Luis Garicano über die Ökonomie der Künstlichen Intelligenz
Yascha Mounk und Luis Garicano erörtern, wie KI Arbeitsmärkte, Produktivität und Wirtschaftswachstum verändern wird.
Wenn dir meine Artikel und Podcasts gefallen, abonniere dich jetzt – oder leite sie an Freunde weiter –, damit dieser Substack weiter wachsen kann!
Luis Garicano ist Professor für Public Policy an der London School of Economics.
In dem Gespräch dieser Woche diskutieren Yascha Mounk und Luis Garicano über das wirtschaftliche Ausmaß des transformativen Potenzials der KI, darüber, ob künstliche Intelligenz menschliche Arbeitskräfte ergänzt oder ersetzt, und warum die Silicon Valley-Prognosen zur Automatisierung regelmäßig danebenliegen.
Das Transkript wurde gekürzt und zur besseren Verständlichkeit leicht bearbeitet.
Yascha Mounk: Es gibt vieles, worüber ich gerne mit Ihnen sprechen würde, aber das Thema, das mich in letzter Zeit sehr beschäftigt, ist künstliche Intelligenz. Ich habe in diesem Podcast bereits Gespräche über die Technologie selbst geführt, mit Leuten wie Geoffrey Hinton. Ich habe die Dimension existenzieller Risiken mit Menschen wie einem der Co-Autoren von If Anybody Builds It, Everyone Dies diskutiert. Ich habe auch über einige der breiteren politischen Aspekte nachgedacht.
Allerdings hatte ich noch kein Gespräch speziell über die Ökonomie der künstlichen Intelligenz. Es wäre wirklich interessant, diese Fragen einmal anzugehen. Wir werden uns besonders auf den Arbeitsmarkt konzentrieren, aber bevor wir dorthin gelangen: Was erwarten Sie ganz allgemein für Auswirkungen von KI? Werden sie groß, mittelmäßig oder gering sein? Wird sie zu dem enormen wirtschaftlichen Wachstum führen, das manche vorhersagen, oder wird sie wirklich die Zahl der Jobs für Menschen drastisch reduzieren? Wird dies eine ökonomisch revolutionäre Zeit, oder ist es nur eine von vielen Entwicklungen, die interessant, aber letztlich nicht so folgenreich sind?
Luis Garicano: Ich habe keine Glaskugel – Vorhersagen sind immer schwierig. Aber lassen Sie mich Ihnen meine beste Einschätzung geben, basierend auf dem, was wir sehen. Es ist klar, dass viel Wissensarbeit automatisiert werden könnte, selbst wenn die Technologie morgen stehen bliebe – viele Wissensaufgaben eben. Es ist bereits sehr deutlich, dass Aufgaben, die Routine sind, Aufgaben, die mit Diagnosen zu tun haben, Schreiben, Verfassen von Dokumenten, Recherche – die KI macht das bereits perfekt. Programmierarbeit ist wirklich spektakulär. Was die Frage angeht, ob es groß wird: Ich denke, es wird riesig. Es ist wahrscheinlich eine Revolution von der Größe der industriellen Revolution – das ist sehr wahrscheinlich –, nur dass sie statt physische Arbeit, kognitive Arbeit automatisiert. Alles deutet auf große Auswirkungen hin, und auch beschleunigende.
Es gab Leute, die zweifelten, Leute, die sich fragten, ob KI ein großes Ding werden würde oder nicht. Ich glaube nicht, dass irgendjemand von diesen Leuten noch zweifeln könnte, angesichts dessen, was wir in den letzten sechs oder acht Wochen beobachtet haben. Die Explosion neuer Modelle, die Art, wie sie funktionieren – Claude Code erobert wirklich die Welt im Sturm. Jeder hat bemerkt, dass die Bewertungen von Softwareunternehmen an der Börse abstürzen, was zeigt, dass die Leute glauben, viele Funktionen, viele Verticals und viele Softwareprodukte, die einen bestimmten Anwendungsfall abdeckten, können durch KI ersetzt werden.
Also ja, eine große Sache, und in vielen Segmenten. Zur Wachstumsfrage: Ja, wenn das so groß ist, wie es scheint, werden wir großes Produktivitätswachstum und eine Beschleunigung sehen – aber nicht die Art von Wachstum, die viele Leute im Silicon Valley vorhersagen, weil die meisten Ökonomen in Kategorien von O-Ringen und Engpässen und schwachen Gliedern denken. Das heißt: Man kann so viele Wirkstoffe zur Krebsbekämpfung erfinden, wie man will, aber wenn man jahrelange klinische Studien und behördliche Genehmigungen durchlaufen muss, wird das nicht plötzlich massiv beschleunigt. Diese schwachen Glieder werden das Wachstum überall begrenzen.
Zur Arbeitsfrage: Die bisherigen Belege zeigen, dass KI mehr ergänzt als ersetzt. In den drei Bereichen, wo wir die größten Auswirkungen erwarten, sind Übersetzer nicht weniger geworden – alle dachten, Übersetzer würden dezimiert, Übersetzung scheint ein gelöstes Problem zu sein, und doch ist die Menge der Übersetzungsarbeit laut Weltarbeitsstatistiken nicht gesunken. Kundendienstmitarbeiter: Manche werden entlassen, manche wieder eingestellt, um andere Jobs zu machen; auch hier sieht das BLS nicht viel. Sogar Computerprogrammierer – wir sehen keine großen Rückgänge. Es gab ein paar Studien früher im Jahr. Erik Brynjolfsson hat eine Studie mit Co-Autoren namens Canaries in a Coal Mine, die anfing, Rückgänge in stärker exponierten Segmenten für jüngere Angestellte zu sehen, und davon sehen wir etwas. Aber es wird viel darüber diskutiert, ob das mit COVID zu tun hat und so weiter. Für die Beschäftigung im Moment sieht es so aus, als unterstützt KI mehr, als dass sie ersetzt.
Es ist klar, dass KI viele Aufgaben erledigen kann. Mein Hauptstreitpunkt mit der Silicon Valley-Interpretation ist der Glaube, wenn ein Computer die Aufgaben ersetzen kann, die am leichtesten von einer Maschine erledigt werden, dann ist der Job weg. Jobs sind mehr als ihre am leichtesten automatisierbaren Aufgaben – ein Radiologe zum Beispiel verbringt nur 30 Prozent seiner Zeit damit, Scans anzuschauen. Der Job eines Radiologen ist viel mehr als nur die Diagnose von Scans.
Mounk: Ich war in einem Meeting mit Sam Altman, ich glaube 2018 – ich wusste damals kaum, wer er war. Ich erinnere mich, dass er aus dem Fenster eines Hotels im Silicon Valley zeigte und sagte, in drei oder fünf Jahren würden dort Roboter Häuser bauen. Nichts davon ist eingetreten. Es gibt eine sehr reale Tendenz von Leuten im Silicon Valley, nicht nur die Technologie zu überversprechen, sondern auch die Hindernisse für die reale Anwendung von Technologie zu unterschätzen. Diese Hindernisse sind besonders offensichtlich, wie Sie kürzlich anmerkten, bei etwas wie dem Hausbau, wo die Beschränkungen eigentlich nicht die Unfähigkeit sind, Häuser zu bauen – wir wissen, wie man Häuser baut. Es sind behördliche Genehmigungen, Bebauungsvorschriften, Bedenken darüber, ob sich der Charakter einer Nachbarschaft ändern wird, und all diese Dinge.
Garicano: Zwei Punkte zu Ihren Anmerkungen. Einer betrifft die Silicon Valley-Position. Ich bin sehr überrascht, dass sie nicht nur die Technologie hypen – was ich verstehe, weil man Unternehmensabos verkaufen will –, sondern auch die Risiken der Technologie hypen und die ganze Zeit Menschen mit dem Aussterben bedrohen und sagen, KI wird alle ihre Jobs übernehmen. Ich sehe den Sinn dieser Taktik nicht. Ich kann verstehen, dass sie sagen müssen, all diese Dinge seien unglaublich transformativ, wenn sie die Bewertungen rechtfertigen wollen – und sie sind transformativ.
Neulich sagte Mustafa Suleyman – der ehemalige DeepMind-Mitbegründer und Microsoft-KI-Chef – zur FT, sie würden alle Büroarbeitsplätze in 18 Monaten automatisieren. Ich scherzte: Glaubt wirklich jemand, dass Microsoft es tatsächlich hinbekommt, Outlook oder Word in 18 Monaten richtig zum Laufen zu bringen? Ich glaube nicht, dass sie ihre zwei furchtbaren Softwareprodukte in 18 Monaten reparieren können. Wir alle hassen Outlook – wir hassen es seit 15 Jahren, und ich würde wetten, wir werden es in 18 Monaten hassen. Sie reden also davon, komplette, komplexe Jobs zu automatisieren, und können ihre eigene Software nicht reparieren. Das ist einfach völlig lächerlich.
Mounk: Bevor wir in die Substanz eintauchen, würde ich gerne, dass Sie uns helfen, die Prämisse zu klären, von der Sie ausgehen. Viele meiner Hörer sind technikaffin, und viele sind es nicht. Ich treffe immer noch viele Leute im Gespräch, die mit ChatGPT experimentiert haben, als es vor etwa drei Jahren herauskam, und die ab und zu darauf zurückgreifen – vielleicht nutzen sie es anstelle von Google, um nach bestimmten Dingen zu suchen, oder für Übersetzungen, oder für sehr spezifische Aufgaben. Sie sind immer noch überzeugt, dass es viel halluziniert, und sie spüren stark die Grenzen dessen, was es kann.
