Tehnološke revolucije i AI: strukturni lom rada i društvenog ugovora
Sažetak
Je li AI investicijski balon? Možda u pojedinim valuacijama - ali logika današnjih ulaganja nije pretplata na chatbotove nego oklada da će umjetna inteligencija postati kapital koji u velikom opsegu zamjenjuje trošak rada. Za razliku od prijašnjih tehnoloških valova, AI ne automatizira samo zadatke nego i cijele tokove: analizu, planiranje, koordinaciju i odlučivanje. Time ulazi upravo u uslužni sektor koji je povijesno upijao višak rada iz industrije - i pretvara ga u skalabilnu infrastrukturu s gotovo nultim marginalnim troškom.
Posljedice nisu samo „koja zanimanja nestaju”, nego strukturne. Prekvalifikacija i „bijeg u viša zanimanja” ne mogu apsorbirati volumen, kreativna ekonomija se ne skalira, a u nekim sektorima AI smanjuje i potreban output (pa se reže i proizvodnja, ne samo rad).
Obrazovanje, povijesni amortizer tehnoloških šokova, gubi neke svoje ključne funkcije: pripreme za rad i odgode ulaska na tržište rada. Kako se učenje seli u alate izvan institucija, nejednakost se sve više premješta iz škole u obitelj.
Kad rad prestane biti univerzalna osnova uključenosti, puca i oslonac demokratske legitimnosti. UBI se nameće kao intuitivan odgovor, ali nosi pasivizaciju i zamrzavanje vertikalne mobilnosti; zato se rasprava nužno pomiče prema alternativama koje pokušavaju očuvati sudjelovanje i dinamiku društva u uvjetima utrke za AGI.
U završnom adendumu objašnjavam kako se ova teza prelama u financijskoj stvarnosti: zašto se AI-era kapitalizira kroz dionice, zašto su valuacije visoke, što znači „zahtijevani povrat”, te kako kontrolirati rizik kroz diverzifikaciju, vremenski horizont i disciplinu.
Sadržaj
I. Uvod i povijesni kontekst
- Prolog: AI Balon ili signal
- 1. Uvod: zašto je umjetna inteligencija drukčija od prijašnjih tehnoloških valova
- 2. Povijesni obrazac: industrijske revolucije nisu uništavale rad, nego su ga restrukturirale, ali uglavnom ne bezbolno
- 3. Što je ovaj put drugačije
- 4. Zašto AI najprije dolazi po "najpametnije"
- 5. Rušenje barijere između efikasnosti i efektivnosti
- II. Strukturni lom: AI i tržište rada
- 6. Strukturni lom uzrokovan AI-jem: automatizacija tokova, ne samo zadataka
- 7. Kad AI smanjuje i potrebu za outputom: primjer autonomnih vozila
- 8. Zašto "prekvalifikacija" i "viša zanimanja" nisu dovoljan odgovor
- 9. Mit o kreativnoj ekonomiji kao masovnom rješenju
- III. Obrazovanje u doba AI-ja
- 10. Obrazovanje kao povijesni amortizer rada
- 11. U eri AI-ja mehanizam obrazovanja kao amortizera rada se raspada
- 12. Tri funkcije obrazovanja koje istodobno slabe
- 13. Obrazovanje kao industrijska institucija u postindustrijskom šoku
- 14. Izvannastavni modeli kao laboratorij promjene
- 15. Pritisak AI-ja: operativna konkurencija školama
- 16. Dvostruka kriza: gubitak svrhe i gubitak kompetencije
- 17. Obrazovne nejednakosti u AI-eri: kad se nejednakost seli iz škole u obitelj
- IV. Demokracija, legitimnost i vlasništvo
- 18. Globalni kontekst utrke za AGI-jem
- 19. Rad kao osnova demokratske uključenosti
- 20. Zašto UBI nije "dovoljno": pasivizacija i zamrzavanje vertikalne mobilnosti
- 21. Alternative UBI-ju
- V. ADENDUM: Kako ulagati u doba AI
- 22. Zašto se "priča o vlasništvu" na kraju spušta na dionice
- 23. Svijet će se jako bogatiti – ali kanal neće biti "rad"
- 24. Zašto se bogatstvo "stvara" u dionicama: dionica kao vlasništvo produktivnosti
- 25. Zašto su valuacije visoke: tržište diskontira zamjenu rada, ne samo "bolji chatbot"
- 26. Paradoks zahtijevanog povrata: zašto je prinos istovremeno strah i nagrada
- 27. Povrati na investicijske klase
- 28. Kontrola rizika pri ulaganju u dionice
I. Uvod i povijesni kontekst
Prolog: AI Balon ili signal
Globalna ulaganja u umjetnu inteligenciju su astronomska. Prema Gartneru, ukupna potrošnja na AI tehnologije bila je 1,76 bilijuna (1760 tisuća milijardi) dolara u 2025., a bit će 2,53 bilijuna u 2026. (rast od 44 posto u jednoj godini), te 3,34 bilijuna dolara u 2027. U samo dvije godine, dakle, svijet će udvostručiti već sada gigantska ulaganja u tehnologiju koja obećava transformirati sve: od načina na koji radimo do načina na koji mislimo. To će se, dakle, samo u dvije godine povećati na oko 2,7% globalnog BDP.
