Azeem Azhar. Szybko, coraz szybciej. Jak postęp technologiczny zostawia nas w tyle i co możemy z tym zrobić

Widmo masowej automatyzacji i utraty pracy wisi nad Doliną Krzemową niczym mgła otulająca San Francisco. Chociaż to stara śpiewka, powróciła na początku XXI wieku – kiedy rozwój AI zaczął przynosić owoce. Księgarnie stały się pełne książek o takich tytułach jak „Drugi wiek maszyny” czy „Surviving AI” (Jak przeżyć w czasach sztucznej inteligencji), a wszystkie przedstawiały, w ten czy inny sposób, diabelnie prostą argumentację: sztuczna inteligencja zmienia zasady gry. Mamy technologię ogólnego przeznaczenia, która daje się dostosować do rozmaitych celów; można ją wykorzystywać w wielu różnych okolicznościach. W dodatku sama się przystosowuje: uczy się z doświadczenia. W rezultacie będzie się stale udoskonalać i z tego powodu znaczna część siły roboczej stanie się niepotrzebna.

Bo przecież przełomowe osiągnięcia w AI dotyczyły umiejętności, które wydawały się jednymi z najbardziej ludzkich: percepcji, komunikacji, planowania i manipulacji. Co więcej, naukowcy pokazywali maszyny, które potrafiły wykonywać te dotąd niedające się zautomatyzować zadania z większą pewnością niż najbardziej wykwalifikowany człowiek. Musi to prowadzić do utraty pracy przez wielu ludzi, zastępowanych przez oprogramowanie i roboty.

Czytaj więcej

Plus Minus

Zbigniew Nienacki i Pan Samochodzik. Przyjaciel młodzieży, towarzysz Moczara

„Nienacki. Skandalista od Pana Samochodzika” to biografia autora popularnego cyklu, pokazująca go jako agenta SB, ormowca, „utrwalacza władzy” i kłamcę.

Tysiąc cytowań

W najsłynniejszych badaniach na ten temat dwaj naukowcy z Oksfordu, Michael Osborne i Carl B. Frey, przewidywali, że aż 47 procent siły roboczej w Stanach Zjednoczonych jest zagrożone zwolnieniami w wyniku powstania zaawansowanych systemów komputerowych, takich jak uczenie maszynowe. Progności i futurolodzy skwapliwie przytaczali te i podobne wyniki – badania Osborne’a i Freya cytowano ponad siedem tysięcy razy w ciągu siedmiu lat. Na przykład w 2017 roku firma badań rynku Forrester przewidywała, że do 2027 roku prawie 25 milionów Amerykanów i Amerykanek straci zatrudnienie z powodu automatyzacji, natomiast powstałych dzięki niej miejsc pracy będzie zaledwie 14 milionów. BBC ostrzegało, że do 2030 roku straci pracę 20 milionów ludzi na świecie.

W tej narracji tkwi więcej niż ziarno prawdy. W drugiej dekadzie XXI wieku bardzo wielu ludzi straciło pracę w wyniku automatyzacji. W 2017 roku szef Deutsche Bank mówił o wykorzystaniu automatyzacji do zlikwidowania tysięcy stanowisk, zwłaszcza osób, które „przez większość czasu właściwie pełnią funkcję liczydeł”. Chociaż bankowość jest branżą szczególnie pozbawioną sentymentów, Deutsche Bank nie był odosobniony w chęci zautomatyzowania pracy biurowej. Kolejne firmy wprowadzały inicjatywy mające eliminować etaty białych kołnierzyków. Popyt był tak duży, że powstał boom na automatyzację biur. Jednym ze start-upów produkujących software tego typu była rumuńska firma UiPath. W 2015 roku zatrudniała mniej niż 20 osób. Przez następnych pięć lat wielkie korporacje z całego świata zwracały się do UiPath, chcąc zautomatyzować pracę biurową, tak że firma rozrosła się do ponad trzech tysięcy pracowników. W 2020 roku była warta ponad 35 miliardów dolarów.

