Relative Development and the Intelligence Divide: Human Capital, Technology Diffusion, and AI

Decennialang hebben economen gekeken naar de kloof tussen de rijkste en de armste landen ter wereld, waarbij ze een eenvoudige maar hardnekkige vraag stelden: waarom blijven sommige landen arm terwijl anderen voorop lopen? Het antwoord leek vaak te liggen in wat een land bezit. Landen met meer fabrieken, betere wegen en meer scholen produceren over het algemeen meer rijkdom. Maar een dieper mysterie blijft bestaan. Twee landen kunnen vergelijkbare hoeveelheden machines en een vergelijkbaar aantal geschoolde werkers hebben, toch produceert het een veel meer dan het ander. Dit verschil wordt vaak productiviteit genoemd, een maatstaf voor hoe goed een samenleving haar middelen omzet in nuttige zaken. Lange tijd was de hoop dat technologie als een grote gelijkmaker zou fungeren. Als een arm land simpelweg dezelfde machines of software als een rijk land kon kopen, zou het in staat moeten zijn om in te halen. Toch laat de geschiedenis zien dat hoewel landen meer op elkaar zijn gaan lijken wat betreft scholen en fabrieken, ze niet even zeer op elkaar zijn gaan lijken wat betreft hun productie. De instrumenten zijn verspreid, maar het vermogen om ze effectief te gebruiken niet.

Dit puzzelstuk staat nu centraal in een nieuw debat over kunstmatige intelligentie. Nu krachtige nieuwe computersystemen beschikbaar komen, vragen velen zich af of zij arme landen eindelijk zullen helpen om de kloof te dichten. Een nieuwe studie door Patrick A. Imam en Jonathan R. W. Temple, onderzoekers bij het Internationaal Monetair Fonds en een onafhankelijk econoom, suggereert dat het antwoord niet zo eenvoudig is als toegang. De onderzoekers stellen dat het bezitten van de technologie niet hetzelfde is als het bezitten van de capaciteit om het te gebruiken. Ze zetten zich in om te begrijpen waarom sommige landen erin slagen om van een lage naar een hoge productiviteit te bewegen, terwijl anderen blijven steken, en of kunstmatige intelligentie die reis zal helpen of juist zal hinderen. Hun werk combineert een gedetailleerde blik op historische gegevens met een frisse manier van denken over hoe landen zich ontwikkelen, waarbij ze verder gaan dan eenvoudige gemiddelden om de werkelijke beweging van landen in de loop van de tijd te volgen.

De onderzoekers bestudeerden meer dan duizend vijfjarige perioden van bijna honderd landen, waarbij ze volgden hoe hun positie in de wereldeconomie veranderde. Ze keken naar drie hoofdzaken: de hoeveelheid fysiek kapitaal die een land had, het opleidingsniveau van de beroepsbevolking en de algehele productiviteit. Ze vonden een opvallend verschil in hoe deze factoren bewogen. Landen waren in staat om hun kapitaal te vergroten en hun onderwijs te verbeteren relatief snel. Een natie kon binnen enkele jaren een nieuwe fabriek bouwen of meer kinderen naar school sturen. Echter, de overgang van een lage naar een hoge productiviteit was veel moeilijker en veel langzamer. Zelfs wanneer landen meer machines toevoegden en meer werkers opleidden, slaagden ze er vaak niet in om te verbeteren hoe efficiënt ze deze gebruikten. De kloof in productiviteit bleek veel hardnekkiger dan de kloof in middelen.

Om te begrijpen waarom, keken de auteurs nauwgezet naar de rol van menselijk kapitaal, oftewel de vaardigheden en kennis van de beroepsbevolking. Standaard economische verklaringen suggereren dat onderwijs slechts een klein deel verklaart van waarom sommige landen rijker zijn dan andere. Als men simpelweg het aantal jaren scholing over de hele wereld zou gelijkstellen, zou de kloof in inkomen krimpen, maar een grote afstand zou blijven bestaan. De onderzoekers vonden dat dit statische beeld een cruciaal dynamisch aspect mist. Hoewel onderwijs de huidige welvaart misschien niet perfect verklaart, is het een krachtige voorspeller van of een land zal stijgen of laag zal blijven. Ze ontdekten dat landen met hogere niveaus van gemeten menselijk kapitaal aanzienlijk meer kans hadden om de laagste productiviteitsstaten te ontsnappen.