Balon telekom / internet ulaganja početkom stoljeća je bio oko 1,2% globalnog BDP.
Ulaganja u željeznice 19. stoljeća često se navode kao najveći pojedinačni investicijski val u povijesti industrijskog kapitalizma, izuzme li se poslijeratna obnova. Ona su u vršnim godinama za UK dosezala skoro 7% BDP, a za SAD skoro 3%. Udjel u globalnom BDP je bio značajno manji. Lagano je zaključiti da je aktualni AI val po stvarnom intenzitetu i dosegu značajno veći. Za razliku od tadašnjeg vala, koji je bio geografski i demografski ograničen na industrijalizirani Zapad, AI ulaganja odmah zahvaćaju velik dio svjetske populacije, uključujući najmnogoljudnije ekonomije poput Kine i Indije, te izravno preoblikuju strukturu rada i kapitala i imaju neusporedivu dubinu i brzinu sistemskog učinka.
Napomenimo i da je Marshallov plan bio u sadašnjim dolarima oko 130 milijardi, odnosno oko 1–2 % globalnog BDP-a tijekom 1948.–1951.
Upečatljivo je da ta ulaganja gotovo u cijelosti dolaze iz privatnog sektora. Očekivalo se da će razvoj opće umjetne inteligencije zahtijevati državno financiranje — novi Manhattan projekt, primjereno ime s obzirom na veličinu i geostrateški značaj. Naime, ako neka država prva dođe do AGI-ja uz nekoliko mjeseci prednosti, mogla bi ući u pozitivnu povratnu petlju u kojoj AI ubrzava vlastito unapređenje, obavještajni rad i industrijsku proizvodnju toliko brzo da protivnici postaju relativno sve slabiji iz dana u dan. Posebno je kritična kibernetička dimenzija — tko jednom probije sigurnosne sustave protivnika, stječe prednost koju je teško nadoknaditi. Upravo zato države i dalje pažljivo prate utrku i uvode ograničenja poput zabrane izvoza naprednih čipova.
Unatoč tom geostrateškom značaju, privatne kompanije same ulažu stotine milijardi dolara godišnje (zbirno tisuće), bez državnih subvencija ili koordinacije. To samo po sebi govori koliko je moguća nagrada očita i velika.
No, često se kaže da je umjetna inteligencija još jedan ulagačko-tehnološki balon. Kao dokaz se ne navode samo ova visina ulaganja, nego i visoke valuacije vodećih AI kompanija. Zaista zvuči kao poznati obrazac: tržište se zaljubi u novu tehnologiju, a onda stvarnost naknadno ispravi očekivanja. Napomenimo da se ovdje često brkaju dvije stvari: je li to balon za ulagače u te kompanije (pa su im naprosto valuacije previsoke) ili je 'balon' u smislu uopće promašenosti tolikih ulaganja u tehnologiju koja to neće vratiti, kao neke piramide novog doba?