Spóźniona robokalipsa

Skoro automatyzacja nabierała tempa, argument mówiący, że jej skutki odbiją się na statystykach zatrudnienia, wydawał się niepodważalny. Jeśli pracodawca może zwiększyć wydajność za pomocą nowej technologii, ostatecznie będzie potrzebował mniej ludzi, prawda? Długookresowe dane zdawały się to potwierdzać. Zatrudnienie w amerykańskim przemyśle wytwórczym osiągnęło szczyt w liczbach bezwzględnych w połowie 1979 roku, kiedy w tym sektorze pracowało 19,5 miliona Amerykanów. Pracownicy ci byli najwydajniejsi na świecie, o 50 procent wydajniejsi od brytyjskich i o 20 procent od niemieckich. Przez następnych kilkadziesiąt lat wielkość produkcji dalej rosła, ale zatrudnienie spadało. Amerykańskie fabryki produkowały więcej (pod względem wartości), ale potrzebowały w tym celu mniej pracowników. Według Brookings Institute: „W 1980 roku wytworzenie produktów przemysłowych o wartości 1 miliona dolarów w Stanach Zjednoczonych wymagało pracy 25 osób”. W 2016 roku wystarczyło do tego zaledwie pięcioro pracowników.

Ten trend wydaje się zresztą jeszcze wyraźniejszy wśród dzisiejszych firm technologicznych. Przyjrzyjmy się poziomowi zatrudnienia w jednym z największych niegdyś amerykańskich koncernów. W szczytowym momencie, w 1980 roku, General Motors zatrudniał 900 tysięcy osób. Sprzedawał wtedy ponad 4 miliony samochodów rocznie i osiągał niemal 66,3 miliarda dolarów przychodu. Każdy pracownik przekładał się więc na około 74 000 wartości sprzedaży. Przypatrzmy się teraz największym korporacjom epoki wykładniczej. Alphabet, właściciel Google’a, w 2019 roku zatrudniał mniej więcej 120 tysięcy osób, a osiągał przychody w wysokości 162 miliardów dolarów, co oznacza 1,4 miliona dolarów wartości sprzedaży w przeliczeniu na pracownika. Ogólny trend zmierza ku firmom o coraz większej wartości i coraz mniejszym zatrudnieniu.

Jest tu jednak pewien haczyk. Mimo wzrostu technologicznych gigantów statystyki zatrudnienia nadal wyglądały różowo. Dopóki pandemia Covid-19 nie sparaliżowała w 2020 roku światowych gospodarek, wiele krajów cieszyło się rekordowym poziomem zatrudnienia. Tak było w całym OECD, klubie37 (głównie) bogatych państw, jeszcze w 2019 roku – odsetek zatrudnionych był wyższy nawet niż przed globalnym kryzysem finansowym z lat 2007–2009. Na całym świecie wyglądało to podobnie. Międzynarodowa Organizacja Pracy szacowała, że na początku 2020 roku globalna stopa bezrobocia osiągnęła najniższy poziom od 2009 roku.

Najwyraźniej robokalipsa się spóźniała.

Czytaj więcej

Plus Minus

Lech Jęczmyk. Science fiction, zen i ks. Popiełuszko

Tłumacz, felietonista, dżudoka, znawca fantastyki, eksperymentujący z zen student, gorący katolik, odporny na peerelowskie brudy redaktor, ochroniarz ks. Popiełuszki, polityk i przyjaciel wielu. Jak to wszystko zdołało się pomieścić w jednym życiu Lecha Jęczmyka?

Nieporadność maszyn

Oto więc zagadka. Z jednej strony automatyzacja zagraża znacznej części siły roboczej. Z drugiej, im doskonalsze stają się technologie, tym więcej mamy miejsc pracy. O co tu chodzi?

Istnieje kilka możliwych wyjaśnień. Przede wszystkim automatyzacja może być w istocie znacznie trudniejsza, niż się wydaje – mimo gadania o czyhającym tuż za rogiem świecie robotów, tak naprawdę jesteśmy na dość wczesnym etapie tego procesu. Chociaż technologie są cały czas doskonalone, często uzyskanie nadludzkich mocy okazuje się zajmować im dłużej, niż się spodziewano. Musi trochę potrwać, zanim procesy wykładnicze nabiorą tempa.

Ta powolność wiąże się z faktem, że znaczną część pracy trudniej zautomatyzować, niż mogłoby się wydawać. Charakter wielu zajęć i zawodów oddaje maksyma zwana paradoksem Moraveca, bo jako pierwszy sformułował ją Hans Moravec, naukowiec zajmujący się robotyką i sztuczną inteligencją na Uniwersytecie Carnegie Mellon w latach 80. W 1988 roku napisał: „Stosunkowo łatwo sprawić, żeby komputery osiągały wyniki na poziomie dorosłego człowieka w testach na inteligencję albo grze w warcaby, ale zaprogramowanie im umiejętności rocznego dziecka w zakresie percepcji i mobilności, jest trudne lub wręcz niemożliwe”. Ponad 30 lat później paradoks Moraveca wciąż jest prawdziwy. Potrafimy zbudować komputery umiejące grać w go, grę, która ma więcej kombinacji ruchów, niż jest atomów we wszechświecie. Jednak z wieloma bardziej ludzkimi umiejętnościami te maszyny sobie nie radzą.

