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

In de moderne economie hangt de manier waarop bedrijven geld verdienen vaak af van een delicaat evenwicht tussen wat ze uitgeven aan bedrijfsvoering en het geld dat via klanten terugstroomt. Wanneer een bedrijf werknemers aanneemt, betaalt het hen lonen. Die werknemers geven hun salaris vervolgens weer uit bij andere lokale bedrijven, wat een cyclus van vraag creëert die de hele economie in beweging houdt. Deze cyclus is een fundamenteel onderdeel van hoe lokale markten functioneren. Decennialang hebben economen bestudeerd hoe nieuwe technologieën dit evenwicht veranderen. Soms is een nieuwe machine zo duur in aanschaf dat slechts een enkel bedrijf het kan betalen, en die bedrijven moeten hard werken om genoeg klanten te vinden om de machine terug te verdienen. Dit is het klassieke idee van een "big push", waarbij hoge kosten een groep bedrijven dwingen om samen te groeien om te overleven.

De opkomst van generatieve kunstmatige intelligentie heeft dit scenario echter omgedraaid. Tegenwoordig is het duurste deel van het gebruik van geavanceerde AI — de kosten voor het trainen van het computersysteem — voor rekening van het bedrijf dat het heeft gebouwd, niet van het bedrijf dat het gebruikt. Een advocatenkantoor of een designstudio kan de kracht van de AI simpelweg per uur huren naarmate ze nieuw werk krijgen. Dit maakt automatisering meer een flexibele operationele uitgave dan een zware, voorafgaande investering. Maar er is een addertje onder het gras. Als een bedrijf besluit deze AI te gebruiken om zijn menselijke team te vervangen, stopt het met het betalen van die lonen. Als veel bedrijven dit tegelijkertijd doen, stoppen de werknemers die hun baan verliezen met het uitgeven van geld in de lokale economie. Dit verkleint de markt voor alle anderen, waardoor het voor de overgebleven bedrijven moeilijker wordt om te overleven. De vraag die onderzoekers stellen, is of deze verschuiving een valstrik creëert waarbij bedrijven, handelend uit hun eigen belang, per ongeluk de markt vernietigen waar zij zelf van afhankelijk zijn.

Een team van economen uit China heeft een model gebouwd om deze specifieke dynamiek te verkennen, waarbij ze focussen op hoe de keuze tussen het gebruik van AI met menselijke hulp versus het gebruik van AI om mensen te vervangen uitpakt in een lokale diensteneconomie. Ze ontdekten dat de economie vast kan komen te zitten in twee zeer verschillende toestanden, afhankelijk van wat bedrijven verwachten dat er hierna zal gebeuren. In de ene toestand houden bedrijven hun menselijke teams aan, blijven de lonen hoog en is de lokale economie vitaal. In de andere toestand verminderen bedrijven hun teams om geld te besparen, dalen de lonen, krimpt de lokale economie en verminderen bedrijven nog meer hun teams om te overleven. De onderzoekers noemen dit een "reverse big push". In tegen afstelling tot het oude model, waarbij hoge kosten groei dwongen, kan hier het vermogen om gemakkelijk kosten te verlagen een zelfversterkende ineenstorting triggeren.

De kern van hun ontdekking is dat de beslissing om te automatiseren niet alleen gaat over de vraag of de technologie goed werkt; het gaat erom hoeveel andere bedrijven hetzelfde doen. Als een bedrijf gelooft dat de meeste andere bedrijven hun menselijke teams behouden, is het logisch voor hen om ook hun team te behouden, omdat de lokale economie sterk genoeg zal zijn om de hogere lonen te ondersteunen. Maar als een bedrijf gelooft dat iedereen anderen ontslaat om over te schakelen naar AI, dan is het de slimste zet voor hen om ook werknemers te ontslaan, omdat de lokale economie te zwak zal zijn om een volledig team te ondersteunen. Dit creëert een situatie waarin de economie kan bezinken in een evenwicht met "lage vraag", waarbij automatisering de enige keuze is, zelfs wanneer een evenwicht met "hoge vraag", waarbij mensen en AI samenwerken, beter zou zijn voor iedereen.

