Asmeninis archyvasEkonominis prognozavimas šiandien primena meteorologiją – formuluoji tendencijas, o jos greitai keičiasi. Kalbėdamas su kolegomis iš Lietuvos ir kitų šalių centrinių bankų, tarp jų ir iš Suomijos centrinio banko, matau bendrą tendenciją: tradiciniai modeliai vis sunkiau atlaiko greitai besikeičiančios realybės spaudimą. Geopolitinis neapibrėžtumas – JAV, Izraelio ir Irano konfliktas, įtampa kitose pasaulio dalyse – susijungia su technologiniu lūžiu, kurio tempas primena revoliuciją. Todėl šiandienos prognozes reikia skaityti kaip scenarijus, o ne faktus.
Ieškodami analogijų, ekonomistai vis dažniau mini vadinamąjį Engelso periodą (ar Engelso pauzę) – XIX a. pradžios laikotarpį, kai darbo našumas augo sparčiai, o realus darbo užmokestis atsiliko. Tai ne nusistovėjęs terminas, greičiau metafora, padedanti suprasti dabartį. Tyrimai rodo, kad kai kuriuose sektoriuose dirbtinis intelektas didina produktyvumą 4, 11 ar 14 procentų, kai kur – net iki 33 procentų ar daugiau. Tačiau darbo užmokestis nekyla tokiu pat tempu. Ar tai laikina, ar struktūrinė tendencija – vienas svarbiausių artimiausių metų klausimų.
Šio lūžio mastas dar iki galo neįvertintas. Per kelerius metus generatyvinis dirbtinis intelektas iš tyrimų laboratorijų persikėlė į įmonių kasdienybę – teisę, finansus, marketingą, programavimą ir net medicinos diagnostiką. Dalyvaudamas Norvegijos pramonininkų konferencijoje išgirdau aiškią verslo ir mokslo atstovų poziciją: artėja drastiški pokyčiai. Tai reiškia, kad ekonominės prognozės turi įtraukti naują kintamąjį – kiek užduočių artimiausiu metu pereis nuo žmogaus prie mašinos. Šio atsakymo dinamika keičiasi kas mėnesį.
Iš ekonominės perspektyvos kyla klausimas: kas pasiims didžiausią naudą? Atsakymas nėra optimistiškas. Jau dabar matome kapitalo koncentraciją nedaugelio kompanijų rankose. Žiniasklaidoje „Google“ ir „Meta“ valdo apie 70 proc. pasaulinių reklamos pajamų. Panašaus scenarijaus tikimasi ir dirbtinio intelekto srityje – kelios dominuojančios bendrovės įgis pranašumą, leidžiantį plėstis į kitus sektorius. JAV duomenys rodo, kad atlyginimų skirtumas tarp žemiausios ir aukščiausios grandies darbuotojų išaugo nuo 3–4 iki keliolikos kartų. Nelygybės augimas – ne hipotezė, o faktas.
Vis dėlto dirbtinis intelektas turi ir kitą pusę – jis mažina skirtumus tarp patyrusių ir mažiau patyrusių darbuotojų, leidžia mažoms įmonėms ir valstybėms pasivyti lyderius. Tai svarbu Lietuvai. Tačiau tam reikia dviejų dalykų – prieigos ir gebėjimų. Prieiga gali būti ribojama: jei „OpenAI“ vadovas kalba apie DI kaip apie komunalinę paslaugą, tai signalizuoja apie augančią infrastruktūros kainą ir strateginę galią.
Čia atsiskleidžia Europos dilema. Didžioji dalis dirbtinio intelekto vertės kūrimo grandinės yra už ES ribų. Turime stiprių tyrėjų ir universitetų, tačiau neturime nei panašaus masto kompanijų, nei kapitalo koncentracijos. Viena priežasčių – reguliavimas. Dirbant Inovacijų agentūroje teko matyti, kad ilgą laiką ES siekė vienodų sąlygų visoms įmonėms, neatsižvelgdama į jų potencialą. Subsidijos buvo skirstomos beveik vienodai, o tai prieštarauja inovacijų logikai.
Kuriant Europos Sąjungą manyta, kad geriausia pramonės politika – intensyvi konkurencija be tiesioginės paramos. Šiandien pripažįstama, kad tai galimai buvo klaida. Nors kursas keičiamas, prarastas laikas leido JAV ir Kinijos įmonėms sukaupti milžiniškus išteklius.
Vis dėlto yra ir sėkmės pavyzdžių. Skandinavijos šalys, veikiančios pagal tas pačias taisykles, yra inovacijų lyderės. Tai rodo, kad reguliavimas nėra vienintelė kliūtis. Svarbus yra gebėjimas išnaudoti ES galimybes, stipri pozicija Briuselyje; turi būti aiškus nacionalinis kursas. Reikia ne aklo paklusimo, o gebėjimo derinti europinę logiką su nacionaliniais prioritetais.
Lietuvoje svarbūs ir du papildomi veiksniai. Pirma, įtempta darbo rinka – dėl demografijos darbdaviams bus sunku ilgai išlaikyti žemesnius atlyginimus. Antra, turime diversifikuotą eksportą, veikiantį uostą ir laisvąsias ekonomines zonas – tai svarbus pagrindas ekonominiam augimui. Tačiau šių privalumų nepakaks, jei neišspręsime žemo našumo ir silpno inovacijų skatinimo problemų.
Trumpalaikes prognozes šiandien verta vertinti kaip orų prognozes – su didele paklaida. Ilgalaikėje perspektyvoje labai svarbus yra gebėjimas prisitaikyti. Šalys ir įmonės, kurios greitai integruos dirbtinį intelektą ir valdys jo keliamas rizikas, taps lyderėmis. Kitos mokės kainą produktyvumo, atlyginimų ir geopolitinės įtakos prasme.
Praktiškai tai reiškia tris prioritetus. Pirma, aiški dirbtinio intelekto integracijos strategija smulkiajam verslui. Antra, ES paramos paskirstymo peržiūra, stiprinant inovatyviausias įmones. Trečia, aktyvesnis dalyvavimas formuojant ES sprendimus – ne reaguojant, o veikiant iš anksto. Šie žingsniai lems, ar būsime tarp pokyčių formuotojų, ar tik jų sekėjų.
Dr. Arūnas Burinskas yra Vilniaus universiteto Ekonomikos ir verslo administravimo fakulteto docentas
