Michael Spence
Đỗ Kim Thêm dịch
Một lần nữa, những tiến bộ trong thông minh nhân tạo và học qua máy dấy lên mối lo về tình trạng mất việc làm trên quy mô lớn. Trong khi việc thích ứng với thị trường lao động có vẻ như ngăn chặn được tình trạng thất nghiệp cao thường xuyên, thì không thể dựa vào việc này để ngăn chặn được sự bất bình đẳng gia tăng mạnh.
Có lẽ không một khía cạnh nào của cuộc cách mạng kỹ thuật số gây được chú ý nhiều hơn là tác dụng của tự động hoá đối với việc làm, thu dụng và thu nhập. Có ít nhất một lý do chính đáng cho điều đó, nhưng nó có lẽ không phải là lý do mà hầu hết mọi người sẽ đề cập.
Sử dụng các máy móc để tăng năng suất không phải là chuyện mới. Trong chừng mực nào đó, bất kỳ công cụ nào cũng là một cỗ máy, con người đã làm việc đó trong phần lớn lịch sử ngắn ngủi của chúng ta trên hành tinh này. Tuy nhiên, kể từ cuộc Cách mạng Công nghiệp đầu tiên, khi năng lượng hơi nước và cơ giới hóa làm tăng năng suất trong quy mô và bền vững, thì tiến trình này đã trở nên quá đà.
Không phải ai cũng hoan nghênh sự chuyển đổi này. Nhiều người lo rằng nhu cầu lao động giảm sẽ dẫn đến tỷ lệ thất nghiệp cao thường xuyên. Nhưng điều đó đã không xảy ra. Thay vào đó, năng suất và thu nhập tăng cao đã thúc đẩy cho nhu cầu và do đó cũng thúc đẩy cho hoạt động kinh tế. Theo thời gian, các thị trường lao động đã thích nghi về các điều kiện kỹ năng, và cuối cùng, giờ làm việc giảm xuống, do sự quân bình giữa thu nhập và giải trí thay đổi.
Chưa hết, khi gia tăng lao động của con người nhường chỗ cho tự động hóa, với việc các máy móc thực hiện ngày càng nhiều nhiệm vụ một cách tự chủ trong các giai đoạn thông tin, kiểm soát và giao dịch của nền kinh tế, sự lo ngại về tình trạng mất việc trên quy mô lớn lại gia tăng. Sau cùng, các công việc dành cho người làm văn phòng và phân xưởng liên quan đến hầu hết các công việc thường ngày, tức là dễ dàng được hệ thống hóa, đã biến mất với tốc độ ngày càng nhanh, đặc biệt là kể từ năm 2000. Bởi vì phần nhiều các công việc này chiếm phần trung gian của bảng phân phối thu nhập, tiến trình này đã thúc đẩy cho sự phân cực trong việc làm và thu nhập.
Tuy nhiên, như trong thế kỷ 19, thị trường lao động đang thích nghi. Đầu tiên, giới lao động bị thay thế có thể tìm việc làm mới trong những công việc đòi hỏi kỹ năng sẵn có của họ. Tuy nhiên, đối mặt với những cơ hội hạn chế, họ sớm bắt đầu theo đuổi những công việc có yêu cầu kỹ năng thấp hơn (hoặc dễ đạt được), bao gồm cả công việc bán thời gian trong nền kinh tế làm việc tạm thời theo hợp đồng do internet tạo ra, ngay cả khi điều đó có nghĩa là phải chấp nhận mức thu nhập thấp hơn.
Theo thời gian, ngày càng nhiều người lao động bắt đầu đầu tư vào việc học kỹ năng đang được yêu cầu trong các loại công việc không thường xuyên, được trả lương cao hơn. Nói chung, đây thường là một tiến trình tốn nhiều thời gian hơn, mặc dù nó đã được đẩy nhanh ở một số quốc gia, kể cả Hoa Kỳ, bởi các sáng kiến liên quan đến chính phủ, doanh nghiệp và định chế giáo dục.
Tuy nhiên, ngay cả khi có các cơ chế hỗ trợ về thể chế, việc tiếp cận phát triển các kỹ năng thường không được công bằng. Chỉ những người có đủ thời gian và nguồn lực tài chính mới có thể thực hiện khoản đầu tư cần thiết, và trong một xã hội bất bình đẳng cao độ, nhiều người lao động bị loại trừ ra khỏi nhóm này. Trong bối cảnh đó, chúng ta có lẽ nên bớt lo về tình trạng thất nghiệp thường xuyên trong một quy mô lớn và nhiều hơn nữa mà là về sự gia tăng bất bình đẳng và các hậu quả xã hội và chính trị.
