همه‌جا به‌جز در آمار

شواهد چندانی وجود ندارد که نشان دهد هوش مصنوعی رشد چشمگیری در بهره‌وری شغلی ایجاد کرده باشد.

هوش مصنوعی با سرعتی شگفت‌آور در حال پیشرفت است. جدیدترین مدل‌ها اکنون می‌توانند وظایف پیچیده و زمان‌بر را با نظارت اندک انسانی انجام دهند. اما آیا در اقتصاد نیز اتفاق بزرگی در حال رخ‌دادن است؟

«اسکات بسنت» وزیر خزانه‌داری آمریکا، سال گذشته میلادی پیش‌بینی کرد که هوش مصنوعی به‌زودی «اثر خود را نشان خواهد داد». منظورش این بود که به بهبود محسوس بهره‌وری منجر می‌شود. «کوین وارش» گزینه مدنظر دونالد ترامپ برای ریاست فدرال رزرو نیز روی جهش بهره‌وری ناشی از هوش مصنوعی حساب باز کرده تا به مهار تورم کمک کند.

در نگاه نخست به نظر می‌رسد یک معما در داده‌های اقتصاد کلان آمریکا نشان می‌دهد که بسنت و وارش حق دارند. بر اساس داده‌هایی که ۲۰ فوریه ۲۰۲۵ منتشر شد، اقتصاد آمریکا در سال ۲۰۲۵ به میزان قابل‌توجه ۲.۲ درصد رشد کرد. با‌این‌حال، استخدام در همین دوره به‌شدت کند شد. کارفرمایان به طور متوسط تنها حدود ۱۵ هزار شغل در ماه ایجاد کردند که معادل رشد سالانه اشتغال ۰.۱ درصدی است. چنین ترکیبی نشان می‌دهد که هر نیروی کار به طور متوسط خروجی بیشتری تولید می‌کند.

بااین‌حال، شواهد مربوط به افزایش قابل‌توجه بهره‌وری ناشی از هوش مصنوعی چندان قوی نیست. تولید ناخالص داخلی واقعی در سه‌ماهه چهارم سال ۲۰۲۵ با نرخ سالانه ۱.۴ درصدی رشد کرد (هرچند تعطیلی دولت تا حدی در این موضوع نقش داشت). ازسوی‌دیگر، فاصله اخیر میان رشد تولید و رشد اشتغال نیز چندان غیرعادی نیست. از سال ۱۹۵۰ تاکنون، در نزدیک به یک‌سوم سال‌ها این فاصله دست‌کم ۲ درصد بوده است. گرچه آمار رسمی هنوز منتشر نشده، اما برآوردی مبتنی بر رشد تولید ناخالص داخلی واقعی و مجموع ساعات کار نشان می‌دهد که رشد بهره‌وری در سال ۲۰۲۵ حدود ۱.۹ درصد بوده است. این رقم اندکی کمتر از میانگین بلندمدت حدود ۲ درصد است و فاصله زیادی با بهبودهای دوران رونق اینترنت در دهه‌های ۱۹۹۰ و ۲۰۰۰ دارد. (نمودار ۱)

افزون بر این، شکاف میان رشد تولید و اشتغال می‌تواند ناشی از عوامل متعددی باشد. بخش زیادی از رشد اخیر تولید ناخالص داخلی آمریکا بازتاب جهش سرمایه‌گذاری، به‌ویژه در زیرساخت‌های هوش مصنوعی است. «جیسون فورمن» از دانشگاه هاروارد برآورد می‌کند که حدود ۹۰ درصد از رشد GDP در نیمه نخست سال ۲۰۲۵ ناشی از هزینه‌کرد برای مراکز داده و سرمایه‌گذاری‌های اولیه مرتبط بوده است (البته چنین محاسباتی کالاهای سرمایه‌ای وارداتی مانند تراشه‌ها را کسر نمی‌کند). شاخص‌هایی که اثر تولید ناشی از سرمایه‌گذاری را تعدیل می‌کنند نیز داستان مشابهی روایت می‌کنند. پژوهشی از بانک فدرال رزرو سان‌فرانسیسکو نشان می‌دهد وقتی اثر چنین سرمایه‌گذاری‌هایی حذف شود، رشد بهره‌وری بنیادی تقریباً نزدیک به صفر است.

