IMF ชี้ AI พลิกเศรษฐกิจโลก เปิดโอกาสธุรกิจ แต่โจทย์กำไร-แรงงาน-หนี้ยังค้าง

นายไนเจล คลาร์ก รองผู้อำนวยการกองทุนการเงินระหว่างประเทศ (IMF) กล่าวเปิดการบรรยายหัวข้อ “Inside the Event Horizon: Why Everyone Should Take AI Seriously” จัดโดยมูลนิธิ Per Jacobsson Foundation ร่วมกับกองทุนการเงินระหว่างประเทศ (IMF) และธนาคารเพื่อการชำระเงินระหว่างประเทศ (BIS)

โดยนำเสนอทั้งศักยภาพและความเสี่ยงของปัญญาประดิษฐ์ (AI) ตั้งแต่การเร่งงานวิจัยและเพิ่มผลิตภาพ ไปจนถึงผลต่อกำไรบริษัท รายได้แรงงาน หนี้ และฐานภาษีของรัฐ ฉายภาพความก้าวหน้าของ AI ในช่วงไม่กี่ปีข้างหน้า

รวมถึงการเปลี่ยนแปลงมากมายและครอบคลุมเป็นวงกว้างที่อาจเกิดขึ้นต่อระบบเศรษฐกิจและชีวิตประจำวัน นอกจากนี้ ยังจะหยิบยกประเด็นคำถามทางเศรษฐกิจสำคัญที่เกิดขึ้นตามอัตราการพัฒนาอย่างไม่หยุดยั้งของ AI ไม่ว่าจะเป็นการเปลี่ยนแปลงครั้งใหญ่ในอัตราเร่งของการค้นพบทางวิทยาศาสตร์, ความก้าวหน้าด้านหุ่นยนต์

ตลอดจนความเป็นอิสระและผลกระทบทางเศรษฐกิจของธุรกิจที่ขับเคลื่อนด้วยระบบอัตโนมัติ และอาจรวมไปถึงศักยภาพของระบบ AI ในการมีส่วนร่วมสร้างหรือพัฒนาระบบของตนเองผ่านกระบวนการ “การปรับปรุงตนเองแบบวนซ้ำ” (recursive self-improvement)

Anthropic ชี้ AI เร่งผลิต “นักวิจัยจำลอง” พลิกโฉมวิทยาศาสตร์และเศรษฐกิจ

นายแจ็ค คลาร์ก ผู้ร่วมก่อตั้งและหัวหน้าฝ่ายนโยบายของ Anthropic ระบุว่า ปัญญาประดิษฐ์ (AI) กำลังเปลี่ยนทิศทางการทำงานวิจัย หลังตลอดครึ่งศตวรรษที่ผ่านมา ประสิทธิภาพของนักวิจัยมนุษย์มีแนวโน้มลดลง ขณะที่ต้นทุนในการค้นพบสิ่งใหม่เพิ่มสูงขึ้น โดย AI เข้ามาช่วยเสริมและทำงานแทนมนุษย์ได้บางส่วน

คลาร์กยกตัวอย่างการใช้ AI ในหลายสาขา โดยด้านการพัฒนาซอฟต์แวร์ นักวิจัยของ Anthropic สร้างโค้ดได้เกือบ 10 เท่าของปริมาณที่ทำได้ในช่วง 4 ปีแรกของบริษัท ส่วนด้านคณิตศาสตร์ AI ถูกนำมาใช้เสนอแนวทางแก้โจทย์ที่ยังท้าทายนักวิจัย เช่น ปัญหา Navier–Stokes, ข้อคาดการณ์ Jacobian และปัญหาเปิดของ Erdős

ด้านชีววิทยา AI ถูกใช้ในการออกแบบไวรัสสังเคราะห์และค้นหายาชนิดใหม่ ซึ่งอยู่ระหว่างการทดลองทางคลินิก ขณะที่งานด้านหุ่นยนต์สามารถควบคุมอุปกรณ์ในห้องปฏิบัติการ เพื่อเร่งการทดลองในสาขาวิทยาศาสตร์วัสดุและแบตเตอรี่

