[χρόνος ανάγνωσης 5 λεπτά και 2 δευτ.]
Των:
Ατσαλάκη Ιωάννα
Ατσαλάκη Γιώργου
Ζοπουνίδη Κώστα
Πολυτεχνείου Κρήτης Εργαστήριο Επιστημονικών Δεδομένων
Το παρόν άρθρο εξετάζει κατά πόσον η ευρεία διάδοση της τεχνητής νοημοσύνης (AI), επανανοηματοδοτημένης ως εθνικής υποδομής, μπορεί να αποτελέσει μια βιώσιμη στρατηγική για την αντιμετώπιση του υψηλού δημόσιου χρέους μέσω της επιτάχυνσης της αύξησης της πραγματικής παραγωγικότητας.
1. Εισαγωγή
Τις τελευταίες δεκαετίες, τα αυξανόμενα επίπεδα δημόσιου χρέους έχουν καταστεί καθοριστικό χαρακτηριστικό του παγκόσμιου οικονομικού τοπίου, εντεινόμενα από χρηματοπιστωτικές κρίσεις, δημογραφικές πιέσεις και διευρυμένες δημοσιονομικές παρεμβάσεις ως απάντηση σε συστημικούς κλυδωνισμούς, όπως η πανδημία COVID-19. Πολλές ανεπτυγμένες και αναδυόμενες οικονομίες αντιμετωπίζουν πλέον ιστορικά υψηλούς λόγους χρέους προς ΑΕΠ, γεγονός που περιορίζει τον δημοσιονομικό χώρο και μειώνει την ικανότητα των κυβερνήσεων να ανταποκριθούν σε μελλοντικές οικονομικές υφέσεις.
Κατά συνέπεια, ο εντοπισμός βιώσιμων οδών για τη μείωση των βαρών του χρέους χωρίς την επιβολή λιτότητας παραμένει κεντρική πρόκληση οικονομικής πολιτικής, με ολοένα και μεγαλύτερη έμφαση σε στρατηγικές ενίσχυσης της ανάπτυξης και σε διαρθρωτικές βελτιώσεις της παραγωγικότητας, αντί για αμιγώς δημοσιονομική προσαρμογή.
2.1 Δημόσιο Χρέος και Οικονομική Ανάπτυξη
Πρόσφατες εμπειρικές μελέτες επιβεβαιώνουν ότι το υπερβολικό δημόσιο χρέος μπορεί να εκτοπίσει τις ιδιωτικές επενδύσεις, να αυξήσει το κόστος δανεισμού και να περιορίσει τη δημοσιονομική ευελιξία, επιβραδύνοντας τελικά την αύξηση της παραγωγικότητας και την οικονομική επέκταση.
Νεότερη έρευνα αναδεικνύει επίσης την ύπαρξη ορίων χρέους, πέρα από τα οποία η αρνητική επίδραση στην ανάπτυξη γίνεται εντονότερη. Σημαντικό είναι ότι πρόσφατες μελέτες δείχνουν πως το χρέος μπορεί να ασκεί ανασταλτικές επιδράσεις στην ανάπτυξη ακόμη και κάτω από τα παραδοσιακά όρια, ανάλογα με την ποιότητα των θεσμών και τη δημοσιονομική διακυβέρνηση.
Ταυτόχρονα, η βιβλιογραφία τονίζει όλο και περισσότερο ότι η επίδραση του δημόσιου χρέους στην ανάπτυξη εξαρτάται από τον τρόπο με τον οποίο χρησιμοποιείται το χρέος.
Ο δανεισμός που κατευθύνεται προς παραγωγικές επενδύσεις — όπως οι υποδομές, η καινοτομία και το ανθρώπινο κεφάλαιο — μπορεί να αντισταθμίσει τις αρνητικές επιδράσεις και ακόμη να στηρίξει τη μακροχρόνια ανάπτυξη. Αντίθετα αποτελέσματα παρουσιάζονται όταν οι δημοσιονομικοί πόροι απομακρύνονται από παραγωγικές χρήσεις.
Ιστορικά, οι χώρες έχουν μειώσει υψηλά επίπεδα δημόσιου χρέους μέσω ενός συνδυασμού στρατηγικών, όπως
• η δημοσιονομική προσαρμογή,
• ο πληθωρισμός,
• η χρηματοοικονομική καταστολή και
• η προσαρμογή μέσω ανάπτυξης.
H μείωση του χρέους μέσω της ανάπτυξης παραμένει η πλέον βιώσιμη οδός, καθώς η υψηλότερη αύξηση του ΑΕΠ βελτιώνει τον λόγο χρέους προς ΑΕΠ χωρίς να απαιτεί αυστηρή δημοσιονομική συρρίκνωση.
Σύγχρονα στοιχεία υποδηλώνουν ότι η διατηρήσιμη οικονομική ανάπτυξη — υποστηριζόμενη από διαρθρωτικές μεταρρυθμίσεις και επενδύσεις που ενισχύουν την παραγωγικότητα — είναι απαραίτητη για τη διατήρηση της δημοσιονομικής βιωσιμότητας και την αποφυγή παγίδων χρέους.
2.2 Τεχνητή Νοημοσύνη και Παραγωγικότητα
Η τεχνητή νοημοσύνη (AI) αναγνωρίζεται ολοένα και περισσότερο ως τεχνολογία γενικής χρήσης (general-purpose technology, GPT), με τη δυνατότητα να μετασχηματίσει τις παραγωγικές διαδικασίες σε ένα ευρύ φάσμα τομέων με τα βασικά χαρακτηριστικά των GPTs:
• ευρεία δυνατότητα εφαρμογής,
• συνεχή βελτίωση και
• ισχυρές συμπληρωματικότητες
παρόμοια χαρακτηριστικά με προηγούμενες τεχνολογικές επαναστάσεις, όπως ο ηλεκτρισμός και η ψηφιακή υπολογιστική.
Σε μακροοικονομικό επίπεδο, η AI αναμένεται να συμβάλει στη μακροχρόνια οικονομική ανάπτυξη μέσω:
• της καινοτομίας,
• των κερδών αποδοτικότητας και
• του διαρθρωτικού μετασχηματισμού,
αν και το μέγεθος αυτών των επιδράσεων διαφέρει μεταξύ τομέων και εξαρτάται από την τεχνολογική ετοιμότητα και τις θεσμικές συνθήκες.
Συνολικά, ενώ η AI διαθέτει σημαντικές προοπτικές ως μοχλός αύξησης της παραγωγικότητας και οικονομικού μετασχηματισμού, η μακροοικονομική της επίδραση παραμένει εξαρτημένη:
• από τη δυναμική της διάχυσης,
• τις συμπληρωματικές επενδύσεις και
• τη θεσμική προσαρμογή.
Τα ευρήματα αυτά υποδηλώνουν ότι οι επιδράσεις της AI στην παραγωγικότητα δεν είναι ούτε αυτόματες ούτε ομοιόμορφα κατανεμημένες, αλλά εξαρτώνται από το ευρύτερο οικονομικό και πολιτικό περιβάλλον μέσα στο οποίο αναπτύσσεται η τεχνολογία.
2.3 Υποδείγματα Ανάπτυξης με Βάση τις Υποδομές
Ο ρόλος των δημόσιων υποδομών στη στήριξη της οικονομικής ανάπτυξης παραμένει κεντρικό θέμα στη σύγχρονη μακροοικονομική και δείχνουν ότι οι επενδύσεις σε υποδομές ιδίως:
• σε ενεργειακά συστήματα,
• ψηφιακά δίκτυα και
• προηγμένες υπολογιστικές δυνατότητες
μειώνουν το κόστος συναλλαγών, ενισχύουν την ενοποίηση των αγορών και αυξάνουν σημαντικά την παραγωγικότητα του ιδιωτικού κεφαλαίου.
Οι επενδύσεις αυτές δημιουργούν τόσο βραχυχρόνιους πολλαπλασιαστές από την πλευρά της ζήτησης όσο και μακροχρόνια κέρδη παραγωγικότητας από την πλευρά της προσφοράς, γεγονός που τις καθιστά κεντρικές σε στρατηγικές πολιτικής που ενισχύουν την ανάπτυξη.
3. Επίπεδα Υποδομής της AI
Η επιχειρησιακή αποτύπωση της AI ως εθνικής υποδομής μπορεί να γίνει κατανοητή μέσω τεσσάρων αλληλεξαρτώμενων και αμοιβαία ενισχυόμενων επιπέδων:
3.1 Κέντρα Δεδομένων (Υπολογιστική Υποδομή)
Τα κέντρα δεδομένων υψηλών επιδόσεων αποτελούν τη ραχοκοκαλιά της υπολογιστικής λειτουργίας των συστημάτων AI, επιτρέποντας την εκπαίδευση και την ανάπτυξη μοντέλων μηχανικής μάθησης μεγάλης κλίμακας. Η ταχεία πρόοδος της βαθιάς μάθησης και της παραγωγικής AI έχει οδηγήσει σε εκθετική αύξηση της ζήτησης για υπολογιστική ισχύ, αυξάνοντας σημαντικά τόσο τις κεφαλαιουχικές όσο και τις λειτουργικές δαπάνες.
