Помоги проекту - поделись книгой:
Все это полезно иметь в виду, когда мы размышляем о том, что нас ждет впереди. Сегодня мы тратим много времени на подсчет количества «рабочих мест», которые появятся в будущем. Пессимисты, например, представляют себе мир, где множество людей сидят без дела и ничего особенного не производят, потому что «роботы» забрали себе все рабочие места. Оптимисты в ответ приводят данные об уровне безработицы, который сегодня рекордно низок во многих местах, и говорят, что страхи перед будущим беспочвенны. Но в этом споре обе стороны рассуждают о будущем работы очень узко, как будто значение имеет лишь то, работает кто-то или нет. История показывает, что подход, выраженный исключительно в категориях «работы», недостаточен для создания полной картины. Технологические изменения могут повлиять не только на объем работы, но и на ее
График 1.4. Продуктивность и ежегодное количество часов работы, 2014
А пока я продолжу говорить о «рабочих местах». Мы должны понимать, что влияние технического прогресса на мир труда отразится не только на количестве рабочих мест для людей, но и на многих других аспектах, которые я подробнее рассмотрю в следующих главах.
С учетом этих предостережений мы можем теперь перейти к более широкому вопросу. Как же могло случиться, что в прошлом, несмотря на страхи столь многих людей, технический прогресс не привел к массовой безработице?
Ответ, когда мы оглядываемся назад на то, что действительно произошло за последние несколько сотен лет, заключается в том, что вредное влияние технологических изменений на работу – то, что занимало наших беспокойных предков, – это только половина истории. Да, машины заняли место людей в выполнении определенных задач. Но машины не просто заменяли людей; они также дополняли их в других задачах, которые не были автоматизированы, повышая спрос на людей, чтобы делать эту работу вместо них. На протяжении всей истории всегда действовали две различные силы: замещающая сила, которая вредила рабочим, но также и полезная дополняющая сила, которая делала противоположное. Эта полезная сила, о которой так часто забывают, действует тремя различными способами.
Возможно, самая очевидная помощь, которую дополняющая сила оказывает людям, заключается в том, что, вытесняя одних работников, новые технологии часто делают более продуктивными других. Вспомним о британских ткачах, которым посчастливилось работать на одном из механических челноков Кея в тридцатые годы XVIII века или на одной из прядильных машин Харгривза в шестидесятые годы того же столетия. Они могли прясть гораздо больше хлопка, чем их современники, которые полагались только на свои руки. В этом и состоит эффект продуктивности[73].
Этот эффект мы наблюдаем и сегодня. Водитель такси использует спутниковую навигационную систему для движения по незнакомым дорогам, архитектор применяет программное обеспечение для проектирования сложных зданий, а бухгалтер производит налоговые расчеты при помощи специальных программ. В результате все они, скорее всего, лучше справляются со своими задачами. Или возьмем врачей. В 2016 году группа исследователей из Массачусетского технологического института (МТИ) разработала систему, которая может определить наличие раковых клеток при биопсии молочной железы с точностью до 92,5 %. Для сравнения, врачи ставили правильный диагноз в 96,6 % случаев, но, когда они применяли систему, разработанную МТИ, этот показатель увеличивался до 99,5 % – почти идеальная точность. Благодаря новой технологии врачи стали лучше выявлять раковые заболевания[74].
В других условиях новые технологии могут автоматизировать некоторые задачи, забрав их из рук работников, и вместе с тем повысить продуктивность этих же работников в остальных задачах. Например, адвокат передает задачу разбора стопки бумаг автоматизированной системе проверки документов – программе, которая может сканировать юридические материалы гораздо быстрее, а во многих случаях и точнее[75]. Теперь адвокат может переключиться на другие задачи – давать юридические консультации, лично встречаться со своими клиентами или применять навыки решения проблем в особенно запутанных юридических казусах.
Во всех этих случаях если повышение производительности труда снижает цены для потребителей или обеспечивает им более качественные услуги, то спрос на любые товары и услуги, вероятно, будет расти, а вместе с ним и спрос на работников-людей. Таким образом, благодаря эффекту производительности технический прогресс дополняет людей самым непосредственным образом, увеличивая спрос на их усилия и повышая их эффективность в работе.
История экономики показывает, что дополняющая сила помогала работникам и другим, менее очевидным способом: если мы снова представим экономику как пирог, то технический прогресс сделал его намного больше. Как уже отмечалось ранее, за последние столетия объем производства резко возрос. Например, экономика Великобритании с 1700 по 2000 год увеличилась в 113 раз. И это ничто по сравнению с другими странами, которые в начале этого периода находились на более низком уровне развития: за те же триста лет японская экономика выросла в 171 раз, бразильская – в 1699 раз, австралийская – в 2300 раз, канадская – в 8132 раза, а американская – аж в 15 241 раз[76].
Интуитивно понятно, что подобный рост, скорее всего, помог рабочим. По мере того как экономика растет, а доходы людей увеличиваются, позволяя им больше тратить, вероятно, расширяются и перспективы работы. Да, некоторые задачи могут автоматизироваться и отходить машинам, но, по мере того как экономика расширяется и растет спрос на товары и услуги, увеличивается и спрос на все те задачи, которые необходимы для их производства. Они могут включать в себя деятельность, которая еще не автоматизирована, а это дает вытесненным работникам возможность найти новую работу.