คะแนนทดสอบ AI เพิ่มขึ้นต่อเนื่อง

ผลทดสอบที่คลาร์กนำเสนอแสดงให้เห็นว่า ความสามารถของโมเดล AI เพิ่มขึ้นอย่างรวดเร็ว ในการทดสอบ “Humanity’s Last Exam” ซึ่งครอบคลุมเคมี วิทยาการคอมพิวเตอร์ คณิตศาสตร์ และวรรณกรรม โมเดลที่ได้คะแนนสูงสุดเมื่อเริ่มทดสอบในเดือนมกราคม 2025 ทำได้ 8% ขณะที่ Claude Opus 5.5 ทำคะแนนได้ 67.7%

สำหรับการทดสอบ “Frontier Math” คะแนนของโมเดลระดับแนวหน้าเพิ่มจาก 2% ในเดือนพฤศจิกายน 2024 เป็น 94% ส่วน “TheoPhys Eval” ซึ่งเป็นโจทย์ฟิสิกส์ทฤษฎีที่ยังไม่เคยตีพิมพ์ 50 ข้อ GPT-6 Astra ทำได้ 49 ข้อ หรือ 98% โดยคลาร์กระบุว่า AI ยังตรวจพบและแก้ข้อผิดพลาดในการคำนวณของผู้เชี่ยวชาญมนุษย์ได้

คาดเพิ่มกำลังนักวิจัยจำลองได้มหาศาล

คลาร์กกล่าวว่า การเติบโตทางเศรษฐกิจเชื่อมโยงกับการสร้างแนวคิดใหม่และการเพิ่มทุนมนุษย์ ขณะที่ข้อมูลประเมินของ UNESCO ระบุว่า ปัจจุบันโลกมีนักวิจัยประมาณ 10 ล้านคน ซึ่งยังไม่เพียงพอกับความต้องการด้านห้องปฏิบัติการและการทดลอง

AI อาจเพิ่มกำลัง “นักวิจัยจำลอง” (Virtual Scientists) ตั้งแต่ระดับล้านถึงพันล้านระบบ เพื่อทำงานร่วมกับนักวิจัยมนุษย์ โดยทีมเศรษฐศาสตร์ของ Anthropic จำลองสถานการณ์ภายใต้เงื่อนไข Singularity พบว่า หาก AI ทำงานได้อย่างอิสระในภารกิจหลากหลาย และการนำไปใช้ในระบบเศรษฐกิจขยายตัวต่อเนื่อง ผลิตภัณฑ์มวลรวมในประเทศ (GDP) ของสหรัฐฯ อาจขยายสู่ระดับ 44 ล้านล้านดอลลาร์ภายในปี 2030 การเติบโตในระดับดังกล่าวจำเป็นต้องมีอุตสาหกรรมและนวัตกรรมใหม่รองรับ

พลังงานและโครงสร้างพื้นฐานเป็นคอขวด

คลาร์กแบ่งความท้าทายด้านโครงสร้างพื้นฐานออกเป็นสองระยะ ระยะแรกคือความต้องการไฟฟ้า พื้นที่ศูนย์ข้อมูล และห่วงโซ่อุปทานการผลิตชิป ซึ่งปัจจุบันกระจุกตัวในสหรัฐฯ จีน และตะวันออกกลาง ความต้องการที่เพิ่มเร็วกว่ากำลังการผลิตทำให้ต้นทุนสูงขึ้น

ระยะต่อมาคือการขยายการใช้ AI สู่โลกกายภาพ ผ่านการทำงานร่วมกับอุปกรณ์ในห้องปฏิบัติการและระบบหุ่นยนต์อัตโนมัติ

สำหรับประเทศกำลังพัฒนาที่ส่งออกวัตถุดิบ คลาร์กมองว่ามีโอกาสขยับขึ้นไปสู่กิจกรรมที่มีมูลค่าเพิ่มสูงขึ้น หรือก้าวข้ามบางขั้นของการพัฒนา ด้วยการลงทุนในศูนย์ทดสอบทางวิทยาศาสตร์ที่ทำงานร่วมกับ AI ส่วนประเทศพัฒนาแล้วสามารถใช้ AI เพิ่มผลิตภาพของนักวิจัยที่มีอยู่

อย่างไรก็ตาม การนำงานวิจัยไปใช้จริงยังอาจติดขัดที่ขั้นตอนอนุมัติและการนำผลิตภัณฑ์ออกสู่ตลาด เช่น การอนุมัติทดลองทางคลินิกและการกระจายสินค้าข้ามพรมแดน ซึ่งต้องอาศัยการปรับปรุงนโยบายภาครัฐ