تحولات بازار کار نیز به همین سمت اشاره دارند. سیاست‌های سخت‌گیرانه‌تر مهاجرتی رشد تعداد نیروی کار را کاهش داده و با حذف بسیاری از کارگران در بخش‌هایی با بهره‌وری نسبتاً پایین مانند کشاورزی و ساخت‌وساز، میانگین بهره‌وری را بالا برده است. کاهش شدید اشتغال موقت نیز اثری مشابه داشته است.

اقتصاددانان چگونه می‌توانند تشخیص دهند که آیا هوش مصنوعی واقعاً به افزایش بهره‌وری کمک کرده است؟ به‌طورکلی باید سه عامل را بررسی کنند: میزان گسترش پذیرش این فناوری، شدت استفاده از آن و مقدار افزایش تولید هنگامی که در وظایف مشخص به کار گرفته می‌شود.

میزان پذیرش این فناوری در حال افزایش است. (نمودار ۲) شاخصی که «الکس بیک» از بانک فدرال رزرو St Louis و همکارانش تهیه کرده‌اند نشان می‌دهد ۴۱ درصد از کارگران آمریکایی در نوامبر ۲۰۲۵ در محل کار از هوش مصنوعی مولد استفاده کرده‌اند؛ این رقم یک سال قبل ۳۱ درصد بود. نظرسنجی‌های دیگر نیز به نتایج مشابهی رسیده‌اند. «جان هارتلی» از دانشگاه استنفورد و همکارانش تخمین می‌زنند نرخ استفاده از حدود ۳۰ درصد در پایان ۲۰۲۴ به ۳۶ درصد یک سال بعد رسیده است.

اما صرف پذیرش فناوری چیز زیادی درباره اثر آن بر بهره‌وری نمی‌گوید. شدت استفاده نیز اهمیت دارد. بیک دریافت که تنها حدود ۱۳ درصد از بزرگسالان در سن کار متعارف، هر روز از هوش مصنوعی استفاده می‌کنند. سهم کل ساعات کاری که در آن از هوش مصنوعی مولد استفاده می‌شود همچنان اندک است؛ این سهم از ۴.۱ درصد در اواخر ۲۰۲۴ به تنها ۵.۷ درصد در میانه ۲۰۲۵ رسیده است. بیشتر کاربردها شامل انجام وظایف مشخص و محدود است، نه خودکارسازی کامل کارها. داده‌های OpenAI نشان می‌دهد مدل‌های این شرکت عمدتاً در محیط‌های کاری برای کمک در نوشتن و پاسخ به پرسش‌های اطلاعاتی استفاده می‌شوند. مدل Claude از شرکت Anthropic نیز بیشتر برای کمک به برنامه‌نویسی به کار می‌رود.

بااین‌حال، وقتی از هوش مصنوعی استفاده می‌شود، مزایا می‌تواند چشمگیر باشد. در سال ۲۰۲۳، «شاکد نوی» و «ویتنی ژانگ» از MIT نشان دادند استفاده از ChatGPT، زمان انجام وظایف نوشتاری را نزدیک به ۴۰ درصد کاهش می‌دهد. در مطالعه‌ای درباره مشاوران BCG، «فابریزیو دل‌آکوا» از مدرسه کسب‌وکار هاروارد و همکارانش بهبود بهره‌وری ۱۲ تا ۲۵ درصدی در انجام وظایف حرفه‌ای واقعی را ثبت کردند. پژوهش گسترده‌تری توسط «ماریا دل ریو-چانونا» از کالج دانشگاهی لندن و همکارانش نیز میانگین افزایش بهره‌وری ۱۵ تا ۳۰ درصدی را در محیط‌های واقعی گزارش می‌کند.