Ларри Саммерс, некогда возглавлявший Национальный экономический совет при президенте США, вспоминал, что в юности его занимала эта мысль. В 1970-е годы, будучи начинающим ученым в МТИ, он оказался втянут в дебаты об автоматизации. По его словам, в то время в кампусе «глупые люди думали, что автоматизация приведет к исчезновению всех рабочих мест», а «умные понимали, что чем выше производство, тем больше доходов, а следовательно, больше спроса»[77]. Дэвид Отор, возможно, самый крупный специалист по рынку труда на сегодняшний день, высказывает аналогичную точку зрения, утверждая, что «люди ударяются в напрасный пессимизм… по мере того как человек становится богаче, он склонен потреблять больше, что тоже создает спрос»[78]. И Кеннет Эрроу, лауреат Нобелевской премии по экономике, также утверждал, что исторически «замена людей машинами» не приводила к росту безработицы. «Экономика действительно находит работникам новые рабочие места. Когда появляется богатство, люди будут его на что-нибудь тратить»[79].
В последние века дополняющая сила оказывала воздействие еще одним способом. Благодаря техническому прогрессу экономика не только выросла, но и трансформировалась: в различные моменты истории производилась совершенно разная продукция и совершенно разными методами. Если мы снова обратимся к образу пирога, то новые технологии не только его увеличили, но и
Опять же, интуитивно понятно, как эти изменения могли помочь вытесненным работникам. В определенный момент некоторые задачи могут автоматизироваться. Но по мере того как экономика меняется, спрос будет расти и на другие задачи в других сферах экономики. И, поскольку некоторые из этих новых востребованных видов деятельности опять-таки не были автоматизированы, работники могут найти работу, связанную с ними.
Чтобы увидеть эффект меняющегося пирога в действии, подумайте о Соединенных Штатах. Здесь можно увидеть, как вытесненные рабочие снова и снова пробираются в разные отрасли меняющейся экономики и начинают выполнять новые задачи. Столетие назад сельское хозяйство было важнейшей частью американской экономики: еще в 1900 году в нем было занято два работника из пяти. Но с тех пор значение его резко упало, и сегодня в нем занято менее двух человек из
Если эффект «растущего пирога» предполагает, что наши объятые тревогой предки оказались настолько близоруки, что не сумели предвидеть будущий рост экономики, то эффект «меняющегося пирога» предполагает, что они страдали еще и от недостатка воображения. Наши предки не могли предугадать, что то, что производили их экономика и они сами, в будущем изменится до неузнаваемости. В какой-то степени эта их неспособность вполне объяснима. Например, в 1900 году большинство англичан трудились на фермах или фабриках. Мало кто мог предвидеть, что в будущем в одной только Национальной службе здравоохранения будет занято гораздо больше людей, чем тогда работало мужчин на всех фермах страны вместе взятых[86]. Сама отрасль здравоохранения тогда еще не существовала в привычном для нас виде, а мысль, что самым массовым работодателем в сфере здравоохранения станет британское правительство, показалась бы еще более странной, ведь в те времена большинство медицинских услуг предоставлялось на частной или на добровольной основе. То же справедливо и для многих других сегодняшних рабочих мест: такие должности, как оптимизатор поисковой системы, специалист по облачным вычислениям, консультант по цифровому маркетингу и разработчик мобильных приложений, было невозможно представить всего несколько десятилетий назад[87].
Мысль, что воздействие технологии на труд может зависеть от взаимодействия двух соперничающих сил – вредной замещающей силы и полезной дополняющей силы, – не нова. Однако, как правило, никто эти силы внятно не объясняет. Книги, статьи и отчеты по автоматизации могут намекать на оба этих эффекта, но часто используют совершенно разные термины, из-за чего возникает путаница. Технология, говорят они, вытесняет и увеличивает, заменяет и усиливает, обесценивает и наделяет мощью, подрывает и поддерживает, уничтожает и созидает. Задача состоит в том, чтобы конкурировать с компьютерами и сотрудничать с ними, состязаться и двигаться в унисон. Ведутся разговоры о расширении применения машин и успехах людей, о пугающих роботах и вселяющих надежду коботах[88], об искусственном интеллекте машин и растущем интеллекте людей. Гнет будущего, по их словам, будет выражаться как в устаревании знакомых нам вещей, так и во все нарастающей их актуальности; технология – это угроза и возможность, соперник и партнер, враг и друг.
Представленный в этой главе экскурс в экономическую историю – пусть и очень краткий – должен прояснить, как работают эти две силы на самом деле. С одной стороны, машина
Четкое разграничение между замещающим и дополняющим эффектами помогает объяснить, почему прежние опасения по поводу технологической безработицы много раз оказывались неуместны. В столкновении этих двух фундаментальных сил наши предки, как правило, не угадывали победителя. Раз за разом они либо полностью игнорировали дополняющую силу, либо ошибочно полагали, что она будет подавлена замещающим эффектом. По словам Дэвида Отора, люди обычно «преувеличивали степень замещения машин человеческим трудом и игнорировали сильную взаимодополняемость между автоматизацией и трудом»[89]. В результате они неоднократно недооценивали остающийся спрос на труд человека. В общем и целом, его всегда хватало, чтобы обеспечивать занятость.