Jeśli chcemy zrozumieć, jak to działa w praktyce, warto przyjrzeć się dwóm sektorom gospodarki: jeden jest zdominowany przez siłę roboczą zwaną zwykle wysoko wykwalifikowaną, a drugi – nisko wykwalifikowaną. Przykładem tego pierwszego rodzaju pracownika jest makler z Wall Street. W typowym wyobrażeniu – nieco przestarzałym – będzie to mężczyzna w garniturze, krzyczący na giełdowym parkiecie, w otoczeniu monitorów ustawionych jeden na drugim. Ma kupować i sprzedawać akcje lub inne instrumenty finansowe w imieniu swoich klientów. Kto widział film „Nieoczekiwana zmiana miejsc” (1983), może pamiętać przedstawione w nim zawieranie transakcji na parkiecie giełdy towarowej, gorączkowe czy wręcz ocierające się o szaleństwo.

Jednak tę pracę, upragnioną przez pokolenia absolwentów studiów z zakresu finansów, łatwo zautomatyzować. Zajrzyjmy na giełdę, a zobaczymy, że maklerów w znacznej mierze zastąpiły komputery. Kiedy kupujemy lub sprzedajemy akcje, najprawdopodobniej zajmuje się tym algorytm, znajdując najlepszą cenę na rynku. Człowiek nie jest potrzebny. Kiedy w 2006 roku kierowałem zespołem do spraw innowacji w Reutersie, gigancie w dziedzinie informacji finansowych, algorytmiczne transakcje giełdowe zaczynały się upowszechniać. Sprzedawano i kupowano w ten sposób około 30 procent akcji. Dziesięć lat później – już 70 procent. Obrót głównymi instrumentami finansowymi za pośrednictwem człowieka jest coraz rzadszy.

Nawet zarządzanie funduszami inwestycyjnymi, wydawałoby się bardziej „ludzki” obszar usług finansowych, nie jest odporne na automatyzację. Przez dekady menedżerowie funduszy przyjmowali od innych pieniądze i osobiście wybierali inwestycje, które ich zdaniem miały przynieść dobre zyski. I od dziesięcioleci była to dziedzina, która przyciągała dobrze sytuowanych absolwentów, mających talent zarówno do analizy ekonomicznej, jak i do nawiązywania kontaktów. Te czasy już minęły. Menedżerów funduszy inwestycyjnych dziś zastępują automatyczne systemy. Istotnym etapem tego przejścia od funduszy „aktywnych”, prowadzonych przez ludzi, do „pasywnych” był koniec 2019 roku, kiedy ponad połowa wszystkich światowych aktywów zgromadzonych w funduszach inwestycyjnych trafiła do funduszy zarządzanych w oparciu o reguły, to znaczy proste modele ilościowe (rule-based), niż do tych prowadzonych przez ludzi podejmujących decyzje inwestycyjne.

Wszystko to jest możliwe, bo cała kultura giełdowa – krzyczenie na parkiecie, czerwone szelki, intensywny styl życia – była po prostu teatrem. Akcje to akcje. Oferta to oferta. Kupowanie i sprzedawanie akcji było kwestią skojarzenia oferty kupna z ofertą sprzedaży. Okazuje się, że zarządzanie tymi wszystkimi aktywami – papierami wartościowymi składającymi się na portfel inwestycyjny – właściwie lepiej wychodzi programom komputerowym niż ludziom. Jednak większość prac nie przypomina obrotu akcjami na Wall Street. Są bardziej skomplikowane niż śledzenie indeksu giełdowego czy kupowanie i sprzedawanie papierów wartościowych. Pełno w nich zadań, które wydają nam się oczywiste, tak że nie chce nam się ich zapisywać. Ludzie wiedzą, jak otworzyć drzwi czy nawiązywać kontakty z innymi osobami w pracy – a to właśnie te relacje międzyludzkie umożliwiają firmom funkcjonowanie. Interakcjami ze współpracownikami w znacznej mierze rządzą niepisane zasady, swoisty kod.

Skomplikowana praca niewykwalifikowana

Filozof Michael Polanyi stwierdził, że „możemy wiedzieć więcej, niż umiemy wypowiedzieć”. To zachwycająco ludzkie stwierdzenie, że otacza nas wiedza, której nie potrafimy ubrać w słowa. Uczymy się różnych rzeczy przez samo przebywanie ze współpracownikami, szefami, klientami. Kiedy jesteśmy zakorzenieni w jakimś środowisku, dostajemy sygnały i wskazówki na temat tego, jak załatwia się tu sprawy – co naprawdę się liczy, kto jest ważny, gdzie trzeba szukać kompromisu, jak i kiedy można pójść na skróty. Rzadko jest to wiedza spisana – a nawet gdyby była, i tak prawdopodobnie lepiej byśmy się tego wszystkiego nauczyli z doświadczenia. Nasze życie ma pewien cichy, ukryty wymiar, który nie jest skodyfikowany, i być może nigdy nie da się go usystematyzować.

Chyba w jeszcze większym stopniu dotyczy to zajęć wymagających jakoby „niskich kwalifikacji”, a nie „wysokich”, jak zawód maklera giełdowego. Antropolog David Graeber lubił zwracać uwagę, że wiele prac, które uznajemy za powtarzalne, zadaniowe i łatwe do zautomatyzowania, w istocie bardziej przypomina pracę opiekuńczą. Zawody te opierają się mniej na konkretnych zadaniach, a bardziej na interakcjach z ludźmi i pracy emocjonalnej. Na przykład pracownik londyńskiego metra – w jego zajęciu chodzi nie tyle o pilnowanie bramek biletowych, ile o pomaganie innym ludziom: wskazywanie drogi zdezorientowanym turystom, dbanie o to, by zgubione dzieci znalazły rodziców, tłumaczenie zdenerwowanym pasażerom, dlaczego pociąg się spóźnia. Jak to ujął Graeber: „Ma ona więcej wspólnego z pracą pielęgniarki niż z pracą murarza”.

Ta dynamika oznacza, że w praktyce znaczna część pracy wykonywanej przez siłę roboczą, uznawaną przez ekonomistów za „niewykwalifikowaną”, może okazać się trudna do zautomatyzowania. Podręcznik pracownika na ogół tylko bardzo pobieżnie tłumaczy, na czym w istocie polega dane zajęcie – nie obejmuje nawet połowy rzeczy, które musisz wiedzieć, by dobrze sobie radzić. A kiedy w danym zawodzie istnieje taka cicha czy ukryta wiedza, bardzo trudno stworzyć sztuczną inteligencję, która mogłaby wykonywać tę pracę. System AI potrzebuje jasno sprecyzowanego celu, a nowoczesne systemy trzeba wytrenować na podstawie zbioru danych. Jeśli know-how w danej pracy jest w znacznej mierze ukryty, niejawny, te dane będą niepełne. Krótko mówiąc: jeżeli środowisko powstało z myślą o człowieku, prawdopodobnie będzie zbyt skomplikowane dla maszyn, zarówno dziś, jak i w najbliższej przyszłości.

Czytaj więcej

Plus Minus

Psycholog Paweł Droździak: Netflix skazał dawnego Pana Samochodzika na nieistnienie

Z żywiołu literackiego Zbigniewa Nienackiego można było ulepić intrygującą, niejednoznaczną męską postać. Zamiast tego dostaliśmy narcyzika, którego banalność drwi z przeżycia pokoleniowego dzisiejszych 40- i 50-latków - mówi Paweł Droździak, psycholog i psychoterapeuta.

Automatyzowanie przez upraszczanie

W rezultacie, kiedy już dochodzi do automatyzacji, postępuje ona powoli, drobnymi krokami. „Pracę” trzeba podzielić na mniejsze części, łatwiejsze do opanowania. Wyodrębnia się jakiś prosty, może najprostszy, kawałek. A wtedy robot lub oprogramowanie może sobie poradzić z takim podstawowym fragmentem pracy. „Automatyzacja zachodzi głównie przez upraszczanie” – tłumaczy Carl Frey, współautor przytaczanego wyżej oksfordzkiego badania, malującego przyszłość ludzkiej pracy w czarnych barwach. „Nawet najnowocześniejsza robotyka nie potrafiłaby odtworzyć ruchów i procedur wykonywanych przez średniowiecznych rzemieślników. Produkcję dało się zautomatyzować tylko dlatego, że nieuporządkowane wcześniej zadania zostały w fabrykach podzielone na mniejsze części i uproszczone”.