رونق هوش مصنوعی چگونه می‌تواند بحران مالی کشورهای ثروتمند را تشدید کند

هزینه‌کرد هنگفت برای زیرساخت‌های هوش مصنوعی به رونق سودآوری شرکت‌ها منجر شده است. در سال گذشته میلادی، سود پیش از کسر مالیات شرکت‌های آمریکایی ۱.۲ تریلیون دلار، معادل ۳۰ درصد، افزایش یافته است.

شرکت‌های حاضر در شاخص S&P 500 نیز با فاصله قابل‌توجهی پیش‌بینی‌ها را پشت سر گذاشته‌اند. بااین‌حال، دولت فدرال آمریکا سهم چندانی از این منفعت نمی‌بیند. درآمدهای مالیاتی حاصل از سود شرکت‌ها به‌شدت کاهش یافته است (نمودار ۱). حسابداران دولتی انتظار داشتند درآمدهای مالیاتی در سال جاری کاهش پیدا کند، زیرا تغییرات قانونی به شرکت‌ها اجازه می‌دهد بخش بیشتری از سرمایه‌گذاری‌های خود را در مقابل بدهی مالیاتی‌شان مستهلک کنند. اما ابعاد این کاهش حتی برای خود آنها نیز غافلگیرکننده بوده است؛ چراکه غول‌های فناوری که به طور غیرمعمولی سودآور هستند، هزینه‌های سرمایه‌ای بسیار بالایی را نیز به طور غیرمعمولی مستهلک می‌کنند. این وضعیت نشان می‌دهد که هوش مصنوعی چگونه می‌تواند نظام‌های مالیاتی سراسر جهان را دستخوش تغییرات اساسی کند.

ممکن است هوش مصنوعی را موهبتی برای دولت‌ها بدانید؛ دولت‌هایی که بسیاری از آنها در حال انباشت بدهی‌های هنگفت هستند (نمودار ۲). اقتصاددانان انتظار دارند هوش مصنوعی رشد بهره‌وری را افزایش دهد؛ اتفاقی که باید به ایجاد اقتصادی بزرگ‌تر منجر شود. سه اقتصاددان به نام‌های «کارن داینن»، «داگلاس المندورف» و «لوئیز شاینر» در مقاله‌ای جدید آثار بالقوه هوش مصنوعی بر بدهی آمریکا را مدل‌سازی کرده‌اند. رشد اقتصادی بیشتر می‌تواند نسبت بدهی به تولید ناخالص داخلی را پس از ۳۰ سال، در مقایسه با وضعیتی که در غیر این صورت وجود می‌داشت، حدود ۵۰ درصد از تولید ناخالص داخلی کاهش دهد.

خبر خوبی است؟ تا حدی.
نسبت بدهی آمریکا همچنان افزایش خواهد یافت؛ فقط سرعت افزایش آن کمتر خواهد شد. حتی در آمریکایی که هوش مصنوعی اقتصاد را با شتابی چشمگیر به حرکت درمی‌آورد، دولت در دهه ۲۰۵۰ ممکن است بسیار بدهکارتر از امروز باشد. خطر این است که درآمدهای مالیاتی همچنان از هزینه‌های دولت عقب بمانند؛ گاهی با فاصله‌ای چندین تریلیون دلاری. حتی این احتمال وجود دارد که هوش مصنوعی نه‌تنها کسری بودجه را کاهش ندهد، بلکه آن را افزایش دهد.

یکی از مشکلات این است که هوش مصنوعی ممکن است در حوزه‌هایی ارزش‌آفرینی کند که دولت‌ها مالیات اندکی بر آنها وضع می‌کنند، درحالی‌که در بخش‌هایی که مالیات سنگین‌تری دارند، ارزش را از بین ببرد. اقتصاد ممکن است با سرعت زیادی گسترش یابد، اما دولت را بیش‌از‌پیش از منابع مالی محروم کند. در حال حاضر دولت‌ها بخش عمده درآمد خود را از نیروی کار به دست می‌آورند. در کشورهای عمدتاً ثروتمند عضو سازمان همکاری و توسعه اقتصادی (OECD)، مالیات‌بردرآمد افراد و حق بیمه‌های تأمین اجتماعی سهم بالا و روبه‌رشدی از کل درآمدهای مالیاتی را تشکیل می‌دهند (نمودار ۳). در آمریکا حدود سه‌چهارم کل درآمدهای مالیاتی فدرال از نیروی کار حاصل می‌شود. مالیات بر مصرف و سرمایه از جمله سود شرکت‌ها و عایدی سرمایه، سهم کوچک‌تری دارند.

