Beyond headcount and human capital: The Effective Cognitive Population as a decomposable capacity unit for AI-era planning

Technische Samenvatting: Voorbij Hoofdaantal en Menselijk Kapitaal

Probleemstelling
Nationale planning steunt momenteel op uiteenlopende boekhoudkundige grootboekrekeningen: populatiehoofdaantallen voor schaal, werkende leeftijdsratio's voor arbeidsaanbod, menselijke kapitaalindices voor vaardigheidsgecorrigeerde voorraden, en technologische gereedheidscindices voor omgevingscondities. Er bestaat een kritieke kloof in het AI-tijdperk: er is geen bestaande eenheid die de totale menselijke productieve capaciteit kwantificeert die beschikbaar is onder de specifieke heersende condities van een land met betrekking tot gezondheid, leren, werkgelegenheid, technologische infrastructuur en bestuur. Bestaande metrieken falen ofwel in het rekening houden met de technologische condities die nodig zijn om menselijke capaciteit te exploiteren, of ze tellen menselijk kapitaal dubbel wanneer zij menselijke kapitaalindices combineren met AI-gereedheidscindices. Bovs wordt bij standaard demografische rekeningen de leeftijdsstructuur vaak behandeld als de primaire determinant van capaciteit, waarbij de brede variatie in capaciteit binnen vergelijkbare leeftijdsstructuren wordt genegeerd.

Methodologie
De studie introduceert de Effective Cognitive Population (ECP), een decomponeerbare capaciteitseenheid die de populatie weegt op basis van capaciteit en de condities voor de inzet ervan. De methodologie verloopt via de volgende stappen:

1. Menselijk Kapitaal Basis ($H$): De studie maakt gebruik van de World Bank Human Capital Index Plus (HCI+), die gezondheid, onderwijs en arbeidsmarktuitkomsten vertaalt naar verwachte levenslange productiviteit. HCI+-scores worden getransformeerd van een logaritmische index (geschaald naar een benchmark van 325) naar een relatief productiviteitsniveau ($H_i = \exp((S_i - 325)/100)$).
2. AI-opportuniteit en Governance ($A$ en $C$): De studie maakt gebruik van de AI Preparedness Index (AIPI) van het Internationaal Monetair Fonds (IMF). Om dubbeltelling van menselijk kapitaal te voorkomen (dat al besloten ligt in de HCI+), wordt de dimensie van menselijk kapitaal uit de AIPI uitgesloten.
   • AI-opportuniteit ($A$): Gedefinieerd als het evenwichtige gemiddelde van de dimensies "Digitale Infrastructuur" en "Innovatie en Economische Integratie".
   • Conversie-governance ($C$): Gedefinieerd door de dimensie "Regulering en Ethiek".
3. Benchmark Constructie: De ECP-voorraad wordt berekend als $ECP_i = N_i \times H_i \times (1 + \lambda A_i C_i)$.
   • De term $(1 + \lambda A_i C_i)$ vertegenwoordigt een conjunctieve planningsregel. Deze straft eenzijdige gereedheid af (bijv. hoge infrastructuur met zwak bestuur) door de augmentatiefactor multiplicatief te maken in plaats van additief.
   • $\lambda$ is een kalibratieparameter die in de benchmark op 1 is ingesteld, waarbij gevoeligheidsanalyses zijn uitgevoerd over een reeks waarden (0 tot 1) en een "27-regel multiversum" van exponentcombinaties.
4. Validatie en Testen:
   • Gelijktijdige Criteriumvaliditeit: De ECP wordt geregressioneerd tegen de 2024 totale output (BBP) op een steekproef van 144 landen. Prestaties worden gemeten via $R^2$ en Leave-One-Country-Out (LOOCV) Root Mean Square Error (RMSE), vergeleken met hoofdaantal en HCI+-gecorrigeerde populatie.
   • Incrementele Validiteit: Geneste modellen conditioneren op fysieke kapitaalintensiteit om te testen of ECP-componenten verklarende kracht toevoegen bovenop standaard productiefactoren.
   • Interactietesten: De studie test expliciet voor een causale interactie tussen AI-opportuniteit en governance ($A \times C$) om te bepalen of de conjunctieve regel een empirische complementariteit of een normatieve planningsrestrictie weerspiegelt.
   • Gevoeligheidsanalyse: Robuustheid wordt gecontroleerd via verschillende populatiedenominatoren (totaal versus werkende leeftijd), HCI+-versies (2020 versus 2025), aggregatieregels en amplitude parameters.