Naravno, ulaganja su tako velika, i događaju se tako brzo, da ih je teško objasniti prihodima od chatbotova. Infrastruktura od stotina milijardi se ne gradi da bi se naplaćivalo 25 dolara mjesečno.
Najbolje objašnjenje je da se tržište kladi na nešto veće: na zamjenu troška rada u širokom rasponu poslova. Ako AI postane kapital koji zamjenjuje i kognitivni rad, onda dio vrijednosti koji je nekad išao kroz plaće prelazi u profit, rente i vlasništvo nad modelima i infrastrukturom.
Čini se da u stvarnosti to već i vidimo upravo u samim gigantskim kompanijama koje proizvode AI. U tehnološkom sektoru bilo je oko 250.000 otkaza u 2025., s eksplicitnim navođenjem AI-om kao razlogom za velik dio njih. To se nastavlja u 2026. Primjerice, Amazon ima najveće otkaze u povijesti – oko 30.000 korporativnih poslova uključujući 14.000 u listopadu i dodatnih 16.000 u siječnju 2026., radi investicija u generativni AI i smanjenja birokracije. Google smanjuje 35% menadžera u manjim timovima, Microsoft s ukupno preko 15.000 otkaza u 2025., uključujući 9.000 u srpnju i 6.000 u svibnju, radi financiranja AI infrastrukture (80 milijardi USD), i tako dalje.
Ako je tržište u pravu, ovo više nije rasprava o "zanimanjima", nego postaje rasprava o silama koje su do sada držale društveni ugovor na okupu: o obrazovanju, o udjelu rada u dohotku, vertikalnoj mobilnosti, legitimnosti transfera i naposljetku o vlasništvu u ekonomiji u kojoj se vrijednost sve slabije veže uz rad. No povrh toga, i o sudbini demokracije i osobnom smislu.
No prije svega toga, razjasnimo najprije osnovno: po čemu je AI 'industrijska' revolucija ovaj put drukčija.
1. Uvod: zašto je umjetna inteligencija drukčija od prijašnjih tehnoloških valova
Većina rasprava o utjecaju AI revolucije još uvijek se vodi kao katalog zanimanja koja nestaju, što nastaje, kako se prekvalificirati. Taj okvir nije samo preuzak, nego i promašuje poantu. AI nije samo još jedan alat koji ubrzava čovjeka (efikasnost) i daje mu veće sposobnosti (efektivnost) - kao parni stroj, električni pogon ili internet. Ona brzo postaje opća proizvodna infrastruktura koja sve češće i nadmoćno preuzima kognitivni, organizacijski i upravljački sloj posla - ne samo fizičke ili rutinske zadatke. Pri tome ovdje za sada govorimo samo o 'virtualnoj' AI - pravi učinci će biti vidljivi kad svijet preplave pametni roboti, uključivo robotaksije i humanoidne robote.
Da bismo to razumjeli, krenimo od povijesnog uzorka. Tek kad se vidi gdje se taj uzorak lomi, postaje jasno zašto se ovaj put ne radi o klasičnoj tranziciji iz sektora u sektor, nego o pritisku na samu ideju modernog društvenog ugovora: da je rad glavni kanal dohotka, statusa, političke uključenosti pa i identiteta.
2. Povijesni obrazac: industrijske revolucije nisu uništavale rad, nego su ga restrukturirale, ali uglavnom ne bezbolno
Industrijske revolucije nisu uništavale rad, nego su mijenjale njegovu strukturu. Strojevi su preuzimali fizičke i ponavljajuće zadatke, ali su otvarali nova mjesta oko njih: upravljanje, održavanje, nadzor, logistiku. Oslobođeni kapacitet mogao se preusmjeriti u djelatnosti koje strojevi nisu mogli nositi - od medicine i znanosti do obrazovanja i administracije.
U tom obrascu tehnologija istodobno reže jednu vrstu posla i stvara prostor za druge: kroz nova tržišta, nove organizacijske potrebe i nove uloge.
Rad se selio iz kućanstava i cehova u tvornice; produktivnost je rušila cijene proizvoda, širila tržišta i, dugoročno, dizala potražnju. Rad kao društvena institucija ostao je stabilan i kad se njegov sadržaj duboko mijenjao.
