The Accumulation Paradox: When Markups Enable and Inhibit AI Adoption

तकनीकी सारांश: संचय विरोधाभास (The Accumulation Paradox)

समस्या विवरण
यह शोध पत्र "AI उत्पादकता विरोधाभास" को संबोधित करता है, जो जनरेटिव AI (अनुमानित 4%) के कारण होने वाले मजबूत फर्म-स्तरीय उत्पादकता लाभ और अमेरिकी अर्थव्यवस्था में स्थिर कुल कारक उत्पादकता (TFP) विकास (1%/वर्ष) के बीच के अंतर को दर्शाता है। मौजूदा साहित्य इन अंतरों को गलत मापन (mismeasurement), श्रम विस्थापन, या मांग संबंधी बाह्यताओं (जैसे, फॉल्क और त्सौकलस, 2026) के रूप में देखता है, लेकिन ये मॉडल आमतौर पर बाजार संरचना को बाह्य रूप से स्थिर (exogenously fixed) मानते हैं। यह शोध पत्र तर्क देता है कि बाजार संरचना एक स्थिर पृष्ठभूमि नहीं है, बल्कि तकनीकी अपनाव (adoption) के साथ सह-विकसित होती है। विशेष रूप से, यह इस बात की जांच करता है कि AI प्रतिफल (rents) का वितरण—जो बाजार एकाग्रता और मूल्य निर्धारण शक्ति द्वारा मध्यस्थ होता है—यह कैसे निर्धारित करता है कि फर्म-स्तरीय दक्षता लाभ समग्र मैक्रोइकोनॉमिक विकास में परिवर्तित होते हैं या नहीं।

कार्यप्रणाली (Methodology)
यह अध्ययन एक एजेंट-आधारित मॉडल (ABM) का उपयोग करता है जो विकासवादी अर्थशास्त्र (नेल्सन और विंटर, 1982; डोसी और रोवेंटिनी, 2019) की परंपरा में स्थित है। मॉडल $N=200$ विषम फर्मों (heterogeneous firms) और एक प्रतिनिधि उपभोक्ता वाले एक एकाधिकारवादी प्रतिस्पर्धी (monopolistically competitive) अर्थव्यवस्था का अनुकरण करता है। मुख्य पद्धतिगत विशेषताएं शामिल हैं:

• सीमित तर्कसंगतता (Bounded Rationality): फर्में भविष्योन्मुखी अनुकूलन समस्याओं (forward-looking optimization problems) को हल नहीं करती हैं। इसके बजाय, वे निवेश हेतु ह्यूरिस्टिक्स (heuristics) का पालन करती हैं, सफल साथियों के अनुकरण (imitation) के माध्यम से सीखती हैं, और अपने देखे गए लाभप्रदता के आधार पर रणनीतियों को समायोजित करती हैं।
• अंतर्जात बाजार संरचना (Endogenous Market Structure): बाजार एकाग्रता (HHI द्वारा मापी गई), मार्कअप प्रसार (markup dispersion), और अपनाव का समय, निर्धारित मापदंडों के बजाय फर्म-स्तरीय निर्णयों से उभरते हैं। फर्मों के पास फर्म-विशिष्ट प्रतिस्थापन लोच ($\sigma_i$) होती है जो उनकी उत्पादकता और बाजार हिस्सेदारी से प्राप्त होती है, जो उनकी मूल्य निर्धारण शक्ति को निर्धारित करती है।
• अपनाव गतिशीलता (Adoption Dynamics): AI निवेश एक सूचनात्मक तत्परता चर ($R_i$) द्वारा नियंत्रित होता है जो प्रसार और सहकर्मी प्रभाव के माध्यम से संचित होता है। यह एक S-कर्व अपनाव प्रक्षेपवक्र (S-curve adoption trajectory) बनाता है, जो एक दहलीज (threshold) पार होने तक निवेश को विलंबित करता है।
• जनरेटिव दृष्टिकोण (Generative Approach): मॉडल को संरचनात्मक अनुमान (structural estimation) के बजाय तंत्र पहचान (mechanism identification) (एपस्टीन और एक्सटेल, 1996) के लिए डिज़ाइन किया गया है। यह परीक्षण करता है कि क्या प्रतिस्पर्धा, अनुकरण और अपनाव की गतिशीलता संयुक्त रूप से देखे गए विरोधाभास को उत्पन्न करने के लिए पर्याप्त है।
• कैलिब्रेशन (Calibration): मापदंडों को फर्म-स्तरीय मार्कअप के वितरण (डी लोकर आदि, 2020) और अल्पकालिक TFP विकास दर (BLS) सहित अनुभवजन्य क्षणों (empirical moments) पर आधारित किया गया है। मॉडल के क्षेत्रीय अपनाव रैंकिंग की तुलना यू.एस. बिजनेस ट्रेंड्स एंड आउटलुक सर्वे (BTOS) से की जाती है।