این ترکیب مالیاتی ممکن است با جهانی سازگار نباشد که در آن هوش مصنوعی جایگزین نیروی کار می‌شود یا دستمزد آنها را به‌شدت کاهش می‌دهد،؛ حتی در شرایطی که سود شرکت‌ها به‌شدت افزایش پیا می‌کند. «آنتون کورینک» از آنتروپیک و «لی لاکوود» از دانشگاه ویرجینیا در مقاله‌ای جدید استدلال می‌کنند: «با کاهش سهم نیروی کار از درآمد به‌واسطه هوش مصنوعی، پایه سنتی مالیات‌گیری فرسوده می‌شود.» آزمایشگاه بودجه دانشگاه ییل (The Budget Lab) مجموعه‌ای از سناریوها را بررسی کرده است که در آنها هوش مصنوعی رشد سالانه تولید ناخالص داخلی را تا ۳.۳ درصد افزایش می‌دهد. این وضعیت درآمدهای مالیاتی بیشتری ایجاد می‌کند؛ اما میزان این افزایش تا حد زیادی به نحوه توزیع درآمد اضافی میان سرمایه و نیروی کار بستگی دارد.

اقتصاددانان ییل فعلاً آثار اقتصادی نسبتاً محدودی را برای هوش مصنوعی متصورند. رشد ۳.۳ درصدی تولید ناخالص داخلی قابل‌توجه خواهد بود، اما بی‌سابقه نیست. برخی دیگر تحول اقتصادی عمیق‌تری را پیش‌بینی می‌کنند. سال گذشته، «فیلیپ ترامِل» از اندیشکده Epoch AI و «دوارکش پاتل» که پادکستر است در مقاله‌ای این احتمال را مطرح کردند که «سهم کل درآمدی که به صاحبان ربات‌ها پرداخت می‌شود» به ۱۰۰ درصد برسد. البته تغییرات برای ایجاد یک شوک مالی عمیق لزوماً نباید تا این اندازه افراطی باشند.

برای سنجش میزان این اثر، اکونومیست آثار کاهش ۱۰ واحد درصدی سهم نیروی کار از درآمد ملی در اثر هوش مصنوعی بر درآمدهای مالیاتی را محاسبه کرده است. چند کشور با مالیات نسبتاً بالا بر سرمایه از جمله استرالیا و کره جنوبی، در این سناریو آسیب نسبتاً اندکی می‌بینند. اما اکثریت دولت‌هایی که به مالیات بر نیروی کار متکی هستند، با ضربه‌ای جدی مواجه خواهند شد (نمودار ۴). در ایتالیا که در مدل اکونومیست بیشترین آسیب را در میان کشورهای بزرگ متحمل می‌شود، کسری بودجه می‌تواند به‌عنوان سهمی از تولید ناخالص داخلی بیش از دو برابر شود؛ با این فرض که هزینه‌های دولت نسبت به تولید ناخالص داخلی در همان سطح باقی بماند. فرانسه و آلمان نیز فاصله چندانی با این وضعیت ندارند. آمریکا با ضربه‌ای کوچک‌تر اما همچنان قابل‌توجه مواجه می‌شود؛ هم به این دلیل که نسبت به سرمایه، مالیات نسبتاً سنگینی بر نیروی کار وضع می‌کند و هم به این دلیل که دستمزدها و حقوق سهمی نامتعارف و بزرگی از تولید ناخالص داخلی این کشور را تشکیل می‌دهند.