Ipak, kad kažemo, što se ovih dana spominje kao notorno: 'Industrijske revolucije nisu uništile, nego stvorile radna mjesta', treba imati na umu sljedeće.
Iako se prva industrijska revolucija (otprilike 1760.–1840.) danas često prikazuje kao povijesni primjer tehnološkog napretka koji je 'na kraju' stvorio nova radna mjesta, sama tranzicija bila je za velik dio stanovništva izrazito šokantna. Mehanizacija krajem 18. i početkom 19. stoljeća u kratkom je razdoblju učinila cijele skupine vještina tržišno bezvrijednima: u tekstilnim regijama Britanije realni prihodi kućnih tkalaca pali su za 30–50%, a lokalno je 20–40% radno sposobnog stanovništva povremeno ili trajno gubilo izvor prihoda. Ne postoje precizne stope nezaposlenosti za to razdoblje, no povijesni zapisi jasno upućuju na dugotrajnu strukturnu nezaposlenost i nesigurnost, pri čemu se razmak između tehnološkog šoka i stabilizacije tržišta rada mjeri desetljećima, a ne godinama. Iako je industrijska produktivnost rasla već od kraja 18. stoljeća, realne plaće u Britaniji počele su značajnije rasti tek od 1830-ih, što znači da su se ekonomski dobici dugo akumulirali bez vidljivog poboljšanja životnog standarda većine radnika.
Slično tome, druga industrijska revolucija (otprilike 1870.–1914.) doista je stvorila velik broj industrijskih radnih mjesta, ali uz nove lomove na tržištu rada. Elektrifikacija i masovna proizvodnja dovele su do gubitka vrijednosti vještina i veće zamjenjivosti radnika, smanjujući njihovu pregovaračku moć i povećavajući cikličku nezaposlenost. Tijekom velikih industrijskih kriza 1870-ih i 1890-ih, mnoge industrijske zemlje bilježe dvoznamenkaste stope nezaposlenosti u urbanim središtima, često u trajanju od više godina.
U tom kontekstu treba promatrati i fenomen Marxa, i dalje duboko ukorijenjenog u shvaćanjima naše nacije, iako su ga se mnogi formalno odrekli. Njegov sam nastanak demontira lagodnu tezu 'pa industrijske revolucije su u stvari stvarale radne mjesta' . Prva industrijska revolucija – najgrublja faza kapitalizma – je povijesna pozadina iz koje se oblikuje Marxovo razumijevanje sustava.
On formira svoju teoriju sredinom 19. stoljeća, u sjeni tog iskustva, ali i još uvijek teških uvjeta rada 1840-ih i 1850-ih. Kada piše Komunistički manifest 1848. i potom radi na Kapitalu, njegova temeljna pretpostavka djeluje empirijski uvjerljivo: kapitalizam proizvodi sve dublju pauperizaciju radnika i zaoštravanje klasnog sukoba. Ta teorija ne nastaje u apstrakciji, nego kao generalizacija iz povijesti prve industrijske revolucije.
No upravo u razdoblju kada Marx dovršava prvi svezak Kapitala (objavljen 1867.), započinje spora, ali stvarna promjena trenda - odnosno iz perspektive ovog eseja, tek tada su bili zaliječeni lomovi od prve industrijske revolucije. Već od 1850-ih u najrazvijenijim zemljama realne plaće postupno rastu, radno vrijeme se skraćuje, a zakonodavstvo i sindikati počinju uvoditi trajne korektive.
Druga industrijska revolucija, koja započinje oko 1870. i traje do Prvog svjetskog rata (≈ 1914.), u prvim godinama također donosi disrupciju: nestanak pojedinih zanimanja, obezvrijeđivanje vještina dijela radne snage i lokalne krize. No za razliku od prve industrijske revolucije, taj negativni učinak traje kraće i odvija se u društvima koja već imaju razvijenije institucije. Zbog toga se disrupcija relativno brzo pretvara u fazu snažnog rasta produktivnosti, stabilnijeg zapošljavanja i sustavnog poboljšanja životnog standarda radničke klase.