Để chắc chắn, thích ứng công nghệ có thể làm giảm mức độ của vấn đề tiếp thu kỹ năng, sau cùng, thị trường mang lợi với những đổi mới giúp cho các thiết bị và hệ thống bằng kỹ thuật số dễ sử dụng hơn. Ví dụ: khi đồ họa viên dùng giao diện, cho phép tương tác với các thiết bị điện tử thông qua các dấu hiệu dự báo có thể thấy được, hiện đang phổ biến đến mức chúng ta coi đó là hiển nhiên. Khi các phương pháp tiếp cận bằng trưc giác như vậy được áp dụng cho các quy trình công nghệ ngày càng phức tạp, nhu cầu đào tạo lại, và do đó, tác động trong việc phân phối của cuộc cách mạng kỹ thuật số, sẽ giảm bớt.
Tiến bộ về thông minh nhân tạo cũng sẽ có tác động. Cho đến khoảng mười năm trước đây, tự động hóa dựa trên việc mã hóa các nhiệm vụ: máy móc được lập trình với một tập hợp các lệnh để đưa ra tính thuần lý trong các quyết định của con người. Nhưng còn những nhiệm vụ không thể được thu gọn, đãi lọc thành một chuỗi các bước hợp lý, được xác định trước thì sao? Từ việc hiểu ngôn ngữ tự nhiên đến nhận ra các đối tượng bằng quan sát, một số lượng lớn các hoạt động đáng ngạc nhiên, thậm chí là những hoạt động bề ngoài đơn giản, phù hợp với thể loại này. Điều này đã giữ cho nhiều công việc “an toàn” khỏi tự động hóa, do những tiến bộ trong học bằng máy, nhưng việc này không còn kéo dài lâu hơn nữa.
Về cơ bản, việc học bằng máy là nhận dạng mẫu rất phức tạp. Sử dụng nguồn dữ liệu lớn và sức mạnh tính toán khổng lồ, máy học cách làm những thứ mà chúng ta không thể viết mã. Các máy làm điều này bằng cách sử dụng các ví dụ thay vì theo một trình tự thuần lý dựa trên quy tắc. Những tiến bộ trong việc học bằng máy đã mở ra những lĩnh vực tự động hóa rộng lớn: người máy, phương tiện tự hành và quét tài liệu kỹ thuật y tế cho các bài báo quan trọng. Trong nhiều lĩnh vực, chẳng hạn như nhận dạng khuôn mẫu trong khoa học di truyền và y sinh, máy móc không chỉ có khả năng thay thế giới lao động; ở một số khía cạnh, khả năng của máy thấp hơn bất kỳ khả năng nào của con người.
Đây là một tin vui hơn những gì có thể tưởng tượng. Vâng, nhiều nhiệm vụ chính và phụ sẽ được phân bổ lại cho các máy. Nhưng mục đích và giai đoạn cuối của cuộc cách mạng kỹ thuật số phải là biến tự động hóa công việc thành tăng cường kỹ thuật số. Và khi máy móc thực hiện các nhiệm vụ mà con người không thể thực hiện được, thì việc tăng cường chính xác là những gì chúng ta đang nhận được.
Khi trong giai đoạn đầu tiên này, không thể nói chắc là có lý do để tin rằng các chi phí chuyển đổi của đợt gián đoạn liên quan đến công việc mới này sẽ kinh qua trên một bảng phân phối thu nhập rộng hơn so với đợt đầu. Trong phần cuối của bảng phân phối thu nhập trên toàn cầu, những tiến bộ trong thông minh nhân tạo và người máy sẽ phá vỡ và cuối cùng thay thế ngành sản xuất thâm dụng lao động – và các mô hình phát triển phụ thuộc vào nó. Ở phần cao của bảng phân phối thu nhập, các khả năng dựa trên học qua máy sẽ có tác động lớn đến nghiên cứu khoa học và phát triển công nghệ, cũng như các dịch vụ chuyên nghiệp cao cấp.
Tuy nhiên, thực tế vẫn là chúng ta đang đối mặt với những quá trình chuyển đổi rất phức tạp, không phải là sự cân bằng, và chúng ta không thể mong đợi sự thích nghi tự nhiên của giới lao động và thị trường lao động để tạo ra kết quả công bằng, đặc biệt là với sự khác biệt lớn về nguồn lực thuộc gia đình như một điểm xuất phát. Đó là lý do tại sao các nhà hoạch định chính sách (hợp tác với các giới doanh nghiệp, lao động và khoa bảng) phải tập trung vào các biện pháp giảm bất bình đẳng thu nhập và giàu nghèo, bao gồm đảm bảo khả năng tiếp cận rộng rãi với các dịch vụ xã hội chất lượng cao như giáo dục và đào tạo kỹ năng. Trong trường hợp không có biện pháp can thiệp này, sẽ có nguy cơ đáng kể là tiến trình chuyển đổi kỹ thuật số trong công việc sẽ khiến nhiều người bỏ lại phía sau, với những hậu quả bất lợi về lâu dài đối cho sự đoàn kết xã hội.
***
Michael Spence đoạt giải Nobel kinh tế, Giáo sư Kinh tế hồi hưu, Cựu Khoa trưởng Khoa Kinh doanh Đại học Stanford, Thành viên cao cấp tại Học viện Hoover, tác già sách The Next Convergence: The Future of Economic Growth in a Multispeed World.