เสนอวางกติกาควบคู่กับการพัฒนา

คลาร์กระบุว่า AI มีลักษณะการใช้งานสองทาง (Dual-use) เช่น ความสามารถด้านการเขียนโค้ดที่ใช้ได้ทั้งพัฒนาระบบป้องกันภัยไซเบอร์และสนับสนุนการโจมตีทางไซเบอร์ นอกจากนี้ ยังมีความเสี่ยงด้านอาวุธชีวภาพและการวิจัย AI ที่พัฒนาตนเองจนเกินการควบคุม

เขาเสนอให้ประชาคมโลกพิจารณาสามประเด็น ได้แก่ การกำกับดูแลงานวิจัยด้านชีววิทยาและการพัฒนา AI ด้วยตนเอง โดยให้มนุษย์ควบคุมอย่างเข้มงวด การกำหนดระดับความเข้าใจต่อสิ่งที่ AI สร้างขึ้น ซึ่งอาจซับซ้อนเกินกรอบความคิดเดิมของมนุษย์ และการสร้างกติกาควบคุมความเร็วในการพัฒนา ร่วมกันระหว่างประเทศและบริษัทเทคโนโลยี

คลาร์กสรุปว่า มนุษยชาติมีเวลาไม่ถึงหนึ่งทศวรรษในการสร้างระบบกำกับดูแลและโครงสร้างพื้นฐานที่เหมาะสม พร้อมรักษาสมดุลระหว่างการลงทุนเพื่อสร้างความมั่งคั่งกับการควบคุมความเร็วของเทคโนโลยีอย่างรอบคอบ

AI จีนใช้งานพุ่ง แต่กำไรธุรกิจยังไม่ตามทัน

ศ.ดร.เสิ่น เยี่ยน ศาสตราจารย์ด้านเศรษฐศาสตร์และ Ant Chair Professor แห่งวิทยาลัยการพัฒนาแห่งชาติ มหาวิทยาลัยปักกิ่ง ซึ่งดำรงตำแหน่งผู้อำนวยการบริหารสถาบันการเงินดิจิทัลของมหาวิทยาลัยด้วย ระบุว่า การพัฒนา AI ในจีนกำลังเผชิญความย้อนแย้งระหว่างการใช้งานที่เติบโตอย่างรวดเร็ว กับข้อจำกัดด้านโครงสร้างเศรษฐกิจและการสร้างผลตอบแทนให้ภาคธุรกิจ

การประเมินผลทางเศรษฐกิจจาก AI ต้องพิจารณาตั้งแต่การเปิดรับเทคโนโลยี การเพิ่มผลิตภาพ การเปลี่ยนผลิตภาพเป็นผลตอบแทนทางการเงิน การกระจายประโยชน์ ไปจนถึงผลต่ออุปสงค์ในระบบเศรษฐกิจ

เงินลงทุนจีนยังตามสหรัฐฯ ห่าง

ข้อมูลในช่วงครึ่งแรกของปี 2026 ระบุว่า การลงทุนภาคเอกชนด้าน AI ของจีนอยู่ที่ประมาณ 250,000 ล้านหยวน ตามรายงานของ CNNIC ขณะที่รายงานของ Wall Street Journal ระบุว่า สหรัฐฯ ใช้จ่ายด้าน AI ไปแล้วกว่า 600,000 ล้านดอลลาร์ และมีวงเงินลงทุนที่ผูกพันไว้สูงถึง 3 ล้านล้านดอลลาร์ ทำให้ช่องว่างการลงทุนระหว่างสองประเทศขยายกว้างขึ้น

อย่างไรก็ตาม จีนมีอัตราการเปิดรับ AI ที่เติบโตเร็ว โดยในครึ่งแรกของปี 2026 มีผู้ใช้ Generative AI ราว 700 ล้านคน และองค์กรขนาดใหญ่มีอัตราการนำ AI ไปประยุกต์ใช้ประมาณ 30%

ด้านพลังการประมวลผล อุปทานเพิ่มขึ้น 170% เมื่อเทียบกับปีก่อนหน้า ส่วนการใช้โทเคนต่อวันในเดือนมีนาคม 2026 เพิ่มขึ้นประมาณ 400 เท่าจากเดือนเดียวกันของปีก่อน ขณะที่ความต้องการพลังการประมวลผลในไตรมาสแรกเพิ่มขึ้นมากกว่า 4 เท่า

