Artificial Intelligence Adoption and the Within-Firm Labor Share: Evidence from Chinese Listed Firms
باستخدام لوحة بيانات لشركات صينية مدرجة ذات اعتماد متدرج، تجد هذه الدراسة أن اعتماد الذكاء الاصطناعي يقلل بشكل كبير من حصة العمالة داخل الشركة بنسبة 1.18 نقطة مئوية، مدفوعاً بانفصال الأجور عن الإنتاجية وارتفاع هوامش الربح، لا سيما في الشركات كثيفة العمالة.
على مدى عقود، راقب الاقتصاديون تحولاً هادئاً ولكن مستمراً في كيفية تقسيم الأموال التي تجنيها الشركات بين الأشخاص الذين يعملون فيها وبين مالكي العمل التجاري. في الماضي، ظل هذا التقسيم مستقراً بشكل مثير للدهشة، ولكن منذ سبعينيات القرن الماضي، انخفضت الحصة المخصصة للعمال في العديد من الأماكن حول العالم. وقد أثار هذا التغيير نقاشاً كبيراً حول ما الذي يدفع هذا التحول. يعتقد بعض الخبراء أن هذا التحول يحدث لأن الشركات الأكثر نجاحاً تنمو بشكل أسرع من الجميع، مما يغير المتوسط فعلياً دون تغيير كيفية معاملة أي شركة منفردة لعمالها. بينما يشتبه آخرون في أن التقنيات الجديدة تعيد صياغة القواعد داخل الشركات الفردية بشكل جذري، مما يسمح لها بالاحتفاظ بحصة أكبر من الأرباح لأنفسهم. والسؤال الذي ظل من الصعب الإجابة عليه هو ما إذا كانت تقنية محددة، مثل الذكاء الاصطناعي، تغير بالفعل ميزان القوى الداخلي داخل شركة واحدة، أم أن القصة أكثر تعقيداً.
تنظر دراسة جديدة أجراها جياوي ما، الباحث في جامعة ماكاو بوليتكنيك، مباشرة داخل دفاتر آلاف الشركات الصينية لإيجاد الإجابة. يركز البحث على فترة محددة من عام 2010 إلى عام 2024، حيث فحص ما يقرب من 2,300 شركة مدرجة. ولفهم أي من هذه الشركات كانت تستخدم الذكاء الاصطناعي بالفعل، لم يعتمد الباحث على استطلاعات بسيطة أو أعداد براءات الاختراع، بل تم تدريب برنامج حاسوبي لقراءة الأقسام الإدارية التفصيلية للتقارير السنوية للشركات، والبحث عن دليل على أنها انتقلت من مجرد التحدث عن التكنولوجيا إلى نشرها فعلياً في عملياتها اليومية. سمحت هذه الطريقة للباحث بتحديد متى تبنت هذه الشركات تلك الأدوات بدقة، وتتبع ما حدث لماليتها وقوتها العاملة في السنوات التي تلت ذلك.
تكشف النتائج عن تغيير واضح وقابل للقياس. فعندما تبنت شركة ما الذكاء الاصطناعي، انخفض الجزء من دخلها الذي ذهب للعمال كأجور بنحو 1.18 نقطة مئوية. ورغم أن هذا الرقم قد يبدو صغيراً، إلا أنه يمثل تحولاً كبيراً في توزيع القيمة التي تخلقها الشركة. وتظهر الدراسة أن هذا الانخفاض ليس بسبب دفع أجور أقل للعمال أو فقدانهم لوظائفهم بطريقة تتركهم في وضع أسوأ؛ بل في الواقع، يحدث العكس لأولئك الذين يبقون على رأس عملهم. فبعد تبني الذكاء الاصطناعي، شهدت الشركات ارتفاعاً في إنتاجية العامل الواحد بنسبة تقارب 6 بالمئة، وزادت الأجور المتوسطة للموظفين المتبقين بنحو 2 بالمئة. ومع ذلك، لم تكن الأجور تواكب الطفرة في الإنتاجية؛ فقد أصبح العمال أكثر إنتاجية، لكن القيمة الإضافية التي خلقوها لم تُنقل إليهم في شكل أجور أعلى.
هذه الفجوة بين ارتفاع الإنتاجية ونمو الأجور البطيء هي جوهر الاكتشاف. وتوضح الدراسة أن انخفاض حصة العمل مدفوع بثلاث قوى رئيسية تعمل معاً: أولاً، تسمح هذه التكنولوجيا للشركات باستبدال مهام معينة كان يقوم بها البشر، مما يقلل من إجمالي عدد الموظفين المطلوبين. ثانياً، تسمه الطفرة في الإنتاجية الشركة على النمو والتحول إلى الكفاءة، لكن الفوائد المالية لهذه الكفاءة يتم الاحتفاظ بها من قبل الشركة بدلاً من مشاركتها مع القوة العاملة. ثالثاً، الشركات التي تتبنى هذه الأدوات غالباً ما تكتسب قوة أكبر في السوق، مما يسمح لها برفع أسعارها مقارنة بتكاليفها. وهذا المزيج يعني أنه بينما تصبح الشركة أكثر ربحية ويجني العمال المتبقون المزيد من المال، فإن الحصة الإجمالية من دخل الشركة التي تذهب للعمل تتقلص.
