The Reverse Big Push: Generative AI and Self-Fulfilling Automation

In der modernen Wirtschaft hängt die Art und Weise, wie Unternehmen Geld verdienen, oft von einem empfindlichen Gleichgewicht zwischen ihren Betriebsausgaben und dem Geld ab, das von Kunden zurückfließt. Wenn ein Unternehmen Arbeitskräfte einstellt, zahlt es Löhne. Diese Arbeiter geben ihr Gehalt dann wiederum bei anderen lokalen Unternehmen aus, was einen Kreislauf der Nachfrage schafft, der die gesamte Wirtschaft in Bewegung hält. Dieser Kreislauf ist ein grundlegender Bestandteil der Funktionsweise lokaler Märkte. Seit Jahrzehnten untersuchen Ökonomen, wie neue Technologien dieses Gleichgewicht verändern. Manchmal ist eine neue Maschine so teuer in der Anschaffung, dass sich nur wenige Unternehmen sie leisten können, und diese Unternehmen müssen hart daran arbeiten, genügend Kunden zu finden, um die Maschine zu bezahlen. Dies ist die klassische Idee eines „Big Push“ (großer Stoß), bei dem hohe Kosten eine Gruppe von Unternehmen dazu zwingen, gemeinsam zu wachsen, um zu überleben.

Der Aufstieg der generativen Künstlichen Intelligenz hat dieses Szenario jedoch umgekehrt. Heute sind die teuersten Bestandteile bei der Nutzung fortschrittlicher KI – die Kosten für das Training des Computersystems – von dem Unternehmen zu tragen, das die KI entwickelt hat, und nicht von dem Unternehmen, das sie nutzt. Eine Anwaltskanzlei oder ein Designstudio kann die Leistung der KI einfach stundenweise mieten, wenn sie neue Aufträge erhält. Dies lässt Automatisierung wie eine flexible Betriebsausgabe erscheinen und nicht wie eine schwere, im Voraus zu leistende Investition. Aber es gibt einen Haken. Wenn ein Unternehmen beschließt, diese KI einzusetzen, um sein menschliches Team zu ersetzen, zahlt es keine dieser Löhne mehr. Wenn viele Unternehmen dies gleichzeitig tun, hören die Arbeiter, die ihre Arbeitsplätze verlieren, auch auf, Geld in der lokalen Wirtschaft auszugeben. Dies schrumpft den Markt für alle anderen und macht es den verbleibenden Unternehmen schwerer, zu überleben. Die Frage, die Forscher aufwerfen, ist, ob dieser Wandel eine Falle schafft, in der Unternehmen, die nach ihrem eigenen Selbstinteresse handeln, versehentlich genau den Markt zerstören, auf den sie angewiesen sind.

Ein Team von Ökonomen aus China hat ein Modell entwickelt, um genau diese Dynamik zu untersuchen, wobei der Fokus darauf liegt, wie die Entscheidung zwischen der Nutzung von KI mit menschlicher Unterstützung versus der Nutzung von KI zur Ersetzung von Menschen in einer lokalen Dienstleistungsökonomie ausfällt. Sie fanden heraus, dass die Wirtschaft in zwei sehr unterschiedliche Zustände geraten kann, abhängig davon, was die Unternehmen als Nächstes erwarten. In einem Zustand behalten die Unternehmen ihre menschlichen Teams, die Löhne bleiben hoch und die lokale Wirtschaft ist lebendig. In dem anderen Zustand reduzieren Unternehmen ihre Teams, um Kosten zu sparen, die Löhne sinken, die lokale Wirtschaft schrumpft und die Unternehmen bauen noch mehr Teams ab, um zu überleben. Die Forscher nennen dies einen „Reverse Big Push“ (umgekehrten großen Stoß). Im Gegensatz zum alten Modell, in dem hohe Kosten zu Wachstum zwangen, kann hier die Fähigkeit, Kosten leicht zu senken, einen selbstverstärkenden Zusammenbruch auslösen.

Der Kern ihrer Entdeckung ist, dass die Entscheidung zur Automatisierung nicht nur davon abhängt, ob die Technologie gut funktioniert, sondern davon, wie viele andere Unternehmen dasselbe tun. Wenn ein Unternehmen glaubt, dass die meisten anderen Firmen ihre menschlichen Teams behalten, ist es sinnvoll, das eigene Team ebenfalls zu behalten, da die lokale Wirtschaft stark genug sein wird, um die höheren Löhne zu tragen. Aber wenn ein Unternehmen glaubt, dass alle anderen ihre Mitarbeiter entlassen, um auf KI umzustellen, ist es der klügste Schachzug, auch die eigenen Mitarbeiter zu entlassen, weil die lokale Wirtschaft zu schwach sein wird, um ein volles Team zu unterstützen. Dies schafft eine Situation, in der sich die Wirtschaft in einem „Niedrig-Nachfrage“-Gleichgewicht einpendeln kann, in dem Automatisierung die einzige Wahl ist, obwohl ein „Hoch-Nachfrage“-Gleichgewicht, in dem Menschen und KI zusammenarbeiten, für alle besser wäre.