Ein Teil davon ist, denke ich, dass die meist kommerziell genutzten ChatGPT-Produkte nicht sehr gut sind im Vergleich zu manchen Konkurrenten heute – teilweise weil sie Ihre Anfragen manchmal an ein wirklich mächtiges Modell und manchmal an ein gar nicht sehr mächtiges Modell weiterleiten. Ein Teil davon ist, dass viele Leute kostenlose Versionen dieser KI-Tools verwenden, die viel weniger leistungsfähig sind als die, für die man mindestens 20 Dollar im Monat zahlen muss. Ein Teil davon ist, dass wahrscheinlich nur ein Bruchteil der Leute, die diesem Podcast zuhören, Tools wie Claude Code verwendet haben.
Lassen Sie mich also zunächst erklären, worum es geht: Wenn Sie sagen, dass es in den letzten Monaten enorme Fortschritte gegeben hat – und allgemeiner in den letzten Jahren –, was können diese Tools heute leisten? Wie nutzen Menschen sie auf eine Art, die sich völlig von dem unterscheidet, was man erwarten würde, wenn man nur die kostenlose Version von ChatGPT verwendet?
Garicano: Lassen Sie mich Ihnen ein Claude Code-Beispiel und ein Beispiel für Deep Research geben.
Das Claude Code-Beispiel ist folgendes: Faszinierend ist, dass die Maschine mit Ihnen sprechen und dabei Werkzeuge einsetzen kann – sie kann Python-Tools zum Einsatz bringen. Lassen Sie mich das ganz konkret erklären. Ich habe eine Studie gemacht: Ich war Mitglied des Europäischen Parlaments und wollte nach meiner Rückkehr in die Wissenschaft erforschen, wie Narrative im Europäischen Parlament funktionieren – ich wollte zeigen, dass es in diesen Narrativen keine Zielkonflikte gibt. Was ich tat: Ich sammelte 46.000 Reden, sämtliche Reden, lud sie herunter und stellte sie in eine Tabelle. Jede Rede geht über eine API an ChatGPT – das heißt über eine spezielle Schnittstelle –, wird verarbeitet, kommt zurück in die Tabelle, wird auf bestimmte Weise klassifiziert, und dann analysieren wir diese Klassifikation mit statistischen Werkzeugen. Das dauerte sechs Monate. Eine Menge Arbeit: jede Rede holen, schicken, zurückholen und so weiter. Das hatte ich zum Thema Klima gemacht.
Dann entschied ich mich, Claude Code zu verwenden, um all diese Arbeit – sechs Monate Arbeit – für das Thema KI zu erledigen. Wie entwickelt sich der Diskurs im Parlament über KI? Ich sagte Claude Code – im normalen Text, ohne Programmierung –, hier ist mein Verzeichnis mit all diesen Dateien, und es solle die exakt gleiche Pipeline schreiben: die Rede holen, schicken, klassifizieren, analysieren, aber anstatt für Klima, wie in den ursprünglichen Dateien, für KI. Da sind viele Python-Programme beteiligt, mehrere Programme, die ich ausführen musste. Sechs Monate Arbeit. Sechs bis zehn Stunden später lag eine vollständige Analyse von Claude Code vor – alle Verzeichnisse, alle Tabellen, jede einzelne Abbildung, von Anfang bis Ende. Der Unterschied ist: Man spricht mit ihm, aber es kann all diese Werkzeuge einsetzen, all diese Dinge erledigen, ins Internet gehen, Code ausführen.
Das zweite, was ich Ihren Hörern erzählen möchte und was sie sehr gerne nutzen würden, falls sie es nicht schon tun, sind die Deep Research-Tools. An der Spitze der Forschungsfront dieser Modelle bitten Sie es, eine Frage zu erforschen – zum Beispiel könnten Sie sagen: Der Populismus wächst, und es gibt zwei Erklärungen, eine kulturelle und eine wirtschaftliche. Ich möchte eine gründliche Literaturübersicht über alle Belege, die diese Theorien vergleichen. Ich möchte, dass Sie viel Zeit damit verbringen, Hunderte von Papieren zu sammeln, sie zu klassifizieren, mir die Verteilung der Belege zu nennen und einen gründlichen Forschungsbericht zu schreiben. Das ist mittlerweile besser als das, was ein Forschungsassistent über mehrere Monate hätte leisten können.
Das sind zwei Beispiele für das, was am oberen Ende möglich ist. Warum sind sie für die Welt nützlich? Denken Sie an einen Anwalt. Ein Anwalt für Transaktionen vergleicht im Grunde eine Situation mit bestehenden Präzedenzfällen und bestehender Rechtsprechung – er entwirft beispielsweise ein Urheberrechtsabkommen oder einen Hauskaufvertrag. Er sucht ähnliche Verträge, lädt das relevante Wissen hoch und wandelt es in einen neuen Vertrag um. Wenn eine Kanzlei all ihre Verträge in Claude Code einbaut und das System bittet, dieses Wissen zu nutzen, um Vertragserstellung, Compliance und Verifikation zu automatisieren, dann kann es definitiv – jetzt schon und ohne jeden Zweifel – diese komplette Aufgabe bewältigen.
Mounk: Ich habe vor etwa anderthalb Monaten angefangen, Claude Code zu verwenden. Ich habe praktisch keinen Programmierhintergrund – ich hatte ein paar Gruppenstunden in C++ in der Mittelstufe, machte etwas Programmierung in statistischer Software im Graduiertenstudium, aber sehr begrenzt. Ich war hauptsächlich Politiktheoretiker. Dann nahm ich ein paar Wochen an CS50 teil, dem berühmten Online-Informatikkurs auf edX – ein sehr guter Kurs, das war vor zehn Jahren. Wenn Sie mir eine Programmieraufgabe für Anfänger gestellt hätten, wie ein Zahlenratespiel zu programmieren, hätte ich es nicht geschafft. Jetzt, mit diesem Tool, konnte ich fünf verschiedene Dinge programmieren, die für mich von konkretem Nutzen sind. Es ist schlichtweg verblüffend, was es kann.
Allgemeiner gesagt: Einige der Fallstricke, die KI noch vor ein paar Jahren hatte, sind eigentlich nicht mehr da. Als ChatGPT 3.5 herauskam, hatte es keine erweiterte Denk-Modalität. Es ist, als würde ich Ihnen eine schwierige Frage stellen, und es wäre Teil einer Gameshow, wo Sie verlieren, wenn Sie nicht innerhalb einer Sekunde zu antworten beginnen oder wenn Sie länger als eine Sekunde zwischen zwei Wörtern zögern – diese Antwort wird nicht sehr kohärent sein. Jetzt sprechen die Systeme auf der höheren Stufe mit sich selbst und führen Sie durch den Prozess, mit dem sie eine Antwort versuchen. Sie probieren eine Antwort aus, prüfen, ob sie Sinn macht, und sagen dann: Nein, eigentlich habe ich einen Fehler gemacht, ich sollte das anders machen. Wenn sie Ihnen das Ergebnis geben, haben sie darüber in viel, viel größerem Umfang nachgedacht.
Zum Problem der Halluzinationen: Ich schrieb einen Beitrag auf Substack darüber, wie ich Claude bat, eine publikationsfähige politiktheoretische Arbeit zu schreiben. Eine Reihe erfahrener Kollegen in dem Bereich schrieben mir, nachdem ich es veröffentlicht hatte, dass es absolut in einer Spitzenzeitschrift veröffentlicht worden wäre, wenn es eingereicht worden wäre. Ich schaute mir einige der Referenzen an – nicht jede einzelne – und es halluzinierte nicht. Es weiß mittlerweile im Großen und Ganzen, wie es sicherstellen kann, dass etwas tatsächlich existiert, und es kennzeichnet, wenn es unsicher ist. Es sagte mir: Ich habe die Seitenzahlen für die kanonischen Übersetzungen von Tocqueville eingefügt – bei denen bin ich mir nicht sicher, bitte gehen Sie und überprüfen Sie sie, ich habe keinen Zugang zu diesem vollständigen Text. Wenn ich das PDF dieses Buches hochlade, macht es das für mich. Es weiß also, was es weiß, und es weiß, was es nicht weiß. Viele dieser Probleme sind behoben.
Jetzt kommen wir in den Bereich der Ökonomie. Ich weiß nicht, ob wir Superintelligenz erreicht haben, wie Dario Amodei sie definiert – wo wir plötzlich das Äquivalent eines ganzen Landes voller Genies haben. Aber wir haben sicherlich das Äquivalent eines ganzen Landes voller Mittelschichtsprofis. Plötzlich ist die Zahl der Menschen, die kompetent einen Rechtsvertrag entwerfen können – und das in zehn Sekunden für sehr wenig Geld –, viel größer als früher. Was bewirkt das also – zunächst für das Wachstum? Wenn Wirtschaftswachstum in gewisser Weise durch Humankapital begrenzt war, begrenzt durch die Anzahl gut ausgebildeter Menschen mit Zugang zu viel Wissen, die diese Arbeit ausführen können, dann sollte das bedeuten, dass wir eine echte Steigerung des Wirtschaftswachstums sehen werden. Oder ist es komplizierter?
Garicano: Die Näherung erster Ordnung ist: Sie haben eine Steigerung der Produktivität und eine Steigerung des Wachstums – das ist ein vernünftiger Ausgangspunkt. Es gibt zwei oder drei Vorbehalte, die wichtig sind, wenn man versucht herauszufinden, wie groß diese Steigerung ist.
Der erste sind Organisationen. Die Organisation der Arbeit ist zutiefst menschlich. Wie Sie in meinem jüngsten Beitrag über Londoner Wohnungsbau andeuteten: Der Grund, warum 23 von 25 Londoner Bezirken in diesem Jahr null Wohnungen bauen – 2025 gab es null Baubeginne –, hat nichts mit Technologie zu tun. Ihnen bessere Technologie zu geben, wird die Probleme mit den Nachbarn, mit den NIMBYs, mit den Grünen, mit der Bodenregulierung, den Anwälten und all den anderen Dingen, die den Bau stoppen und die wir bereits kennen, nicht lösen. Der erste Vorbehalt sind also Organisationen und allzu menschliche Hindernisse – was bedeutet, dass selbst wenn die Technologie da ist, viele andere Faktoren zusammenarbeiten müssen.
