📈 economics

The Accumulation Paradox: When Markups Enable and Inhibit AI Adoption

Dit artikel maakt gebruik van een agent-gebaseerd model om aan te tonen dat de dynamiek van de marktstructuur, in het bijzonder de absorptie van productiviteitswinsten in hogere marges en de bistabiele aard van adoptiedrempels, de paradox tussen productiviteitswinsten op bedrijfsniveau door AI en stagnante groei van de totale factorproductiviteit verklaart.

Oorspronkelijke auteurs: Liutao Hu

Gepubliceerd 2026-06-25

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Liutao Hu

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je de economie voor als een enorme, bruisende markt met 200 verschillende winkels die elk een licht afwijkende versie van hetzelfde product verkopen. In deze markt is een nieuw, magisch hulpmiddel genaamd "AI" gearriveerd. Dit hulpmiddel kan elke winkel ongelooflijk efficiënt maken, waardoor ze goederen sneller en goedkoper kunnen produceren.

Het grote mysterie dat dit artikel probeert op te lossen is: Als elke winkel dit super-efficiënte hulpmiddel krijgt, waarom ziet de hele marktplaats er dan niet plotseling uit als een explosie van groei?

De auteur, Liutao Hu, bouwde een computersimulatie (een "digitale zandbak") om te kijken hoe deze winkels zich gedragen wanneer ze dit hulpmiddel krijgen. In plaats van ervan uit te gaan dat de winkels perfect rationele robots zijn, behandelt de simulatie hen als echte mensen die hun buren kopiëren, bang zijn voor verandering en diep geven aan hoeveel winst ze kunnen behouden.

Hier zijn de drie belangrijkste ontdekkingen uit de simulatie, eenvoudig uitgelegd:

1. De "Winst-Eerst" Valstrik (Markup Absorption)

Stel je een winkelier voor die de AI-tool koopt. Hun kosten dalen, dus ze zouden hun prijzen kunnen verlagen om meer klanten te trekken.

In een drukke, competitieve straat: Als er 50 winkels hetzelfde verkopen, moet de eigenaar de prijzen verlagen om te overleven. De besparingen van de AI-tool worden doorgegeven aan jou, de klant, en de hele economie groeit.
In een rustige, exclusieve straat: Als de eigenaar een van de slechts twee winkels in de stad is, hoeft hij de prijzen niet te verlagen. In plaats daarvan houdt hij de besparingen als extra winst (een hogere "markup").

Het resultaat: Het artikel stelt vast dat in de "exclusieve" straten de AI-tool de winkeleigenaren rijk maakt, maar de hele economie niet doet groeien. De efficiëntiewinsten worden "geabsorbeerd" in de zakken van de eigenaren in plaats van dat ze doorstromen naar lagere prijzen. De simulatie suggereert dat dit "winst-eerst"-gedrag de belangrijkste reden is waarom de economie geen enorme boom ervaart, ook al worden individuele bedrijven wel beter.

2. De "Slow-Motion" Race (De Temporele Omkering)

De simulatie laat een verrassende wending zien in hoe verschillende soorten winkels de AI-tool in de loop van de tijd adopteren. Het is als een race met twee duidelijke fasen:

Fase 1 (De Sprint): Aan het begin adopteren de winkels op de "drukke straat" (competitieve sectoren) de AI als eerste. Waarom? Omdat informatie daar snel reist en het makkelijk is om in te springen. Zij zijn de vroege gebruikers (early adopters).
Fase 上演 2 (De Marathon): Na een paar jaar draait de race om. De winkels op de "exclusieve straat" (geconcentreerde sectoren) beginnen voor te lopen. Waarom? Omdat zij die extra winsten hebben opgepot (door de "Winst-Eerst" valstrik). Zij hebben een diepe portemonnee met cash om te investeren in dure, langetermijn AI-upgrades. De competitieve winkels, die worstelen om de prijzen laag te houden, raken de cash kwijt die nodig is voor grote investeringen.

De Voorspelling: Als dit model klopt, kunnen we zien dat competitieve industrieën (zoals sommige detailhandels- of dienstverleningssectoren) nu de leiding nemen in AI-adoptie, maar dat rond 2029 de grote, dominante bedrijven in geconcentreerde industrieën hen kunnen inhalen.

3. Het "Kantelpunt" (Bistabiliteit)

De simulatie ontdekte een gevaarlijk "kantelpunt" in de markt.

Onder de lijn: Als een markt enigszinnig geconcentreerd is (enkele grote spelers), is de AI-adoptie hoog en stabiel.
Boven de lijn: Als een markt te competitief is (te veel spelers die om kruimels vechten), zijn de winsten zo mager dat niemand het zich kan veroorloven om in de AI-tool te investeren, en stagneert de adoptie.
De Gevaarlijke Zone: Precies in het midden wordt het systeem instabiel. Het is als een bal die op een heuveltop ligt. Een kleine duw in de ene richting stuurt het naar een "Hoge Adoptie"-vallei; een kleine duw in de andere richting stuurt het naar een "Lage Adoptie"-vallei. Twee identieke markten kunnen met een totaal verschillende toekomst eindigen, enkel gebaseerd op een willekeurige beginconditie.