ผลิตภาพเพิ่ม แต่ยังไม่เห็นกำไรชัดเจน

ผลการศึกษาของวิทยาลัยการพัฒนาแห่งชาติ มหาวิทยาลัยปักกิ่ง พบว่า โดยรวมแล้ว AI ช่วยเพิ่มผลิตภาพได้ แต่ประโยชน์กระจุกตัวในบริษัทที่มีผลิตภาพสูงอยู่ก่อนแล้ว ซึ่งสามารถต่อยอดความได้เปรียบได้มากกว่าธุรกิจขนาดกลางและขนาดเล็ก ลักษณะดังกล่าวเรียกว่า “ปรากฏการณ์แมทธิว” (Matthew Effect)

ขณะเดียวกัน การเพิ่มผลิตภาพยังไม่แสดงผลเชิงบวกต่ออัตรากำไรอย่างชัดเจน การตรวจสอบอัตราผลตอบแทนจากสินทรัพย์ (ROA) และอัตราผลตอบแทนต่อส่วนของผู้ถือหุ้น (ROE) ของบริษัทจดทะเบียนในจีนยังไม่พบผลกระทบเชิงบวกที่เด่นชัด

จากการสำรวจภาคสนาม นักวิจัยของ NSD ระบุสาเหตุหลักไว้ 3 ประการ ได้แก่ บริษัทจำนวนมากยังเลือกเทคโนโลยีให้เหมาะกับธุรกิจของตนได้ไม่ดีพอ การลงทุนตามคู่แข่งแม้ไม่แน่ใจว่าจะสร้างกำไรหรือไม่ ซึ่งเรียกว่า “ปรากฏการณ์โรงละคร” (Theater Effect) และเทคโนโลยีที่เปลี่ยนเร็ว ทำให้เงินลงทุนระลอกแรกอาจล้าสมัยก่อนที่บริษัทจะสร้างรายได้คืนทุนได้

แรงงานบางกลุ่มเผชิญแรงกดดัน ขณะที่บริการสุขภาพได้ประโยชน์

งานวิจัยของ NSD พบว่า หัวหน้าครัวเรือนในพื้นที่ที่มีการใช้ AI สูง และทำงานในอาชีพที่มีความเสี่ยงถูก AI ทดแทน มีรายได้จากการทำงานลดลงและมีแนวโน้มก่อหนี้เพิ่มขึ้น

ในอีกด้านหนึ่ง AI ถูกนำไปใช้ช่วยค้นหาและตอบสนองความต้องการบริการได้ ตัวอย่างคือแอปพลิเคชันด้านสุขภาพในจีนที่เชื่อมผู้ป่วย โรงพยาบาล แพทย์ และบริษัทยาเข้าด้วยกัน โดยช่วยบรรเทาปัญหาขาดแคลนแพทย์ ขยายขอบเขตบริการ เพิ่มประสิทธิภาพการทำงาน และลดต้นทุนการให้บริการ

โมเดลจีนโตในตลาดโลก แต่ยังตามผู้นำด้านผลิตภาพ

ข้อมูลการใช้โทเคนบนแพลตฟอร์ม OpenRouter แสดงว่า หลังเดือนมีนาคม 2026 สัดส่วนการใช้โทเคนจากโมเดล AI ของจีนแซงหน้าโมเดลจากสหรัฐฯ ส่วนยอดดาวน์โหลดแอป AI สัญชาติจีนทั่วโลกเพิ่มขึ้นรวดเร็วหลังการเปิดตัว DeepSeek ก่อนชะลอลงในเวลาต่อมา โดยสหรัฐฯ ยังรักษาอัตราส่วนกำไรในระดับสูงกว่า

เมื่อเทียบพัฒนาการในปี 2025 และ 2026 โมเดลจีนมีจุดแข็งในตลาดระดับล่าง เช่น การสร้างภาพ วิดีโอสั้น และเครื่องมือค้นหา โดยเฉพาะการใช้ AI แทนคนจริงในวิดีโอสั้น อย่างไรก็ตาม มาร์จินและส่วนแบ่งตลาดในกลุ่มเครื่องมือเพิ่มผลิตภาพขั้นสูงยังลดลงเมื่อเทียบกับผู้นำเทคโนโลยีจากสหรัฐฯ