Это происходит и с отдельными технологиями. Взять, к примеру, историю банкомата. Его изобрели для того, чтобы отстранить банковских служащих от выдачи наличных денег. Это была часть культуры самообслуживания, которая распространилась в экономической жизни в середине XX века и нашла отражение в автозаправочных станциях и магазинах самообслуживания, автоматах по продаже сладостей и т. д.[90] Считается, что первый банкомат был установлен в Японии в середине 1960-х годов[91], а несколько лет спустя эти машины стали популярны в Европе, частично решив проблему усиливавшихся профсоюзов, которые требовали закрытия банков в субботу, единственный день, когда многие работающие клиенты могли их посетить. В США количество банкоматов выросло более чем в четыре раза с конца 1980-х до 2010 года, когда их насчитывалось уже более четырехсот тысяч. В таких условиях можно было бы ожидать резкого сокращения числа сотрудников в американских банках, но произошло обратное: за тот же период их стало больше на целых 20 %[92]. Как объяснить эту загадку?
Исходя из анализа этих двух сил, мы можем понять, что случилось. Банкоматы не просто заменили банковских служащих, но еще и дополнили их. Иногда напрямую: банкоматы не делали сотрудников более продуктивными в раздаче наличных, а освобождали их от нее, давая возможность сосредоточиться на других видах деятельности, таких как предоставление клиентам личных консультаций и финансовых рекомендаций. Это улучшило качество обслуживания тех, кто приходил в филиал, и позволило привлечь больше клиентов. К тому же банкоматы помогли снизить стоимость обслуживания филиалов, благодаря чему банки смогли снизить цены и еще больше повысить свою привлекательность.
В то же время банкоматы косвенно дополняли служащих. Отчасти это могло быть обусловлено эффектом растущего пирога: по мере того как банкоматы и многие другие инновации стимулировали экономику в течение этих лет, доходы выросли и увеличился спрос на банки и на работу остававшихся в них работников. Отчасти, возможно, сказался эффект меняющегося пирога: по мере того как люди становились богаче, им становилось интересно не просто снятие денег или пополнение счета, а «индивидуальный подход», который теперь предоставляли банковские служащие.
В совокупности все эти полезные эффекты означали, что, хотя число сотрудников, необходимых в среднем в одном филиале, сократилось с двадцати в 1988 году до тринадцати в 2004 году, число отделений за это время выросло – в городах на целых 43 % – для удовлетворения растущего спроса на банковские услуги. В результате у банковских служащих прибавилось работы и именно поэтому их общее число увеличилось, а не сократилось[93].
Конечно, полная история труда и технологии сложнее и тоньше, чем та, что изложена в этой главе. Эта история не всегда и не везде была столь ясна и понятна. Но мы задали общие контуры. Как мы уже видели, технический прогресс принес много трудностей и неурядиц, но начиная с промышленной революции и до сегодняшнего дня рабочие, которые беспокоились о том, что машины полностью заменят их, как правило, ошибались. До сих пор в борьбе между вредной замещающей силой и полезной дополняющей побеждала последняя, и всегда существовал достаточно большой спрос на работу, выполняемую человеком. Мы назовем это Веком труда.
Глава 2. Век труда
Век труда можно определить как эпоху последовательных волн технического прогресса, которые, как правило, приносят трудящимся не вред, а пользу. И хотя в целом этот прогресс был для рабочих благом, выгоду получали не все и не всегда: технический прогресс оказался переменчив и периодически одни группы работников получали от него больше, чем другие. Чтобы объяснить смысл этих изменений, в последние двадцать лет многим экономистам пришлось полностью переосмыслить свое представление о том, как технология влияет на труд.
Экономисты – рассказчики, просто многие могут этого не замечать. Ведь свои истории они иногда пишут на чуждом нам языке или посредством математических формул, пытаясь сделать рассказ точным для сведущих читателей (хотя он и становится совершенно непонятным для несведущих). Тексты экономистов должны быть документальными и основываться на фактах, а их сюжет должен быть максимально приближен к реальности. Среди них есть как эпосы, героически пытающиеся охватить огромные области человеческой деятельности, так и узкие исследования, сосредоточенные на объяснении очень специфических шаблонов поведения. Экономисты предпочитают называть их «моделями», а не историями, что, конечно, звучит более весомо. Но, в конце концов, любая модель – это просто история, рассказанная в уравнениях и диаграммах, которые должны дать представление о том, как работает реальный мир.
На протяжении большей части второй половины XX века наибольшую выгоду от технологических изменений получали те работники, у которых было больше формального образования. И экономисты придумали историю, чтобы это объяснить. Звучала она примерно так[94].
Ее главный герой – цифровая электронная вычислительная машина, изобретенная примерно в середине XX века. С течением времени она быстро становилась все мощнее и полезнее. В конце 1950-х – начале 1960-х годов[95] компании начали широко использовать мейнфреймы[96]. Затем появился персональный компьютер (ПК); еще в 1980 году в Соединенных Штатах на сто человек приходилось менее одного ПК, но к концу столетия это число превысило шестьдесят[97]. Более того, со временем машины стали намного эффективнее. Количество вычислений, которые компьютер мог выполнить за определенное время, резко возросло во второй половине столетия[98], как видно из графика 2.1[99], который начинается с вычислений вручную в 1850 году и заканчивается стационарным компьютером Dell Precision Workstation 420 в 2000 году.
График 2.1. Количество вычислений в секунду, 1850–2000 годы (количество ручных вычислений = 1)
На графике вертикальная ось имеет логарифмическую шкалу, что позволяет наглядно показать, насколько быстро выросло количество вычислений в секунду. Это означает, что при движении вверх по вертикальной оси каждый шаг представляет собой десятикратное увеличение вычислений в секунду (два шага – стократное увеличение, три шага – тысячекратное и т. д.). Как мы видим, только с 1950 по 2000 год вычислительная мощность увеличилась примерно в десять миллиардов раз.