کاهش نسبت مالیات به تولید ناخالص داخلی لزوماً اتفاق بدی نیست. اگر تولید ناخالص داخلی واقعی ۳۰ درصد افزایش یابد و درآمدهای مالیاتی واقعی ۲۰ درصد رشد کنند، دولت ممکن است نسبت به اندازه اقتصاد کوچک‌تر شده باشد، اما همچنان منابع بیشتری برای تصاحب خواهد داشت. همچنین اگر دولت بتواند از هوش مصنوعی استفاده کند، ممکن است بتواند این پول را به شکل بهینه‌تری هزینه کند. برای مثال، در حوزه مراقبت‌های سلامت، هوش مصنوعی می‌تواند زمان‌بندی، تشخیص بیماری‌ها و کشف دارو را بهبود دهد و هم‌زمان هزینه کلی این نظام را کاهش دهد. این فناوری می‌تواند آغازگر عصر طلایی خدمات عمومی باشد.

بااین‌حال، نتیجه کم‌رنگ‌تری نیز ممکن است رقم بخورد. هوش مصنوعی می‌تواند هزینه ارائه خدمات عمومی را افزایش دهد، حتی در شرایطی که تقاضا برای این خدمات را بیشتر می‌کند. در چنین شرایطی، دولت‌ها ممکن است درست زمانی به درآمدهای مالیاتی بیشتری نیاز پیدا کنند که دستیابی به این درآمدها دشوارتر شده است.

یکی از مشکلات، چیزی است که اقتصاددانان آن را «بیماری هزینه» (cost disease) می‌نامند. در صنایعی مانند توسعه نرم‌افزار که آثار هوش مصنوعی بر بهره‌وری در آنها بیشترین میزان را دارد، دستمزدها افزایش خواهند یافت. اما آنچه برای توسعه‌دهندگان نرم‌افزار عالی است، لزوماً برای سایر شرکت‌ها و به‌ویژه بخش عمومی مطلوب نیست؛ بخشی که بهره‌وری در آن با همان سرعت افزایش پیدا نمی‌کند. نهادهای دولتی همچنان باید برای جلوگیری از خروج کارکنان و انتقال آنها به مشاغل پردرآمدتر، دستمزد بیشتری بپردازند. در نتیجه، هزینه ارائه یک خدمت عمومی مشخص افزایش خواهد یافت. این همان دلیل بنیادینی است که باعث می‌شود با ثروتمندتر شدن یک کشور، اندازه دولت نیز معمولاً بزرگ‌تر شود.

هوش مصنوعی حتی در شرایطی که هزینه خدمات عمومی را افزایش می‌دهد، ممکن است تقاضا برای آنها را نیز بیشتر کند. افرادی که به سبب هوش مصنوعی شغل خود را از دست می‌دهند، به آموزش مجدد و خدمات بیکاری نیاز خواهند داشت. برخی دولت‌ها ممکن است برای جلوگیری از شکل‌گیری ناآرامی‌های اجتماعی، به درآمد پایه همگانی روی بیاورند. در سناریوی اکونومیست، اگر دولت ایتالیا می‌خواست درآمد ازدست‌رفته افرادی که هوش مصنوعی جایگزین آنها شده است را جبران کند، باید سالانه ۲۰۰ میلیارد دلار دیگر درآمد می‌داشت؛ آن هم در شرایطی که درآمدهای مالیاتی این کشور ۹۰ میلیارد دلار کاهش یافته بود. این به معنای وخامت مالی معادل حدود ۱۰ درصد تولید ناخالص داخلی است.

یکی از راه‌های سازگارکردن نظام‌های مالی با این وضعیت، کند کردن یا متوقف‌کردن پذیرش هوش مصنوعی است. «دارون عجم‌اوغلو» از MIT، «آندره‌آ مانرا» از صندوق بین‌المللی پول و «پاسکوال رسترپو» از دانشگاه ییل استدلال کرده‌اند که نظام مالیاتی آمریکا به نفع خودکارسازی است؛ زیرا مالیات سنگینی بر نیروی کار وضع می‌کند، درحالی‌که برای دارایی‌هایی مانند نرم‌افزار و ماشین‌آلات رفتار مالیاتی سخاوتمندانه‌ای در نظر می‌گیرد. به گفته آنها، این وضعیت به مدیران انگیزه می‌دهد تا نیروی کار را با فناوری جایگزین کنند.

