Makroekonomi Sederhana dari AI

Makalah ini memperkirakan dampak makroekonomi AI menggunakan model berbasis tugas, dan menemukan keuntungan TFP yang moderat, tidak lebih dari 0,66% selama 10 tahun, bahkan berpotensi kurang dari 0,53% jika memperhitungkan tugas-tugas yang sulit dipelajari. Makalah ini juga menelaah efek upah dan ketimpangan, dan memprediksi AI dapat memperlebar kesenjangan pendapatan modal-tenaga kerja tanpa mengurangi ketimpangan pendapatan tenaga kerja.

D. Acemoğlu· Social Science Research Network· 2024· DOI 10.3386/w32487

Masalah inti

Makalah ini mengevaluasi klaim tentang implikasi makroekonomi besar dari kemajuan baru di bidang AI. Makalah ini berangkat dari model berbasis tugas tentang efek AI, dengan menelusuri otomatisasi dan komplementaritas tugas. Argumen utamanya adalah bahwa selama efek mikroekonomi AI didorong oleh penghematan biaya/peningkatan produktivitas pada tingkat tugas, konsekuensi makroekonominya akan diberikan oleh versi teorema Hulten: keuntungan PDB dan produktivitas agregat dapat diperkirakan dari berapa fraksi tugas yang terdampak dan rata-rata penghematan biaya pada tingkat tugas. Dengan menggunakan estimasi yang ada tentang paparan terhadap AI dan peningkatan produktivitas pada tingkat tugas, efek makroekonomi ini tampak tidak sepele tetapi moderat—tidak lebih dari kenaikan 0,66% dalam total factor productivity (TFP) selama 10 tahun.

Analisis ini menggunakan model berbasis tugas untuk menilai efek AI, dengan fokus pada otomatisasi dan komplementaritas tugas. Kerangka teoretis utamanya adalah versi teorema Hulten, yang menyatakan bahwa keuntungan produktivitas agregat dapat diperkirakan dari fraksi tugas yang terdampak dan rata-rata penghematan biaya pada tingkat tugas. Secara formal, jika s_{i} adalah pangsa tugas yang terdampak dan Δ c_{i} adalah rata-rata penghematan biaya per tugas, maka keuntungan TFP agregat kira-kira i \sum s_{i} Δ c_{i} . Makalah ini menggunakan estimasi yang ada tentang paparan AI dan peningkatan produktivitas pada tingkat tugas untuk mengkalibrasi model. Makalah ini juga membedakan antara tugas yang mudah dipelajari dan tugas yang sulit dipelajari, dengan mencatat bahwa bukti awal berasal dari yang pertama, sementara efek di masa depan mungkin melibatkan yang terakhir, di mana faktor yang bergantung pada konteks dan kurangnya ukuran hasil yang objektif mempersulit pembelajaran.

Pendahuluan

Makalah ini mengevaluasi klaim tentang implikasi makroekonomi besar dari kemajuan baru di bidang AI. Makalah ini berangkat dari model berbasis tugas tentang efek AI, dengan menelusuri otomatisasi dan komplementaritas tugas. Argumen utamanya adalah bahwa selama efek mikroekonomi AI didorong oleh penghematan biaya/peningkatan produktivitas pada tingkat tugas, konsekuensi makroekonominya akan diberikan oleh versi teorema Hulten: keuntungan PDB dan produktivitas agregat dapat diperkirakan dari berapa fraksi tugas yang terdampak dan rata-rata penghematan biaya pada tingkat tugas. Dengan menggunakan estimasi yang ada tentang paparan terhadap AI dan peningkatan produktivitas pada tingkat tugas, efek makroekonomi ini tampak tidak sepele tetapi moderat—tidak lebih dari kenaikan 0,66% dalam total factor productivity (TFP) selama 10 tahun.

Makalah ini membahas implikasi dari temuan-temuan tersebut. Keuntungan TFP yang moderat menunjukkan bahwa dampak makroekonomi AI mungkin terbatas, terutama jika mempertimbangkan tugas-tugas yang sulit dipelajari. Analisis ketimpangan menunjukkan bahwa AI mungkin tidak memperburuk ketimpangan sebanyak teknologi sebelumnya, tetapi kecil kemungkinannya untuk mengurangi ketimpangan pendapatan tenaga kerja dan dapat memperlebar kesenjangan pendapatan modal-tenaga kerja. Selain itu, beberapa tugas baru yang diciptakan AI mungkin memiliki nilai sosial negatif (seperti perancangan algoritma untuk manipulasi online). Makalah ini membahas cara memasukkan efek makroekonomi dari tugas-tugas baru yang mungkin memiliki nilai sosial negatif, dan menyarankan bahwa tugas-tugas tersebut dapat mengimbangi sebagian keuntungan produktivitas yang positif. Secara keseluruhan, analisis ini menyerukan pandangan yang bernuansa tentang efek ekonomi AI, dengan menekankan kekhawatiran distribusional dan kebutuhan untuk memperhitungkan karakteristik tugas.

Pembaca Research Digest dan praktisi rumpun ini.

Membuka konten member…