Wie wird sich Künstliche Intelligenz (KI) auf die Nachfrage bezüglich Arbeit, auf die Entlohnung und auf die Beschäftigung auswirken? Darüber wird seit längerem gemutmasst. Was der Diskussion jedoch fehlt, sei ein volkswirtschaftliches Rahmenwerk, finden zwei amerikanische Ökonomen. Die Ergebnisse würden ansonsten häufig in einer extremen Dichotomie enden: KI bedeutet demnach meist das Ende der Arbeit durch Menschenhand – oder dass technologische Umbrüche stets die Nachfrage nach Arbeit erhöhen, so wie es sich auch in der Vergangenheit gezeigt hat.
In einem Paper versuchen Daron Acemoglu und Pascual Restrepo eine Brücke zwischen diesen beiden Extremen zu schlagen und beschreiben ihr ökonomisches Konzept folgendermassen:
At the center of our framework is a task-based approach, where automation is conceptualized as replacing labor in tasks that it used to perform. This type of replacement causes a direct displacement effect, reducing labor demand. If this displacement effect is not counterbalanced by other economic forces, it will reduce labor demand, wages and employment.
Das Modell der Wissenschaftler beachtet auch ausgleichenden Kräfte, etwa, dass Automatisierung die Produktionskosten mindert und so zur Produktivität beiträgt. Allerdings kann sich dieser Anpassungsprozess verzögern, denn der Übergang zwischen alten und neuen Berufsfeldern aufgrund eines nicht perfekten Arbeitsmarktes ist ein langwieriger Prozess. Besonders die Ausbildungsmöglichkeiten hinken den neuen Anforderungen des Arbeitsmarktes häufig nach.
Unterschiedliche Geschwindigkeiten
Für einen völligen Ausgleich können diese Kräfte also nicht sorgen. Selbst wenn sie stark sind, lässt die Automatisierung die Produktion pro Arbeitskraft schneller wachsen als das Lohnniveau und reduziert so den Anteil von Arbeit am Nationaleinkommen. Die Schaffung neuer Berufsfelder, womit der Arbeitskräfteanteil erhöht würde, wäre eine stärkere Kraft, um die Automatisierung bewältigen zu können.
Auch Regierungsmassnahmen können zum einen die Geschwindigkeit der Automatisierung beeinflussen (und damit eventuell für übermässige Automatisierung sorgen), zum anderen das Gros an Investitionen in bestimmte Technologien lenken. Und, last but not least:
the development and adoption of productivity-enhancing AI technologies cannot be taken for granted. If we do not find a way of creating shared prosperity from the productivity gains generated by AI, there is a danger that the political reaction to these new technologies may slow down or even completely stop their adoption and development. This underscores the importance of studying the distributional implications of AI, the political economy reactions to it, and the design of new and improved institutions for creating more broadly shared gains from these new technologies.