Es gibt ganze Sektoren, die Baumolsche Eigenschaften aufweisen. Baumol machte in den 1960er Jahren eine Beobachtung – vielleicht haben Sie das schon einmal mit Ihren Hörern diskutiert –, dass ein Streichquartett noch immer eine Stunde braucht, um ein Mozart-Stück zu spielen, genau dieselbe Stunde, die es vor 200 Jahren gebraucht hätte: vier Personen, eine Stunde, kein Produktivitätszuwachs.
Mounk: Das ist ein sehr alter Punkt, denn heutzutage würde kein Ökonom mehr über Streichquartette sprechen.
Garicano: Diese Beobachtung trifft auf einen sehr großen Teil der Wirtschaft zu. Für Friseure, Köche – Technologie spielt keine Rolle. Es geht nicht nur darum, dass es Engpässe gibt, sondern das Produktivitätswachstum ist sehr gering, weil wirklich keine echte Technologie und keine echte KI im Spiel ist.
Interessant ist: In dem Wirtschaftssektor, der technologischen Wandel erlebt, ist es durchaus möglich – wir werden gleich über Nachfrageelastizität sprechen –, dass die Menschen eine Sättigung erreichen und dieser Sektor kleiner wird, während die Preise fallen. Denken Sie an die Landwirtschaft: Sie wurde technologisch fantastisch, aber sie wurde immer kleiner, je produktiver sie wurde, weil die Mägen der Menschen nicht mitwuchsen. Die Zahl der beschäftigten Arbeiter ging zurück. Das bedeutet: Der Sektor mit der technologischen Expansion reduziert seine Größe, und der andere Sektor – der mit den Geigern – vergrößert seine. Infolgedessen hängt der gewichtete Durchschnitt des Wachstums nicht nur davon ab, wie stark der produktive Sektor wächst, sondern auch davon, dass der wachsende Sektor selbst kleiner werden kann.
Mounk: Man kann sich das so vorstellen: Alles, was automatisiert werden kann, wird plötzlich im Überfluss vorhanden. Insofern mag es sich nicht vollständig in den BIP-Zahlen niederschlagen, aber es macht die Welt grundlegend neu. Wenn ich an den Fall der Landwirtschaft denke, ist diese zu einem viel kleineren Teil der Wirtschaft geworden, und wir zahlen für Lebensmittel weitaus weniger als früher. Sie werden die technischen Details besser verstehen als ich, aber das spielt das Ausmaß dieser Veränderung in der Art, wie wir das BIP erfassen, eher herunter.
Was es bedeutet: Während für den Großteil der Menschheitsgeschichte selbst Menschen in wohlhabenden Ländern – wenn man nicht ganz oben in der Hierarchie stand – stark eingeschränkt waren in dem, was sie an Nahrung zu sich nehmen konnten, infolgedessen unterernährt waren und früher starben, ist heutzutage Nahrung nicht mehr die primäre Ausgabe, wenn Sie sich irgendwo außerhalb der unteren 20 Prozent eines mäßig bis wohlhabenden Landes befinden. Es ist eine bedeutende Ausgabe, wenn Sie gutes Essen mögen und schöne Dinge einkaufen, aber wenn Sie sich nur von Instantnudeln und ein paar Nahrungsergänzungsmitteln so ernähren wollen, dass Sie Mangelernährung vermeiden, wird das ein winziger Teil Ihres Budgets sein. Das ist eine grundlegend positive Transformation des menschlichen Lebens, auch wenn sie sich nicht vollständig in den BIP-Zahlen niederschlägt.
Garicano: Ökonomen sprechen gern von Wohlfahrt als der Summe aus Konsumenten- und Produzentenrente. In diesem Fall profitiert der Konsument am stärksten. Vieles von dem, was mit KI passiert, ist, dass die Gewinne an die Verbraucher gehen und nicht in den BIP-Zahlen erscheinen.
Lassen Sie mich Ihnen ein Beispiel geben. Wir haben eine kaputte Spülmaschine. Wir machen ein Foto, laden es zu ChatGPT hoch und fragen, was los ist. Es sagt, dieses Teil ist verklemmt und man sollte es einfach entfernen. Wir entfernen es. Unsere Wohlfahrt ist gestiegen – wir sind glücklicher, wir haben das Problem gelöst. Nun gibt es eine Transaktion, die stattgefunden hätte – jemand wäre zu unserem Haus gekommen, um die Spülmaschine zu reparieren –, die nicht stattfand. Das BIP wäre höher gewesen, wenn diese Person gekommen wäre und wir sie bezahlt hätten. Aber unsere Wohlfahrt ist gestiegen. Wenn wir unsere eigenen Krankheiten diagnostizieren können, wenn wir beurteilen können, ob unsere Ernährung gut oder schlecht ist, ohne zu einem Ernährungsberater zu gehen, wenn wir unsere eigenen Verträge aufsetzen können – all diese Dinge steigern unsere Wohlfahrt, erscheinen aber nicht im BIP. Tatsächlich könnten einige davon das BIP reduzieren.
Ich sprach mit einem CEO aus China, der mir sagte, er dachte, viele der Gewinne würden „auf dem Flur weggeraucht”. Ich fragte, was er meinte. Er sagte, er beobachte, dass alle seine IT-Leute produktiver würden – Probleme schneller lösten –, aber dass sich das nicht in besseren Zahlen am Monatsende niederschlage. Jede Person in der IT war produktiver, aber sie gingen früher nach Hause oder spielten Videospiele. Das sind echte Gewinne, die das BIP nicht steigern müssen.
Das andere, was ich erwähnen möchte, ist der Unterschied zwischen kurz- und langfristig. Stellen Sie sich vor, es gibt zwei Sektoren, und Sektor A wird vollständig automatisiert – sagen wir Anwälte, auch wenn dieses Beispiel unvollkommen ist, weil Anwälte viel regulatorischen Schutz haben und es viele Kontexte gibt, in denen man verpflichtet ist, einen zu nutzen. Stellen Sie sich vor, wir brauchen keine Anwälte mehr und lösen unsere Rechtsprobleme selbst. Alle Menschen in Sektor A, der automatisiert wird, müssen zu Sektor B wechseln. Die gesamte Nachfrage, die jetzt Konsumentenrente ist – Geld, das wir nicht mehr für Rechtsprobleme ausgeben müssen –, kann in den anderen Sektor fließen. Aber diese Umverteilung geschieht nicht sofort. Das Kapital muss bewegt werden, die Arbeitskraft muss verlagert werden, die Nachfrage muss umgeleitet werden. Es gibt einen Moment, in dem das BIP fallen könnte, weil wir keine Rechtsdienstleistungen oder Spülmaschinenreparaturen konsumieren und der Übergang zu neuen Konsummustern noch nicht stattgefunden hat. In der Zwischenzeit wird Kapital abgeschrieben, Arbeitskraft wird verlagert, und möglicherweise gibt es auch nicht genügend Nachfrage. Dieser ganze Übergang könnte definitiv alles andere aussehen lassen als glattes, kontinuierliches Wachstum.
Mounk: Ich versuche herauszufinden, was der Gesamteffekt dieser Veränderungen sein könnte. Einerseits wird die Landwirtschaft – historisch ein riesiger Teil der menschlichen Aktivität – größtenteils automatisiert, die Zahl der Menschen, die in der Landwirtschaft arbeiten, ist jetzt erstaunlich niedrig, die Produktion steigt stark an, und infolgedessen fallen die Preise stark. Der Großteil der Konsumentenrente wird von den Verbrauchern eingefangen, und das ist eine sehr gute Sache.
Was ich nicht ganz verstehe: Was bildet eigentlich die Grundlage der Verhandlungsmacht gewöhnlicher Menschen? In der Agrarwelt lautet die Antwort, dass die Produktion landwirtschaftlicher Güter sehr billig wird, aber es stellt sich heraus, dass Menschen für den Betrieb aller möglichen anderen Bereiche der Wirtschaft notwendig sind. Es gibt eine starke Nachfrage nach menschlicher Arbeit, und das ist es, was den Menschen erlaubt, weiter zu konsumieren.
Wenn wir nun zu einer Welt gelangen – und das klingt immer noch etwas nach Science-Fiction, aber ich versuche mir das Szenario vorzustellen –, in der KI die Landwirtschaft vollständig ohne Menschen betreiben kann und die Systeme zur Verwaltung der Landwirtschaft vollständig steuern kann und die Anwaltskanzleien vollständig betreiben kann, die nötig sind, um Kapital effizient der Landwirtschaft zuzuteilen und sicherzustellen, dass die effizientesten Unternehmen das beste Land bearbeiten, dann kann es sein, dass es immer noch Bereiche einer menschlichen Wirtschaft gibt, in denen menschliche Arbeit benötigt wird. Es kann sein, dass Menschen immer noch menschliche Lehrer bevorzugen oder dass Menschen weiterhin bei medizinischen Entscheidungen erforderlich sind – vielleicht weil wir KI-Systemen nicht vertrauen, sie zu treffen, oder vielleicht wegen regulatorischer Hindernisse bei der vollständigen Automatisierung dieser Entscheidungen.
Doch wenn sämtliche zugrunde liegenden Produktionsprozesse, die tatsächlich materiellen Wohlstand schaffen, keine Menschen mehr brauchen – gibt es dann eine Art Perpetuum mobile in der Kreislaufwirtschaft unter Menschen, das allein ausreicht, um Wohlstand zu erhalten? Oder muss es eine Rückbindung an die materielle Produktion geben, damit sich das ganze Konstrukt selbst trägt? Wenn die gesamte Nachfrage nach menschlicher Arbeit nur dadurch entsteht, dass die Pflege alter Menschen extrem teuer ist, dass Regulierungen den Hausbau verhindern, dass Kapitaleigner bereit sind, viel für Wohnraum zu bezahlen, weil sie irgendwo wohnen müssen, und dass manche Menschen weiterhin in kundenorientierten Rollen beschäftigt bleiben, weil es Vorschriften so verlangen – reicht das tatsächlich aus, um Wohlstand für menschliche Arbeitskräfte zu erhalten, wenn alle wirklich produktiven Prozesse von nicht-menschlichen Arbeitskräften erledigt werden können?