ازاین‌رو، برخی اقتصاددانان ترجیح می‌دهند مستقیماً از هوش مصنوعی مالیات گرفته شود؛ برای مثال از طریق «مالیات بر توان پردازشی» (compute tax) که بر قدرت محاسباتی مورداستفاده برای آموزش مدل‌ها وضع می‌شود یا «مالیات بر توکن» (token tax) که برای هر بار استفاده از یک مدل دریافت می‌شود. با افزایش مخالفت افکار عمومی با هوش مصنوعی، چنین مالیاتی ممکن است موردتوجه قرار گیرد؛ حتی اگر هزینه قابل‌توجهی برای اقتصاد به همراه داشته باشد، زیرا بخشی از مزایای هوش مصنوعی را از اقتصادی که از آنها محروم می‌شود، خواهد گرفت.

بااین‌حال، ممکن است این مالیات، درآمد بسیار اندکی ایجاد کند. برآورد اکونومیست نشان می‌دهد که مصرف‌کنندگان و کسب‌وکارهای آمریکایی در حال حاضر سالانه حدود ۷۰۰ میلیارد دلار برای ساخت و اجرای مدل‌های هوش مصنوعی هزینه می‌کنند. این رقم در مقایسه با کل هزینه نیروی کار که در سال گذشته میلادی ۱۶ تریلیون دلار بود، پایه مالیاتی بسیار کوچکی است. هزینه‌کرد برای هوش مصنوعی ممکن است از اینجا به بعد به‌شدت افزایش یابد، اما میزان آن قابل‌پیش‌بینی نیست. انتظار می‌رود مجموع سرمایه‌گذاری‌های شرکت‌های بزرگ فناوری در هوش مصنوعی از سال ۲۰۲۸ به بعد تثبیت شود، درحالی‌که پیشرفت‌های فناورانه ممکن است باعث شود هزینه‌کرد کسب‌وکارها برای هوش مصنوعی نیازی به جهش چشمگیر نداشته باشد. بنابراین درآمد حاصل از چنین مالیاتی بسیار متزلزل خواهد بود.

ازاین‌رو، دولت‌ها به‌جای مالیات‌گیری مستقیم از هوش مصنوعی، احتمالاً به سراغ دستاوردهای رونق هوش مصنوعی خواهند رفت. یکی از گزینه‌ها، مالیات بر ثروت است. در ماه نوامبر، مردم کالیفرنیا درباره پیشنهادی رأی خواهند داد که بر ثروت خالص ساکنانی که بیش از یک میلیارد دلار دارایی دارند، مالیاتی ۵ درصدی وضع می‌کند. سیاست‌مداران در ایالت‌های دیگر نیز این ایده را می‌پسندند و چندین اقتصاددان برجسته، از جمله عجم‌اوغلو از آن حمایت کرده‌اند. کاهش آستانه یک میلیارد دلار می‌تواند تعداد بیشتری از میلیونرهای چندده‌میلیون‌دلاری که ثروتشان به سبب رونق هوش مصنوعی این رقم رسیده را مشمول مالیات کند.

بااین‌حال، شواهد آکادمیک مستحکمی نشان می‌دهد ثروتمندان در واکنش به مالیات بر ثروت، دارایی‌های خود را به خارج از کشور منتقل می‌کنند یا محل اقامتشان را تغییر می‌دهند. کسب‌وکارهای خصوصی که بسیاری از ثروتمندان دارایی‌های خود را در آنها نگهداری می‌کنند نیز روش ارزش‌گذاری دارند؛ بنابراین مأمور مالیاتی به‌سختی می‌تواند تعیین کند چه میزان مالیات باید مطالبه کند. برای مثال، واقعاً چه میزان از سهام «جان دی. راکفلر» در شرکت Standard Oil که در بورس فهرست نشده بود ارزش داشت؟ چنین ملاحظاتی به توضیح این مسئله کمک می‌کند که چرا بسیاری از کشورهایی که مالیات بر ثروت را وضع کرده بودند، بعدها آن را کنار گذاشتند. در سال ۱۹۹۰، تعداد ۱۱ کشور ثروتمند از طریق مالیات بر ثروت درآمد کسب می‌کردند؛ امروز این تعداد به چهار کشور کاهش یافته است.

