Perspektywy gospodarcze w erze AI

Fundacja OpenAI przeznacza wstępnie 250 mln USD na budowanie bezpiecznych i dostatnich perspektyw gospodarczych.

Autor: Divya Siddarth i Wojciech Zaremba

Fundacja OpenAI przeznacza wstępnie 250 mln USD na dotacje, partnerstwa i bezpośrednie działania mające na celu budowanie bezpiecznych i dostatnich perspektyw gospodarczych.

Systemy gospodarcze istnieją w założeniu po to, aby zapewniać ludziom bezpieczeństwo, autonomię i możliwość budowania życia pełnego sensu. Zbyt często są one niewystarczające. AI doprowadzi do głębokich zmian gospodarczych, ponieważ sprawia, że możliwości, które wcześniej były dostępne w ograniczonym zakresie, stają się znacznie bardziej powszechnie dostępne. Jednocześnie istnieje głęboka niepewność co do tego, jak daleko i jak szybko zajdą te zmiany. Szeroki zakres możliwości sprawia, że jest to niezwykła okazja do tworzenia systemów, które umożliwią lepsze życie ludziom – teraz i w przyszłości. Obecne tempo zmian oznacza jednak, że okno czasowe na osiągnięcie tego celu jest krótsze, niż sądziliśmy, a koszt popełnienia błędu może być wielki. 

Nie musimy dokładnie wiedzieć, jak potoczy się przyszłość, aby się na nią przygotować. Celem tego programu jest wsparcie konkretnych rozwiązań instytucjonalnych, które można testować, modyfikować, skalować oraz nimi zarządzać. Będziemy działać w trzech obszarach:

  1. Zrozumienie zmiany: Inwestowanie w niezależną infrastrukturę do pomiaru i prognozowania, aby uzyskać jaśniejszy obraz wpływu AI na gospodarkę.

  2. Wspieranie transformacji: Zapewnianie zasobów pracownikom i społecznościom w okresie krótkoterminowych zakłóceń.

  3. Budowanie bezpieczeństwa ekonomicznego: Wspieranie nowych podejść do organizowania systemów polityczno-gospodarczych ery po AI oraz szerokiego dzielenia się korzyściami ekonomicznymi dla ludzi na całym świecie.

Ekonomiczne skutki AI będą szeroko odczuwalne, a doświadczenia ludzi będą istotnym elementem naszego podejścia. Wraz z tym wpisem zachęcamy ludzi do dzielenia się tym, co obserwują w swojej pracy, społecznościach i życiu ekonomicznym. Te perspektywy pomogą nam zrozumieć to, czego formalne badania mogą nie uchwycić. To wczesny krok w kierunku tworzenia szerszych kanałów zbiorowego wkładu w miarę rozwoju działalności Fundacji.

Zrozumienie zmiany

Wciąż nie mamy dobrych sposobów, by odpowiedzieć na fundamentalne pytania o to, jak sztuczna inteligencja zmienia i będzie zmieniać gospodarkę. Systemy, na których opiera się społeczeństwo, aby mierzyć i interpretować zmiany gospodarcze, zostały zbudowane w innej epoce. Naszym celem jest pomóc budować to, co nastąpi dalej.

Kluczowe pytanie dotyczy nie tylko tego, co AI może zrobić, lecz także tego, komu przypada ta wartość: pracownikom poprzez wynagrodzenia, firmom poprzez marże, konsumentom poprzez niższe ceny i lepsze usługi, rządom poprzez bazę podatkową, czy właścicielom kapitału poprzez renty. Jeśli AI tworzy wartość w postaci dóbr cyfrowych, a nie wyższych płac, statystyki dochodów tego nie uchwycą. Jeśli udział pracy w dochodzie spada, siła przetargowa pracowników może się zmniejszyć, a PKB może stać się gorszym wskaźnikiem dobrobytu. Potrzebujemy pomiaru, który monitoruje, co ludzie mogą faktycznie zrobić i do czego mają dostęp, a nie tylko ile zarabiają.

Wiele obecnych podejść do badania wpływu AI na gospodarkę koncentruje się na tym, które zadania mogą zostać zautomatyzowane. To jest przydatne, ale niekompletne. Ekonomiczne skutki sztucznej inteligencji będą zależeć od tego, w jaki sposób zadania są łączone w miejsca pracy, czy automatyzacja wypiera pracę ludzką, czy też tworzy nowe role uzupełniające pracę, w jaki sposób rozkład zadań zmienia się wraz z poprawą możliwości modelu oraz w jaki sposób firmy i kraje reorganizują się w odpowiedzi na te zmiany. Zrozumienie tych zmian wymaga lepszej publicznej infrastruktury rynku pracy na całym świecie: zdolności na wzór BLS do pomiaru zatrudnienia, płac, przejść i zachowań firm, a także zmodernizowanych systemów na wzór O*NET do mapowania pracy. Systemy te powinny być adekwatne w skali globalnej oraz, w stosownych przypadkach, powiązane z informacjami demograficznymi, geograficznymi, dotyczącymi etapu kariery oraz poziomu stanowiska.