كما توضح الدراسة ما لا يحدث أيضاً؛ إذ تنفي البيانات فكرة أن العمال يتعرضون للإفقار بسبب التكنولوجيا، فأجورهم ترتفع، لكنها لا ترتفع بنفس سرعة القيمة التي ينتجونها. كما تتحدى الفكرة القائلة بأن انخفاض حصة العمل هو مجرد نتيجة لنمو الشركات الكبيرة بينما تتقلص الشركات الصغيرة. وتثبت الدراسة أنه حتى داخل شركة واحدة، فإن فعل تبني الذكاء الاصطناعي يغير التقسيم الداخلي للمال. ويكون هذا التأثير أكثر وضوحاً في الشركات التي تعتمد بكثافة على العمالة البشرية في الأصل، حيث يكون التحول بعيداً عن العمال أكثر وضوحاً. ومن خلال استخدام مقارنة ذكية قائمة على تاريخ البنية التحتية للهواتف في الصين لضمان أن النتائج سببية، تقدم الدراسة دليلاً قوماً على أن الذكاء الاصطناعي هو محرك رئيسي لهذا الواقع الاقتصادي الجديد. والنتيجة هي عالم تجعل فيه التكنولوجيا الشركات أكثر إنتاجية وربحية، ولكن يتم توزيع المكاسب بشكل مختلف عما كان عليه في الماضي، حيث تستحوذ الرأسمالية والأرباح على حصة أكبر من الكعكة بينما تتراجع حصة العمل.
ملخص تقني: تبني الذكاء الاصطناński وحصة العمل داخل الشركات
المشكلة والدوافع لقد تآكل استقرار تقسيم الدخل القومي بين العمل ورأس المال، وهو ما كان يُعتبر لفترة طويلة حقيقة نمطية وفقاً لـ "كالدور"، منذ منتصف السبعينيات، مع انخفاض حصة العمل للشركات عالمياً. وبينما تعزو الأدبيات الحالية جزءاً كبيراً من هذا الانخفاض إلى إعادة تخصيص الحصة السوقية نحو الشركات "الخارقة" (superstar firms) التي تتميز بطبيعياً بحصص عمل منخفضة (Autor et al., 2, 2020; Kehrig and Vincent, 2021)، لا تزال هناك فجوة حرجة تتعلق بالهامش "داخل الشركة" (within-firm). فمن غير الواضح ما إذا كان تبني التكنولوجيا بشكل منفصل، وتحديداً الذكاء الاصطناعي (AI)، يغير التوزيع الوظيفي للدخل داخل الشركة المتبنية للتقنية. علاوة على ذلك، فإن الأدلة حول الأتمتة متباينة: فالروبوتات الصناعية تقلل من التوظيف والأجور المحلية في الولايات المتحدة (Acemoglu and Restrepo, 2020) لكنها تترك أجور العمال القدامى دون تغيير كبير في ألمانيا (Dauth et al., 2021)، بينما غالباً ما ترتبط استثمارات الذكاء الاصطناعي على مستوى الشركات بالابتكار في المنتجات بدلاً من تقليص عدد الموظفين (Babina et al., 2024). تتناول هذه الورقة ما إذا كان تبني الذكاء الاصطناعي يعيد صياغة تقسيم القيمة المضافة بين العمل ورأس المال داخل الشركات الصينية المدرجة، مع التمييز بين قنوات الإزاحة، ونقل الإنتاجية، والقوة السوقية.
المنهجية والبيانات تستخدم الدراسة لوحة بيانات غير متوازنة تشمل 2,274 شركة صينية مدرجة في الأسهم (A-share) من عام 2010 إلى 2024 (26,579 ملاحظة شركة-سنة).
قياس المعالجة: يتم قياس تبني الذكاء الاصطناعي باستخدام مصنف (Chinese-BERT) دقيق تم ضبطه وتطويره، يُطبق على أقسام "مناقشة الإدارة وتحليلها" (MD&A) في التقارير السنوية. يميز هذا النهج بين النشر الفعلي للذكاء الاصطناعي وبين مجرد الذكر اللفظي، وقد تم التحقق من صحته مقابل بيانات مصنفة يدوياً (F1 = 0.91، وCohen's κ = 0.81) ومعايير خارجية (براءات اختراع الذكاء الاصطناعي، ومؤشرات الكلمات المفتاحية).
الاستراتيجية التجريبية: تستخدم الدراسة الأساسية نموذج التأثيرات الثابتة ثنائية الاتجاه (TWFE) مع تأثيرات ثابتة للشركة وللصناعة حسب السنة لتحديد التغير داخل الشركة في حصة العمل عقب التبني. ولمعالجة التحيزات المتأصلة في تصميمات التبني المتدرج (Goodman-Bacon, 2021)، تحقق المؤلف من النتائج باستخدام مقدرات قوية تجاه عدم التجانس: Callaway–Sant'Anna، وSun–Abraham، وBorususyak–Jaravel–Spiess.