De Rol van "Kopiëren" (Imitatie)

Het artikel keek ook naar wat er gebeurt als winkels stoppen met het kopiëren van elkaars strategieën.

De bevinding: Wanneer winkels stoppen met kopiëren, wordt de markt eigenlijk meer monopolistisch (minder grote winnaars, meer verliezers). Kopiëren werkt als een vangnet dat de markt divers houdt. Het voorkomt dat de "rich get richer"-spiraal te extreem wordt, ook al zorgt het er niet noodzakelijkerwijs voor dat iedereen meer investeert.

De Kernboodschap

Het artikel betoogt dat de "AI-productiviteitsparadox" (waarom we geweldige technologie zien maar trage economische groei) niet alleen gaat over slechte metingen of mensen die hun baan verliezen. Het gaat over wie het geld krijgt.

Als de marktstructuur ervoor zorgt dat grote bedrijven alle efficiëntiewinsten als extra winst houden, profiteert de hele economie er niet van. De simulatie suggereert dat voor AI de economie echt te stimuleren, we een mix nodig hebben van concurrentie (om prijsdalingen af te dwingen) en genoeg stabiliteit (om investeringen mogelijk te maken), maar het huidige pad lijkt de eerste ten koste van de tweede te bevoordelen.

Belangrijke opmerking: De auteur is er zeer duidelijk over dat dit een simulatie is gebaseerd op specifieke regels. Het laat zien hoe deze patronen zouden kunnen ontstaan uit eenvoudige gedragingen, maar het is geen kristallen bol die de exacte toekomst van de echte wereld voorspelt. Het is een "wat als"-verhaal dat ons helpt de mechanica van het probleem te begrijpen.

Technische Samenvatting: De Accumulatieparadox

Probleemstelling
Het artikel behandelt de "AI-productiviteitsparadox", een discrepantie tussen robuuste productiviteitswinsten op bedrijfsniveau die aan generatieve AI worden toegeschreven (geschat op ~~4%) en de stagnerende groei van de totale factorproductiviteit (TFP) in de Amerikaanse economie (~~1%/jaar). Terwijl de bestaande literatuur deze kloof toeschrijft aan mismeting, arbeidsvervanging of vraagexternaliteiten (bijv. Falk & Tsoukalas, 2026), behandelen deze modellen marktstructuur doorgaans als exogeen vaststaand. Het artikel betoogt dat de marktstructuur geen statisch decor is, maar mede evolueert met technologische adoptie. Specifiek wordt onderzocht hoe de distributie van AI-rentes — gemedieerd door marktconcentratie en prijszettingsmacht — bepaalt of efficiëntiewinsten op bedrijfsniveau vertalen naar aggregatieve macro-economische groei.

Methodologie
De studie maakt gebruik van een Agent-Based Model (ABM) binnen de traditie van de evolutionaire economie (Nelson & Winter, 1982; Dosi & Roventini, 2019). Het model simuleert een monopolistisch concurrerende economie met $N=200$ heterogene bedrijven en een representerende consument. Belangrijke methodologische kenmerken zijn:

Begrensde Rationaliteit: Bedrijven lossen geen vooruitziende optimalisatieproblemen op. In plaats daarvan volgen zij investeringsheuristieken, leren zij door imitatie van succesvolle gelijken en passen zij hun strategieën aan op basis van geobserveerde winstgevendheid.
Endogene Marktstructuur: Marktconcentratie (gemeten via de HHI), markup-dispersie en adoptietiming komen voort uit beslissingen op bedrijfsniveau in plaats van opgelegde parameters. Bedrijven beschikken over bedrijfsspecifieke substitutie-elasticiteiten ( $\sigma_i$ ) die afgeleid zijn van hun productiviteit en marktaandeel, wat hun prijszettingsmacht bepaalt.
Adoptiedynamiek: AI-investeringen worden gereguleerd door een informatieve gereedheidsvariabele ( $R_i$ ) die accumuleert via diffusie en peer-invloed. Dit creëert een S-curve adoptietraject, waardoor investeringen worden uitgesteld totdat een drempelwaarde is overschreden.
Generatieve Benadering: Het model is ontworend voor mechanisme-identificatie (Epstein & Axtell, 1996) in plaats van structurele schatting. Het test of concurrentie, imitatie en adoptiedynamiek gezamenlijk voldoende zijn om de geobserveerde paradox te genereren.
Kalibratie: Parameters zijn verankerd aan empirische momenten, inclusief de distributie van mark-ups op bedrijfsniveau (De Loecker et al., 2020) en kortetermijn TFP-groeicijfers (BLS). De sectorale adoptierangschikking van het model wordt vergeleken met de U.S. Business Trends and Outlook Survey (BTOS).