De onderzoekers tonen aan dat dit probleem niet verdwijnt, zelfs niet als de lonen mogen dalen. In een normale markt, als de vraag daalt, dalen de lonen ook, wat het goedkoper maakt om mensen aan te nemen. Het model bevestigt dat dalende lonen het aannemen van personeel weliswaar goedkoper maken, maar dat ze ook betekenen dat werkers minder geld te besteden hebben. De studie vindt dat als het verlies aan bestedingskracht groter is dan de besparing door lagere lonen, de neerwaartse spiraal voortduurt. De economie komt vast te zitten in een toestand van lage lonen en lage werkgelegenheid omdat de daling in de vraag te ernstig is om alleen door lagere arbeidskosten te worden opgelost. Dit betekent dat het simpelweg laten aanpassen van de lonen door de markt niet voldoende is om een ineenstorting te voorkomen als bedrijven het vertrouwen in de toekomst verliezen.

Om te begrijpen hoe dit zich afspeelt, keken de auteurs naar hoe bedrijven beslissingen nemen over tijd. Ze stelden zich een scenario voor waarin bedrijven de kans krijgen om hun strategie op verschillende momenten te wijzigen. Als een bedrijf pessimistisch is en verwacht dat anderen automatiseren, zal het eerst automatiseren, wat het pessimisme van het volgende bedrijf bevestigt, wat leidt tot een cascade van ontslagen. Als een bedrijf optimistisch is en verwacht dat anderen hun teams behouden, zal het zijn team behouden, wat anderen aanmoedigt om hetzelfde te doen. Het startpunt is belangrijk, maar dat ook de verwachting. De onderzoekers vonden dat er een specifiek bereik van omstandigheden is waarin beide uitkomsten mogelijk zijn. In dit bereik wordt de economie niet bepaald door de technologie zelf, maar door de collectieve stemming van de zakenwereld.

De studie onderzocht ook wat er gebeurt wanneer een publieke schok optreedt, zoals een plotselinge verandering in de algehele gezondheid van de economie. Ze ontdekten dat als de economie zich in die onzekere middenzone bevindt, een publieke fundamentele factor die beide dominante regio's kan bereiken, een uniek pad kan selecteren. Als de economie al neigt naar automatisering, kan een negatieve schok het over de rand duwen naar een volledige ineenstorting. Omgekeerd, als het neigt naar mens-AI-coöperatie, kan een positieve schok dat pad veiligstellen. De onderzoekers gebruikten een concept genaamd "risico-dominantie" om te voorspellen welke toestand waarschijnlijker is wanneer de toekomst onzeker is. Ze vonden dat als het statische kantelpunt voor mens-AI-coöperatie onder de helft ligt, de economie waarschijnlijk voor het coöperatieve pad kiest. Maar als het kantelpunt boven de helft ligt, zal de economie waarschijnlijk het geautomatiseerde pad kiezen, zelfs als het coöperatieve pad beter zou zijn geweest voor de samenleving als geheel.

De auteurs keken vervolgens naar wat dit betekent voor beleid. Ze berekenden dat de voorwaarden voor deze "coördinatiefout" in veel professionele dienstensectoren reëel zijn. Gebruikmakend van gegevens uit de Verenigde Staten, schatten ze dat voor bepaalde typen hoog-autonome AI-taken, de economie gemakkelijk in het slechte evenwicht kan vallen. Ze vonden dat het gat tussen de "goede" toestand en de "slechte" toestand niet enorm is, maar wel groot genoeg om ertoe te doen. In hun simulaties kon een verschuiving in hoeveel van een taak door AI zonder menselijke hulp kan worden gedaan, de economie van een stabiele toestand waar mensen en machines samenwerken naar een toestand waar machines mensen volledig vervangen, simpelweg omdat de markt te veel kromp om de teams te ondersteunen.