Хотя эти новые мощные машины и могли справиться с некоторыми полезными рабочими задачами вроде сложных вычислений или удобного набора текста, они не уничтожили спрос на труд человека в целом. На самом деле эти компьютеры заметно увеличили спрос на высококвалифицированных работников, которые могли ими управлять и использовать их в производственных целях. Считается, что другие технологии, появившиеся в то время, также подстегнули спрос на высококвалифицированных рабочих, способных эффективно ими пользоваться. В этом смысле технологические изменения не принесли одинаковой пользы всем работникам, но сыграли особую роль, «повысив ценность специальных навыков», как говорят экономисты.
(Стоит отметить, что в этой истории экономисты используют определение «высококвалифицированный» в очень специфическом понимании: речь идет об объеме полученного формального образования. Это определение может озадачить неэкономистов, поскольку многих людей, которых мы могли бы считать «высококвалифицированными» в более повседневном значении этого термина – опытный парикмахер или умелый садовник, – экономисты называют «неквалифицированными», потому что они не учились в колледже или университете. Здесь есть расхождение между привычным пониманием и смыслом, который экономисты вкладывают в это слово. Это не значит, что любое другое его использование неверно. Просто во избежание путаницы и недоразумений, важно четко понимать, о чем именно говорят экономисты, когда они используют такие термины, как «повышение ценности специальных навыков».)
График 2.2. Премия за квалификацию в США, 1963–2008 годы
История технического прогресса во второй половине XX века, когда важнее всего были навыки рабочих, подкреплялась фактическими данными и четко объясняла эмпирическую загадку, возникшую примерно тогда же. Основной принцип экономики гласит, что, когда предложение какого-то товара растет, его цена должна снижаться. Загадка заключалась в том, что в XX веке были длительные периоды, когда в мире труда происходило обратное: в некоторых странах быстро росло число высококвалифицированных специалистов, выпускников колледжей и университетов, однако их заработная плата повышалась по сравнению с теми, кто такого образования не имел. Как такое могло случиться? Ответ кроется в истории о повышении ценности навыков. Предложение высококвалифицированных работников действительно росло, толкая их заработную плату вниз, но новые технологии требовали повышения квалификации, что привело к резкому росту спроса на высококвалифицированных работников. Этот последний эффект был настолько велик, что превзошел первый, и, хотя число образованных людей, ищущих работу, увеличилось, высокий спрос на них приводил к росту их заработка.
Один популярный способ измерения того, что экономисты называют «премией за квалификацию», заключается в сравнении заработной платы выпускников колледжей и старших классов. В 2008 году разница в зарплате между выпускником колледжа в Соединенных Штатах и выпускником средней школы достигла самого высокого уровня за последние десятилетия, как показано на графике 2.2[100] (сравнение здесь представлено как «логарифмический разрыв в зарплате», т. е. логарифм отношения средней заработной платы двух групп; логарифмический разрыв в заработной плате в 2008 году составил 0,68, то есть заработок выпускника колледжа был почти вдвое выше заработка выпускника средней школы)[101]. Другие страны в этот период следовали по очень похожему пути[102].
График 2.3. Реальные зарплаты американских работников, занятых на полной ставке
Историю о повышении ценности навыков можно проследить и по тому, как с течением времени менялась заработная плата работников с различным уровнем образования. Ее отражает график 2.3[103]. Как показывают диаграммы, на протяжении последнего полувека люди, обучавшиеся дольше, не только зарабатывали больше, но и разрыв между ними и менее образованными увеличивался с течением времени (в случае женщин это отчетливее проявляется с 1980-х годов).
График 2.4. Премия за квалификацию в Англии, 1220–2000
Пример с навыками хорошо объясняет, что произошло с миром труда во второй половине XX века; но в прежние времена картина была совсем другой. Рассмотрим график 2.4[104], где показана премия за квалификацию в Англии с 1220 года (к счастью, мы располагаем данными по столь далекому периоду: в последнее тысячелетие английские институты оказались удивительно стабильными и необычайно усердно вели записи). Учитывая, что в 1220 году колледжей было не так много, премия за мастерство здесь измеряется путем сравнения заработной платы ремесленников и чернорабочих. И, как мы видим, в долгосрочной перспективе эта премия за квалификацию не следует той восходящей модели, которую мы видели на графике 2.3.
Как же такое возможно? Более длительная историческая перспектива показывает, что технологические изменения благоприятствовали различным типам работников в различные моменты истории, но не всегда приносили пользу тем, кто мог считаться квалифицированным в ту или иную эпоху. Возьмем, к примеру, XIX век. Как мы видели в предыдущей главе, когда в Британии началась промышленная революция, на фабриках появились новые машины и были налажены новые производственные процессы, из-за чего рабочим пришлось решать новые задачи. Оказалось, что те, кто
Промышленную революцию часто изображают как процесс, в ходе которого множество машин вытесняет толпы низкоквалифицированных рабочих, т. е. оставляет без работы людей, которые зарабатывали себе на жизнь прядением нитей и ткачеством ткани голыми руками и при помощи базовых инструментов. Но это неправильная картина. Под угрозой оказались именно высококвалифицированные рабочие того времени. Для своего времени Нед Лудд, легендарный лидер восстания против автоматизации, был квалифицированным рабочим. Если бы он действительно существовал, то был бы в некотором роде профессионалом – возможно, даже членом Цеха достопочтенных суконщиков, престижного клуба для людей его профессии. А благодаря механическим станкам, которые вытеснили Неда и его товарищей, место Неда мог занять какой-то менее квалифицированный рабочий, не обладавший специальной подготовкой. Эти новые машины обесценивали навыки и позволяли менее квалифицированным людям заниматься производством высококачественных изделий, которое в прошлом требовало определенного мастерства.