Garicano: Lassen Sie mich das in mehrere Teile aufgliedern. Erstens: Der Sättigungsfall, den wir diskutieren – dass ein Sektor schrumpft, je effizienter er wird –, muss nicht zwangsläufig eintreten. Tatsächlich wächst in vielen Sektoren die Branche, wenn die Technologie besser und effizienter wird. Das nennt man den Jevons-Effekt, nach William Stanley Jevons, einem englischen Ökonomen, der beobachtete, dass kohlebetriebene Maschinen immer effizienter wurden und trotzdem mehr Kohle verbrauchten, nicht weniger. Warum? Weil sie, je besser sie wurden, für so viel mehr Zwecke eingesetzt wurden, dass der Gesamtkohleverbrauch stieg. In vielen Sektoren – denken Sie an Gesundheit, denken Sie an Energie – ist es unwahrscheinlich, dass der Sektor insgesamt schrumpft, je effizienter er wird. Wahrscheinlicher ist, dass er wächst und mehr Menschen braucht. Die Sektoren mit der größten Wachstumswahrscheinlichkeit bei sinkenden Preisen – die mit der elastischsten Nachfrage – wären etwa Gesundheit und Energie, um nur zwei einfache Beispiele zu nennen.
Der zweite wichtige Punkt ist die Idee der Komplemente, auf die Sie in Ihrer Frage deutlich angespielt haben. Es gibt viele Situationen, in denen ein Mensch an einem Engpass gebraucht wird. Selbst wenn die ersten 99 Aufgaben automatisiert werden können, aber die 100. Aufgabe einen Menschen erfordert, dann sind die 99 automatisierten Aufgaben zwar im Überfluss vorhanden, aber die Knappheit liegt immer noch beim Menschen – und der Mensch wird die Rente und das Arbeitseinkommen abschöpfen.
Mounk: Das hängt davon ab, dass der Mensch knapp ist. Wenn diese Aufgabe ein sehr hohes Qualifikationsniveau erfordert und man Millionen von Menschen braucht, weil sie so produktiv sind, dann werden viele Leute relativ ordentlich beschäftigt sein. Aber wenn man nur sieben Leute braucht, die exzellent sein müssen, dann werden diese sieben riesige Renten abschöpfen – ein Teil des wirtschaftlichen Gewinns wird an sie gehen, aber nur an sie.
Man bedenke: Etwa fünf Prozent der männlichen Erwerbstätigen weltweit arbeiten als Fahrer. Die Rente aus dem Bedarf nach menschlichen Fahrern ist sehr breit verteilt – jeder dieser Fahrer ist vermutlich nicht sehr wohlhabend, aber die Rente für diese Tätigkeit ist weit gestreut. Nun nehmen wir an, dass zehn Leute alle selbstfahrenden Autos überwachen müssen und unglaublich qualifiziert sein müssen, wobei nur sehr wenige Menschen dazu imstande sind. Vielleicht schöpfen sie einen Großteil dieser Rente ab, aber das sind nur zehn Leute, die dieses Geld bekommen. Oder nehmen wir an, man braucht tausend Leute, aber eine Million Menschen können diese Arbeit machen – dann wird der Lohn für diese tausend Menschen wirklich niedrig sein, weil jeder von ihnen gefeuert werden kann und 999.000 vor der Tür stehen und bereit sind, seinen Platz einzunehmen. Es hängt also sehr von solchen Details ab.
Garicano: Ich schreibe ein Buch zu diesem Punkt – es heißt Messy Jobs. Das Argument von Messy Jobs ist, dass es einen großen Unterschied gibt zwischen einer Aufgabe und einem Job.
Geoffrey Hinton, den Sie in Ihrem Podcast hatten, ist berühmt dafür, 2016 gesagt zu haben, dass niemand mehr Radiologie studieren sollte, weil Radiologie nur ein Expertensystem sei, das Fotos scannt – und natürlich würde jedes Expertensystem besser sein, trainiert an Hunderten von Millionen Brustkrebsscans und perfekt im Erkennen dieser Krebsarten. Tatsache ist jedoch, dass die Nachfrage nach Radiologen nie höher war. Ihre Gehälter steigen, ihre Zahl wächst, und es ist der drittbestbezahlte Medizinberuf in den USA. Warum? Weil die Aufgabe sich stark vom Job unterscheidet. Der Technologe stellt sich vor, ein Radiologe schaue nur Scans an. Aber nur 30 Prozent der Zeit eines Radiologen entfallen aufs Betrachten von Scans – sie müssen Diagnosepläne entwickeln, mit Kollegen sprechen, mit Patienten reden und viele andere Dinge tun.
Das erste entscheidende Hindernis für Ihre Dystopie ist, dass die Automatisierung von Teilen eines Jobs – von Aufgaben – nicht die Automatisierung des Jobs ist. Ich lade alle Ihre Zuhörer ein, darüber nachzudenken, was sie heute getan haben, und zu überlegen, welche dieser Dinge durch eine Maschine ersetzt werden könnten. Ich war in einem Workshop, hatte ein Arbeitsmarkt-Seminar, hatte ein Meeting mit Kollegen, Studenten kamen vorbei, ich arbeitete an einem Paper – und wenn Sie durchdenken, wie viele dieser Aufgaben Sie durch eine Maschine ersetzen könnten, werden Sie feststellen, dass viele davon nicht ersetzbar sind. Die Aufgabe, die wir gerade machen – ein menschliches Gespräch über etwas zu führen – lässt sich nicht ersetzen. Ein Job und eine Aufgabe sind wirklich sehr verschiedene Dinge. Viele Aspekte eines Jobs können sich ändern, ohne dass das ganze Bündel verschwindet. Es wird neu gebündelt, es wird anders aussehen, aber es wird nicht verschwinden.
Dafür gibt es spezielle Gründe. Einer ist die Notwendigkeit, die KI zu steuern. Man kann sie nicht einfach machen lassen. Die KI ist schmeichlerisch – sie neigt dazu, dem zuzustimmen, was man sagt. Will man sie nach links steuern, sagt sie: Ja, links ist großartig. Will man sie nach rechts steuern, sagt sie: Ja, rechts ist das Beste, Sie sind der Klügste. Was man ihr sagt, wird wichtig sein, und das bedeutet, jemand wird Urteilsvermögen ausüben müssen. Entscheidend ist, dass dies kein Problem ist, das dadurch gelöst wird, dass KI immer klüger wird. Denken Sie ans Familienmanagement – alles, was Sie morgens mit den Kindern machen, sich bewegen, entscheiden. Vieles davon ist nicht automatisierbar, weil viel von dem Wissen darüber, was vor sich geht, stillschweigend vorhanden ist. Es ist in Ihrem Kopf. Keine Maschine kann Ihnen sagen, ob das Kind diese Stiefel anziehen muss oder ob heute der Tag ist, an dem es dieses oder jenes bestimmte Ding braucht. Autorität ist von Natur aus menschlich. Schwierige Entscheidungen zu treffen ist von Natur aus menschlich.
Der Berater zu sein, der PowerPoint-Präsentationen macht – ja, das lässt sich automatisieren. Aber macht der Berater nur PowerPoints, oder geht er zur Firma, hört den Arbeitern zu, findet heraus, wo die Probleme sind, und bestimmt, wie man die Dinge verbessert? Vieles davon ist stillschweigend vorhanden. Daher würde ich der Idee widersprechen, dass ganze Jobs autonom erledigt werden.
Sie haben recht, dass selbstfahrende Autos die Autonomieschwelle überschritten haben – die Autos können im Wesentlichen selbst fahren, was bedeutet, dass das Angebot an Fahrern plötzlich unendlich wird und der Lohnboden zusammenbricht. Das ist ein gutes Beispiel, aber es ist ein Beispiel, wo die Aufgabe sehr klar definiert und sehr repetitiv ist. Ist das die Mehrheit der Jobs? Die Behauptung von Messy Jobs ist, dass, wenn man über Nachfrageelastizität nachdenkt, viele Sektoren wachsen werden; wenn man über Komplementaritäten nachdenkt, wird es entscheidende Knappheiten geben, die Menschen ausnutzen können – und es wird viele solcher Knappheiten geben. Das ist, ohne überhaupt zur Frage der Nachfrage nach menschlichen Dienstleistungen zu kommen, bei der ich mir tatsächlich nicht sicher bin. Ich bin mir nicht sicher, dass Menschen, wenn sie alt sind, unbedingt eine Person wollen werden, die sie herumkommandiert und fragt: „Geht es uns heute gut?” – ich würde vielleicht einen Roboter bevorzugen, der sich um mich kümmert. Es ist also nicht offensichtlich, dass Menschlichkeit an sich immer die bevorzugte Option ist.
Mounk: Einschließlich vieler der intimeren Aufgaben in der Altenpflege – würden Sie lieber von einem anderen Menschen den Hintern abgewischt bekommen oder lieber von einer Maschine? Sie wollen sicherlich etwas menschliche Gesellschaft. Sobald Ihr Hintern abgewischt ist, würden Sie gerne ein Gespräch mit einem Menschen führen.
Ich habe eine mittlere Position in diesen Debatten, und ich möchte einigen der Dinge widersprechen, die Sie gesagt haben – obwohl ich nicht von einer maximalistischen Position ausgehe. Ich stimme zu, dass viele der Vorhersagen, dass alle Jobs in zwei Jahren verschwunden sein werden, das Zeugnis von Leuten sind, die nicht sorgfältig über Politik oder die reale Welt nachgedacht haben. Aber einige der Beispiele, die Sie gegeben haben, lassen mich etwas weniger überzeugt zurück.