اگر هر سه عامل گسترش استفاده، شدت استفاده و میزان افزایش کارایی را با هم در نظر بگیریم، یک محاسبه تقریبی نشان می‌دهد که هوش مصنوعی تاکنون تنها تأثیر نسبتاً محدودی بر بهره‌وری داشته است. اگر افزایش ساعات کاری صرف‌شده با هوش مصنوعی مولد را با میزان بهبود کارایی ترکیب کنیم، نتیجه آن افزایش حدود ۰.۲۵ تا ۰.۵ درصدی در رشد بهره‌وری طی سال گذشته خواهد بود. البته این برآورد تقریباً قطعاً خوش‌بینانه است؛ زیرا فرض می‌کند تمام زمانی که صرفه‌جویی می‌شود دوباره صرف انجام کار مفید می‌شود و کارگران نه از زیر کار در می‌روند و نه خروجی کم‌ارزش‌تری تولید می‌کنند. شواهد اولیه تصویری پیچیده‌تر را نشان می‌دهد. برخی مطالعات حاکی از آن است که کارمندان هنگام استفاده از هوش مصنوعی در مجموع زمان بیشتری کار می‌کنند و برخی دیگر نشان می‌دهد این فناوری گاهی برای تولید متون یا محتوای کم‌کیفیت استفاده می‌شود که نیازمند ویرایش یا راستی‌آزمایی است.

همه این‌ها به نقص عمیق‌تری در این استدلال اشاره دارد که هوش مصنوعی در حال ایجاد جهش بهره‌وری است. چنین پیشرفت‌هایی معمولاً نه‌فقط زمانی رخ می‌دهد که کارمندان از ابزارهای جدید بیشتر استفاده کنند، بلکه زمانی رخ می‌دهد که شرکت‌ها ساختار خود را پیرامون آن بازطراحی کنند. اولین کارخانه‌های زمانی که موتورهای بخار با موتورهای الکتریکی جایگزین شد، تنها اندکی کارآمدتر شدند. انقلاب واقعی دهه‌ها بعد رخ داد، زمانی که نقشه و چیدمان کارخانه‌ها برای بهره‌گیری کامل از برق بازطراحی شد. در دوره‌ای نزدیک‌تر، پس از فراگیرشدن رایانه‌های شخصی نیز رشد بهره‌وری برای سال‌ها ناامیدکننده بود. این رشد تنها زمانی شتاب گرفت که شرکت‌ها مدل‌های کسب‌وکاری را اتخاذ کردند که از ظرفیت‌های فناوری جدید به طور کامل بهره می‌برد. بخش بزرگی از احیای بهره‌وری آمریکا در دهه ۱۹۹۰ نه در سیلیکون‌ولی بلکه در خرده‌فروشی‌ها رخ داد، جایی که رایانه‌ها لجستیک و مدیریت موجودی را متحول کردند.

هنوز نشانه چندانی وجود ندارد که هوش مصنوعی به مرحله‌ای مشابه رسیده باشد. مطالعه‌ای از «ایوان یوتزوف» از بانک انگلستان و همکارانش نشان می‌دهد مدیران اجرایی به طور متوسط تنها حدود یک ساعت و نیم در هفته از هوش مصنوعی استفاده می‌کنند. از هر ۱۰ مدیر ارشد، ۹ نفر هیچ بهبود قابل‌اندازه‌گیری خاصی در بهره‌وری نیروی کار مشاهده نکرده‌اند. به بیان دیگر، بازآرایی سازمانی به‌تازگی و به‌زحمت آغاز شده است.

شاید واقعاً اتفاق بزرگی در خودِ فناوری هوش مصنوعی در حال رخ‌دادن باشد؛ اما فعلاً این تحول در داده‌های اقتصاد کلان تقریباً نامرئی است.

گزارش حاضر در نسخه February 28^th2026 نشریه The Economist منتشر شده است.

برای ارزیابی پایداری، امنیت و نگهداری این زیرساخت، راهنمای پشتیبانی شبکه را نیز مطالعه کنید.