechanizacji produkcji, automatyzacja towarzyszy ludzkości relatywnie krótko: około dwudziestu, maksymalnie 40 lat. W literaturze ekonomicznej początek rewolucji cyfrowej datuje się zwykle na lata 80. XX wieku, a skoro automatyzacja wymaga, by maszyny były w stanie przechować i uruchomić swój kod, to i również początki automatyzacji możemy datować analogicznie (krosna Jacquarda z 1805 r., wykorzystujące kod zapisywany na kartach perforowanych, możemy w tym kontekście pominąć). Oczywiście jednak na początku zmiany były powolne; eksplozję automatyzacji produkcji widzimy realnie dopiero w ostatnich kilku-kilkunastu latach. Sprzyja jej rozwój Internetu, wykładniczy przyrost wolumenu dostępnych danych oraz mocy obliczeniowej komputerów, jak również rozwój algorytmów sztucznej inteligencji, zwłaszcza tych opartych o technologię tzw. głębokiego uczenia (deep learning).

Automatyzowane są na razie głównie najłatwiejsze do skodyfikowania prace rutynowe, powtarzalne, wykonywane w przewidywalnym środowisku. Zadania wymagające większej kreatywności, kontaktu międzyludzkiego, a także zadania wykonywane w zmiennych okolicznościach, nie poddają się jeszcze automatyzacji.

Nadal jednak nasze technologie automatyzacji znajdują się we wstępnej fazie. Automatyzowane są na razie głównie najłatwiejsze do skodyfikowania prace rutynowe, powtarzalne, wykonywane w przewidywalnym środowisku. Zadania wymagające większej kreatywności, kontaktu międzyludzkiego, a także zadania wykonywane w zmiennych okolicznościach, nie poddają się jeszcze automatyzacji. Trend rozwojowy jest jednak bardzo wyraźnie widoczny i nie wydaje się, by miał się on prędko zatrzymać. W miarę postępu technologicznego coraz więcej zadań staje się technicznie możliwych do zautomatyzowania; automatyzacja zaczyna się też firmom coraz bardziej opłacać, a pandemia COVID-19 dodatkowo ten proces przyspieszyła. Powstaje zatem pytanie o nasze przewidywania na przyszłość: jakich konsekwencji postępującej automatyzacji należy się spodziewać?

W artykule naukowym pt. Automation, Partial and Full (Automatyzacja częściowa i całkowita), przygotowanym w ramach kierowanego przeze mnie grantu Narodowego Centrum Nauki, zwracam uwagę na jeden istotny, acz pomijany dotąd w dyskusjach aspekt tej sprawy. Otóż procesy produkcyjne są w dzisiejszych czasach bardzo złożone. Aby wytworzyć produkt finalny, trzeba wykorzystać wiele półproduktów oraz wykonać wiele powiązanych ze sobą czynności. Wszystkie one są niezbędne, by poprawnie wytworzyć produkt finalny. Możemy też o nich powiedzieć, że są komplementarne – muszą iść razem i nie mogą się wzajem zastępować.

Przy niepełnej automatyzacji tempo wzrostu gospodarczego będzie ograniczane przez dynamikę produktywności pracy w zakresie zadań niezautomatyzowanych, stanowiących „wąskie gardło” produkcji.

W obliczu faktu, że współczesne procesy produkcyjne składają się z dużej liczby komplementarnych składowych, zupełnie innych konsekwencji można się spodziewać, kiedy są one automatyzowane częściowo, a innych – kiedy są one automatyzowane całkowicie. Przykładowo załóżmy, że dany produkt (lub usługa) składa się z 10 składowych, których wytwarzanie jest kolejno automatyzowane. Dopóki jednak przynajmniej jedna z tych 10 komplementarnych składowych nie jest możliwa do zautomatyzowania, a więc przy jej wytwarzaniu niezbędna jest praca umysłowa człowieka, to mówimy o automatyzacji częściowej. W takim scenariuszu w miarę postępów automatyzacji, a co za tym idzie wzrostu efektywności wytwarzania składowych zautomatyzowanych, wzrasta znaczenie pozostałych składowych, czyli tych, których zautomatyzować się nie da. Stanowią one bowiem „wąskie gardło” procesu produkcyjnego. Co więcej, im większa dysproporcja produktywności pomiędzy zadaniami zautomatyzowanymi a niezautomatyzowanymi, tym bardziej opłaca się przesuwać środki w stronę zadań niezautomatyzowanych. Dynamika taka prowadzi do następujących predykcji: w miarę rozwoju technologicznego zatrudnienie przesuwane będzie coraz bardziej w stronę zadań niezautomatyzowanych, a popyt na pracę w ramach tych zadań będzie stale wzrastał. W skali makro wzrastał będzie także udział wynagrodzeń pracowników w wartości dodanej (labor share). Natomiast tempo wzrostu gospodarczego będzie ograniczane przez dynamikę produktywności pracy w zakresie zadań niezautomatyzowanych, stanowiących „wąskie gardło” produkcji.

A teraz wyobraźmy sobie scenariusz automatyzacji całkowitej. Czego można się spodziewać w sytuacji, kiedy wszystkie 10 składowych zostałoby zautomatyzowanych, a co za tym idzie produkt finalny mógłby być wytwarzany bez jakiegokolwiek udziału człowieka? W takim scenariuszu znikłyby „wąskie gardła” procesu produkcyjnego, a efektywność wytwarzania wszystkich składowych mogłaby rosnąć w zbliżonym tempie, zależnym od tempa wzrostu mocy obliczeniowej i rozwoju algorytmów. W skali makro oznaczałoby to spadek popytu na pracę, potencjalnie nawet do zera, a w konsekwencji także spadek udziału wynagrodzeń pracowników w wartości dodanej. Równocześnie tempo wzrostu gospodarczego, niepowiązanego już z dynamiką produktywności pracy, mogłoby skokowo wzrosnąć.