Ein Beispiel: Kann KI das Management einer Familie auslagern? Ein Teil des Familienlebens ist, dass man zwischen Menschen verhandelt und versucht, gemeinsam einen Plan zu entwickeln. Selbst wenn eine KI einen Plan erstellen kann, der effizienter ist als jeder, auf den Sie selbst gekommen wären, gehört es zum Wesen einer Familie, solche Pläne gemeinsam zu machen – zu entscheiden, was man heute unternimmt und Ähnliches. Auf emotionaler Ebene könnten Sie diese Dinge vielleicht nicht auslagern. Auf rein planerischer Ebene allerdings denke ich, dass KI die Aufgaben, die Sie beschrieben haben, absolut bewältigen könnte – und tatsächlich würden viele Feministinnen sagen, dass das genau das ist, wofür sie sehr lange argumentiert haben, weil es oft Frauen sind, die die emotionale Arbeit und die zweite Schicht leisten: im Blick behalten, dass Timmy morgen zum Zahnarzt muss und Tammy übermorgen zum Ballett, und ob das Kleid, das sie fürs Ballett braucht, schon gewaschen wurde. Es würde eine Invasion der Privatsphäre erfordern – eine KI, die an all diesen Gesprächen beteiligt ist und sofort notiert, wenn Tammy sagt: Vergiss nicht, ich brauche X oder Y für meine Ballettstunde nächste Woche. Aber kann KI all diese Dinge tun? Absolut. Könnte sie tatsächlich dabei einige Ehen retten? Wahrscheinlich ja.
Garicano: Hier bin ich anderer Meinung. Es gibt Aufgaben der Informationsverarbeitung – und Sie haben recht, dass sich viele dieser Aufgaben automatisieren lassen. Wir synthetisieren Informationen, bringen sie in eine Form, die verarbeitet werden kann, und treffen eine Entscheidung. Aber es gibt andere Aufgaben, die nichts mit Informationsverarbeitung zu tun haben. Ihre Frau oder Ihr Kind ist aufgebracht – jemand muss mit dem Kind sprechen, jemand muss verstehen, warum es aufgebracht ist, und jemand muss entscheiden: Ja, der optimale Plan aus Sicht der Familie war, dass du nicht zu Hause bleiben konntest, aber ich habe dir zugehört und entschieden, dass du bleibst.
Vieles davon ist keine Informationsverarbeitung. Sie verstehen Ihre Kinder. Sie verstehen, was ein Blick bedeutet – von Ihrer Frau, von jemand anderem. Wann ein Blick bedeutet: Ja, ich werde es tun. Wenn sie ja sagen, aber eigentlich nein meinen. Es gibt eine Menge stillschweigendes, lokales Wissen, das in die Führung einfließt, ins Familienleben und in die Wirtschaft. Wir sprechen hier nicht nur über Politik oder Emotionen – wir sprechen über zwischenmenschliches Wissen. Sie kennen Ihre Frau seit vielen Jahren und wissen, wann Sie Druck ausüben können und wann sie weiß, dass sie Druck ausüben kann. Man könnte sagen, die Maschine könnte diese Dinge wissen – ich glaube ehrlich gesagt nicht, dass sie es könnte.
Nehmen Sie den Handwerker: Sie wissen, welcher Elektriker zuverlässig ist und welcher Sie beim letzten Mal über den Tisch gezogen hat. Kann die KI wissen, ob Sie irgendeinen Hebel nutzen können, damit dieser Elektriker pünktlich auftaucht? Wir sprechen über ein außergewöhnliches Maß an zwischenmenschlichem und stillschweigendem Wissen – und denken Sie auch daran: Viel von dem stillschweigenden Wissen in Berufen ist Wissen, das Angestellten Macht verleiht. Sie werden es nicht freudig mit der KI teilen. Sie sollten wissen, dass mein Kollege soundso dieses Problem mit dem Chef hat und nie mit ihm arbeiten will – solche Dinge werden in den Köpfen der Menschen bleiben.
Also ja, Aufgaben der Informationsverarbeitung können und werden automatisiert werden. Aber vieles von dem, was bleibt, hat nicht nur mit emotionalen und sozialen Fähigkeiten zu tun, sondern mit stillschweigendem Wissen und persönlichem Wissen, das die Maschine wahrscheinlich nie vollständig erlangen wird, weil sie es nicht erfassen kann.
Mounk: Ich habe dazu zwei verschiedene Fragen. Erstens: Wenn wir uns von den extremen Vorhersagen entfernen und anerkennen, dass fortgeschrittene KI-Tools eindeutig viele der Aufgaben bewältigen können, die bei der Wissensproduktion anfallen, dann bedeutet das vermutlich, dass einige Arbeitsplätze wegfallen werden. Die Vorstellung, KI sei inkompetent, könne nichts von alledem, sei alles nur Hype und eine Blase – wir sind uns einig, dass das falsch ist. Aber ich denke, wir sind uns auch einig, dass am anderen Ende realweltliche Reibungen sehr real sind. Jobs sind chaotisch, weil die Welt chaotisch ist, und deshalb ist die Vorstellung naiv und versteht die reale Welt nicht, dass wir ab dem Moment, in dem Claude Ärzte bei einer Reihe stilisierter medizinischer Fragen schlägt – was es mehr oder weniger jetzt schon tut –, erwarten sollten, dass es morgen keine Ärzte mehr gibt.
Aber was passiert im mittleren Bereich? Was passiert, wenn die Nachfrage nach Büroarbeit plötzlich um 25 oder vielleicht 30 Prozent reduziert wird? Es muss nicht zwischen heute und morgen passieren – es geschieht über den Zeitraum von 10 oder 20 Jahren. Man sieht einfach eine kontinuierliche, allmähliche Verringerung der Nachfrage nach dieser Art hochqualifizierter Arbeit: während bestehende Unternehmen Arbeit wegautomatisieren, während Firmen, die zu stur oder unfähig sind, das zu tun, von neuen KI-nativen Konkurrenten verdrängt werden – genauso wie in vielen Bereichen der Wirtschaft Internet-native Unternehmen die alten verdrängen mussten, bevor man wirklich Produktivitätszuwächse online sah.
Das wird ein erheblicher Prozess sein, und er wird nicht auf einmal geschehen. In gewisser Weise wirft das eine ebenso beunruhigende Möglichkeit auf: dass der Arbeitsmarkt über einen längeren Zeitraum langsam einbrechen wird und dass wir vor dem berühmten, etwas apokryphen Szenario vom Frosch im kochenden Wasser stehen. Wenn alle über den Zeitraum von zwei Monaten ihren Job verlören, würden wir uns vielleicht alle organisieren und eine Art Entschädigung fordern. Aber wenn sich das als Jahrzehnte zeigt, in denen die Verhandlungsmacht gewöhnlicher Menschen allmählich schwindet – weil die Nachfrage nach menschlicher Arbeit einfach chaotisch und planlos weiter fällt –, könnte das dennoch eine unglaublich schmerzhafte Zeit für gewöhnliche Menschen bedeuten.
Garicano: Sie beschreiben mehr oder weniger mein Szenario des Übergangs zwischen Sektor A und Sektor B. Wir wissen, dass während der Industriellen Revolution das, was man die Engels’sche Pause nannte – etwa zwischen 1790 und 1840 –, genau das geschah: Die Löhne stagnierten oder fielen und die Arbeiter waren in Schwierigkeiten. Dann verdoppelte sich das BIP in den folgenden Jahrzehnten bis 1900 ungefähr. Also ja, es könnte passieren, dass der Übergang über einen Zeitraum hinweg hart ist.
Ich würde stattdessen über die Kombination von Faktoren nachdenken, die in die andere Richtung wirken. Erstens gibt es Bereiche, in denen überhaupt nichts passieren wird, weil sie völlig außerhalb der Reichweite dieser Technologie liegen. Zweitens wird es in Sektoren mit elastischer Nachfrage ein enormes Wachstum geben – man denke an medizinische Bildgebung. Wenn KI alle Routineuntersuchungen übernimmt, würden wir vielleicht alle jedes Jahr oder alle sechs Monate Ganzkörperscans bekommen. Die Nachfrage ist extrem elastisch, und der Sektor könnte sehr viel größer werden – mit Radiologen, die weit mehr Geräte überwachen müssen. Das gilt meiner Ansicht nach für viele Bereiche. Drittens gibt es auch innerhalb der Sektoren, die automatisiert werden, noch immer unübersichtliche Aufgaben – Menschen, die anleiten, urteilen, Entscheidungen treffen, Richtungen vorgeben. Zählt man all das zusammen, hat man keine Katastrophe vor sich. Man hat einen Übergang, der in manchen Teilbereichen bedeutsamer und in anderen weniger bedeutsam ist.
Wir werden auch völlig neue Sektoren entdecken – wer hätte TikToker und Instagramer vorhergesagt? Addiert man die Bereiche, in denen nichts passiert – von Jobs im öffentlichen Dienst über Kunst, Musik, Friseure, Köche bis hin zur Tierpflege, die allein etwa ein Prozent der US-Bevölkerung ausmacht und natürlich völlig unberührt von KI bleibt –, und addiert dann die Sektoren mit sehr elastischer Nachfrage, die wachsen werden, wie Gesundheit und Energie, und addiert dann die unübersichtlichen Jobs, bei denen die Stellen fortbestehen, obwohl manche Aufgaben automatisiert werden – von Managern bis zu Unternehmern –, und addiert dann die Komplementaritäten, dann gibt es auch David Autors Idee der neuen Mittelschicht: Man denke an eine Krankenpflegerin, die mit einem Genie in der Kiste ausgestattet ist und nun wirklich komplizierte Krankheiten diagnostizieren, dem Patienten die Hand halten, alle anderen Teile des Jobs erledigen und mehr Probleme lösen kann als je zuvor. Natürlich will dann, wie Sie sagten, vielleicht jeder Krankenpfleger werden, und wir müssen über das Angebot in der Pflege und anderen Fachberufen nachdenken. Aber wenn man all das zusammenzählt, entfernt man sich von dem Gefühl, dass eine kataklysmische Veränderung bevorsteht, und bewegt sich eher zu der Ansicht, dass ja, das ist Automatisierung, ja, es wird eine größere Revolution werden als das, was wir in den letzten 50 oder 60 Jahren gesehen haben, vielleicht eher vergleichbar mit der Industriellen Revolution – aber nein, es wird keine weitverbreitete, langfristige Arbeitslosigkeit verursachen. Wir werden neue Jobs sehen, an die wir heute nicht einmal denken würden, von TikTokern und Instagramern bis zu Gassigehern. Wer hätte Ihnen gesagt, dass Sie mal Podcaster werden würden?
Mounk: Ich weiß nicht, ob die Zukunftsvision darin besteht, dass es den Menschen gut gehen wird, weil wir weiterhin TikToker und Instagrammer und Hundeausführer sein werden.
Garicano: Nein, das habe ich nicht gesagt. Ich sagte, dass der Tierpflegesektor ein Prozent der Bevölkerung ausmacht. Das sind Krankenpfleger und Leute, die sich um Haustiere kümmern, und all diese anderen Bereiche.
Mounk: Lassen Sie mich nach den Hundeausführern fragen. Etwas Interessantes ist in den letzten zehn Jahren passiert – was nur zeigt, wie epistemisch bescheiden wir bei all dem sein sollten: Ich erinnere mich an all die Gespräche darüber, dass Fahrer ihre Jobs verlieren würden, und wie das in der Populismus-Diskussion damit verknüpft wurde, warum der Mittlere Westen für Trump stimmte. Die vorgeschlagene Lösung war, dass sie alle programmieren lernen sollten. Nun stellt sich heraus, dass KI richtig gut im Programmieren ist. Währenddessen sind Waymo-Fahrzeuge – trotz einer Reihe technischer Probleme, die sich als schwerer lösbar erwiesen als zunächst gedacht, obwohl sie inzwischen größtenteils gelöst sind – sehr effizient und viel sicherer als menschliche Fahrer, doch es gibt nach wie vor erhebliche regulatorische Hürden. Die Zahl der Fahrten, die Waymo anbietet, steigt exponentiell, aber der Marktanteil ist noch immer sehr klein, und den meisten menschlichen Fahrern geht es noch gut. Das wird länger dauern, als viele Leute denken.
Aber wir leben jetzt in einer Welt, in der offenbar Programmierer ihre Jobs verlieren – obwohl die Wirtschaftsdaten dazu gemischt sind – und in der Wissensarbeiter scheinbar kurz davor stehen, ihre Jobs zu verlieren, während alle handwerklichen Berufe als sicher gelten. Den Klempnern wird es gut gehen. Den Hundeausführern wird es gut gehen. Nun, ich habe, wie viele andere auch, die ziemlich bemerkenswerte Vorführung chinesischer Roboter bei der jährlichen chinesischen Staatsfernseh-Gala gesehen. Der Fortschritt bei ihrer Geschicklichkeit von vor einem Jahr bis heute ist schlicht erstaunlich. Auch die Fähigkeit, die manuelle Geschicklichkeit dieser Maschinen mit visueller Verarbeitung und Weltverständnis zu kombinieren, entwickelt sich sehr schnell.
Ich persönlich warte auf den ChatGPT-3.5-Moment in der Robotik. Ich glaube nicht, dass es sehr lange dauern wird, bis es ein Verbraucherprodukt gibt, das tatsächlich brauchbar ist – wir kommen dem nahe. Die Anwendungen im Industriesektor werden wahrscheinlich ebenfalls zunehmen. Ich denke nicht, dass das morgen passiert, und es wird Zeit brauchen, bis es vollständig in die Wirtschaft integriert ist.
Aber wenn wir über einen Zeitraum von Jahrzehnten sprechen – wenn Sie sagen, dass in 20 oder 30 Jahren immer mehr Wissensarbeits-Aufgaben automatisiert werden, weil diese Fähigkeiten bereits von KI ausgeführt werden können, und vielleicht wird es lange dauern, bis Unternehmen sich reorganisieren und neue Akteure eintreten, aber das ist okay, weil wir vielleicht alle im Tierpflegesektor arbeiten werden –, nun, das setzt voraus, dass wir in 20 oder 30 Jahren noch immer keine Haushalts-Assistenzroboter entwickelt haben. Dass Sie, wenn Sie im Büro sind oder was auch immer Sie tagsüber machen, keinen kleinen Roboter haben können, der Ihren Hund an Ihrer Stelle ausführt. Angesichts des Fortschrittstempos dieser Technologie scheint mir das eine ziemlich weitreichende Grundannahme zu sein.
Garicano: Physische KI – also Robotik – ist nicht mehr so weit entfernt. Was wir in der Vergangenheit gesehen haben, ist, dass Kapital in dem, was wir elastisches Angebot nennen, verfügbar ist: Man kann immer mehr in Kapital investieren, was bedeutet, dass die Kapitalrenditen schließlich wegkonkurriert werden und der Roboter zu einem Wettbewerbspreis verkauft wird. Das bedeutet, dass Menschen Roboter für die Pflege nutzen können. Denken Sie daran: Wir haben erhebliche Fertilitätsprobleme und Bevölkerungswachstumsprobleme, wenn es darum geht, unsere Renten zu finanzieren, und Roboter zu haben könnte eine Lösung für all das sein – es wäre wie zusätzliches Bevölkerungswachstum.
In einer Welt, in der diese Renditen wegkonkurriert werden, sind wir wieder bei Verbrauchergewinnen. Das Kapital erzielt keine außergewöhnlichen Renditen, weil es ein unendlich elastisches Kapitalangebot gibt – mehr Leute können in die Herstellung von mehr Robotern investieren. Was ist dann die knappe Ressource? Es werden Land, Energie und die menschliche Arbeitskraft sein, die noch benötigt werden. Diese menschliche Arbeitskraft könnte bedeuten, dass wir weniger Stunden arbeiten, dass wir mehr Freizeit genießen können, oder dass menschliche Arbeit in einer ganzen Reihe von Jobs eingesetzt wird, die wir, wie Sie zu Recht sagen, nicht vorhersehen können.
Was wir uns nicht vorstellen sollten, ist eine Wirtschaft, die ohne Menschen funktioniert, denn aller Wert wird für Menschen geschaffen. Wofür schafft die Wirtschaft Wert, wenn niemand die Produkte kauft? Wert ist per Definition etwas, das für Menschen mehr wert ist, als es kostet, es herzustellen. Wenn es keinen Menschen gibt, der Dinge kaufen kann, weil alle arm sind, gibt es keinen Wert. So funktioniert die Wirtschaft: Die Kapitalrendite wird auf die Wettbewerbsrendite zurückgedrängt, und die Renten werden von den knappen Ressourcen eingefangen – in diesem Fall von der komplementären menschlichen Arbeitskraft, die noch benötigt wird.
Niemand kann vorhersagen, was in 30 Jahren geschieht. Sowohl die physische Robotik als auch die kognitive KI werden eine große Revolution bedeuten. Ich glaube nicht, dass wir das als Apokalypse betrachten sollten. Es gibt viele Komplementaritäten, viele Knappheiten, die weiterhin menschliche Arbeit begünstigen, und viele Bereiche, in denen das gar nicht zum Tragen kommt.
Mounk: Erzählen Sie mir etwas über den Stand der empirischen Literatur. Ich verstehe, dass es einen echten Unterschied zwischen Mikro- und Makrostudien gibt – einen echten Unterschied zwischen Studien, die betrachten, inwieweit bestimmte Aufgaben automatisiert werden können, und Studien, die schauen, wie sich das Gesamtbild der Arbeitsplätze verändert hat.
Wenn ich mir die Bereiche ansehe, die ich etwas kenne, sorge ich mich, dass das Ausbleiben von Veränderungen bisher eher ein Hinweis darauf ist, was noch kommen wird, als ein Hinweis darauf, dass KI keine großen Auswirkungen haben wird. Sie erwähnten vorhin das Übersetzen. Etwas anderes, worüber ich nachgedacht habe, ist die Erstellung von Registern in der Verlagsbranche. In all diesen Bereichen hat sich an den wirtschaftlichen Abläufen im Grunde nichts geändert – soweit ich das beurteilen kann, wird mein nächstes Buch von menschlichen Übersetzern übersetzt werden. Nun, vielleicht machen sie es nicht wirklich selbst und schicken es heimlich an Claude und streichen die Konsumentenrente ein, indem sie schöne Ferien machen, während sie so tun, als würden sie an dem Buch arbeiten. Aber was die tatsächlichen wirtschaftlichen Abläufe angeht, hat sich wirklich nichts verändert, und ich weiß nicht, wie lange das so bleiben wird.
Es ist sehr träge und sehr kompliziert, diese Prozesse zu ändern. Jemand muss bereit sein, alle Übersetzer zu entlassen und mit den Reaktionen fertigzuwerden – der Agent sagt, der Autor mag die Vorstellung nicht, dass KI die Arbeit macht, das Risiko eines Zeitungsartikels, die Möglichkeit, dass Kunden verärgert sind. Es gibt alle möglichen Gründe, risikoscheu zu sein, wenn es darum geht, als Erster diese Veränderung zu vollziehen.
Was ich Ihnen sagen kann: Ich habe mir mit Claude Code ein personalisiertes Übersetzungstool gebaut, weil ich meine Artikel – einschließlich einiger Podcast-Transkripte – nicht nur auf Englisch, sondern auch auf Deutsch und Französisch veröffentliche. Es ist nicht nur besser als die herkömmlichen Tools; mittlerweile ist es besser als alle bis auf die allerbesten Übersetzer, mit denen ich gearbeitet habe. Die allerbesten Übersetzer – besonders in Frankreich, denen ich zutiefst dankbar bin – sind meiner Ansicht nach noch immer besser. Aber mehr als 90 Prozent der professionellen Übersetzer, mit denen ich zu tun hatte, Leute, die berühmte Bücher berühmter Autoren übersetzt haben, werden mittlerweile deutlich übertroffen.
Wenn Ökonomen mir im Moment sagen, dass Übersetzer ihre Arbeit nicht verloren haben und sich nichts davon so sehr verändert hat, glaube ich ihnen – das kann ich sehen. Aber angesichts dessen, dass KI in ihrer heutigen Form erst seit etwa drei Jahren existiert und dass sie zwei dieser drei Jahre noch nicht wirklich das Niveau erreicht hatte, das sie jetzt erreicht, und dass die Menschen diese Tools noch nicht ausreichend in ihre Prozesse integriert haben – ich würde sagen: sprechen Sie mich in 15 Jahren noch einmal an und lassen Sie uns schauen, ob diese Übersetzer dann noch Jobs haben, wie sie sie heute haben.
Garicano: Niemand sagt voraus, dass Übersetzer auf unbestimmte Zeit in ihrer jetzigen Form existieren werden. Ich sagte: “Bisher läuft es gut” – aber vielleicht bin ich wie jemand, der gerade am Fenster vorbeifällt.Jobs verschwinden. Zeitungen wurden digital, und es gab viele Leute, die in Druckereien, der Papierindustrie und allen dazugehörigen Branchen arbeiteten, und all das wurde wegautomatisiert.
Mounk: Einschließlich meines Großvaters, dessen Aufgabe es als junger Mann war, die Zeitung Buchstabe für Buchstabe zu setzen. Er half bei der Verwaltung der Druckseite.
Garicano: Das zieht sich durch die gesamte Menschheitsgeschichte. Zur Frage der empirischen Belege: Die Belege bis jetzt sind positiv. Wenn randomisierte kontrollierte Studien durchgeführt wurden – KI an Arbeiter in kontrollierter Umgebung gegeben –, sind die Ergebnisse konsistent. Im Kundensupport erreichten die jüngsten Mitarbeiter Leistungen ähnlich denen der Erfahrenen. Bei Schreibaufgaben erreichten die schlechtesten Schreiber Leistungen ähnlich denen der besseren. Als sie Softwareprogrammierern bei drei verschiedenen Aufgaben gegeben wurde, wurden die weniger qualifizierten Programmierer näher an das Niveau der besseren herangebracht. Mikrostudien scheinen konsistent eher Komplementaritäten als Substitution zu finden.
Auf der Gesamtebene herrscht viel mehr Verwirrung und viel weniger Klarheit. Wir sehen keine großen Nachfragerückgänge. Es gibt einige Kanarienvögel – wie ich aus diesem Paper erwähnte, Canaries in the Coal Mine –, einige vorläufige Belege dafür, dass es möglicherweise Rückgänge bei Einstiegspositionen gibt. Wenn wir an die Rechercheaufgabe denken, die PowerPoint-Aufgabe, die Excel-Aufgabe – das sind die naheliegenden Dinge zum Automatisieren –, müssen wir uns vorstellen, dass Nachwuchsjuristen, Nachwuchsberater und Nachwuchs-Investmentbanker nicht mehr so stark rekrutiert werden, weil man eine Rechercheaufgabe ohne Nachwuchskraft erledigen kann. Dennoch stellt sich heraus, dass die McKinsey-Klasse dieses Jahr größer ist als zuvor. Sie stellen weiter ein. Bisher läuft es gut.
Ich stimme Ihnen zu, dass dies keine Prognose für die Zukunft ist – ich will nicht sagen, dass wir nichts erleben werden, nur weil wir bisher noch nicht viel gesehen haben. Darum geht es nicht. Es geht darum, dass es Anzeichen dafür gibt, dass Komplementarität wichtig ist, dass Menschen, die KI nutzen, bessere Arbeit leisten, und dass die Substitution noch begrenzt ist. Man kann sich schwer vorstellen, dass Aufgaben wie einfache PowerPoint-Arbeiten und Recherche nicht irgendwann vollständig automatisiert werden. Aber ich stimme zu – wir sollten nicht versuchen, daraus eine 15-Jahre-Prognose zu machen.
Mounk: Ich spreche ständig mit jungen Leuten – Mentees, Studenten –, die aus verständlichen Gründen völlig orientierungslos sind. Sie fragen: In welche Fähigkeiten soll ich investieren? Ich dachte daran, Jura zu studieren, aber es scheint, als könnten Claude oder ChatGPT viele Aufgaben eines Anwalts übernehmen – ist das rausgeworfenes Geld? Ich wollte Programmierer werden, aber es scheint, als ließen sich viele Programmieraufgaben inzwischen kinderleicht mit Claude Code erledigen – macht es Sinn, in den Erwerb solcher Kenntnisse zu investieren?
Sie haben viel darüber nachgedacht und Briefe an junge Menschen geschrieben. Welchen Rat würden Sie jemandem geben, der kurz vor dem Studium steht oder bereits studiert und sich über sein Hauptfach Gedanken macht, oder der mit einem geisteswissenschaftlichen Abschluss überlegt, ob er Jura, Medizin oder Betriebswirtschaft studieren oder Pilot werden soll?
Sie und ich haben etablierte berufliche Reputationen, und ich denke, wir sind uns einig, dass das alles etwas langsamer vonstatten gehen wird, als die Leute denken – wir werden wahrscheinlich mehr oder weniger davonkommen. Ich mache mir durchaus ernsthaft Gedanken darüber, was es bedeutet, wenn die Fähigkeit zu schreiben nicht mehr so geschätzt wird wie früher. Was bedeutet es, wenn eines Tages KI genauso gut schreiben kann wie die besten Menschen? Ich glaube nicht, dass sie schon ganz so weit ist, aber es fühlt sich nicht mehr weit entfernt an, und das beschert mir eine Art Identitätskrise. Ich mache mir eigentlich keine Sorgen, dass die Leute aufhören werden, diesen Podcast zu hören, weil es KI-Alternativen gibt – vielleicht sollte ich das, aber momentan tue ich es nicht. Für Menschen, die gerade ihre Laufbahn beginnen, ist das allerdings wirklich schwer zu durchdenken. Wie würden Sie ihnen dabei helfen, sich zu orientieren?
Garicano: Ich habe tatsächlich zu Jahresbeginn einen Brief an einen jungen Mann geschrieben – meinen Neujahrsbrief auf meinem Blog Silicon Continent. Mein grundsätzlicher Rat, ganz im Einklang mit dem, was ich argumentiert habe, lautet: Nimm den chaotischen Job. Wenn eine Aufgabe klar definiert, repetitiv, erlernbar und auf überprüfbarem Wissen basiert – wenn dein Job aus einer einzigen Aufgabe besteht, die überprüfbar und sauber abgrenzbar ist –, dann wird er wahrscheinlich automatisiert werden. Machst du dagegen einen Job, der chaotisch ist, wo verschiedene Aspekte koordiniert werden müssen, verschiedene Menschen beteiligt sind, verschiedene Spezialisierungen in einem Bündel zusammengebracht werden müssen – das nenne ich einen chaotischen Job –, dann werden zwar einzelne Aufgaben automatisiert, aber der Job verschwindet nicht. Versuch also diesen Test. Wenn du über deinen nächsten Schritt nachdenkst, nimm den Job, bei dem du mehr lernst – das ist immer nützlich –, aber nimm auch den Job, der chaotischer ist, der also weniger als eine einzige, eindimensionale Aufgabe definiert ist.
Mein zweiter Punkt: Signaling wird schwieriger werden. Jemanden davon zu überzeugen, dass du gut bist, wird schwerer – es ist einfacher zu fälschen. Es ist einfacher, einen Brief zu verschicken, der perfekt aussieht, einfacher, eine Arbeit zu schreiben, die perfekt aussieht. Es wird schwieriger werden, sich abzuheben. Das bedeutet: Belege schwere Kurse an der Uni, Kurse mit Prüfungen. Zeig, dass du fleißig und gewissenhaft bist. Diese Eigenschaften verschwinden niemals. Gewissenhaft zu sein ist in allen Jobs wertvoll. Bau eine Reputation auf, bau Vertrauen auf. Früher waren schwache Verbindungen das, was dir den Job verschafft hat, aber jetzt musst du vielleicht einige Beziehungen stärken und eine echte Reputation aufbauen.
Der dritte Punkt sind Karriereleitern, und das ist meine größte Sorge bezüglich KI. Wenn wir die Karriereleiter zertrümmern, zertrümmern wir die Ausbildung. Der Partner bemerkt, dass Routineaufgaben, die früher von Nachwuchsjuristen erledigt wurden, jetzt von KI erledigt werden können – aber wo werden dann die Anwälte von morgen ausgebildet? Ausbildung funktioniert so, dass du für deine Ausbildung mit deiner Arbeitskraft bezahlst und im Gegenzug Ausbildung erhältst. Ich arbeite mit Luis Rayo an diesem Problem – wir nennen es Laufbahnanalyse im KI-Zeitalter. Wenn die Aufgaben, mit denen du für deine Ausbildung bezahlt hast, automatisiert werden, wird die Währung entwertet, die du verwendet hast. Du hast keine Währung mehr anzubieten, denn die Währung war früher: Ich mache deine PowerPoints und du lehrst mich. Jetzt werden die PowerPoints von Maschinen erstellt. Also wie kletterst du diese Leiter hoch?
