Opinii

Traim intr-o perioada de profunde transformari; in fapt, are loc o schimbare de paradigma. Asa cum de altfel stim, marile transformari economice ale istoriei au fost legate aproape intotdeauna de capacitatea oamenilor de a transforma cunoasterea in tehnologie si apoi tehnologia in productivitate. Ca sa facem doar o simpla trecere in revista, fara a trata exhaustiv acest subiect, spre exemplu motorul cu aburi, electricitatea, productia de masa, semiconductorii si internetul nu au reprezentat doar inventii spectaculoase. Fiecare dintre ele a modificat, uneori mai putin, alteori mai mult, modul in care producem, muncim, comunicam si, in cele din urma, modul in care definim valoarea economica .

Astazi, ne aflam probabil in situatia in care o noua transformare a aparut la orizont si inainteaza cu o viteza ametitoare. Inteligenta artificiala, robotizarea, calculul cuantic, volumele uriase de date si digitalizarea economiei incep sa formeze infrastructura unei noi etape de dezvoltare.

Dar ce se afla la baza unei astfel de transformari? Raspunsul cel mai la indemana este ca in spatele acestei lumi aparent sofisticate se afla un principiu extrem de simplu, de altfel: informatia poate fi reprezentata, procesata si transmisa digital prin combinatii de 0 si 1. Putem vorbi, in acest sens, despre tranzitia economiei actuale spre un nou tip de economie pe care o putem defini ca fiind economia binara. In fapt, o astfel de economie este o economie in care o parte tot mai mare a valorii nu mai provine din materia fizica sau din forta de munca utilizate pentru realizarea unui produs, ci in special din informatia, algoritmii, proprietatea intelectuala si tehnologia incorporate in acesta. Economiile emergente trebuie sa evite capcana venitului mediu, tocmai de aceea, pentru a avansa in ierarhia internationala, dezvoltarea tehnologiei si implementare modelelor AI nu mai sunt optionale, ci elemente fundamentale ale noului model de dezvoltare.

Un moment important pentru dezvoltarea recenta a inteligentei artificiale a fost publicarea de catre cercetatorii Google a lucrarii Attention Is All You Need . Vaswani et al. (2017) propun arhitectura Transformer, bazata pe mecanismul de self-attention , ca alternativa la modelele secventiale utilizate pana atunci, in special retelele neuronale recurente si convolutionale. Unul dintre avantajele importante ale acestei arhitecturi este posibilitatea de a identifica relatiile dintre diferitele elemente ale informatiei procesate fara a fi necesara prelucrarea lor strict secventiala. Acest lucru permite o paralelizare mult mai eficienta a calculelor si, implicit, utilizarea unor volume considerabil mai mari de date in procesul de antrenare. Initial, arhitectura Transformer a fost dezvoltata pentru procesarea limbajului natural, insa aplicabilitatea sa s-a dovedit mult mai larga. Dosovitskiy et al. (2021), in An Image is Worth 16*16 Words: Transformers for Image Recognition at Scale , extind aceasta abordare la procesarea imaginilor. Ideea este relativ simpla: imaginea este impartita intr-un numar de fragmente ( patches ) de dimensiune fixa, care sunt ulterior transformate in reprezentari vectoriale si tratate intr-o maniera asemanatoare secventelor de cuvinte. Autorii arata ca, in conditiile utilizarii unor seturi suficient de mari de date pentru antrenare, Vision Transformer (ViT) poate obtine rezultate comparabile sau chiar superioare arhitecturilor convolutionale consacrate. Dincolo de performantele obtinute in aplicatiile individuale, aceasta evolutie are o implicatie economica importanta. Capacitatea algoritmilor de a procesa text, imagini si, ulterior, alte forme de informatie nestructurata extinde considerabil numarul activitatilor cognitive care pot fi asistate sau automatizate. In masura in care aceste tehnologii sunt integrate in procesul de productie, efectele lor se pot transmite asupra productivitatii totale a factorilor, productiei si cererii pentru diferite categorii de munca.