Kernbijdragen en Bevindingen
De simulaties genereren drie primaire patronen die de onderdrukking van de aggregatieve TFP verklaren:

Markup-absorptie: In geconcentreerde markten (lage substitutie-elasticiteit $\sigma$ ) zetten bedrijven de door AI geïnduceerde efficiëntiewinsten om in hogere mark-ups in plaats van lagere prijzen of een grotere output. Het artikel identificeert dit "markup-kanaal" als de primaire onderdrukker van de TFP-transmissie, verantwoordelijk voor ongeveer 24 procentpunten van de TFP-onderdrukking over het bereik van $\sigma$ . Een secundair mechanisme, de "adoptiepoort" (uitgestelde investering door informatieaccumulatie), draagt bij aan een aanvullende gemiddelde onderdrukking van 10,4 procentpunten.
Temporele Omkering in Adoptierangschikking: Het model voorspelt een niet-monotone evolutie in sectorale adoptie. Aanvankelijk (jaren 0–4) adopteren concurrerende sectoren (hoge $\sigma$ ) AI sneller vanwege lagere toetredingsbarrières en snelle informatie-diffusie. Echter, na een kruispunt (ongeveer 4 jaar), halen geconcentreerde sectoren (lage $\sigma$ ) hen in. Deze omkering vindt plaats omdat hogere mark-ups in geconcentreerde sectoren de noodzakelijke duurzame interne middelen bieden voor grootschalige, langdurige AI-investeringen, terwijl concurrerende sectoren deze rendementen uithollen.
Bistabiliteit en Concurrentiedrempels: Er bestaat een kritische concurrentiedrempel rond $\sigma \approx 5$ . Onder deze waarde handhaven geconcentreerde markten een hoge adoptie; boven deze waarde erodeert de concurrentiedruk de mark-ups tot een punt waarop AI-investering onhoudbaar wordt, wat leidt tot lage adoptie. Nabij deze grens vertoont het systeem bistabiliteit: identieke parametriseringen leiden tot ofwel een hoog ofwel een laag adoptieregime, afhankelijk van willekeurige initiële condities. Dit formaliseert een Kaleckiaanse spanning waarbij mark-ups tegelijkertijd dienen als de brandstof voor investeringen en als een barrière voor de competitieve diffusie van winsten.

Significantie en Claims
Het artikel kadert zijn bijdragen expliciet als "generatieve demonstraties" in plaats van causale schattingen van reële fenomenen. De significantie ligt in:

Mechanisme-identificatie: Het toont aan dat de AI-productiviteitsparadox endogeen kan ontstaan uit de co-evolutie van technologie en marktstructuur, zonder uitsluitend te steunen op vraagexternaliteiten of mismeting.
Theoretische Integratie: De bevindingen overbruggen mainstream modelleringsinstrumenten (CES-vraag, Cobb-Douglas productie) met heterodoxe theoretische kaders. Het kanaal van markup-absorptie resoneert met Marxiaanse surplusabsorptie en de monopolykapitaaltheorie van Baran/Sweezy; de bistabiliteitsdrempel weerspiegelt de Post-Keynesiaanse/Kaleckiaanse spanning tussen winstgeleide investeringen en loongeleide vraag; en de rol van imitatie sluit aan bij institutionele visies op niet-marktgerichte coördinatie (Hodgson, 1988).
Beleidsimplicaties (Indirect): Het artikel verheldert de analytische preconditions voor beleid in plaats van specifieke instrumenten voor te schrijven. Het suggereert dat mededingingsbeleid en industrieel beleid de distributieve mechanismen moeten adresseren: het voorkomen dat markup-absorptie de aggregatieve TFP uitholt, terwijl voldoende diffusie wordt gewaarborgd waar private rendementen ontoereikend zijn.
Empirische Voorspellingen: Het model biedt een toetsbare hypothese: als concurrerende sectoren momenteel de AI-adoptie leiden (zoals de 2024 BTOS-data suggereren), zouden geconcentreerde sectoren hen rond 2029 moeten inhalen.

De auteurs hanteren een bescheiden standpunt door te merken dat het model een gesloten economie is met vereenvoudigde arbeidsmarkten en dat de kwantitatieve adoptieniveaus langetermijn evenwichtswaarden zijn die de huidige dwarsdoorsnede-data overstijgen. De kernclaim is dat de geobserveerde patronen structureel gegenereerd worden door een minimale set gedragsregels, wat een nieuw perspectief biedt op de interactie tussen marktmacht en technologische diffusie.