प्रमुख योगदान और निष्कर्ष
सिमुलेशन तीन प्राथमिक पैटर्न उत्पन्न करते हैं जो TFP के दमन की व्याख्या करते हैं:

1. मार्कअप अवशोषण (Markup Absorption): केंद्रित बाजारों (कम प्रतिस्थापन लोच $\sigma$) में, फर्में AI-प्रेरित दक्षता लाभों को कम कीमतों या बढ़े हुए उत्पादन के बजाय उच्च मार्कअप में परिवर्तित कर देती हैं। शोध पत्र इस "मार्कअप चैनल" को TFP संचरण के प्राथमिक अवरोधक के रूप में पहचानता है, जो $\sigma$ रेंज में लगभग 24 प्रतिशत अंकों के TFP दमन के लिए उत्तरदायी है। एक माध्यमिक तंत्र, "अपनाव गेट" (सूचना संचय के कारण विलंबित निवेश), अतिरिक्त औसत दमन में 10.4 प्रतिशत अंक का योगदान देता है।
2. अपनाव रैंकिंग में लौकिक उत्क्रमण (Temporal Reversal in Adoption Rankings): मॉडल क्षेत्रीय अपनाव में एक गैर-एकदिष्ट (non-monotonic) विकास की भविष्यवाणी करता है। प्रारंभ में (वर्ष 0-4), प्रतिस्पर्धी क्षेत्र (उच्च $\sigma$) कम प्रवेश बाधाओं और तीव्र सूचना प्रसार के कारण AI को तेजी से अपनाते हैं। हालांकि, एक क्रॉसओवर बिंदु (लगभग 4 वर्ष) के बाद, केंद्रित क्षेत्र (निम्न $\sigma$) उन्हें पीछे छोड़ देते हैं। यह उत्क्रमण इसलिए होता है क्योंकि केंद्रित क्षेत्रों में उच्च मार्कअप टिकाऊ, बड़े पैमाने पर AI निवेश के लिए आवश्यक आंतरिक धन प्रदान करते हैं, जबकि प्रतिस्पर्धी क्षेत्रों में ये रिटर्न कम हो जाते हैं।
3. द्वि-स्थिरता और प्रतिस्पर्धा दहलीज (Bistability and Competition Thresholds): $\sigma \approx 5$ के आसपास एक महत्वपूर्ण प्रतिस्पर्धा दहलीज मौजूद है। इस मान से नीचे, केंद्रित बाजार उच्च अपनाव बनाए रखते हैं; इसके ऊपर, प्रतिस्पर्धी दबाव मार्कअप को उस बिंदु तक कम कर देता है जहाँ AI निवेश अस्थिर हो जाता है, जिससे निम्न-अपनाव की स्थिति पैदा होती है। इस सीमा के पास, प्रणाली द्वि-स्थिरता (bistability) प्रदर्शित करती है: समान पैरामीटराइजेशन अलग-अलग यादृच्छिक प्रारंभिक स्थितियों के आधार पर उच्च या निम्न अपनाव शासन (regimes) उत्पन्न करते हैं। यह एक कैलेकियन (Kaleckian) तनाव को औपचारिक रूप देता है जहाँ मार्कअप निवेश के ईंधन और लाभ के प्रतिस्पर्धी प्रसार के बीच एक बाधा, दोनों के रूप में कार्य करते हैं।