AI อาจเพิ่มอุปทานโดยไม่ช่วยหนุนอุปสงค์

เสิ่นสรุปว่า จีนมีความมุ่งมั่นลงทุนและมีอัตราการเปิดรับ AI สูง แต่ยังเผชิญช่องว่างด้านเงินลงทุนเมื่อเทียบกับสหรัฐฯ ภายในประเทศ การพัฒนา AI เกิดขึ้นท่ามกลางแรงกดดันเงินฝืด เทคโนโลยีอาจช่วยลดต้นทุนและเพิ่มกำลังการผลิต แต่หากรายได้แรงงานไม่เพิ่มตาม ก็อาจไม่ช่วยกระตุ้นอุปสงค์

ส่วนในตลาดโลก เทคโนโลยี AI ของจีนขยายตัวรวดเร็ว แต่ยังไม่ก้าวขึ้นสู่ระดับแนวหน้าสุดของโลกในทุกด้าน

ที่ปรึกษาเศรษฐกิจอินเดียเตือน 5 ความเสี่ยง AI กระทบงาน-การเงิน-ฐาน

นายอนันทา นาเกศวารัน หัวหน้าที่ปรึกษาด้านเศรษฐกิจของรัฐบาลอินเดีย กล่าวถึงถึงความเสี่ยงจากการขยายตัวของปัญญาประดิษฐ์ (AI) ที่อาจกระทบตลาดแรงงาน ทักษะการคิดของมนุษย์ เสถียรภาพระบบการเงิน และฐานรายได้ภาครัฐ โดยเฉพาะประเทศกำลังพัฒนาและประเทศที่มีแรงงานจำนวนมากว่า ตนไม่ได้คัดค้านเทคโนโลยี แต่กังวลต่อเทคโนโลยีที่ลดบทบาทการตัดสินใจของมนุษย์ และระบบการเงินที่ซ่อนความเสี่ยงไว้ โดยมุ่งสะท้อนมุมมองของประเทศเศรษฐกิจที่พึ่งพาแรงงานเป็นหลัก

งานระดับเริ่มต้นลดลง กระทบเส้นทางสะสมทักษะ

ความเสี่ยงแรกคือผลกระทบต่อตำแหน่งงานระดับเริ่มต้นและโอกาสที่แรงงานจะสะสมประสบการณ์ ผลการศึกษาใน 41 ประเทศพบว่า ใน 31 ประเทศที่มีข้อมูลวัดผลได้ สัดส่วนแรงงานระดับเริ่มต้นลดลงใน 23 ประเทศ

ส่วนในสหรัฐฯ การจ้างงานผู้มีอายุ 22–25 ปีในกลุ่มอาชีพที่เสี่ยงถูก AI ทดแทนลดลงราว 19% เมื่อเทียบกับแรงงานอายุมากกว่าในตำแหน่งเดียวกัน

นาเกศวารันเตือนว่า เมื่อ AI ทำงานพื้นฐานได้ด้วยต้นทุนต่ำ บริษัทอาจลดการจ้างงานระดับเริ่มต้น ทำให้ภาระการฝึกอบรมตกอยู่กับองค์กร และเส้นทางพัฒนาบุคลากรที่มีประสบการณ์เพียงพอจะตรวจสอบการทำงานของ AI ในอนาคตอาจแคบลง ความเสี่ยงนี้มีนัยสำคัญต่อประเทศกำลังพัฒนา

พึ่งพา AI มากขึ้น อาจลดทักษะคิดวิเคราะห์

ความเสี่ยงประการที่สองคือการถดถอยของความสามารถในการคิดวิเคราะห์ของมนุษย์และความน่าเชื่อถือของสถาบัน ผลการศึกษาของ MIT Media Lab ที่ติดตามการเขียนบทความของผู้ใช้ AI และผู้ที่ไม่ใช้ AI เป็นเวลา 4 เดือน พร้อมบันทึกการทำงานของสมอง รายงานว่าการเชื่อมโยงของสมองลดลงเมื่อผู้ใช้พึ่งพา AI มากขึ้น

ในการทดสอบครั้งแรก ผู้ใช้ ChatGPT 83% ไม่สามารถยกตัวอย่างประโยคจากบทความที่เพิ่งเขียนเสร็จได้ ผู้วิจัยเรียกปรากฏการณ์นี้ว่า “หนี้สินทางปัญญา” (Cognitive Debt)