С конца XVI по начало XIX века доля неквалифицированных рабочих в Англии, по-видимому, выросла вдвое, и это было неслучайно[106]. Эндрю Юр, выполнявший роль своего рода консультанта по менеджменту для промышленников, призывал отнять задачи у «хитрого рабочего» и заменить их настолько простыми в использовании машинами, чтобы ими «мог управлять даже ребенок» (и это не метафора: детский труд тогда считался приемлемой практикой[107]). Как отмечает историк экономики Джоэл Мокир, эта тенденция не ограничивалась изготовлением хлопка и тканей: «Сначала в производстве огнестрельного оружия, затем – часов, насосов, замков, механических жаток, пишущих и швейных машин и, наконец, двигателей и велосипедов технология взаимозаменяемости деталей оказалась более совершенной и заменила квалифицированных ремесленников, орудовавших зубилом и напильником»[108].
Таким образом, на рубеже XXI века общепринятая точка зрения экономистов сводилась к тому, что технический прогресс иногда зависит от квалификации, а иногда – от ее отсутствия. Однако многие экономисты склонны были считать, что этот прогресс всегда приносил пользу рабочим. Действительно, в доминирующей модели, используемой в этой области, новые технологии
Каноническая модель доминировала в дискуссиях экономистов на протяжении десятилетий. Но в последнее время стало происходить что-то очень странное. Начиная с 1980-х годов, казалось, что новые технологии помогают одновременно и низкоквалифицированным, и высококвалифицированным рабочим, но рабочие со средними навыками, по-видимому, не получали никакой пользы. Во многих экономиках, если бы вы взяли все профессии и выстроили их в длинную цепочку от самых низкоквалифицированных до самых высококвалифицированных, вы бы увидели, что за последние несколько десятилетий зачастую зарплата и доля рабочих мест (как доля общей занятости) растут для тех, кто находится на обоих концах линии, но увядают для тех, кто находится ближе к середине. Мы ясно видим эту тенденцию на рисунке 2.5[110].
График 2.5. Процентное изменение доли среди общего числа занятых
Это явление известно как «поляризация», или «размывание». Традиционно широкие средние слои многих экономик, ранее обеспечивавшие людей среднего класса хорошо оплачиваемой работой, исчезают. Во многих странах среди общего количества занятых сейчас больше высокооплачиваемых специалистов и менеджеров, а также низкооплачиваемых сиделок и уборщиц, работников сферы образования и здравоохранения, смотрителей и садовников, официантов и парикмахеров[111]. Но среди них меньше секретарей и клерков, фабричных рабочих и продавцов со средними зарплатами[112]. На рынках труда наблюдается все большее обособление двух групп, причем одна из них получает гораздо больше выгоды. Заработная плата людей, стоящих в верхней части, 0,01 % лиц с самыми высокими заработками – в США это 16 500 семей с доходом свыше 11 300 000 долларов в год – резко возросла за последние несколько десятилетий[113].
(Опять же терминологический момент: может показаться, что при такой подаче данных «зарплата» и «квалификация» рассматриваются как одно и то же – как если бы выстраивание рабочих по шкале от самых низкооплачиваемых до самых высокооплачиваемых ничем не отличалось от их ранжирования по уровню квалификации. Как и прежде, речь идет об особом смысле, который экономисты вкладывают в слово «
Другой загадкой было размывание рынка труда, и каноническая модель, преобладавшая в экономической науке в конце XX века, оказалась бессильна в ее решении. Сосредоточившись только на низко– и высококвалифицированных работниках, она не могла объяснить, почему работников со средней квалификацией ждет совсем иная судьба. Нужен был новый подход. Экономисты вернулись к своим расчетам и за последние десять лет выработали совершенно иное понимание технологии и работы. Впервые предложенное группой экономистов Массачусетского технологического института – Дэвидом Отором, Фрэнком Леви и Ричардом Мурнейном, – оно стало известно как «гипотеза Отора – Леви – Мурнейна», или сокращенно «гипотеза ОЛМ»[115]. Десять лет назад, когда я начал всерьез размышлять о будущем, мне на помощь пришла эта история[116].
Гипотеза ОЛМ строилась на двух исходных посылах. Первый из них был прост: рассматривать рынок труда с точки зрения «рабочих мест», как мы часто делаем, – неправильно. Когда мы говорим о будущем труда, мы склонны думать о журналистах и врачах, учителях и медсестрах, фермерах и бухгалтерах; и мы задаемся вопросом, не обнаружат ли однажды представители этих профессий, что их рабочее место заняла машина. Но так рассуждать бесполезно, потому что в этом случае вы представляете данную работу как единую, неделимую деятельность: адвокаты «адвокатствуют», врачи «врачуют» и так далее. Однако если вы внимательно посмотрите на любую конкретную работу, то увидите, что в течение рабочего дня люди выполняют самые разнообразные
Второй посыл был тоньше. Со временем стало ясно, что уровень образования, необходимый людям для выполнения той или иной задачи, – то, насколько они «квалифицированны» – не всегда показывает, легко или трудно будет машине выполнить ту же задачу. Вместо этого важным было сочтено то, была ли сама задача «рутинной». Под «рутиной» экономисты не подразумевали, что задание обязательно было скучным или утомительным. Скорее, задача считалась «рутинной», если людям было просто объяснить, как они ее выполняют, – если она опиралась на так называемое «явное» знание, которое легко сформулировать, а не на «негласное» знание, которое сформулировать трудно[117].