حتی اگر هوش مصنوعی بتواند به تعیین ارزش «واقعی» یک کسب‌وکار فهرست‌نشده کمک کند یا حسابرسان مالیاتی فوق‌العاده هوشمندِ مبتنی بر هوش مصنوعی انتقال دارایی‌ها به خارج از کشور را دشوارتر کنند، مالیات بر ثروت ممکن است حتی نزدیک به میزان موردنیاز درآمد ایجاد نکند. در ماه مارس، گروهی از قانون‌گذاران آمریکایی پیشنهادی ارائه کردند که بر اساس آن مالیاتی سالانه معادل ۲ درصد از ثروت خالص خانوارها و تراستی‌هایی با ارزش بیش از ۵۰ میلیون دلار وضع شود و برای ثروت‌های بالاتر از یک میلیارد دلار نیز یک مالیات اضافی یک‌درصدی در نظر گرفته شود. بر اساس فرضیات بسیار خوش‌بینانه حامیان این لایحه، این مالیات درآمدی معادل ۱۵ درصد مالیات فعلی بر نیروی کار ایجاد خواهد کرد. در واقعیت، احتمالاً درآمد بسیار کمتری حاصل خواهد شد. بیشتر مطالعات مستقل درباره مالیات بر ثروت نشان می‌دهند که این مالیات‌ها رشد اقتصادی را نیز کاهش می‌دهند و در نتیجه درآمد حاصل از سایر مالیات‌ها را کم می‌کنند.

شاید هوش مصنوعی ثروت‌های افسانه‌ای بسیار بیشتری برای درآمد مالیاتی دولت‌ها ایجاد کند؟ مشکل این فرض این است که بسیاری از این افراد ظاهراً با همان سرعتی که ثروت به دست می‌آورند، آن را به امور خیریه می‌بخشند. هر هفت هم‌بنیان‌گذار آنتروپیک که به دنبال عرضه اولیه سهام با ارزش ۲ تریلیون دلار است، متعهد شده‌اند ۸۰ درصد ثروت خود را ببخشند؛ آن هم در راستا و تحت تأثیر جنبشی که به «نوع‌دوستی مؤثر» مشهور شده است. در دنیای هوش مصنوعی، ممکن است بخش بزرگی از ثروت شخصی به‌جای حساب‌های بانکی و عمارت‌ها، در بنیادهای خیریه نگهداری شود و اگر ثروت‌های مشمول مالیات به‌سرعت رشد نکنند، نرخ‌های بالای مالیاتی نیز به‌سرعت از آنها خواهد کاست.

نوع‌دوستی مؤثر، بزرگ‌ترین ایده قرن هوش مصنوعی

بنابراین، به‌تدریج اجماعی در میان اقتصاددانان در حال شکل‌گیری است که تغییر مالیات‌های موجود ممکن است بر وضع مالیات‌های جدید ترجیح داشته باشد. این موضوع به‌ویژه درباره مالیات‌بردرآمد سرمایه صادق است؛ درآمدی که شامل سود شرکت‌ها، سود سهام و عایدی تحقق‌یافته سرمایه می‌شود. اگر هوش مصنوعی مطابق انتظارات عمل کند، درآمد سرمایه مرتبط با آن می‌تواند واقعاً عظیم باشد.