De studie identificeerde een specifieke drempel in menselijk kapitaal die twee verschillende werelden van elkaar leek te scheiden. Voor landen onder dit niveau was de gemiddelde tijd om de laagste productiviteitstoestand te verlaten ongeveer zesentwintig jaar. Voor landen erboven daalde die tijd naar slechts vijfentwintig jaar. Dit verschil is niet slechts een getal; het vertegenwoordigt generaties van ontwikkeling. Een land dat vastzit in de lage-productiviteitsval kan een leven lang wachten om te zien hoe zijn economie transformeert, terwijl een land met iets meer capabele werkers diezelfde verschuiving in één generatie kan bereiken. De onderzoekers testten deze bevinding op veel manieren, gebruikmakend van verschillende maten voor vaardigheid en verschillende manieren om de data te groeperen, en het patroon hield stand. Zelfs toen ze naar cognitieve vaardigheden keken in plaats van alleen naar jaren scholing, bewogen de landen met hogere vaardigheden sneller.

Dit leidt tot een nuchtere conclusie over kunstmatige intelligentie. De technologie zelf is geen toverstaf die automatisch alle boten zal optillen. Als kunstmatige intelligentie vooral diegenen helpt die al vaardig zijn, zou het de kloof kunnen vergroten. Een land met een sterke basis van geschoolde werkers, betrouwbare data en capabele bedrijven zal in staat zijn deze nieuwe tools te gebruiken om nog productiever te worden. Een land dat die fundamenten mist, kan wel toegang krijgen tot dezelfde tools, maar zal er niet in slagen deze te integreren in zijn economie. De onderzoekers betogen dat voor kunstmatige intelligentie om arme landen te helpen inhalen, het meer moet doen dan alleen de kosten van kennis verlagen. Het moet de kosten van leren, aanpassen en het implementeren van die kennis verlagen op plaatsen waar de ondersteunende systemen zwak zijn.

De studie suggereert dat de echte barrière niet een gebrek aan technologie is, maar een gebrek aan de complementaire capaciteiten die nodig zijn om die technologie te laten werken. Het is niet genoeg om een tractor te hebben; je hebt de brandstof, de reparatiewerkplaatsen en de boeren nodig die weten hoe ze hem moeten gebruiken. Similaire wijze is het hebben van kunstmatige intelligentie niet genoeg als een land de managementvaardigheden, infrastructuur en institutionele kracht mist om dit om te zetten in echte productiviteitswinsten. De onderzoekers vonden dat het vermogen om goedkopere intelligentie om te zetten in werkelijke economische beweging de sleutel is. Als kunstmatige intelligentie de zwakkere economieën kan helpen sneller te leren en beter aan te passen, zou het de decennialange wachttijd voor ontwikkeling kunnen verkorten. Maar als het alleen diegenen beloont die al sterk zijn, kan het de grens simpelweg verder weg duwen, waardoor de kloof tussen rijk en arm ongewijzigd blijft.

De bevindingen bieden een duidelijk pad vooruit voor beleidsmakers. In plaats van uitsluitend te focussen op het adopteren van de nieuwste technologie, moeten landen investeren in het bredere ecosysteem dat technologie laat gedijen. Dit omvat het verbeteren van de kwaliteit van het onderwijs, het versterken van managementpraktijken, het bouwen van betrouwbare infrastructuur en het waarborgen dat instituties innovatie kunnen ondersteunen. De studie belooft niet dat dit gemakkelijk of snel zal gaan, maar het verheldert het probleem. De kloof gaat niet alleen over wie de middelen heeft, maar over wie de capaciteit heeft om ze te gebruiken. Om kunstmatige intelligentie een kracht voor gelijkheid te laten zijn, moet het gepaard gaan met een oprechte inspanning om de menselijke en institutionele fundamenten te bouwen die potentieel omzetten in vooruitgang. Zonder dat blijft de belofte van een verbonden wereld slechts dat: een belofte, terwijl de realiteit van de intelligentiekloof zich blijft vergroten.