De onderzoekers betogen dat de oplossing niet is om AI te verbieden of bedrijven te dwingen werknemers te behouden. In plaats daarvan suggereren ze dat een tijdelijke overheidsinterventie kan helpen de kloof te overbruggen. Als de economie vastzit in de toestand van lage vraag, kan een kleine, tijdelijke subsidie of een belasting op pure automatisering fungeren als een brug. Deze brug geeft bedrijven het vertrouwen om hun menselijke teams te behouden totdat de economie groot genoeg is om hen op eigen kracht te ondersteunen. Zodra de economie een bepaalde omvang bereikt, kan de subsidie worden ingetrokken en het mens-AI-model de natuurlijke, zelfvoorzienende keuze worden. De sleutel is dat deze steun tijdelijk en gericht moet zijn; het gaat er niet om om elke baan voor altijd te redden, maar om te voorkomen dat de economie in een slechte toestand terechtkomt waar iedereen slechter van af is.

Het artikel verduidelijkt ook dat dit probleem specifiek is voor bepaalde soorten werk. Het is het sterkst van toepassing op "defensieve" automatisering, waarbij bedrijven AI gebruiken om kosten te snijden omdat ze vrezen dat de markt krimpt. Het is minder waarschijnlijk bij "offensieve" automatisering, waarbij AI nieuwe producten creëert die de markt uitbreiden. In het defensieve geval is de angst voor een krimpende markt de drijfveer voor de beslissing om kosten te verlagen, wat op zijn beurt de markt doet krimpen. De onderzoekers laten zien dat als een bedrijf kosten snijdt omdat het verwacht dat de markt zal krimpen, het vaak beter is voor de hele economie als dat bedrijf zijn werknemers behoudt, omdat hun lonen helpen de markt levend te houden.

In hun laatste analyse gebruikten de auteurs reële cijfers om te laten zien hoe gevoelig dit systeem is. Ze keken naar de ratio van omzet tot loonkosten in professionele diensten en vonden dat in veel gevallen de economie zich precies op de rand van de coördinatieregio bevindt. Een kleine verandering in de kosten van AI of de capaciteit van AI om taken uit te voeren, kan de balans doen doorslaan. Ze vonden dat loonaanpassingen, hoewel nuttig, het bereik waar deze coördinatiefout kan plaatsvinden verkleinen, maar ze elimineren het niet. De studie concludeert dat de toekomst van werk in het tijdperk van generatieve AI minder afhangt van de rauwe kracht van de technologie en meer van het collectieve vertrouwen van de bedrijven die het gebruiken. Als bedrijven kunnen coördineren om hun menselijke teams te behouden, kan de economie floreren. Als ze dat niet kunnen, riskeren ze een zelfversterkende ineenstorting waarbij de instrumenten die bedoeld waren om hen te helpen, uiteindelijk de markt die zij dienen, beschadigen.

Het werk biedt een duidelijke waarschuwing dat de transitie naar een door AI gestuurde economie niet automatisch verloopt. Het vereist het navigeren door een smal pad waarbij verwachtingen en de realiteit elkaar versterken. De onderzoekers tonen aan dat zonder een mechanisme om de cyclus van pessimisme te doorbreken, de economie kan bezinken in een toestand die stabiel maar inefficiënt is, waarin iedereen armer is dan hij had kunnen zijn. De oplossing ligt in het besef dat de keuze voor technologie niet alleen een technische beslissing is, maar een sociale beslissing die afhangt van de gezondheid van de gehele lokale economie. Door dit te erkennen, kunnen beleidsmakers interventies ontwerpen die de economie helpen haar weg naar het betere resultaat te vinden, waardoor wordt gewaarborgd dat de voordelen van AI worden gedeeld in plaats van verloren te gaan aan een cyclus van achteruitgang.