Long-Term Effects of Artificial Intelligence on Employment and Wages in India

Der große digitale Wandel: Warum sich Ihr Job verändern könnte, noch bevor Sie überhaupt anfangen

Stellen Sie sich die Wirtschaft als eine riesige, geschäftige Küche vor. Jahrzehntelang war das Rezept für den Erfolg einfach: Erlerne eine Fertigkeit, erscheine zur Arbeit und werde bezahlt. Doch vor kurzem ist ein neuer Typ von Sous-Chef in die Küche getreten: Künstliche Intelligenz (KI). Dies ist kein Roboter, der nur Gemüse hackt; es ist ein intelligenter Assistent, der Rezepte schreiben, das Inventar verwalten und sogar mit Kunden sprechen kann. Die große Frage, die sich Ökonomen stellen, lautet: Wird dieser neue Assistent dazu führen, dass alle besser kochen und mehr verdienen, oder wird er einige Arbeiter komplett aus der Küche werfen?

Um dies zu verstehen, müssen wir zwei Dinge wissen. Erstens ist „Skill-Polarisierung“ wie eine Wippe. Wenn ein neues Werkzeug eintrifft, hilft es oft den Menschen an der Spitze (den Experten, die wissen, wie man das Werkzeug benutzt), höher zu steigen, während die Menschen unten (diejenigen, deren Aufgaben das Werkzeug leicht erledigen kann) nach unten gedrückt werden. Zweitens ist „informelle Beschäftigung“ wie das Arbeiten in einem Schuppen im Hinterhof statt in einem professionellen Restaurant. Diese Arbeiter verfügen oft nicht über die gleichen Sicherheitsnetze, wie etwa Versicherungen oder garantierte Bezahlung, wie die formellen Arbeitnehmer. Dieses Papier taucht in die indische Küche ein, um zu sehen, ob dieser neue KI-Sous-Chef die Wippe gefährlich kippen lässt, sodass einige Arbeiter zurückgelassen werden, während andere abheben.

Die große Entdeckung des Papers: Eine Geschichte von zwei Arbeitskräften

Diese Forschungsarbeit mit dem Titel „Long-Term Effects of Artificial Intelligence on Employment and Wages in India“ befasst sich mit einem kniffligen Problem. Der Autor, Kowser Ali Jan, wollte reale, private Daten von Millionen indischer Arbeiter untersuchen, um genau zu sehen, wie KI deren Gehaltsschecks und Arbeitsplatzsicherheit verändert. Da diese spezifischen Daten jedoch in staatlichen Tresoren verschlossen sind und für diese Studie nicht zugänglich waren, musste der Forscher kreativ werden.

Anstatt aufzugeben, nutzt das Paper eine „Dual-Track-Strategie“. Track A ist eine hochrealistische Simulation. Stellen Sie sich vor, man baut mit einem Computerprogramm einen riesigen, digitalen Zwilling der indischen Erwerbsbevölkerung. Der Forscher fütterte dieses Programm mit den bekannten Fakten über Indiens Wirtschaft – wie viele Menschen Abschlüsse haben, wie viele in Städten gegenüber in Dörfern arbeiten und was sie normalerweise verdienen – und programmierte die KI dann so, dass sie sich genau so verhält, wie Experten es vorhersagen. Track B betrachtet die echten, öffentlichen Zahlen, die verfügbar sind, wie die offizielle Arbeitslosenquote und die Anzahl der neu geschaffenen formellen Arbeitsplätze.

Hier ist das, was das Paper unter Verwendung dieser beiden Tracks fand, um die vollständige Geschichte zu erzählen:

1. Die „Skill-Polarisierung“-Wippe kippt
Die wichtigste Erkenntnis ist, dass KI nicht jeden gleichermaßen trifft. Sie schafft eine scharfe Kluft basierend auf der Bildung.

• Für Absolventen (der „Augmentations-Effekt“): In der Simulation sehen Arbeiter mit einem Universitätsabschluss, die KI nutzen, steigende Löhne. Die Daten zeigen einen massiven dreifachen Interaktionskoeffizienten von 0,907 (mit einem p-Wert von weniger als ,001). Auf Deutsch gesagt: Für Absolventen wirkt die KI wie eine Superkraft, die ihren Wert und ihr Gehalt signifikant steigert.
• Für Nicht-Absolventen (der „Displacement-Effekt“): Für Arbeiter ohne Hochschulabschluss ist die Geschichte eine andere. Die Simulation zeigt eine Lohnstrafe (ein DiD-Koeffizient von -0,126, p < ,001). Die KI erledigt die Aufgaben, die sie früher gemacht haben, was ihre Bezahlung senkt oder es schwieriger macht, ihren Job zu behalten.