Отор и его коллеги считали, что такие «рутинные» задачи должно быть проще автоматизировать. Почему? Потому что когда эти экономисты пытались определить, какие задачи могут выполнять машины, они представляли себе, что единственный способ автоматизировать задачу – это сесть рядом с человеком, заставить его объяснить, как он будет выполнять эту задачу, а затем на основе услышанного написать инструкцию для машин[118]. Чтобы машина выполнила задачу, писал Отор, «программист должен сначала понять всю последовательность шагов, необходимых для выполнения этой задачи, а затем написать программу, которая, по сути, заставит машину точно имитировать эти шаги». Если задача «нестандартна», иными словами, если люди не могут объяснить, как они ее выполняют, то программистам будет трудно превратить их объяснения в набор инструкций для машины[119].
Гипотеза ОЛМ свела эти две идеи воедино. Машины, гласила она, могут легко выполнять «рутинные» задачи на рабочем месте, но не справятся с «нестандартными». Этот разумный аргумент мог бы объяснить странные тенденции, показанные на графике 2.5, ведь, когда экономисты разбили различные занятия на составляющие их задачи, многие виды деятельности, выполняемые людьми со средней зарплатой, оказались «рутинными», в то время как задачи низкооплачиваемых и высокооплачиваемых работников таковыми не были. Вот почему рынки труда во всем мире оказались размыты и приобрели форму песочных часов. Технологические изменения разъедали «рутинные» задачи, сгруппированные в середине, но «нестандартные» на обоих концах были машинам не по зубам и оставались уделом человека[120].
В том, что высокооплачиваемый, высококвалифицированный труд часто оказывался «нестандартным», не было ничего удивительного. Связанные с ним задачи требовали таких человеческих способностей, как творчество и умение формулировать суждения, а их очень трудно или просто невозможно включить в набор правил (большинство людей очень подозрительно отнеслось бы к любому определенному набору инструкций, например относительно того, «как быть креативным»). Но почему низкооплачиваемая, низкоквалифицированная работа тоже оказалась «нестандартной»? Отчасти это объясняется тем, что такой труд нередко был частью экономики услуг, а навыки межличностного общения, необходимые для нее, трудно зафиксировать в правилах. Но это происходило еще и потому, что низкооплачиваемая работа часто требовала ручного труда, с трудом поддающегося автоматизации. Ученые-компьютерщики уже были знакомы с этим открытием: многие обыденные вещи, которые мы привыкли делать своими руками, для машины представляют наибольшую трудность. (Это явление известно как «парадокс Моравца» – в честь Ганса Моравца, футуриста и изобретателя, который одним из первых его описал[121].) Когда люди готовят пищу или стригут куст, они это делают инстинктивно, не задумываясь. Поэтому, хотя люди могут счесть эти задачи простыми, им, вероятно, будет очень трудно объяснить, как их выполнять. Соответственно, такие задачи нелегко автоматизировать.
Оказалось, что технический прогресс не питал никаких пристрастий к навыкам или их отсутствию, как утверждалось в старых экономических историях. Скорее он был сосредоточен на задачах – одни типы задач машины способны выполнять, а другие – нет. То есть выиграют от технологических изменений только те работники, кто хорошо приспособлен для выполнения «нестандартных» задач, которые машинам не под силу. Это, в свою очередь, объясняет, почему отдельные категории работников со средним уровнем квалификации могут вообще не получить выгоды от новой технологии, если они застрянут на работе, состоящей в основном из «рутинных» задач, с которыми машины могут легко справиться.
Возможно, удивительно слышать, что экономисты так легко изменили свою точку зрения, перейдя от представления, что технологии всегда приносят работникам пользу, к идее, что они затрагивают решение конкретных задач. Однажды Кейнс ответил критику, требовавшему, чтобы он изменил свою позицию по какому-то экономическому вопросу: «Когда факты меняются, я меняю свое мнение. А что делаете вы, сэр?»[122] Эта фраза часто цитируется как остроумный способ признать ошибку и в то же время не заострять на ней внимание. Но помните, что на самом деле делают экономисты: они рассказывают истории, математические сказки, которые должны отразить реальность. Поэтому и мы должны хотеть, чтобы экономисты вели себя соответствующим образом: приспосабливались, когда меняются факты, обновляли свои модели и перекраивали свои истории. Именно это сделали в последние десятилетия экономисты, изучающие рынок труда. И это не признак интеллектуальной непоследовательности, а правильный подход.
Гипотеза ОЛМ помогает выявить несколько типов ошибочных представлений о будущем труда. Например, в разговорах о перспективах автоматизации различных рабочих мест очень часто можно услышать заявления вроде «медсестры в безопасности, а бухгалтеры под угрозой» или «в США риску автоматизации подвержены X % рабочих мест, а в Великобритании только Y %». Многие ссылаются на авторитетное исследование оксфордских ученых Карла Фрея и Майкла Осборна, согласно которому в США в ближайшие десятилетия автоматизация уничтожит 47 % рабочих мест, причем наибольшему риску подвержены работники колл-центров (риск автоматизации составляет 99 %), а наименьшему – рекреационные терапевты (0,2 %)[123]. Но, как отмечали сами Фрей и Осборн, подобные выводы очень приблизительны. Технический прогресс не уничтожает рабочие места полностью, и проводимое гипотезой ОЛМ различие между «работой» и «задачей» объясняет почему. Ни одна работа не является неизменным видом деятельности, который в будущем может быть полностью автоматизирован. Скорее, каждая работа состоит из множества задач, и некоторые из них автоматизировать проще, чем другие. Важно помнить, что со временем задачи, присущие той или иной работе, скорее всего, меняются (мало найдется профессий – если такие вообще есть, – которые сегодня выглядят так же, как тридцать лет назад).