Die Forscher zeigen, dass dieses Problem nicht verschwindet, selbst wenn die Löhne sinken dürfen. In einem normalen Markt, wenn die Nachfrage sinkt, sinken auch die Löhne, was es wieder günstiger macht, Menschen einzustellen. Das Modell bestätigt, dass sinkende Löhne die Einstellung zwar billiger machen, aber sie bedeuten auch, dass die Arbeiter weniger Geld zum Ausgeben haben. Die Studie findet heraus, dass, wenn der Verlust an Kaufkraft größer ist als die Einsparungen durch niedrigere Löhne, der Abwärtscreislauf anhält. Die Wirtschaft bleibt in einem Zustand niedriger Löhne und niedriger Beschäftigung stecken, weil der Rückgang der Nachfrage zu massiv ist, um allein durch niedrigere Lohnkosten korrigiert werden zu können. Das bedeutet, dass es nicht ausreicht, den Markt lediglich die Löhne anpassen zu lassen, um einen Zusammenbruch zu verhindern, wenn die Unternehmen das Vertrauen in die Zukunft verlieren.

Um zu verstehen, wie dies abläuft, betrachteten die Autoren, wie Unternehmen Entscheidungen über die Zeit hinweg treffen. Sie stellten sich ein Szenario vor, in dem Unternehmen die Chance haben, ihre Strategie zu verschiedenen Zeitpunkten zu ändern. Wenn ein Unternehmen pessimistisch ist und erwartet, dass andere automatisieren, wird es zuerst automatisieren, was den Pessimismus des nächsten Unternehmens bestätigt und so eine Kaskade von Entlassungen auslöst. Wenn ein Unternehmen optimistisch ist und erwartet, dass andere ihre Teams behalten, wird es sein Team behalten und so andere dazu ermutigen, dasselbe zu tun. Der Ausgangspunkt ist wichtig, aber ebenso die Erwartungshaltung. Die Forscher fanden heraus, dass es einen spezifischen Bereich von Bedingungen gibt, in dem beide Ergebnisse möglich sind. In diesem Bereich wird die Wirtschaft nicht durch die Technologie selbst bestimmt, sondern durch die kollektive Stimmung der Geschäftswelt.

Die Studie untersuchte auch, was passiert, wenn ein öffentlicher Schock, wie etwa eine plötzliche Veränderung der allgemeinen wirtschaftlichen Lage, eintritt. Sie fanden heraus, dass, wenn sich die Wirtschaft in diesem unsicheren Mittelgrund befindet, ein öffentliches Fundament, das beide Dominanzregionen erreichen kann, einen eindeutigen Pfad auswählen kann. Wenn die Wirtschaft bereits zur Automatisierung neigt, kann ein negativer Schock sie über den Abgrund in einen vollständigen Zusammenbruch stoßen. Umgekehrt kann ein positiver Schock, wenn die Wirtschaft zur Mensch-KI-Kooperation neigt, diesen Pfad absichern. Die Forscher nutzten das Konzept der „Risikodominanz“, um vorherzusagen, welcher Zustand wahrscheinlicher gewählt wird, wenn die Zukunft ungewiss ist. Sie fanden heraus, dass, wenn der statische Kipppunkt für die Mensch-KI-Kooperation unter einem Halb liegt, die Wirtschaft wahrscheinlich den kooperativen Pfad wählt. Aber wenn der Kipppunkt über einem Halb liegt, wird die Wirtschaft wahrscheinlich den automatisierten Pfad wählen, selbst wenn der kooperative Pfad für die Gesellschaft als Ganzes besser gewesen wäre.

Die Autoren untersuchten daraufhin, was dies für die Politik bedeutet. Sie berechneten, dass in vielen professionellen Dienstleistungssektoren die Bedingungen für dieses „Koordinationsversagen“ real sind. Unter Verwendung von Daten aus den Vereinigten Staaten schätzten sie, dass die Wirtschaft bei bestimmten Arten von hochautonomen KI-Aufgaben leicht in das schlechte Gleichgewicht geraten könnte. Sie fanden heraus, dass der Unterschied zwischen dem „guten“ Zustand und dem „schlechten“ Zustand nicht riesig ist, aber groß genug, um von Bedeutung zu sein. In ihren Simulationen konnte eine Verschiebung darin, wie viel eines Jobs durch KI ohne menschliche Hilfe erledigt werden kann, die Wirtschaft von einem stabilen Zustand, in dem Menschen und Maschinen zusammenarbeiten, in einen Zustand führen, in dem Maschinen Menschen vollständig ersetzen, einfach weil der Markt zu stark geschrumpft war, um die Teams zu unterstützen.