Dimensiunea acestor efecte este insa departe de a fi clara. O perspectiva relativ prudenta este prezentata de Acemoglu (2024) in The Simple Macroeconomics of AI . Utilizand un model bazat pe sarcini ( task-based model ), acesta arata ca efectul agregat al AI depinde nu numai de numarul activitatilor care pot fi automatizate, ci si de castigurile de productivitate obtinute in cazul fiecareia dintre acestea. Pe baza estimarilor privind expunerea diferitelor ocupatii la AI si a rezultatelor microeconomice disponibile, Acemoglu estimeaza o crestere cumulata a TFP de aproximativ 0,66% pe parcursul a zece ani. Aceasta ar corespunde unei contributii suplimentare de aproximativ 0,064 puncte procentuale pe an la cresterea TFP. Estimarea devine si mai redusa daca se tine seama de faptul ca o parte dintre activitatile expuse AI sunt dificil de automatizat. Efectul asupra productiei poate fi insa mai mare decat efectul direct asupra TFP, deoarece cresterea productivitatii determina, la randul sau, o reactie a investitiilor si o acumulare suplimentara de capital. Acemoglu estimeaza astfel efecte cumulate asupra PIB mai mari decat cele asupra TFP, magnitudinea acestora depinzand inclusiv de intensitatea raspunsului investitional. Automatizarea poate produce, in acelasi timp, efecte importante asupra pietei muncii. Acemoglu si Restrepo (2019) arata ca preluarea de catre capital a unor sarcini realizate anterior de munca genereaza un displacement effect , cu efect negativ asupra cererii pentru munca si asupra ponderii veniturilor salariale in valoarea adaugata. In sens opus actioneaza reinstatement effect , asociat aparitiei unor noi sarcini in care munca detine in continuare un avantaj comparativ. Efectul final al progresului tehnologic asupra muncii depinde, prin urmare, de importanta relativa a celor doua mecanisme.

La celalalt capat al spectrului se afla scenariile asociate dezvoltarii Artificial General Intelligence (AGI). Korinek si Suh (2024) analizeaza o economie in care progresul AI permite automatizarea treptata a unor sarcini din ce in ce mai complexe, pana la situatia in care tehnologia ar putea realiza toate sarcinile efectuate de munca umana. O concluzie importanta a analizei lor este ca evolutia salariilor depinde de raportul dintre viteza cu care are loc automatizarea si ritmul acumularii capitalului. Daca automatizarea avanseaza lent, acumularea de capital poate sustine cererea pentru activitatile care continua sa fie realizate de oameni, iar salariile pot continua sa creasca. Daca insa automatizarea se produce suficient de rapid, munca poate deveni relativ abundenta in raport cu sarcinile care ii mai sunt rezervate, iar salariile pot incepe sa scada chiar inainte ca automatizarea completa sa fie atinsa. Diferentele fata de scenariul relativ moderat analizat de Acemoglu sunt considerabile. In unele dintre simularile prezentate de Korinek si Suh, tranzitia catre o forma avansata de AI poate conduce la cresteri ale productiei de peste zece ori intr-un interval de aproximativ doua decenii, in functie de ipotezele privind viteza progresului tehnologic si posibilitatile de automatizare.

Trammell si Korinek (2023) analizeaza problema dintr-o perspectiva apropiata, concentrandu-se asupra consecintelor pe termen lung ale automatizarii productiei si ale activitatilor de cercetare. Daca AI poate substitui munca intr-o parte suficient de mare a procesului de productie, una dintre constrangerile traditionale asupra cresterii economice - oferta limitata de munca - isi pierde treptat importanta. Intr-un scenariu in care productia poate fi automatizata aproape integral, iar capitalul reproductibil poate prelua o parte tot mai mare dintre activitatile desfasurate anterior de oameni, rata de crestere a productiei poate creste substantial, in timp ce ponderea muncii in venit se poate reduce. Efectul devine si mai puternic atunci cand automatizarea cuprinde activitatea de cercetare-dezvoltare, deoarece AI contribuie in acest caz nu doar la productia curenta, ci si la generarea progresului tehnologic viitor. In aceste conditii, efectul asupra salariilor nu este in mod necesar acelasi cu efectul asupra productiei: o economie poate inregistra o crestere foarte rapida a outputului concomitent cu o reducere a ponderii veniturilor care revin muncii. Literatura ofera astfel un interval foarte larg de rezultate posibile, de la efectele relativ moderate asupra TFP estimate de Acemoglu (2024) pana la modificari mult mai ample ale productiei, acumularii de capital si remuneratiei muncii in scenariile de tranzitie catre AGI analizate de Korinek si colaboratorii sai.

O tara poate concura pentru o perioada prin costuri salariale reduse sau acces la resurse naturale. Dar asemenea avantaje sunt fragile. Salariile cresc odata cu dezvoltarea economica ca urmare a procesului de convergenta si a cunoscutului efect Balassa - Samuelson, iar diferentele de cost pot fi replicate de alte economii. Avantajul mult mai greu de reprodus este cel bazat pe cunoastere-inovare, capital uman cu abilitati specifice, tehnologie si proprietate intelectuala.