یکی از اصلاحات ممکن این است که نرخ مالیات بر عایدی سرمایه به نرخ مالیات‌بردرآمد نیروی کار نزدیک‌تر شود. کالیفرنیا در حال حاضر برای عایدی تحقق‌یافته سرمایه، همان نرخ‌های مالیات‌بردرآمد عادی را اعمال می‌کند. بلژیک اخیراً مالیاتی ۱۰ درصدی بر عایدی دارایی‌های مالی وضع کرده و به‌این‌ترتیب، خلأ قانونی‌ای را که پیش‌تر چنین درآمدی را از مالیات معاف می‌کرد، بسته است. استرالیا در حال افزایش مالیات بر عایدی تحقق‌یافته سرمایه است، اما با تعدیل این عایدی‌ها بر اساس تورم، بخشی از فشار مالیاتی را برای مؤدیان جبران می‌کند. هلند نیز در تلاش است نظام مالیاتی عجیبی را اصلاح کند که در آن فرض می‌شد همه افراد از سرمایه‌گذاری‌های خود به یک اندازه سود به دست می‌آورند؛ وضعیتی که به سرمایه‌گذاران موفق‌تر مزیت می‌داد. این کشور قصد دارد نظامی را جایگزین آن کند که بر سود واقعی مالیات می‌گیرد.

برای به‌حداقل‌رساندن میزان بازدارندگی نظام مالیاتی از کارآفرینی، مالیات بر عایدی سرمایه در سطحی بالاتر از بازده عادی سرمایه‌گذاری می‌تواند با معافیت‌های سخاوتمندانه و متناسب برای زیان‌های سرمایه‌ای همراه شود. برای مثال، افرادی که از یک سرمایه‌گذاری بازده منفی به دست آورده‌اند، می‌توانند این زیان‌ها را نه‌تنها در برابر عایدی سرمایه آینده، بلکه شاید در برابر عایدی‌های گذشته و سایر درآمدها نیز ثبت و از مالیات کسر کنند.

مالیات بر شرکت‌ها نیز می‌تواند سهم بیشتری بر عهده بگیرد؛ به‌ویژه اگر اقتصاد هوش مصنوعی سودهای «مازاد» بیشتری ایجاد کند؛ سودهایی که فراتر از میزان موردنیاز یک شرکت برای سرمایه‌گذاری هستند. این سودهای مازاد می‌توانند ناشی از قدرت انحصاری، زمین‌های کمیاب یا مجموعه‌داده‌های منحصربه‌فرد باشند. در تئوری، می‌توان چنین سودهای فوق‌العاده‌ای را با آسیب نسبتاً اندکی به انگیزه‌های اقتصادی مشمول مالیات کرد. در حال حاضر نیز شماری از کشورها در حال افزایش مالیات شرکت‌ها هستند و به‌این‌ترتیب، روند کاهش مالیات بر شرکت‌ها در دهه‌های ۲۰۰۰ و ۲۰۱۰ را معکوس می‌کنند.

هوش مصنوعی همچنین استدلال‌ها به نفع مالیاتی را تقویت می‌کند که بسیاری از اقتصاددانان بیش از همه آن را می‌پسندند؛ یعنی مالیات بر مصرف. اجتناب از این مالیات‌ها دشوار است و می‌توانند درآمدهای هنگفتی ایجاد کنند. افراد ثروتمند بیش از افراد فقیر هزینه می‌کنند و بنابراین سهم عمده مالیات‌های مصرفی را می‌پردازند. دولت‌ها برای جبران وضعیت خانوارهای فقیرتر که معمولاً مالیات بیشتری نسبت به ثروتمندان به‌عنوان سهمی از درآمدشان می‌پردازند، می‌توانند از نظام رفاه اجتماعی استفاده کنند.

هرچه ماشین‌ها نقش بیشتری در تولید درآمد بر عهده بگیرند، مأمور مالیاتی ممکن است ناچار شود توجه کمتری به این مسئله داشته باشد که پول چگونه به دست می‌آید و توجه بیشتری به این موضوع نشان دهد که پول کجا هزینه می‌شود.

گزارش حاضر در نسخه October 3rd 2026 نشریه The Economist منتشر شده است.

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