Belangrijkste Resultaten

• Verbeterde Voorspellende Fit: Op de 144-landen steekproef verbetert de ECP-extensie de verklarende kracht van nationale capaciteitsmodellen. Tegenover de 2024 totale output stijgt de $R^2$ van 0,849 (HCI+-gecorrigeerde voorraad) naar 0,882 (ECP), en de LOOCV RMSE daalt van 0,723 naar 0,641. Deze winsten zijn statistisch significant (bootstrap $p < 0,0001$) en houden stand voor zowel de totale populatie als de populatie in werkende leeftijd.
• Rangorde Herclassificatie: 89 van de 144 landen verschuiven met ten minste tien posities wanneer men overstapt van een hoofdaantal-boekhouding naar een ECP-boekhouding. Hoewel het merendeel van deze verschuiving wordt gedreven door de aanpassing van het menselijk kapitaal zelf, biedt de AI-extensie een duidelijke diagnostische waarde. Landen met een hoog presterend ECP-niveau zijn Singapore, Zwitserland en Denemarken, terwijl landen als Tsjaad, Guinee en Mali een significante neerwaartse herclassificatie zien.
• Onafhankelijkheid van Leeftijdsstructuur: Binnen kwartielen van het aandeel van de werkende bevolking varieert de per capita capaciteit ($Z$) met ratio's tot 4,78 tussen de 90e en 10e percentielen. Dit demonstreert dat de leeftijdsstructuur alleen een grove proxy is voor capaciteit; de ECP vangt significante variatie op die niet door demografie wordt verklaard.
• Aard van de Conjunctieve Regel: De directe statistische interactie tussen AI-opportuniteit en governance ($A \times C$) wordt niet statistisch ondersteund (coëfficiënt is negatief en insignificant, $p = 0,371$). Bijgevolg concludeert het artikel dat de conjunctieve regel een planningsregel is (een normatieve restrictie om te voorkomen dat eenzijdige gereedheid te ruim wordt gewaardeerd) in plaats van een empirisch geschatte causale complementariteit.
• Residu-analyse: Een conversieresidu identificeert landen waar het gerealiseerde BBP per capita onder het niveau valt dat voorspeld wordt door kapitaalintensiteit en ECP-capaciteit. Dit residu is niet significant gecorreleerd met natuurlijke hulpbronnenrenten, effectiviteit van het bestuur of corruptiecontroles, wat suggereert dat het dient als een screeningsorde voor verdere diagnose in plaats van een gevalideerde efficiëntiescore.

Betekenis en Claims
Het artikel positioneert de ECP niet als een nieuwe productiewet of een voorspelling van bevolkingsafname, maar als een diagnostische grootboek voor publieke sector planning. De belangrijkste bijdragen zijn:

1. Decomposibiliteit: In tegenstelling tot samengestelde indices die afruilprocessen maskeren, stelt ECP planners in staat om de capaciteit van een land te deconstrueren in menselijk kapitaal ($H$), technologische opportuniteit ($A$) en governance-condities ($C$). Dit maakt de identificatie van specifieke knelpunten mogelijk (bijv. een land met hoge vaardigheden maar zwak bestuur).
2. Vermijden van Dubbeltelling: Door de dimensie van menselijk kapitaal expliciet te verwijderen uit de AIPI vóór de combinatie, vermijdt de metriek de methodologische fout van het twee keer tellen van hetzelfde actief.
3. Scenario-Equivalente Voorraad: De eenheid definieert capaciteit onder de heersende condities in plaats van het tellen van huidige werknemersequivalenten, wat relatieve vergelijkingen en beleidsgat-analyses ondersteunt.
4. Bescheiden Reikwijdte: De auteur stelt expliciet dat de ECP de gevolgen van een daling van de vruchtbaarheid niet afleidt, noch beweert dat de causale productiviteitseffecten van AI zijn geïdentificeerd. De studie erkent dat de conjunctieve regel een normatieve keuze is, geen empirisch gevonden complementariteit, en dat de metriek toekomstige longitudinale en micro-niveau bewijslast vereist om de interactie tussen opportuniteit en governance te valideren.

De studie concludeert dat de ECP een transparante, controleerbare en stabiele eenheid biedt voor grensoverschrijdende vergelijking die menselijke capaciteit integreert met de noodzakelijke condities voor de inzet ervan, wat een meer genuanceerde basis biedt voor planning dan hoofdaantallen of menselijke kapitaalindices alleen.