3.2 Ενεργειακά Συστήματα (Ενεργειακή Υποδομή)
Τα συστήματα AI είναι ιδιαίτερα ενεργοβόρα, ειδικά στο πλαίσιο της εκπαίδευσης και της εξαγωγής συμπερασμάτων από μοντέλα μεγάλης κλίμακας. Πρόσφατη έρευνα αναδεικνύει ότι τα κέντρα δεδομένων που βασίζονται στην AI καθίστανται σημαντικές πηγές ζήτησης ηλεκτρικής ενέργειας, με ουσιαστικές επιπτώσεις στα ενεργειακά συστήματα και στη σταθερότητα των δικτύων. Αυτή η ταχεία αύξηση της ενεργειακής ζήτησης απαιτεί σημαντική επέκταση της παραγωγικής ικανότητας και των δικτυακών υποδομών, ενισχύοντας τη στενή διασύνδεση μεταξύ ψηφιακών και ενεργειακών συστημάτων.
3.3 Αλυσίδες Εφοδιασμού Ημιαγωγών (Υλικοτεχνική Υποδομή)
Οι προηγμένοι ημιαγωγοί αποτελούν κρίσιμη εισροή για τα συστήματα AI, ιδίως οι εξειδικευμένοι επεξεργαστές όπως οι GPUs και οι επιταχυντές AI. Η βιομηχανία ημιαγωγών χαρακτηρίζεται από υψηλή κεφαλαιακή ένταση, τεχνολογική πολυπλοκότητα και γεωγραφική συγκέντρωση, γεγονός που την καθιστά κρίσιμο σημείο συμφόρησης για την ανάπτυξη της AI.
3.4 Συστήματα Δικτύωσης και Συνδεσιμότητας (Ψηφιακή Υποδομή)
Η ισχυρή δικτυακή υποδομή είναι απαραίτητη για να καταστεί δυνατή η διανομή και η εφαρμογή των τεχνολογιών AI σε πραγματικό χρόνο σε όλη την οικονομία. Αυτό περιλαμβάνει την ευρυζωνική συνδεσιμότητα, τις πλατφόρμες υπολογιστικού νέφους και τα αναδυόμενα συστήματα edge computing.
Η ανθεκτικότητα αποτελεί επίσης βασική παράμετρο. Διαταραχές στα δικτυακά συστήματα μπορούν να έχουν επιπτώσεις σε ολόκληρη την οικονομία, καθιστώντας αναγκαίες τις επενδύσεις σε πλεονασματικότητα, κυβερνοασφάλεια και προσαρμοστικές αρχιτεκτονικές, ώστε να διασφαλίζεται η αξιοπιστία και η συνέχεια της λειτουργίας.
4. Δίαυλοι Μετάδοσης: Από την AI στη Μείωση του Χρέους
Η μακροοικονομική σημασία της AI ως υποδομής έγκειται στη δυνατότητά της να επηρεάζει τον λόγο χρέους προς ΑΕΠ μέσω ανάπτυξης που καθοδηγείται από την παραγωγικότητα. Η σχέση αυτή μπορεί να εννοιολογηθεί ως ένας πολυσταδιακός μηχανισμός μετάδοσης:
• AI → Παραγωγικότητα
Η AI ενισχύει την παραγωγικότητα μέσω της αυτοματοποίησης εργασιών, της βελτίωσης της λήψης αποφάσεων και της αύξησης της αποδοτικότητας τόσο στην εργασία όσο και στη χρήση του κεφαλαίου.
• Παραγωγικότητα → Αύξηση του ΑΕΠ
Η αυξημένη παραγωγικότητα μεταφράζεται σε υψηλότερο προϊόν και σε μακροχρόνια αύξηση του ΑΕΠ.
• Αύξηση του ΑΕΠ → Δυναμική του Χρέους
Η υψηλότερη αύξηση του ΑΕΠ βελτιώνει τη δημοσιονομική βιωσιμότητα, αυξάνοντας τον παρονομαστή του λόγου χρέους προς ΑΕΠ.