Этот довод подтверждается исследованием McKinsey & Company 2017 года, в рамках которого было рассмотрено 820 различных профессий. Выяснилось, что полностью автоматизированы посредством существующих технологий могут быть менее 5 % из них. В то же время более 60 % профессий состоят из задач, 30 % которых можно автоматизировать[124]. Другими словами, очень немногие рабочие места могут быть полностью заняты машинами, но машины могут взять на себя значительную часть присущих им задач.
Вот почему попадают в ловушку те, кто утверждает, что «моей работе автоматизация не грозит, потому что я делаю X», где «X» – это задача, которую особенно трудно автоматизировать. Ни одна работа не состоит лишь из одной задачи: адвокаты не только выступают в суде, хирурги не только выполняют операции, журналисты не только пишут статьи. Эти конкретные задачи, возможно, трудно автоматизировать, но это необязательно относится ко всем другим видам деятельности, которые эти специалисты выполняют в своей работе. Адвокаты, например, могут утверждать, что ни одна машина не может произносить пламенные речи перед ошеломленными присяжными, – и они правы. Но машины сегодня, безусловно,
Технологические оптимисты совершают аналогичную ошибку, когда указывают, что из 271 профессии, указанной в американской переписи 1950 года, из-за автоматизации исчезла только одна – лифтер[125]. Это вовсе не признак бессилия техники, как они, возможно, полагают, а еще одно свидетельство того, что важные изменения носят более глубокий характер и происходят на уровне базовых задач, а не на уровне названий должностей.
Второй ключевой посыл, из которого исходит Отор и его коллеги, – важна сама природа задач, а не «квалификация» выполняющего их работника – имеет огромное значение. Белые воротнички-профессионалы, посвятившие своему образованию немало времени и средств, часто этому поражаются, а некоторые даже обижаются, считая грубой аналогию между их «изощренной» работой и нерафинированным трудом других людей. Но дело в том, что их работа не такая особенная, как они себе представляют. Как только вы разбиваете большинство профессиональных задач на составляющие их части, многие из них оказываются «рутинными» и могут быть автоматизированы. Тот факт, что образованные профессионалы выполняют свои задачи, работая головой, а не руками, не имеет значения. Гораздо важнее, являются ли эти задачи «рутинными».
Гипотеза ОЛМ важна потому, что она успешно объясняет не только экономические особенности недавнего прошлого – размывание рынка труда и ущерб, который несут работники со средней квалификацией, – но и оптимизм, который многие прогнозисты испытывают в отношении технологий и будущего.
Старая «каноническая модель» технологических изменений тоже предполагала оптимистический взгляд на будущее труда, но по совершенно нереалистичной причине: в ней, как мы видели, технология всегда дополняет работников (хотя некоторых из них больше, чем других). Сегодня мало кто стал бы так рассуждать. Те же, кто оптимистично смотрит на будущее работы, выстраивают такую версию, которая больше похожа на историю гипотезы ОЛМ, отдающую предпочтение задачам. Они утверждают, что новые технологии действительно заменяют работников, но не во всем, и что машины, как правило, увеличивают спрос на людей для выполнения задач, не поддающихся автоматизации. Сам Отор выразил этот подход емкой фразой: «Автоматизация обычно дополняет те задачи, которые не может заменить»[126].
Подобные доводы основываются на предположении, что существуют задачи, которые машины просто не могут выполнить, и поэтому есть твердый предел вредной замещающей силы. Конечно, некоторые могут сказать, что это положение интуитивно очевидно. Но гипотеза ОЛМ дает формальное обоснование: машины нельзя научить выполнять «нерутинные» задачи, потому что люди неспособны объяснить, как они их выполняют. По словам Отора, «возможности для такого рода замещения ограничены, потому что есть много задач, которые люди понимают без слов и выполняют без особых усилий, но для которых ни программисты, ни кто-либо другой не может сформулировать явные «правила» или «процедуры»»[127]. Таким образом, в будущем технологии будут все больше заменять людей в «рутинных» задачах и будут дополнять людей в «нестандартных» задачах.
Это различение «рутинных» и «нестандартных» задач распространилось далеко за пределы академических экономических работ. Наиболее влиятельные институты и аналитические центры – от МВФ до Всемирного банка, от ОЭСР до Международной организации труда – опираются на него, оценивая, какие человеческие действия подвергаются риску автоматизации[128]. Марк Карни, управляющий Банком Англии, повторил это в своем предупреждении о «расправе над Дилбертами»: новые технологии, по его мнению, угрожают «рутинной когнитивной работе», подобной той, которую выполняет Дилберт, персонаж стрип-комиксов об офисной жизни[129]. Президент Обама предупредил, что «повторяющиеся» роли подвержены особому риску автоматизации[130]. Из этой идеи исходят в своих рассуждениях и крупные компании: инвестиционный банк UBS утверждает, что новые технологии «освободят людей от рутинной работы и тем самым дадут им возможность сосредоточиться на более креативных услугах с более высокой добавленной стоимостью»; фирма аудиторских услуг PwC говорит, что «машины, которые заменяют работников, выполняющих рутинные методические задачи, могут дополнить сравнительное преимущество тех из них, кто обладает такими качествами, как умение решать проблемы, лидерство, эмоциональный интеллект, эмпатия и креативность»; а аудиторская фирма Deloitte сообщает, что в Великобритании «количество рутинных рабочих мест, подверженных высокому риску автоматизации, сократилось, но это более чем компенсировало создание новых, менее стандартных рабочих мест, которым автоматизация грозит в меньшей степени»[131].
