Три метода решения проблемы: сокращение рабочего времени, переобучение и перераспределение доходов
Многие из технических решений проблемы, разработанных в Кремниевой долине, строятся на трех методах: переобучении рабочих, сокращении рабочего времени или перераспределении доходов. В каждом из этих методов акцент делается на одной из основных переменных, характерных для рынков труда (навыки, время, компенсация). Кроме того, все три метода строятся на разных предположениях о том, как быстро и в каких количествах будут исчезать рабочие места. Сторонники переобучения склонны считать, что смещение в сторону востребованных навыков, вызванное ИИ, будет протекать медленно, и если работники смогут адаптироваться и освоить другие специальности, то снижения потребности в рабочей силе не будет. Сторонники сокращения рабочего времени полагают, что распространение ИИ уменьшит спрос на человеческий труд, но это можно компенсировать переходом на трех- или четырехдневную рабочую неделю, а оставшуюся работу выполнять силами большего числа работников
[99]. Сторонники перераспределения доходов делают самые мрачные прогнозы. Многие из них считают, что ИИ вытеснит с рабочих мест такое количество людей, что ни переобучение, ни другие меры уже не помогут. Вместо этого нам придется применять более радикальные схемы перераспределения доходов, генерируемых ИИ, для поддержки оставшихся без работы людей. Давайте подробнее рассмотрим достоинства и недостатки каждого из этих подходов. Сторонники профессиональной переподготовки часто возлагают большие надежды на онлайн-обучение и так называемое непрерывное образование. Они считают, что с распространением образовательных онлайн-платформ, как бесплатных, так и платных, люди во всем мире получат доступ к обучающим материалам и смогут освоить новые специальности. Эти платформы позволят людям постоянно учиться, обновлять свои навыки и осваивать новые профессии, которые еще не подлежат автоматизации. Как предполагают сторонники этого подхода, безработные страховые агенты смогут использовать образовательные онлайн-платформы, такие как Coursera, чтобы стать разработчиками. А когда ИИ вытеснит и программистов, они смогут использовать те же инструменты для освоения какой-нибудь еще специальности, например инженера-алгоритмиста или психолога.
Непрерывное обучение с помощью онлайн-платформ – хорошая идея, и я считаю, что переподготовка кадров действительно станет важной частью новой политики. Она может особенно помочь тем, кто окажется в нижнем правом секторе наших диаграмм вытеснения из главы 6 («Медленное повышение риска»), учитывая их способности к творческому мышлению и работе в неструктурированных средах. Мне также нравится, что этот метод может дать людям чувство гордости за себя и контроль над собственной жизнью.
Но, учитывая глубину и широту влияния ИИ на рынок труда, я боюсь, что одного переобучения будет недостаточно для решения проблемы. По мере того как ИИ будет неизбежно захватывать все новые и новые профессии, работникам придется менять род занятий каждые несколько лет, и при этом в кратчайшие сроки приобретать навыки, которые кто-то другой осваивал и совершенствовал всю жизнь. Неопределенность в отношении темпов и путей автоматизации еще более усугубляет положение. Даже эксперты в области ИИ затрудняются предсказать, какие именно специальности подвергнутся автоматизации в ближайшие годы. Можем ли мы действительно ожидать, что рядовой работник сумеет выбрать программу переподготовки, способную обеспечить ему работу, которой не грозит исчезновение хотя бы в течение нескольких лет? Боюсь, что трудящимся придется постоянно отступать, подобно животным, которые спасаются бегством от неуклонно поднимающегося паводка и с тревогой перебегают с пригорка на пригорок в поисках спасения. Переподготовка поможет многим людям найти свое место в экономике ИИ, а наша задача – сделать обучение широко доступным. Но я считаю, что мы не можем рассчитывать на этот бессистемный подход, когда дело дойдет до масштабных потрясений на рынках труда. Внесу ясность: я считаю, что доступное образование – лучше долгосрочное решение проблем занятости, связанных с ИИ. Предыдущие тысячелетия прогресса продемонстрировали невероятную способность людей создавать технические инновации и приспосабливаться к ним, осваивая новые виды деятельности. Но с приходом ИИ масштаб и скорость грядущих перемен не оставят нам возможности полагаться только на обучение. Такие люди, как соучредитель Google Ларри Пейдж, уже начали выдвигать более радикальные предложения: давайте перейдем к четырехдневной рабочей неделе или к системе, при которой одно рабочее место «делится» между несколькими людьми. Второй вариант предполагает, что вместо одного рабочего места с полной занятостью появляется несколько рабочих мест с неполной занятостью, что позволяет дать работу большему количеству людей.
Эти предложения, скорее всего, означают снижение реального заработка для большинства людей, однако так можно было бы по крайней мере избежать масштабной безработицы. Творческий подход к распределению рабочих мест использовался и ранее
[100]. После финансового кризиса 2008 года несколько штатов в США опробовали такие механизмы на практике, чтобы помочь компаниям, вынужденным проводить сокращения. Вместо того чтобы уволить часть сотрудников, рабочее время для некоторых из них было сокращено на 20–40 %. Затем местные органы власти компенсировали им часть потерянной зарплаты, вплоть до 50 %. В некоторых местах этот подход работал очень хорошо и действительно позволял компаниям не увольнять сотрудников. В то же время местные органы власти могли сэкономить денежные средства, которые пошли бы на выплату пособий по безработице.
Подобные договоренности помогут избежать потери многих рабочих мест, и в первую очередь это касается профессий из сектора «Человекоориентированные специальности» наших диаграмм риска. Напомню: это специальности, в рамках которых ИИ выполняет основную задачу, но для взаимодействия с клиентами требуется небольшое количество работников. Будучи правильно построенными, такие механизмы могут действовать подобно правительственным субсидиям и позволят компаниям сохранить большую часть штата. Но пока этот подход работает хорошо лишь в краткосрочной перспективе: вряд ли его будет достаточно, чтобы справиться с масштабными последствиями развития ИИ. Существующие программы предполагают лишь частичное возмещение заработной платы, и это означает, что чистый доход работников все равно снижается. Люди могут с этим смириться на время экономического кризиса, но никому не понравится, если такая ситуация станет нормой. Попробуйте сказать человеку, зарабатывающему 20 000 долларов в год, что теперь он будет работать четыре дня в неделю и зарабатывать 16 000 долларов, – и он совсем не обрадуется. Вероятно, если творчески подойти к усовершенствованию этих программ, они могли бы стать эффективнее, и я призываю компании и правительства продолжать экспериментировать с ними. Но боюсь, что такой подход будет далеко не достаточным для решения долгосрочных проблем, которые возникнут на рынке труда в связи с распространением ИИ. Для этого нам, возможно, придется принять более радикальные меры.