Przy pełnej automatyzacji pracy tempo wzrostu gospodarczego, niepowiązanego już z dynamiką produktywności pracy, mogłoby skokowo wzrosnąć.

Widzimy zatem, jak rewolucyjne zmiany przynosi moment automatyzacji ostatniej składowej procesu produkcyjnego. Rodzi mianowicie perspektywę bezrobocia technologicznego, wzrostu nierówności dochodów (dochody z pracy są przecież o wiele bardziej równomiernie rozłożone w populacji niż dochody z kapitału), a także – można by dodać – wzrostu koncentracji na rynkach oraz koncentracji mocy podejmowania decyzji. Budzi nadzieję na skokowe przyspieszenie wzrostu gospodarczego, jednak za cenę głębokiej transformacji społeczeństw.

Musimy sobie w tym punkcie odpowiedzieć na pytanie, czy wizja całkowitej automatyzacji może się faktycznie zrealizować w przyszłości, czy też może należy ją raczej położyć na półce z science fiction. Aby odpowiedzieć na to pytanie, należy zastanowić się nad potencjałem algorytmów sztucznej inteligencji, bo to one będą odpowiadały za automatyzację tych mniej rutynowych, bardziej kreatywnych zadań. Otóż moim zdaniem za realnością wizji całkowitej automatyzacji przemawiają zarówno trendy w danych ilościowych, jak i jakościowych. Jak szacują Hilbert i Lopez (2011), od lat 80. XX wieku wolumen zgromadzonych na świecie danych, ilość danych transmitowanych w ustalonej jednostce czasu, jak również całkowita moc obliczeniowa procesorów podwajają się co 2-3 lata. Jest to tempo o rząd wielkości wyższe niż tempo globalnego wzrostu gospodarczego – światowy PKB podwaja się bowiem co 20-30 lat; w porównywalnym tempie rośnie też produktywność pracy.

Również w danych jakościowych widać ogromne zmiany. Co rusz anonsowane są nowe przełomy w zakresie umiejętności algorytmów sztucznej inteligencji. Dotyczy to np. gry w szachy, Go czy strategiczne gry komputerowe, jak też rozwiązywania ważnych naukowych problemów – ostatnio np. sławnego problemu zwijania białek. Sztuczna inteligencja coraz lepiej tłumaczy teksty pomiędzy językami i coraz lepiej prowadzi samochody, choć te dwa zadania okazały się akurat trudniejsze niż sobie to wcześniej wyobrażano. Coraz lepiej widoczne jest przy tym przełożenie ilości w jakość, tj. coraz wyraźniej widać, jak wykładniczy wzrost mocy obliczeniowej oraz zasobu dostępnych danych pozwala systematycznie poprawiać moc predykcyjną algorytmów.

Sztuczna inteligencja coraz lepiej tłumaczy teksty pomiędzy językami i coraz lepiej prowadzi samochody, choć te dwa zadania okazały się akurat trudniejsze niż sobie to wcześniej wyobrażano.

W mniejszej skali skutki przejścia od częściowej do całkowitej automatyzacji możemy zresztą już obserwować w wybranych branżach gospodarki. Dobrym przykładem może być np. branża fotograficzna, realizująca w istocie usługę polegającą na tym, by utrwalić pewne doznanie wizualne, tak by móc do niego później wrócić oraz podzielić się z innymi. Ciekawe jest w tym kontekście porównanie Kodaka – nieistniejącego już potentata fotograficznego – oraz Instagrama, którego usługi online są w pełni zautomatyzowane. „Kodak został założony w 1880 r., a w szczycie swojego rozwoju zatrudniał 145 300 osób, do czego można doliczyć wielu kolejnych, zatrudnianych pośrednio przez dostawców i sprzedawców. Założyciele Kodaka, rodzina Eastmanów, stali się zamożni, dając jednocześnie pracę kilku pokoleniom Amerykanów klasy średniej. Instagram został założony w 2010 r. przez zespół piętnastu osób. W 2012 r. został sprzedany Facebookowi za ponad miliard dolarów. Facebook, wart o wiele więcej niż kiedykolwiek Kodak, zatrudnia poniżej 5 000 osób. Co najmniej 10 z nich dysponuje 10-krotnie większym majątkiem niż George Eastman.” (artykuł i dane z 2014 r.) Równocześnie z punktu widzenia odbiorcy końcowego, skok jakościowy jest przecież niezmierny. W czasach fotografii analogowej, kiedy kwitł Kodak, na kliszy mieściło się maksymalnie 36 zdjęć, których wywoływanie kosztowało czas i pieniądze, a produkt finalny widoczny był na papierze lub przeźroczach. W czasach smartfonów z wbudowaną kamerą i Instagrama, zdjęcia oraz filmy można rozpowszechniać na cały świat, w wysokiej rozdzielczości, natychmiast i za darmo. Co się stanie, gdy takie przełomowe zmiany, jakie zaobserwowano w branży fotograficznej, zaczną dotykać całej gospodarki?

Autor wyraża własne opinie a nie oficjalne stanowisko NBP.

Jakub Growiec, profesor SGH, doradca ekonomiczny w Departamencie Analiz Ekonomicznych NBP
Źródło nieznane