महत्व और दावे
यह शोध पत्र स्पष्ट रूप से अपने योगदान को वास्तविक दुनिया की घटनाओं के कारण अनुमान (causal estimates) के बजाय "जनरेटिव प्रदर्शन" (generative demonstrations) के रूप में प्रस्तुत करता है। इसका महत्व निम्नलिखित में निहित है:

• तंत्र पहचान (Mechanism Identification): यह प्रदर्शित करता है कि AI उत्पादकता विरोधाभास केवल मांग संबंधी बाह्यताओं या गलत मापन पर निर्भर रहने के बजाय, तकनीक और बाजार संरचना के सह-विकास से अंतर्जात रूप से उत्पन्न हो सकता है।
• सैद्धांतिक एकीकरण: इसके निष्कर्ष मुख्यधारा के मॉडलिंग उपकरणों (CES डिमांड, कॉब-डगलस प्रोडक्शन) को विषम सैद्धांतिक ढांचों के साथ जोड़ते हैं। मार्कअप अवशोषण चैनल मार्क्सवादी अधिशेष अवशोषण (Marxian surplus absorption) और बारन/स्वीजी के मोनोपॉली कैपिटल के साथ मेल खाता है; द्वि-स्थिरता दहलीज लाभ-नेतृत्व वाले निवेश और मजदूरी-नेतृत्व वाले मांग के बीच पोस्ट-केनेसियन/कैलेकियन तनाव को दर्शाती है; और अनुकरण की भूमिका गैर-बाजार समन्वय (हॉडगसन, 1988) पर संस्थागत दृष्टिकोण के अनुरूप है।
• नीतिगत निहितार्थ (अप्रत्यक्ष): शोध पत्र विशिष्ट उपकरणों को निर्धारित करने के बजाय विश्लेषणात्मक पूर्वशर्तों को स्पष्ट करता है। यह सुझाव देता है कि प्रतिस्पर्धा नीति और औद्योगिक नीति को वितरण तंत्रों को संबोधित करना चाहिए: यह सुनिश्चित करना कि मार्कअप अवशोषण, कुल TFP को भूखा बनाने के बजाय, पर्याप्त प्रसार सुनिश्चित करे जहाँ निजी रिटर्न अपर्याप्त हों।
• अनुभवजन्य भविष्यवाणियाँ: मॉडल एक परीक्षण योग्य परिकल्पना प्रदान करता है: यदि प्रतिस्पर्धी क्षेत्र वर्तमान में AI अपनाने में अग्रणी हैं (जैसा कि 2024 BTOS डेटा सुझाव देता है), तो केंद्रित क्षेत्रों को लगभग 2029 तक उन्हें पीछे छोड़ देना चाहिए।

लेखक एक विनम्र रुख बनाए रखते हुए नोट करते हैं कि मॉडल एक बंद अर्थव्यवस्था है जिसमें सरल श्रम बाजार हैं और मात्रात्मक अपनाने के स्तर दीर्घकालिक संतुलन मान हैं जो वर्तमान क्रॉस-सेक्शनल डेटा से अधिक हैं। मुख्य दावा यह है कि देखे गए पैटर्न व्यवहारिक नियमों के एक न्यूनतम सेट द्वारा संरचनात्मक रूप से उत्पन्न होते हैं, जो बाजार शक्ति और तकनीकी प्रसार के बीच की परस्पर क्रिया की व्याख्या करने के लिए एक नया दृष्टिकोण प्रदान करते हैं।