Kiedy na początku XXI wieku ekonomiści David Autor, Frank Levy i Richard Murnane opublikowali swoją przełomową analizę wpływu technologii na rynek pracy, ich wnioski wydawały się przekonujące. Historia pokazywała przecież, że każda wielka rewolucja technologiczna eliminowała część zawodów, ale jednocześnie tworzyła nowe. Traktory zastąpiły miliony rolników, ale pojawiły się fabryki. Komputery zautomatyzowały część pracy biurowej, ale stworzyły cały sektor technologiczny. Według Aautora, Levy’ego i Murnane’a problem polegał na tym, że większość ludzi źle rozumiała działanie technologii.

Maszyny nie zastępowały bowiem całych zawodów. Zastępowały konkretne zadania.

Ta idea przeszła do historii ekonomii jako hipoteza ALM, od pierwszych liter nazwisk jej twórców. Według tej teorii każdy zawód składa się z wielu różnych czynności. Księgowy nie tylko liczy liczby. Lekarz nie tylko analizuje wyniki badań. Prawnik nie tylko czyta dokumenty. Część ich pracy ma charakter rutynowy i da się ją opisać zestawem reguł. Inna część wymaga doświadczenia, intuicji, kreatywności lub kontaktu z drugim człowiekiem. Komputery miały przejmować pierwszą kategorię zadań, ale pozostawiać drugą ludziom. Przez ponad dwadzieścia lat wszystko wskazywało na to, że teoria działa. Automatyzacja rzeczywiście najmocniej uderzała w zawody oparte na powtarzalnych procedurach. Znikali operatorzy central telefonicznych, kasjerzy, część urzędników czy pracowników produkcyjnych. Jednocześnie rosło zapotrzebowanie na programistów, projektantów, specjalistów od marketingu, analityków danych czy konsultantów. Rynek pracy zmieniał się dokładnie tak, jak przewidywała hipoteza ALM.

A potem pojawiła się generatywna sztuczna inteligencja i nagle okazało się, że granica między zadaniami rutynowymi a nierutynowymi nie jest tak trwała, jak sądzono.

Jeszcze kilka lat temu ekonomiści byli przekonani, że zawody kreatywne będą jednymi z najbezpieczniejszych. Trudno było sobie wyobrazić komputer piszący artykuły, tworzący grafiki, projektujący kampanie reklamowe czy analizujący skomplikowane dokumenty prawne. Tymczasem właśnie te obszary stały się jednymi z pierwszych, do których wkroczyły nowoczesne modele sztucznej inteligencji. To właśnie tutaj zaczynają się problemy dla hipotezy ALM. David Autor, jeden z jej współtwórców, nie twierdzi dziś, że teoria była błędna. Zwraca jednak uwagę, że AI jest technologią inną niż większość wcześniejszych wynalazków. Dotychczas automatyzacja polegała głównie na zastępowaniu ludzkich mięśni lub prostych procedur. Sztuczna inteligencja zaczyna natomiast wykonywać zadania wymagające rozumowania, interpretacji i generowania treści.

W praktyce oznacza to, że po raz pierwszy maszyny zaczynają konkurować z człowiekiem nie tylko w wykonywaniu pracy fizycznej, ale również umysłowej.

Daniel Susskind z King’s College London, jeden z najbardziej znanych badaczy przyszłości pracy, uważa wręcz, że współczesna debata jest błędnie skonstruowana. Przez lata zakładaliśmy, że istnieje pewna grupa wyjątkowo ludzkich zdolności, których maszyny nigdy nie opanują. Historia AI pokazuje jednak coś przeciwnego. Komputery nie muszą myśleć tak jak ludzie, aby osiągać podobne rezultaty. Nie muszą rozumieć języka w ludzki sposób, żeby pisać teksty. Nie muszą być kreatywne jak człowiek, żeby generować obrazy czy projekty. Dla rynku pracy liczy się efekt, a nie sposób jego osiągnięcia. Jeszcze dalej idzie Daron Acemoglu z MIT. Według niego największe znaczenie będzie miało nie to, czy AI potrafi wykonywać dane zadania, ale jak firmy zdecydują się ją wdrażać. Technologia może wspierać ludzi i zwiększać ich produktywność. Może jednak również służyć do zastępowania pracowników. To decyzje biznesowe, a nie same algorytmy, zdecydują o skali zmian. Coraz więcej ekonomistów zwraca uwagę na jeszcze jeden problem. Hipoteza ALM zakładała, że wraz z zanikaniem jednych zawodów będą pojawiały się nowe. Tak rzeczywiście działo się przez ostatnie dwieście lat. Jednak tempo rozwoju sztucznej inteligencji jest bezprecedensowe. Rewolucja przemysłowa rozciągnęła się na dziesięciolecia. Elektryfikacja trwała kilkadziesiąt lat. Internet potrzebował dwóch dekad, aby stać się powszechny. ChatGPT zdobył sto milionów użytkowników w ciągu kilku miesięcy.

Jeżeli technologia rozwija się szybciej niż zdolność społeczeństwa do tworzenia nowych zawodów, może pojawić się okres przejściowy, jakiego wcześniej nie doświadczyliśmy. Nie oznacza to końca pracy, ale może oznaczać wieloletnie turbulencje na rynku zatrudnienia.

Najbardziej radykalni komentatorzy, tacy jak Geoffrey Hinton czy Mustafa Suleyman, sugerują nawet, że stoimy u progu świata, w którym sztuczna inteligencja będzie stopniowo przejmowała coraz większą część wartościowej ekonomicznie pracy umysłowej. W takim scenariuszu pytanie przestaje brzmieć, jakie zadania zostaną zautomatyzowane. Zaczyna brzmieć, jakie zadania pozostaną wyłącznie ludzkie. To właśnie dlatego hipoteza ALM znalazła się dziś w centrum debaty o przyszłości pracy. Przez lata była fundamentem optymistycznego spojrzenia na automatyzację. Mówiła, że technologia zmienia sposób pracy, ale nie eliminuje potrzeby istnienia człowieka w gospodarce. Sztuczna inteligencja po raz pierwszy od dwóch stuleci zmusza nas do zadania pytania, którego ekonomiści wcześniej praktycznie nie traktowali poważnie. A co jeśli tym razem maszyny nie będą zastępowały tylko zadań? Co jeśli zaczną zastępować całe zawody?