هوش مصنوعی؛ موتور ضدتورمی آینده یا عامل تورم امروز؟

8 مهر 1405 - خواندن 7 دقیقه - 1038 بازدید

هوش مصنوعی؛ موتور ضدتورمی آینده یا عامل تورم امروز؟

اقتصاد جهانی در سال ۲۰۲۶ با یک پارادوکس مهم مواجه است: فناوری ای که انتظار می رود در بلندمدت بهره وری و ظرفیت تولید اقتصاد را افزایش دهد، در کوتاه مدت خود می تواند به یکی از عوامل افزایش تقاضا و فشارهای تورمی تبدیل شود. این وضعیت، جایگاه هوش مصنوعی را از یک موضوع صرفا فناورانه به مسئله ای مهم در اقتصاد کلان و سیاست گذاری پولی تبدیل کرده است.

بر اساس آخرین برآورد صندوق بین المللی پول، رشد اقتصاد جهانی در سال ۲۰۲۶ حدود ۳ درصد و در سال ۲۰۲۷ حدود ۳.۴ درصد خواهد بود. با این حال، روند کاهش تورم جهانی که از سال ۲۰۲۴ آغاز شده بود، متوقف شده و تورم headline جهانی برای سال ۲۰۲۶ حدود ۴.۷ درصد برآورد شده است. صندوق بین المللی پول بخشی از این وضعیت را به افزایش قیمت انرژی و غذا و بخشی از تحولات ناشی از شرایط ژئوپلیتیکی نسبت می دهد.

اما در کنار شوک های انرژی و ژئوپلیتیکی، یک نیروی ساختاری جدید نیز در حال شکل دادن به اقتصاد جهانی است: سرمایه گذاری گسترده در هوش مصنوعی.

بانک تسویه حساب های بین المللی (BIS) در گزارش اقتصادی سال ۲۰۲۶ خود تاکید کرده است که رونق سرمایه گذاری مرتبط با هوش مصنوعی به حفظ رشد اقتصاد جهانی در برابر برخی شوک های تجاری کمک کرده است. سرمایه گذاری در مراکز داده، تراشه ها، نرم افزار، زیرساخت های انرژی و تجهیزات مرتبط با هوش مصنوعی، تقاضای قابل توجهی برای سرمایه و نهاده های تولید ایجاد کرده است.

اینجاست که رابطه میان هوش مصنوعی و تورم پیچیده می شود.

از یک سو، هوش مصنوعی می تواند عرضه کل اقتصاد را افزایش دهد. اگر یک بنگاه بتواند با استفاده از الگوریتم های هوشمند، زمان تولید، هزینه پردازش اطلاعات، خطاهای انسانی و نیاز به برخی فعالیت های تکراری را کاهش دهد، در واقع با مقدار معینی از نهاده ها می تواند تولید بیشتری ایجاد کند. در مقیاس اقتصاد کلان، این فرآیند می تواند رشد بهره وری را افزایش داده و فشار هزینه ای را کاهش دهد.

از سوی دیگر، رسیدن به این بهره وری مستلزم سرمایه گذاری است. شرکت ها برای استفاده از هوش مصنوعی به تراشه، مراکز داده، برق، شبکه های ارتباطی، نرم افزار و نیروی انسانی متخصص نیاز دارند. بنابراین پیش از آنکه اثر افزایش بهره وری ظاهر شود، ممکن است موج بزرگی از تقاضای سرمایه گذاری ایجاد شود.

این همان نقطه ای است که هوش مصنوعی می تواند در کوتاه مدت اثر تورمی داشته باشد.

برای مثال، اگر تقاضا برای تجهیزات پردازشی و مراکز داده با سرعتی بیشتر از ظرفیت عرضه رشد کند، قیمت برخی نهاده های مرتبط افزایش می یابد. در چنین شرایطی، افزایش قیمت الزاما نشانه «تورم عمومی ناشی از تقاضای بیش از حد» نیست؛ بلکه می تواند حاصل یک تغییر شدید در قیمت های نسبی باشد.

این تمایز برای سیاست پولی اهمیت زیادی دارد.

اگر بانک مرکزی در برابر افزایش قیمت یک گروه خاص از کالاها، سیاست پولی را بیش از حد انقباضی کند، ممکن است کاهش تقاضای کل را به سایر بخش های اقتصاد نیز منتقل کند؛ در حالی که مشکل اولیه، کمبود ظرفیت عرضه در یک بخش خاص بوده است.

از همین رو، برخی تحلیل های جدید BIS بر این نکته تاکید دارند که هوش مصنوعی همزمان بر سمت تقاضا و عرضه اقتصاد اثر می گذارد و همین مسئله، تشخیص وضعیت واقعی اقتصاد را برای بانک های مرکزی دشوارتر می کند.

با این حال، نمی توان از این واقعیت نتیجه گرفت که هوش مصنوعی الزاما تورم زدا یا تورم زا خواهد بود. اثر نهایی به زمان بندی دو نیروی متضاد بستگی دارد: افزایش تقاضا و افزایش بهره وری.

اگر سرمایه گذاری و رشد تقاضا سریع تر از افزایش ظرفیت تولید اتفاق بیفتد، فشار تورمی در کوتاه مدت محتمل تر خواهد بود. اما اگر افزایش بهره وری با سرعت بیشتری در اقتصاد منتشر شود، ظرفیت تولید افزایش یافته و اثر ضدتورمی هوش مصنوعی می تواند بر اقتصاد غالب شود.

این مسئله حتی می تواند رابطه سنتی میان رشد اقتصادی و تورم را نیز تحت تاثیر قرار دهد. در یک اقتصاد با بهره وری فزاینده، افزایش تولید لزوما به همان میزان گذشته به افزایش قیمت ها منجر نمی شود؛ زیرا بخشی از فشار تقاضا می تواند از طریق افزایش ظرفیت عرضه جذب شود.

البته این تحول یک شرط مهم دارد: هوش مصنوعی باید از مرحله سرمایه گذاری به مرحله بهره وری واقعی منتقل شود.

سرمایه گذاری چند تریلیون دلاری در زیرساخت های هوش مصنوعی به خودی خود به معنای افزایش بهره وری کل اقتصاد نیست. بنگاه ها باید فناوری را در فرآیند تولید، مدیریت، تحقیق و توسعه و زنجیره تامین خود ادغام کنند. همچنین نیروی کار باید مهارت های مکمل فناوری جدید را کسب کند.

BIS نیز بر همین مسئله تاکید کرده است؛ برآوردهای مربوط به صرفه جویی زمانی در سطح برخی وظایف می تواند بسیار قابل توجه باشد، اما انتقال این دستاوردها به بهره وری کل اقتصاد به زمان، سرمایه گذاری مکمل و تغییر سازمان تولید نیاز دارد.

از این منظر، شاید پرسش اصلی اقتصاد در عصر هوش مصنوعی این نباشد که «آیا هوش مصنوعی تورم ایجاد می کند؟» بلکه پرسش دقیق تر این باشد:

آیا رشد تقاضای ناشی از انقلاب هوش مصنوعی سریع تر از رشد ظرفیت عرضه خواهد بود؟

پاسخ به این سوال می تواند تعیین کند که هوش مصنوعی در سال های آینده بیشتر به عنوان یک شوک تورمی ظاهر شود یا به عنوان یک شوک بهره وری.

برای کشورهای در حال توسعه، این مسئله ابعاد دیگری نیز دارد. کشوری که صرفا مصرف کننده فناوری باشد، ممکن است بخش قابل توجهی از افزایش تقاضای مرتبط با هوش مصنوعی را از طریق واردات تامین کند؛ در حالی که کشوری که زیرساخت دیجیتال، سرمایه انسانی و ظرفیت تولید فناوری داشته باشد، می تواند بخشی از افزایش تقاضا را به افزایش تولید داخلی تبدیل کند.

بنابراین، مسئله هوش مصنوعی صرفا خرید نرم افزار یا استفاده از مدل های زبانی نیست. مسئله اصلی، ظرفیت یک اقتصاد برای تبدیل فناوری به بهره وری است.

اقتصاد جهانی در حال ورود به دوره ای است که در آن فناوری، ژئوپلیتیک، انرژی و سیاست پولی بیش از گذشته به یکدیگر متصل شده اند. در چنین شرایطی، بانک های مرکزی دیگر تنها با یک منحنی تقاضا و عرضه سنتی مواجه نیستند؛ بلکه باید اقتصادی را سیاست گذاری کنند که در آن ساختار تولید، سرمایه گذاری، بازار کار و حتی سرعت خلق دانش با فناوری های جدید در حال تغییر است.

شاید مهم ترین درس سال ۲۰۲۶ همین باشد: هوش مصنوعی هنوز پاسخ نهایی اقتصاد به مسئله رشد و تورم نیست؛ بلکه خود به یکی از مهم ترین متغیرهایی تبدیل شده است که آینده این رابطه را تعیین خواهد کرد.