تحديد الهوية: لمعالجة مشكلة الاختيار بناءً على متغيرات غير مرصودة متغيرة زمنياً، تستخدم الدراسة استراتيجية المتغير الأداة (IV). الأداة هي كثافة سعة مقسمات الهاتف الخاضعة لسيطرة البرامج الإقليمية في عام 1992، بالتفاعل مع فترة الانتشار بعد عام 2013. يتنبأ هذا المتغير للبنية التحتية التاريخية بتكاليف تبني الذكاء الاصطناعي (إحصائية F للمرحلة الأولى = 690.6) ولكنه يسبق نتائج العينة بعقدين من الزمن، مما يستوفي شروط الاستبعاد بشرط وجود التأثيرات الثابتة للشركة والسنة والصناعة.
التفكيك: تفكك الورقة انخفاض حصة العمل إلى قنوات: استبدال المهام، والإنتاجية والنطاق، وقناة الهامش (markup)، وتختبر التباين عبر كثافة العمالة، والملكية، وحجم الشركة.
النتائج الرئيسية
انخفاض حصة العمل: يؤدي تبني الذكاء الاصطناعي إلى خفض حصة العمل داخل الشركة بمقدار 1.18 نقطة مئوية (حوالي 2.8% من متوسط العينة البالغ 42.6%). هذه النتيجة قوية عبر جميع مقدرات TWFE والمقدرات القوية تجاه عدم التجانس، وتصمد أيضاً في مواصفات IV-2SLS (التقدير: -1.44).
آلية الفصل (Decoupling): يعود الانخفاض إلى فصل الأجور عن الإنتاجية بدلاً من إفقار العمال. وتحديداً:
تزداد القيمة المضافة لكل عامل بنسبة 5.8%.
تزداد الأجور المتوسطة بنسبة 2.1%.
ينخفض التوظيف بنسبة 3.2%. وبالتالي، تفشل الأجور في مواكبة مكاسب الإنتاجية؛ حيث يستحوذ العمل فقط على جزء من زيادة الإنتاجية.
التحولات التوزيعية: تنخفض حصة فاتورة الأجور من التكاليف التشغيلية بمقدار 0.92 نقطة مئوية، بينما يرتفع هامش السعر والتكلفة التقديري بمقدار 0.035. يشير هذا إلى تحول في القيمة المضافة نحو رأس المال والأرباح.
تفكيك القنوات: يعزو التفكيك الرسمي لانخفاض حصة العمل إلى ثلاث قنوات: قناة استبدال المهام (30.0%)، وقناة الإنتاجية والنطاق (38.5%)، وقناة الهامش (29.0%). وتفسر هذه القنوات مجتمعة 97.5% من التأثير.
عدم التجانس: يتركز التأثير السلبي في الشركات كثيفة العمالة، حيث يبلغ التباين بين الربع الأعلى والأدنى 2.60 إلى 1، وهو أكبر بكثير من التباينات حسب الملكية أو القطاع أو حجم الشركة.
ادعاءات الأهمية تدعي الورقة تقديم ثلاث مساهمات رئيسية للأدبيات:
أدلة داخل الشركة: تقدم أول دليل سببي على مستوى الشركة بأن تبني الذكاء الاصطناعي يقلل من حصة العمل داخل الشركة المتبنية. وهذا يكمل أدبيات "إعادة التخصيص" من خلال إظهار أنه بينما يعزز توسع الشركات الخارقة الانخفاضات الإجمالية، فإن حدث التبني نفسه يغير التوزيع الداخلي للدخل.
التحكيم في الجدل بين الإزاحة والإنتاجية: تشير النتائج إلى أن الذكاء الاصطناعي ليس مجرد "أتمتة ضعيفة" (Acemoglu and Restrepo, 2019) تزيح العمالة دون تحقيق مكاسب في الإنتاجية. بدلاً من ذلك، تحدث مكاسب إنتاجية حقيقية، لكن حصة العمل تنخفض لأن هذه المكاسب لا يتم نقلها بالكامل إلى الأجور. وهذا يدعم نموذج المنافسة غير الكاملة حيث تحد القوة السوقية (سواء في سوق المنتجات أو سوق العمل) من تقسيم الفائض.
التوسع المنهجي: توسع الدراسة نموذج القياس القائم على النصوص في الاقتصاد الصيني (Wang and Qiu, 2025; Chen, Yang, and Wu, 2025) من مخرجات التوظيف والتكلفة إلى التوزيع الوظيفي للدخل. لقد نجحت في الجمع بين مقاييس النصوص المتحقق من صحتها مع أدوات (staggered-DID) الحديثة والمتغيرات الأداتية التاريخية لعزل التأثير السببي لمحرك تكنولوجي واحد على حصة العمل.
تخلص الورقة إلى أن انخفاض حصة العمل هو ظاهرة توزيعية مدفوعة بفصل الأجور عن الإنتاجية وارتفاع الهوامش، وليس مجرد تقليل بسيط في رفاهية العمال أو تحول تركيبي بحت بين الشركات.