Эту концепцию также популяризировали журналисты и комментаторы.
На самом деле очень немногие подходы в современной экономической мысли оказались столь же влиятельными, как гипотеза ОЛМ. Эта идея, зародившаяся в тишине кабинетов экономистов, просочилась во внешний мир и предопределила представления многих людей о грядущем[133]. Гипотеза ОЛМ уверила нас, что существует широкий спектр задач, которые никогда не могут быть автоматизированы; резерв деятельности, который всегда обеспечит людям достаточное количество работы. Привычный Век труда будет продолжаться.
На мой взгляд, это оптимистичное предположение, скорее всего, окажется неверным. Но чтобы понять почему, мы должны сначала взглянуть на изменения, произошедшие в мире технологий и искусственного интеллекта.
Глава 3. Революция прагматиков
Люди уже давно фантазируют о машинах, способных делать удивительные вещи. Три тысячи лет назад Гомер рассказывал историю о треножниках, которые по приказу создавшего их бога «сами собой» устремлялись к своему владельцу[134]. Платон писал о Дедале, скульпторе настолько талантливом, что его статуи приходилось связывать, чтобы те не убежали[135]. Каким бы причудливым ни казался этот миф, ученик Платона Аристотель проникся им и задался вопросом: что случилось бы с миром труда, если бы «каждый имеющийся у нас инструмент мог выполнять свою задачу либо по нашей просьбе, либо сам ощутив в этом необходимость»[136]. Древние еврейские мудрецы писали о големах – мистических существах из грязи и глины, оживавших, стоило лишь их хозяевам произнести правильное заклинание. Говорят, что один голем по имени Йозеф до сих пор прячется на чердаке Большой синагоги в Праге; по легенде, много веков назад раввин Йехуда Лёв вернул его к жизни, чтобы защитить евреев своей общины от преследований[137].
В древней литературе множество таких рассказов. Но и более поздняя история полна басен о чудесных и странных машинах, совершающих свою работу без всякого видимого участия человека. Сегодня мы называем их «роботами», но до изобретения этого слова в 1920 году их называли «автоматами» – и они были безумно популярны. В XV веке Леонардо да Винчи нарисовал самодвижущуюся тележку и облаченного в броню гуманоидного робота; он также создал для короля Франции механического льва, который после трех ударов кнута Его Величества раскрывал свою грудь, чтобы показать символ правящей династии[138]. В XVIII веке своими машинами прославился француз Жак де Вокансон: одна играла на флейте, другая – на бубнах, а самой знаменитой была утка, которая могла есть, пить, махать крыльями и испражняться. К сожалению, так называемый canard digérateur, или «переваривающая утка», на самом деле не соответствовал своему названию: из скрытого отсека просто выпускался правдоподобный заменитель (хлебные крошки, окрашенные в зеленый цвет)[139]. Подобные надувательства случались довольно часто. Примерно в то же время венгр по имени Вольфганг фон Кемпелен построил шахматную машину, получившую прозвище «турок» из-за восточной внешности. Она десятилетиями гастролировала по всему миру, побеждая таких знаменитых противников, как Наполеон Бонапарт и Бенджамин Франклин. Они даже не подозревали, что в брюхе предполагаемого автомата прятался гроссмейстер[140].
Почему людей так очаровывали эти машины? Отчасти, вероятно, потому, что они были зрелищными: некоторые делали забавные и (как в случае с переваривающей уткой) часто умеренно шокирующие вещи. Но как насчет шахматной машины? Почему она всех так взволновала? Дело было не в его ловкости рук: мир XVIII века был полон технологий, выполнявших задачи, требующие гораздо более впечатляющих физических возможностей, чем перемещение шахматной фигуры. Скорее всего, люди были впечатлены очевидной способностью «турка» выполнять задачи, требующие когнитивных способностей, то есть делать то, что люди делают головой, а не руками. Считалось, что такая деятельность находится далеко за пределами досягаемости любой машины, и все же шахматное устройство делало гораздо больше, чем просто бесцельно передвигало фигуры по доске. Казалось, оно взвешивает возможные ходы и переигрывает опытных игроков-людей, мыслит и рассуждает. Когда речь идет о людях, мы признаем, что эти способности требуют «интеллекта». И именно это должно было шокировать публику: машины, похоже, тоже действовали разумно.
В конце концов, почти все эти рассказы оказались выдумками. Множество проектов так и остались на бумаге, а построенные машины, как правило, были рассчитаны на то, чтобы обмануть зрителя. Неслучайно Жан-Эжен Робер-Уден, первый современный фокусник (у которого несколько десятилетий спустя позаимствовал свое имя иллюзионист Гудини), был мастером по изготовлению автоматов: однажды ему пришлось чинить знаменитую переваривающую утку, когда у нее сломалось крыло[141]. Но в XX веке все изменилось. Исследователи впервые в истории начали строить машины с серьезным намерением соперничать с людьми – началась разработка настоящей сложной программы по созданию интеллекта. Теперь их устремления не сводились к вымыслу или обману, а были вполне серьезны.
Поделиться книгой: