Den vanligaste invändningen mot oro för automation är att den bygger på ett felslut: att det finns en fast mängd arbete i ekonomin, och att varje uppgift maskinen tar är en uppgift människan förlorar. Invändningen är korrekt, och den träffar en stor del av den debatt som förs.
Den här texten formulerar tesen så att den inte förutsätter en fast jobbstock, och så att den går att motbevisa.
Varför produktivitet inte innebär färre jobb
Om fem utvecklare med AI kan bygga det som tidigare krävde tjugo har kostnaden per enhet mjukvara fallit kraftigt. Vad som händer därefter beror på vad som händer med efterfrågan.
Om efterfrågan på mjukvara är oförändrad krävs färre timmar. Om efterfrågan växer i takt med att priset faller krävs lika många. Om efterfrågan växer snabbare än priset faller krävs fler. Och om det billigare priset gör helt nya produkter lönsamma tillkommer arbete som inte fanns tidigare.
Att skriva om produktivitetsrelationen från andra hållet, alltså att samma produktion kräver mindre arbete, ger alltså ingen slutsats. Det håller produktionen konstant, och just det är antagandet som ska bevisas snarare än förutsättas. Formuleringen ser ut som aritmetik men är ett efterfrågeantagande.
Detta gäller också det retoriska greppet att om tio personer kan bygga ett företag som tidigare krävde hundra, så uppstår en fråga om de andra nittio. De nittio är inte en bestämd grupp förskjutna personer. De är arbetskraft som möter nya relativpriser, och det kontrafaktiska företaget med hundra anställda skulle sannolikt inte ha existerat i samma form.
Den uppgiftsbaserade formuleringen
Ett mer användbart sätt att tänka på automation delar upp arbetet i uppgifter i stället för i yrken.
Två krafter verkar samtidigt. Automatisering flyttar uppgifter från människa till maskin, vilket sänker arbetets andel av produktionen inom den uppsättning uppgifter som finns. Samtidigt uppstår nya uppgifter, och de nya uppgifterna höjer både efterfrågan på arbete och arbetets andel. Nettoeffekten beror på vilken kraft som är snabbare.
Historiskt har den andra kraften varit tillräckligt stark. En betydande del av dagens sysselsättning finns i yrken som inte fanns för några decennier sedan, och andelen är särskilt hög bland kvalificerade yrken. Det är ett starkt argument, och det är inte ett argument projektet försöker bortförklara.
Projektets påstående är därför inte att AI kan utföra mänskligt arbete. Det är detta:
Automatiseringstakten kan komma att överstiga takten i nyskapande av arbetsuppgifter, under tillräckligt lång tid för att omställningen ska bli samhälleligt svår.
Det är ett medvetet försiktigt påstående, och samtidigt ett skarpt, eftersom det anger vad som skulle behöva observeras för att det ska vara sant eller falskt.
AI automatiserar vägen vi brukade flytta till
Om den historiska mekanismen har hållit i tvåhundra år, varför skulle den inte hålla nu?
Det finns ett skäl som är värt att ta på allvar, och det är inte att tekniken är kraftfull. Det är var den är kraftfull.
Vid tidigare automationsvågor har människor flyttat mot mer kvalificerat kognitivt arbete. Det var dit vägen gick när muskelkraft ersattes av maskiner och när rutinuppgifter digitaliserades. Generativ AI förbättras snabbt inom just det kvalificerade kognitiva arbetet. Den kanal ekonomin historiskt har använt för att absorbera automation är alltså själv föremål för automation.
Det betyder inte att nya uppgifter upphör att uppstå. Det betyder att vi inte kan anta att absorptionstakten är oförändrad bara för att den har varit tillräcklig tidigare. Nyskapandet av uppgifter är en empirisk regularitet, inte en bevarandelag.
En ärlig invändning mot detta: en del av de nya uppgifter som uppstår kommer att vara uppgifter kring AI, alltså specifikation, granskning, ansvar, integration och omdesign av processer. Om den kategorin växer snabbt är balansen bevarad. Det är precis vad radaren ska försöka se.
Var polariseringen hör in
En vanlig framställning är att tidigare automationsvågor flyttade människor uppåt i kvalifikation. Den bilden är för vänlig.
Forskningen om rutinbaserad teknisk förändring beskriver i stället polarisering. Mellanskiktet av rutinbetonade men relativt välbetalda yrken urholkades, och en stor del av dem som förskjöts gick inte uppåt till kunskapsarbete utan i sidled eller nedåt till lägre betalda tjänsteyrken.
Polariseringen visar att tidigare omställningar inte var så smidiga som den optimistiska berättelsen antyder. Den visar också att utbildning och kompetensutveckling inte var ett tillräckligt svar ens före generativ AI.
Vad som skulle visa att vi har fel
Följande observationer skulle tala mot projektets tes. De anges i förväg, innan vi ser dem.
Att sysselsättningen och de arbetade timmarna i AI-exponerade yrken växer snarare än krymper, samtidigt som produktiviteten i dem stiger. Det skulle indikera att efterfrågeeffekten dominerar.
Att nya yrken och nya uppgiftskategorier uppstår i minst samma takt som tidigare, mätt i andel av sysselsättningen. Det skulle indikera att nyskapandet håller jämna steg.
Att juniorrekryteringen i exponerade yrken normaliseras efter en övergångsperiod. Det skulle indikera att det vi ser är en anpassningseffekt och inte en strukturell förändring.
Att lönesumman fortsätter växa realt i takt med produktionen. Det skulle innebära att den fiskala oron är obefogad oavsett vad som händer med arbetets andel.
Att beräkningskraft och energi förblir tillräckligt knappa vid marginalen för att människors relativa kostnad ska hålla dem i arbete inom en bred uppsättning uppgifter.
Så avgör vi vilken kraft som går snabbast
Om tesen formuleras som ett förhållande mellan två hastigheter följer en slutsats som är mindre dramatisk och mer användbar än den som vanligtvis dras.
Vi vet inte vilken hastighet som är högre. Vi kan mäta det, men bara om vi bygger mätningen innan vi behöver den. Och de åtgärder som är motiverade oavsett svaret ska genomföras nu, medan de som beror på svaret ska förberedas men inte genomföras.
Det är hela innehållet i sekvensen accelerera, mät, förbered.