2. Die Gefahr des „Informell-Werdens“
Das Paper fand auch heraus, dass KI die Wahrscheinlichkeit erhöht, dass Nicht-Absolventen in den „Hinterhofschuppen“ der Wirtschaft landen – die informelle Beschäftigung. Ein statistischer Test, der sogenannte Chi-Quadrat-Test, zeigte eine starke Verbindung zwischen hoher KI-Exposition und informellen Jobs (χ²(2) = 234,90, p < ,001). Konkret zeigt die Simulation, dass die Wahrscheinlichkeit für informelle Beschäftigung für Nicht-Absolventen, die in Berufen mit hoher Expositionsrate arbeiten, steigt. Im Wesentlichen: Wenn die KI bestimmte Aufgaben übernimmt, ist es für Arbeiter ohne Abschluss wahrscheinlicher, ihre formellen, geschützten Jobs zu verlieren und in instabiler, informeller Arbeit zu landen.

3. Die „Aggregat“-Illusion
Einer der klügsten Punkte des Papers betrifft das große Ganze. Wenn man nur auf die Gesamtzahl der Arbeitsplätze in Indien schaut, sieht alles gut aus. Die echten Daten (Track B) zeigen, dass die Arbeitslosenquote stetig von 6,0 % in 2017-18 auf 3,2 % in 2023-24 gesunken ist.

• Jedoch argumentiert das Paper, dass dieser Rückgang stattfand, bevor die KI wirklich groß wurde. Der Trend ging bereits nach unten, also kann man die KI noch nicht für die Gesamtzahl der Arbeitsplätze verantwortlich machen (oder ihr diese zuschreiben).
• Die wahre Geschichte verbirgt sich in den Details: Die Gesamtzahl der Arbeitsplätze mag stabil sein, aber die Qualität dieser Jobs spaltet sich auf. Der „durchschnittliche“ Job sieht okay aus, aber die Lücke zwischen dem hochbezahlten, durch KI ergänzten Absolventen und dem niedrig bezahlten, informellen Arbeiter wird immer größer.

4. Was das Paper ausschließt
Das Paper ist sehr vorsichtig damit zu sagen, was die KI noch nicht tut. Es argumentiert explizit, dass der aktuelle Rückgang der Arbeitslosigkeit nicht durch KI verursacht wird. Tatsächlich zeigen die realen Daten, dass die Arbeitslosenquote schon schnell sank, bevor die KI zu einer bedeutenden Kraft wurde. Das Paper stellt auch klar, dass die KI zwar verändert, wer bezahlt wird und wie viel, aber noch keine massive, plötzliche Welle der Arbeitsplatzvernichtung im ganzen Land ausgelöst hat. Die Veränderungen sind subtil und finden innerhalb der „Qualifikationskluft“ statt, anstatt ganze Branchen über Nacht zu vernichten.

Das Fazsit

Dieses Paper legt nahe, dass KI in Indien wie ein Vergrößerungsglas für Ungleichheit wirkt. Sie macht die gebildeten, qualifizierten Arbeiter reicher und wertvoller, während es für diejenigen ohne Abschluss schwieriger wird, ihren Stand im formellen Sektor zu halten.

Der Forscher kommt zu dem Schluss, dass wir uns nicht davor sorgen sollten, dass die KI alle Jobs zerstört, aber wir sollten sehr besorgt über die Kluft sein, die sie zwischen verschiedenen Arten von Arbeitern treibt. Die Lösung, so deutet das Paper an, besteht nicht nur darin, die Technologie aufzuhalten, sondern den Arbeitern zu helfen, die zurückgelassen werden – durch bessere Ausbildung, Sicherheitsnetze für informelle Arbeiter und politische Maßnahmen, die sicherstellen, dass die Vorteile der KI gerechter geteilt werden. Die Simulation zeigt eine Zukunft, in der die Kluft weiter auseinandergeht, sofern wir nicht aktiv daran arbeiten, sie zu schließen.