อีกด้านหนึ่ง งานวิจัยจากคณะนิติศาสตร์ มหาวิทยาลัยบอสตัน โดยวูดโรว์ ฮาร์ตซอก และเจสสิกา ซิลบีย์ ชี้ว่า การให้ AI ตัดสินใจแทนมนุษย์อาจบั่นทอนความน่าเชื่อถือของสถาบัน เช่น ธนาคารกลางและกระทรวงการคลัง ซึ่งอำนาจและความชอบธรรมขึ้นอยู่กับการอธิบายเหตุผลของการตัดสินใจได้อย่างชัดเจน

การแข่งขันเร่งพัฒนา ท่ามกลางคำถามเรื่องความปลอดภัย

ความเสี่ยงประการที่สามเกี่ยวข้องกับความปลอดภัยและการแข่งขันเพื่อขยายเทคโนโลยี นาเกศวารันอ้างคำกล่าวของหัวหน้านักวิทยาศาสตร์ OpenAI ว่า ยังไม่มีห้องปฏิบัติการใดแก้ปัญหาการปรับแต่งโมเดล (Alignment) ได้ดีพอที่จะขยายเทคโนโลยีด้วยความเร็วสูงสุดอย่างปลอดภัย

ธนาคารแห่งอังกฤษรายงานผลการทดสอบว่า โมเดลที่มีระบบป้องกันอ่อนแอสามารถทำงานนอกเหนือภารกิจที่ได้รับมอบหมายได้ ขณะเดียวกัน การแข่งขันในอุตสาหกรรมทำให้ห้องปฏิบัติการที่ชะลอการพัฒนาเสี่ยงสูญเสียความสามารถในการแข่งขันและมูลค่าบริษัท นาเกศวารันเปรียบเทียบแรงจูงใจดังกล่าวกับโครงสร้างของภาคธนาคารในช่วงก่อนวิกฤตการเงินปี 2008

หนี้จากการลงทุน AI อาจซ่อนอยู่ในระบบการเงิน

ความเสี่ยงประการที่สี่คือหนี้และความเสี่ยงที่อาจกระจายตัวอยู่ในระบบการเงิน การลงทุนโครงสร้างพื้นฐาน AI โดยเฉพาะศูนย์ข้อมูลในสหรัฐฯ คาดว่าจะต้องใช้เงินมากกว่า 10 ล้านล้านดอลลาร์ภายในปี 2032 หรือคิดเป็น 3–6% ของ GDP ต่อปี

ในปีนี้ บริษัทคลาวด์ขนาดใหญ่มีรายจ่ายลงทุน (Capex) สูงกว่ากระแสเงินสดจากการดำเนินงานเป็นครั้งแรก เงินทุนส่วนหนึ่งจึงมาจากการก่อหนี้ผ่านโครงสร้างนอกงบดุล ตัวอย่างที่ยกขึ้นมาคือศูนย์ข้อมูล Hyperion ของ Meta ซึ่งใช้เงินกู้ 90% ผ่านบริษัทร่วมทุน โดยไม่ปรากฏในงบการเงินหลัก

นอกจากนี้ การหมุนเวียนเงินทุนระหว่างผู้ให้บริการคลาวด์กับห้องปฏิบัติการ AI ยังมีส่วนสร้างกำไรทางบัญชีในไตรมาสแรก คิดเป็นประมาณหนึ่งในสามของกำไรของบริษัทเทคโนโลยีขนาดใหญ่ 5 แห่ง ขณะเดียวกัน เลเวอเรจในกองทุน ETF เพิ่มขึ้น และการกู้ยืมของกองทุนเฮดจ์ฟันด์จากโบรกเกอร์หลักเพิ่มขึ้นเป็นสองเท่านับตั้งแต่ปี 2023

รายได้แรงงานที่ลดลงอาจกระทบฐานภาษีรัฐ

ความเสี่ยงประการที่ห้าคือผลต่อฐานภาษีและเสถียรภาพการคลัง แบบจำลองของ Anthropic แสดงสถานการณ์สุดขั้วที่เศรษฐกิจสหรัฐฯ อาจขยายตัว 33% ภายในปี 2030 แต่สัดส่วนรายได้แรงงานลดจาก 60% เหลือ 45% และค่าจ้างแรงงานสายความรู้ลดลงมากกว่า 10% หากรายได้แรงงานลดลง ฐานภาษีเงินได้ของรัฐบาลก็ได้รับผลกระทบตามไปด้วย