Każdy kraj doświadczy transformacji związanej ze sztuczną inteligencją w inny sposób. Oprócz bezpośredniego mierzenia wpływu AI na lokalne gospodarki będziemy również finansować oceny ekonomiczne, aby zrozumieć, w jaki sposób AI może pomagać ludziom w różnych kontekstach. Jest to szczególnie pilną potrzebą w krajach o niskich i średnich dochodach, gdzie sztuczna inteligencja mogłaby szybko zwiększyć możliwości, wzmocnić dobra publiczne i przyczynić się do mobilności ekonomicznej. Interesują nas podejścia, które mogą pomóc w tworzeniu infrastruktury dostosowanej do specyfiki regionu, lokalnych instytucji i modeli upowszechniania, tak aby sztuczna inteligencja była użyteczna na warunkach określanych przez poszczególne kraje.

Supporting the Transition

Economic transitions are lived before they are fully understood. We intend to fund approaches that support people now while helping society prepare for longer-term change.

People may need support while they search for jobs, easier access to unemployment insurance, expanded wage loss insurance, help translating their experience into new roles, and pathways into growing sectors. Retraining may be part of the answer, but traditional retraining programs have mixed evidence, and an AI transition agenda will likely need to be broader. Evaluating these efforts must be rigorous–measured by whether they lead to better work, more stability, broader capabilities, and more real choices in people’s economic lives.

The goal is more than reemployment. We are also interested in approaches that give workers agency over AI deployment and citizens real voice in the institutions shaping economic change. As work changes, we want to better understand when it provides meaning, purpose, and satisfaction, and how more people can have access to those conditions. 

To make these efforts possible, we will also invest in the capacity of governments and public institutions to actually deliver. The best-designed program fails if the infrastructure to run it doesn't exist. AI itself may be a powerful tool for accelerating state capacity and public services around the world, and we will fund ambitious efforts to make that real.

We are especially interested in making AI work well for people least served by existing systems. AI that helps people make career decisions, handle legal and financial questions, access healthcare guidance, and solve problems that used to require scarce expertise could be a genuine equalizer, particularly in parts of the world where these services are scarce or nonexistent.  But this only works if the tools are accessible, deployed carefully, and designed with the people who will use them. What works will vary across sectors and geographies. We invite innovative ideas, and will fund pilots at a meaningful scale across multiple approaches and learn from what we find. 

Building for Long-term Economic Security

There is wide disagreement about the pace and scale of change that AI will bring. But we cannot afford to waste time waiting for certainty. 

The transition measures above are not designed for worlds in which automation accelerates, economic gains dramatically concentrate, or the share of income flowing through wages shifts significantly. In those scenarios, society will likely need new approaches that give people durable stakes in the systems creating value. We want to help move promising approaches from ideas into testable designs: clarifying how they would be financed, what institutions would administer them, what risks they might create, and what evidence would tell us whether they are working. 

On the revenue side, there are serious proposals worth studying and exploring through pilots: shifting taxation from labor toward capital and economic rents, windfall or excess-returns mechanisms, and approaches to public or sovereign wealth funds, drawing on models like the Government Pension Fund of Norway and Alaska’s Permanent Fund. Under deep uncertainty, fiscal mechanisms may need to be adaptive. Tax rates, contribution rules, or dividend formulas could respond to observable indicators such as concentrated gains, changes in labor share, displacement, or extraordinary returns.

On the distribution side, the questions are equally important: how to give people durable claims on broad economic growth through income, capital, public goods, essential services, jobs or public works programs, access to compute, or new forms of data governance. The goal is not only to support people through economic change after decisions have already been made, but to give them a stake and a voice in shaping how that change unfolds. 

Much of the work ahead is not only empirical but architectural, and will require imagining systems that don’t exist yet. We will support the research infrastructure that can inform decision-making across this work. We are particularly interested in multi-agent economic simulations that use AI to model how economies might evolve as capabilities improve, paired with scenario planning across a range of possible futures.

Conclusion

We are looking for ambitious work that matches transformative change, including ideas we have not thought of yet and work we can help scale. We welcome input on what is most needed.

The $250M will support external organizations through grants, open calls, and institutional partnerships, while the Foundation builds a team to advance work directly and helps seed ambitious new projects in this space. We expect to announce our first initiatives later this year, and we will share what we learn as we go. We want to understand which approaches actually work, and strengthen an independent, well-resourced ecosystem that can make options for economic security real before they are urgent.  

We are at the beginning of what is likely to be the most significant economic shift in generations. We believe the work of making this change benefit all of humanity is among the most important things the Foundation could be doing right now, and we intend to treat it that way.

  • Acknowledgements: Edede Oiwoh, Shantanu Jain