Die Forscher argumentieren, dass die Lösung nicht darin besteht, KI zu verbieten oder Unternehmen zu zwingen, ihre Mitarbeiter zu behalten. Stattdessen schlagen sie vor, dass eine vorübergehende staatliche Intervention helfen könnte, die Wirtschaft über die Kluft zu führen. Wenn die Wirtschaft im Niedrig-Nachfrage-Zustand feststeckt, könnte eine kleine, temporäre Subvention oder eine Steuer auf reine Automatisierung als Brücke dienen. Diese Brücke würde den Unternehmen das Vertrauen geben, ihre menschlichen Teams zu behalten, bis die Wirtschaft groß genug ist, um sie aus eigener Kraft zu unterstützen. Sobald die Wirtschaft eine bestimmte Größe erreicht hat, könnte die Subvention entfernt werden, und das Mensch-KI-Modell würde zur natürlichen, selbsttragenden Wahl werden. Der Schlüssel ist, dass diese Unterstützung vorübergehend und gezielt sein muss; es geht nicht darum, jeden Job ewig zu retten, sondern darum, die Wirtschaft daran zu hindern, in einem schlechten Zustand stecken zu bleiben, in dem alle schlechter gestellt sind.

Das Paper stellt auch klar, dass dieses Problem spezifisch für bestimmte Arten von Arbeit ist. Es gilt am stärksten für die „defensive“ Automatisierung, bei der Unternehmen KI nutzen, um Kosten zu senken, weil sie befürchten, dass der Markt schrumpft. Es ist weniger wahrscheinlich bei der „offensiven“ Automatisierung, bei der KI neue Produkte schafft, die den Markt erweitern. Im defensiven Fall treibt die Angst vor einem schrumpfenden Markt die Entscheidung zur Kostensenkung voran, was wiederum den Markt schrumpfen lässt. Die Forscher zeigen, dass es für die gesamte Wirtschaft oft besser ist, wenn ein Unternehmen seine Mitarbeiter behält, falls dieses Unternehmen Kosten senkt, weil es erwartet, dass der Markt schrumpft, da deren Löhne helfen werden, den Markt am Leben zu erhalten.

In ihrer abschließenden Analyse nutzten die Autoren reale Zahlen, um zu zeigen, wie sensibel dieses System ist. Sie betrachteten das Verhältnis von Umsatz zu Lohnkosten im professionellen Dienstleistungssektor und fanden heraus, dass die Wirtschaft in vielen Fällen direkt an der Grenze der Koordinationsregion liegt. Eine kleine Änderung der Kosten für KI oder der Fähigkeit der KI, Aufgaben zu übernehmen, könnte das Gleichgewicht kippen lassen. Sie fanden heraus, dass Lohnanpassungen zwar hilfreich sind, aber den Bereich, in dem dieses Koordinationsversagen auftreten kann, zwar verengen, aber nicht eliminieren. Die Studie kommt zu dem Schluss, dass die Zukunft der Arbeit im Zeitalter der generativen KI weniger von der rohen Kraft der Technologie abhängt, sondern vielmehr vom kollektiven Vertrauen der sie nutzenden Unternehmen. Wenn Unternehmen koordinieren können, um ihre menschlichen Teams zu behalten, kann die Wirtschaft florieren. Wenn sie es nicht können, riskieren sie einen selbstverstärkenden Zusammenbruch, bei dem genau die Werkzeuge, die ihnen helfen sollten, den Markt, den sie bedienen, zu schädigen.

Die Arbeit liefert eine klare Warnung, dass der Übergang zu einer KI-gesteuerten Wirtschaft nicht automatisch geschieht. Er erfordert das Navigieren auf einem schmalen Pfad, auf dem Erwartungen und Realität einander verstärken. Die Forscher zeigen, dass die Wirtschaft ohne einen Mechanismus, der den Kreislauf der Pessimismus durchbricht, in einem Zustand landen kann, der stabil, aber ineffizient ist, in dem alle ärmer sind, als sie sein könnten. Die Lösung liegt im Verständnis, dass die Wahl der Technologie nicht nur eine technische Entscheidung ist, sondern eine soziale, die von der Gesundheit der gesamten lokalen Wirtschaft abhängt. Durch die Anerkennung dessen können politische Entscheidungsträger Interventionen gestalten, die der Wirtschaft helfen, den Weg zum besseren Ergebnis zu finden, um sicherzustellen, dass die Vorteile der KI geteilt werden, anstatt in einem Kreislauf des Niedergangs verloren zu gehen.