Ωστόσο, η διαδικασία αυτή δεν είναι ούτε αυτόματη ούτε εγγυημένη. Το μέγεθος και η χρονική στιγμή αυτών των επιδράσεων εξαρτώνται από βασικούς διαμεσολαβητικούς παράγοντες, όπως:
• η κλίμακα και ο συντονισμός των επενδύσεων σε υποδομές,
• η ταχύτητα και το εύρος της διάχυσης της AI,
• τα ρυθμιστικά και θεσμικά πλαίσια,
• η κατανομή των κερδών παραγωγικότητας μεταξύ επιχειρήσεων και περιφερειών.
Χωρίς κατάλληλη πολιτική υποστήριξη, τα οφέλη της AI ενδέχεται να παραμείνουν συγκεντρωμένα και άνισα κατανεμημένα, περιορίζοντας τη συνολική μακροοικονομική τους επίδραση.
5. Προσέγγιση Πολιτικής Ανάλυσης
Το σκέλος της πολιτικής ανάλυσης αξιολογεί τους μη τεχνικούς παράγοντες που διαμορφώνουν την ανάπτυξη και την οικονομική επίδραση της υποδομής της AI. Πρόσφατη έρευνα τονίζει ότι η διάχυση της τεχνολογίας επηρεάζεται έντονα από την Αξιολόγηση Ρυθμιστικών, Χρηματοοικονομικών και Θεσμικών Περιορισμών τα οποία καθορίζουν τόσο την ταχύτητα όσο και την κατανομή της υιοθέτησης.
Α) Τα κανονιστικά πλαίσια: Η κανονιστική ανάλυση επικεντρώνεται στη διακυβέρνηση δεδομένων, στις απαιτήσεις συμμόρφωσης και στα νομικά εμπόδια. κατακερματισμένα ή υπερβολικά περιοριστικά κανονιστικά περιβάλλοντα μπορούν να επιβραδύνουν σημαντικά τη διάχυση της AI, ιδίως μέσω του περιορισμού της πρόσβασης στα δεδομένα και της αύξησης του κόστους συμμόρφωσης.
Ταυτόχρονα, η αποτελεσματική ρύθμιση είναι αναγκαία για τη διαχείριση κινδύνων που σχετίζονται με την ιδιωτικότητα, την ασφάλεια και τη συγκέντρωση της αγοράς.
Β) Τα χρηματοοικονομικά συστήματα: Οι χρηματοοικονομικοί περιορισμοί αξιολογούνται με όρους επενδυτικού κινδύνου, διαθεσιμότητας κεφαλαίου και του ρόλου της δημόσιας έναντι της ιδιωτικής χρηματοδότησης. Τα έργα υποδομής AI χαρακτηρίζονται από υψηλό αρχικό κόστος, αβέβαιες αποδόσεις και ισχυρές δικτυακές εξωτερικότητες, γεγονός που μπορεί να οδηγήσει σε υποεπένδυση ελλείψει συντονισμού από τον δημόσιο τομέα.
Γ) Τη θεσμική ικανότητα: Η θεσμική ανάλυση εξετάζει περαιτέρω την ικανότητα των κυβερνήσεων να σχεδιάζουν και να εφαρμόζουν μακροπρόθεσμες στρατηγικές, ιδιαίτερα σε τομείς όπως η εκπαίδευση, η ανάπτυξη του εργατικού δυναμικού και η πολιτική καινοτομίας. Η βιβλιογραφία τονίζει ολοένα και περισσότερο ότι η θεσμική ετοιμότητα αποτελεί βασικό προσδιοριστικό παράγοντα των κερδών παραγωγικότητας που προκύπτουν από την AI.
Συμπέρασμα
Συνολικά, αυτό το μεθοδολογικό πλαίσιο επιτρέπει μια πολυδιάστατη αξιολόγηση της AI ως εθνικής υποδομής, ενσωματώνοντας τεχνοοικονομική μοντελοποίηση, πολιτική ανάλυση. Συνδυάζοντας αυτές τις προσεγγίσεις, η μελέτη παρέχει μια ισχυρή βάση για την ανάλυση των συνθηκών υπό τις οποίες η AI μπορεί να συμβάλει σε διατηρήσιμη αύξηση της παραγωγικότητας και σε βελτιωμένη βιωσιμότητα του χρέους.