Tocmai de aceea, tarile aflate in grupul economiilor avansate incearca sa ocupe segmente ale lanturilor globale de valoare in care marjele sunt ridicate: cercetare si dezvoltare, software, semiconductori, biotehnologie, robotica, inteligenta artificiala, industria aerospatiala, tehnologii energetice avansate si servicii sofisticate. Nu este suficient doar sa produci mai mult, conteaza din ce in ce mai mult ce produci, cu ce tehnologie produci si cata cunoastere este incorporata in ceea ce produci.

In limbaj economic, aceasta transformare se poate explica prin modificari importante ale productivitatii totale a factorilor (TFP), care reflecta, in fapt, partea din cresterea productiei care nu poate fi explicata doar prin acumularea de munca si capital. Inca din modelul neoclasic al lui Solow (1956), progresul tehnologic reprezinta principala sursa a cresterii economice pe termen lung, fiind insa tratat ca un factor exogen. Ulterior, teoria cresterii endogene, dezvoltata prin contributiile lui Romer (1986, 1990) si Lucas (1988), a incercat sa explice modul in care progresul tehnologic si productivitatea sunt generate chiar in interiorul economiei. Romer acorda un rol central ideilor, cunoasterii si inovarii, in timp ce Lucas pune accentul pe acumularea de capital uman. Din aceasta perspectiva, tehnologia, organizarea, competentele, calitatea institutiilor si inovarea permit unei economii sa obtina mai mult din aceleasi resurse, iar dezvoltarea AI poate amplifica aceste mecanisme si, implicit, cresterea productivitatii pe termen lung.

In sensul celor mentionate anterior, investitiile in cercetare-inovare si educatie pot produce efecte care se propaga in intreaga economie. Acestea sunt in fapt baza pentru a avea o crestere economica sustenabila. Se creeaza astfel un cerc virtuos, care, pentru o economie aflata in convergenta, permite trecerea la o crestere economica bazata pe surplus de productivitate.

Si aici as dori sa intervin cu o noua apreciere. De fapt, atunci cand vorbim de crestere economica trebuie sa avem in vedere natura acesteia, nu doar ca si continut (componentele care o determina), dar si din perspectiva capacitatii de regenerare.

Este important sa avem crestere economica, dar se pune o noua intrebare: aceasta crestere economica are la baza o serie de conditii care vor determina multiplicarea ei, regenerarea capacitatii de crestere viitoare? Astfel, o crestere se numeste generatoare atunci cand procesul prin care produce prosperitate are un efect multiplicator pentru posibilitatea de a produce prosperitate si in viitor.

Privind lucrurile astfel, am putea defini trei tipuri de crestere economica: o crestere extractiva, care implica un consum important de resurse si ale carei efecte sunt preponderent temporare; o crestere sustenabila, care pune accent pe continuitate si pe prevenirea acumularii unor dezechilibre economice, sociale sau de mediu; si o crestere generatoare, care are la baza un efect multiplicator care se propaga inclusiv asupra perioadelor viitoare. Acest din urma tip de crestere accentueaza importanta capacitatii economiei de a genera endogen factorii care sa sustina continuarea dezvoltarii pe termen mediu si lung. O perspectiva complementara este oferita de Jones, Lopez-Salido si Philippon (2026), care aduc in discutie distinctia dintre cresterea exponentiala si cea aditiva a productivitatii. Autorii gasesc, pentru economia SUA, dovezi in favoarea unei dinamici conditional aditive a TFP, ceea ce implica faptul ca sporurile de productivitate nu cresc in mod necesar proportional cu nivelul deja atins al acesteia. Acest rezultat sugereaza ca mecanismele care genereaza cresterea si capacitatea acestora de a se perpetua in timp sunt cel putin la fel de importante precum ritmul de crestere observat la un anumit moment. Cele trei forme de crestere descrise anterior pot fi legate si de pozitia economiei in cadrul ciclului economic si nu sunt, in practica, reciproc exclusive. Aceeasi economie poate manifesta simultan si cu intensitati diferite, caracteristici ale mai multor forme de crestere, ceea ce am putea defini, intr-un sens mai larg, drept o structura fractala a procesului de crestere economica.

Suntem la inceputul unei noi calatorii. Dupa revolutia agricola, revolutia industriala si revolutia digitala, intram in epoca inteligentei artificiale si a robotizarii. Noua frontiera nu mai este doar geografica sau spatiala. Este frontiera inteligentei, a informatiei si a cunoasterii intr-o economie digitalizata, care va evolua cu alta viteza decat am fost obisnuiti.