ธนาคารแห่งอังกฤษเตือนด้วยว่า หาก AI ไม่สามารถเพิ่มผลิตภาพได้ตามที่คาดการณ์ไว้ สมมติฐานทางเศรษฐกิจอาจสูงเกินจริง และทำให้ภาระหนี้สาธารณะเพิ่มขึ้น

เสนอหนุนงานที่ต้องใช้ทักษะและการตัดสินใจของมนุษย์

สำหรับประเทศที่มีกำลังแรงงานจำนวนมาก นาเกศวารันเสนอให้ส่งเสริมงานที่ต้องอาศัยการปรากฏตัว ทักษะทางกายภาพ และการตัดสินใจของมนุษย์ เช่น การดูแลผู้สูงอายุ เด็กที่มีความต้องการพิเศษ สุขภาพจิต การศึกษา โภชนาการ งานบริการ ตลอดจนช่างไฟฟ้า ช่างประปา ช่างเชื่อม และช่างเทคนิคดูแลศูนย์ข้อมูล ซึ่ง AI สามารถช่วยสนับสนุนได้ แต่ยังไม่สามารถทำแทนทั้งหมด

อินเดียยังขาดแคลนบุคลากรทางการแพทย์ โดยต้องการแพทย์ พยาบาล และผดุงครรภ์เพิ่มราว 1.8 ล้านคน เพื่อให้ถึงเกณฑ์ขั้นต่ำขององค์การอนามัยโลก (WHO)

ด้านการพัฒนาทักษะ นาเกศวารันระบุว่า ค่านิยมทางสังคมเป็นอุปสรรคต่อการเรียนสายอาชีพ ผลสำรวจในสหรัฐฯ พบว่า เยาวชน 71% มองว่าสถาบันอาชีวศึกษามีตราบาปทางสังคมมากกว่าการเรียนต่อระดับปริญญา และมีผู้ปกครองเพียง 7% ที่ต้องการให้บุตรเรียนสายอาชีพ ซึ่งเขาระบุว่าสถานการณ์ในอินเดียมีลักษณะคล้ายกัน

ข้อเสนอคือปรับปรุงสถาบันฝึกอบรม กำหนดมาตรฐานคุณวุฒิอาชีพให้เทียบเท่าปริญญาตามรูปแบบของเยอรมนี ขยายระบบฝึกงานในโรงเรียน และยกระดับสถาบันฝึกอบรมอุตสาหกรรม (ITIs)

เสนอเปิดเผยหนี้จริง และให้ประเทศกำลังพัฒนาร่วมกำหนดมาตรฐาน

ด้านการกำกับดูแล นาเกศวารันเสนอให้สถาบันการเงินนับสัญญาเช่า การรับประกันมูลค่าซาก และหนี้ของบริษัทร่วมทุนเป็นภาระหนี้ที่แท้จริง พร้อมให้คณะกรรมการเสถียรภาพทางการเงิน (FSB) ติดตามความเสี่ยงข้ามพรมแดน

นอกจากนี้ ยังเสนอให้กระทรวงการคลังไม่นำประมาณการผลิตภาพจาก AI มาคำนวณรายได้ภาครัฐจนกว่าจะเห็นผลจริงในข้อมูลเศรษฐกิจ รวมถึงเปิดเผยข้อมูลการจ้างงานและการฝึกอบรมพนักงานระดับเริ่มต้นของบริษัทจดทะเบียนขนาดใหญ่ จัดตั้งองค์กรทดสอบความปลอดภัยที่เป็นอิสระจากห้องปฏิบัติการ AI และเปิดทางให้ประเทศกำลังพัฒนามีส่วนร่วมในการกำหนดมาตรฐานสากล

นาเกศวารันสรุปว่า การกำกับทิศทางเทคโนโลยีต้องคงบทบาทการควบคุมและการใช้เหตุผลของมนุษย์ โดยความเสี่ยงไม่ได้อยู่เพียงที่เครื่องจักรคิดได้เอง แต่อยู่ที่มนุษย์อาจหยุดใช้การคิดวิเคราะห์ในการบริหารเศรษฐกิจและสังคมด้วย