Ein Teil der Antwort ist, dass Universitäten – und hier spreche ich für uns beide – die Studenten auf ein höheres Niveau bringen müssen. Wir können sie nicht einfach mit Grundkenntnissen entlassen und erwarten, dass der Job den Rest erledigt. Wir müssen ihnen etwas von dem mitgeben, was sie früher durch Training am Arbeitsplatz bekommen haben, und wir müssen sie dazu befähigen, diese Werkzeuge wirklich anzuwenden. Nicht nur: Ich kenne Vertragsrecht, sondern: Ich weiß, wie man mit dem Mandanten umgeht, ich weiß, wie man den Vertrag entwirft, und ich weiß, wie man beurteilt, ob er gut entworfen und korrekt ist. Der Karriereweg für junge Menschen wird anders aussehen, und er wird viel mehr Eigeninitiative erfordern. Du wirst nicht einfach neben dem erfahrenen Anwalt sitzen und darauf warten, ausgebildet zu werden, weil es schwerer werden wird, diese Einstiegsjobs zu bekommen. Die Gesellschaft wird diesen Menschen dabei helfen müssen, diese Lücke zu überbrücken.
Mounk: Ich habe noch eine Frage. Seit ich anfing, über dieses Thema nachzudenken, bin ich auf viele Diskussionen über Bullshit-Jobs gestoßen, und ich weiß nicht so recht, wie ich das durchdenken soll – aus verschiedenen Gründen.
Erstens bin ich instinktiv etwas skeptisch gegenüber der Vorstellung, dass viele Bullshit-Jobs in der Wirtschaft existieren. Aber jedes Mal, wenn wir bei Persuasion einen Artikel über Bullshit-Jobs bringen, läuft er richtig gut – die Leute reagieren instinktiv auf diese Idee. Meine Produzentin Leo, die ich durchaus ernst nehme, sagt, dass nur Leute, die nie einen Bullshit-Job hatten, glauben können, es werde so schwer sein, Dinge wegzuautomatisieren. Ich weiß nicht, ob sie aus Erfahrung spricht – ich hoffe, das ist nicht ihre Erfahrung bei Persuasion, und ich denke, sie redet von früheren Jobs. Dazu sage ich lieber nichts weiter.
Die Idee ist also, dass viele dieser Jobs bereits Scheinarbeit sind – warum sollte man sie dann nicht wegautomatisieren können? Natürlich könnte man es auch andersherum lesen. Wenn heute all diese Jobs bestehen bleiben, obwohl sie für produktive Prozesse nicht nötig sind, dann vermehren sich die Bullshit-Jobs vielleicht einfach weiter, und der ganze Überschuss, den wir durch KI-getriebene Produktivitätssteigerungen erreichen, wird schlicht zu dem Fett, das herumliegt – alle haben den ganzen Tag lang Bullshit-Jobs, wir rennen alle herum in einem kollektiven Tun-als-ob, gebraucht zu werden, das wir gemeinsam aufrechterhalten.
Ich bin wirklich ratlos, wie ich über Bullshit-Jobs an sich denken soll und darüber, wie die Entstehung von KI ihre Existenz beeinflussen wird.
Garicano: KI ist eine fantastische Ergänzung zur Produktion von Bullshit. Bullshit ist der Schein von etwas Korrektem, und man kann einen wunderschönen Bericht erstellen – sagen wir über die Auswirkungen von Sonnenblumenöl auf den Ölmarkt –, 50 Seiten davon in fünf Sekunden, wunderschön formatiert, mit den richtigen Kapiteln und der richtigen Struktur. Bullshit zu erkennen wird also schwieriger werden, und die Produktion von Bullshit wird explodieren. Hoffentlich hilft KI auch beim Erkennen. Wir werden sehen.
Andererseits denke ich, dass ein Teil dessen fehlt, was die Leute nicht begreifen: was der Job eigentlich ist. Wir sind im Büro, und vieles von dem, was passiert, sind scheinbar sinnlose Meetings. Wir denken: wofür sind all diese Meetings? Ich leiste richtige Arbeit und verschwende Zeit in Meetings. Ich denke, viele Meetings sind verschwendet, aber ich denke auch, ein Teil der Aufgabe dieser Meetings besteht darin, Konsens zu schaffen, Ausrichtung zu erreichen, Zustimmung zu bekommen. Alle sind dabei, alle haben zugehört, alle sind einverstanden, alle gehen vorwärts. Die Aufgabe ist nicht nur Informationsübertragung, die man mit KI machen könnte – wir kommen zurück zum Beispiel der Familie. Die Aufgabe ist zutiefst politisch. Vieles von dem, was wie Bullshit aussieht – warum verbringen wir eine Stunde damit, alle anzuhören, auch Leute, die zu diesem besonderen Problem nichts zu sagen haben? –, liegt daran, dass wir wollen, dass all diese Leute mitziehen, dass sie sich der Mission verpflichtet fühlen, dass sie das Gefühl haben, Teil der Entscheidung gewesen zu sein. Es klingt wie Bullshit, aber es ist real.
Ein Teil dessen, was passiert, ist eine falsche Wahrnehmung des Organisationslebens als primär Informationsverarbeitung, obwohl es tatsächlich weit über Informationsverarbeitung hinausgeht. In dieser Hinsicht werden Bullshit-Jobs, ja, weiterhin existieren – und nein, sie werden nicht wegautomatisiert werden, fürchte ich.
Mounk: Meine letzte Frage. Ich werde jetzt die KI-Futuristen verkörpern. Ist nicht vieles von dem Problem der Abstimmung – sicherzustellen, dass Kathy im Marketing sich nicht verletzt fühlt, weil wir Plan A statt Plan B gewählt haben, sicherzustellen, dass Jim in der Personalabteilung über jeden Prozess völlig im Bilde ist – ist das alles nicht nur ein Spiegelbild menschlicher Schwächen? Aus so krummem Holze, als woraus der Mensch gemacht ist, und deshalb müssen wir all diese Meetings haben.
Aber wenn man KI-Firmen hat, mit vielleicht einem sehr schlanken Team an der Spitze, das die Dinge lenkt – oder in einem noch science-fiction-hafteren Szenario einem menschlichen Eigentümer, bei dem sogar der CEO eine KI ist –, braucht man das alles nicht. Man hat 50 Klone desselben Modells, die keine eigenen Gefühle haben, keine eigenen Pläne, keinen eigenen Ehrgeiz, befördert zu werden, keine eigene Notwendigkeit, im Meeting gesehen zu werden, damit sie nicht unproduktiv aussehen. Wird nicht eine Firma, die von Grund auf darauf ausgelegt ist, die Produktivität auf diese Weise zu maximieren, die Firma ausstechen, die die Hälfte ihrer Arbeitszeit damit verbringt sicherzustellen, dass Jim und Kathy sich nicht verletzt fühlen?
Garicano: Beim ersten Punkt stimme ich Ihnen völlig zu. Wie radikaler technologischer Wandel passiert, ist nicht, dass alte Firmen neue Praktiken übernehmen – alte Firmen sterben, und neue Firmen kommen mit diesen neuen Praktiken, die bereits eingebaut sind. Wenn die alten Praktiken so ineffizient sind, kommt die neue Firma mit einem neuen Design, das KI voll ausschöpft und viel besser abschneidet. Wir haben es immer wieder gesehen – bei der Fotografie, bei der Suche, bei Software, bei Personalcomputern. Sogar bei KI selbst: all diese etablierten Firmen sind so klug, und doch sind die beiden führenden Firmen in der KI OpenAI und Anthropic, die neue Firmen sind. Also ja, ich stimme der Dynamik des technologischen Wandels zu.
Nun, was sind die Grenzen? Wir brauchen keine Menschen, solange wir keine menschlichen Probleme lösen und mit Menschen umgehen müssen. Lehrer haben Kinder, die in die Klassenzimmer kommen, und irgendjemand wird sie unterrichten und motivieren müssen – kann KI das Motivationsproblem lösen? Teilweise ja, teilweise nein. Eine Baugenehmigung für Ihr Haus zu bekommen, ein großes Bauprojekt zu leiten, ein Rechenzentrum zu errichten: Sie brauchen Genehmigungen, Auftragnehmer, Energieanschlüsse, Wasser, und Sie müssen all diese Arbeiter koordinieren. All das ist menschlich und wird wahrscheinlich noch eine Weile menschlich bleiben.
Es gibt also Bereiche, in denen man vollständige Automatisierung erleben wird, wenn die Ineffizienzen dramatisch genug sind. Aber es gibt viele Bereiche, die menschlich bleiben werden, weil wir Menschen sind, die diese Dienstleistungen konsumieren. Die Küche eines Drei-Sterne-Michelin-Restaurants wird in 20 Jahren genau gleich aussehen. In einem Hotel mag zwar ein Roboter die Betten machen, aber es wird immer noch jemanden geben, der Ihren Cocktail mixt. Automatische Cocktails gibt es bereits – Sie könnten einen Cocktail von einer Maschine serviert bekommen, und anscheinend sind sie gar nicht so schlecht. Aber da ist eine Person, die diese Sache macht und Sie bedient, und das ist wichtig. Menschlichkeit ist die ultimative Schranke.
Die Nachfrage nach Dingen, die menschlich sein müssen, und das Angebot an Menschen, die sie liefern, werden bestehen bleiben. Niemand kann etwas verkaufen, wenn am Ende dieser Kette nicht ein Mensch steht, denn das ist der einzige Wert in der Wirtschaft. Folglich – und das ist meine Vorhersage, obwohl wir wahrscheinlich nicht Futurismus betreiben sollten – zeigt die historische Bilanz über Jahrtausende, dass Menschen nach einer Übergangszeit, die kostspielig sein kann, Wege finden, von Produktivitätssteigerungen zu profitieren, wie sie es bei jeder vorherigen getan haben. Das ist zumindest die Hoffnung, und das zeigt die Geschichte. Mit Höhen und Tiefen.
Mounk: Mögen wir zu den Höhen gehören und nicht zu den Tiefen, wie John Maynard Keynes sagte.
Dieses Transkript wurde mit Hilfe von KI übersetzt und von Niya Krasteva redigiert.