Marx tu tranziciju doživljava, ali je ne uspijeva teorijski integrirati. Marxovo planirano, ali nesuđeno remek djelo - drugi i treći svezak Kapitala ostaju nedovršeni jer ga je stvarnost demantirala, odnosno poništila njegove temeljne povijesne pretpostavke. Umire 1883., razočaran i nesretan. Vjerojatno bi se okrenuo u grobu da je znao da je njegova 'revolucija' na koncu bila implementirana u neindustrijaliziranoj carskoj Rusiji.
No, povijesna pouka nije da tehnološke revolucije ne stvaraju radna mjesta, nego da prijelaz prema njima može biti dug, asimetričan i duboko destabilizirajući za društvo, a na pojedinačnoj razini za one koje zatekne nespremne.
Sredinom 20. stoljeća nova faza industrijskog razvoja (nazvana i treća industrijska revolucija) - naglo povećanje industrijske efikasnosti kroz automatizaciju, elektrifikaciju i masovnu standardizaciju - poklopila se s rastućim potrebama tercijarnog sektora.
Ta se koincidencija pokazala presudnom. Uslužni sektor, osobito zdravstvo, obrazovanje, javna uprava, trgovina i razne osobne i administrativne usluge, bio je izrazito radno-intenzivan i teško automatiziran. Upravo zbog toga mogao je apsorbirati velik dio radne snage koju je industrija oslobađala. Na taj je način prijelaz prema tercijarnoj ekonomiji djelovao kao amortizer gubitka radnih mjesta nastalog zbog rasta industrijske produktivnosti.
Zahvaljujući toj strukturalnoj prilagodbi, tehnološki napredak nije doveo do trajne masovne nezaposlenosti, nego do preraspodjele rada između sektora. Ljudski rad ostao je središnji mehanizam distribucije dohotka, a društveni poredak zadržao je stabilnost unatoč dubokim tehnološkim promjenama.
3. Što je ovaj put drugačije
Više je ključnih razloga zašto analogija s prijašnjim revolucijama ovaj put ne drži.
Prvi je brzina: promjene mogu doći brže nego što se obrazovni sustavi i institucije mogu prilagoditi, pa prijelaz postaje traumatičan čak i ako dugoročno postoji nova ravnoteža. Drugi je širina: AI ne automatizira uske vještine, nego vrlo širok spektar kognitivnih profila, zbog čega se novi poslovi često automatiziraju gotovo odmah. Kad se brzina i širina spoje, prekvalifikacija prestaje biti društveni amortizer i postaje individualna taktika ograničenog dosega.
No možda je još važnija treća dimenzija: multiplikacija. AI se može promatrati kao nova kognitivna populacija koja se može kopirati. Ne radi se o alatu koji ubrzava čovjeka, nego o mogućnosti da se isti kapacitet razmišljanja, planiranja i koordinacije umnoži u milijune paralelnih instanci. Te instance rade brže od ljudi, mogu se savršeno usklađivati i nemaju prirodna ograničenja rasta. U kombinaciji s gotovo nultim marginalnim troškom kopiranja, to stvara nešto kvalitativno novo - ono što je Dario Amodei, CEO Anthropica, nazvao "zemljom genijalaca u podatkovnom centru". U tom trenutku pitanje više nije koje zadatke automatiziramo, nego koliko brzo postaje automatizabilna sama organizacija rada.
Zatim dolazi i četvrta dimenzija: transcendencija ljudskog limita. Definicija AGI-ja kao "ljudskog ekvivalenta" je pogrešna jer ljudski IQ ima biološki limit - oko 160-180 na standardnim mjerenjima. AI će brzo dosegnuti razine koje bi, mjerene na ljudski način, odgovarale IQ-u 200, 300 ili više, otvarajući mogućnosti koje ne možemo ni zamisliti jer bi se radilo o kvalitativnom skoku, kao što ni majmun ne može ni zamisliti o čemu pišemo ovdje. Čovjek nije naprosto tri puta pametniji od majmuna - on razmišlja na potpuno drukčije načine. Analogno, mi ljudi doslovno ne možemo zamisliti koliko će AI uskoro biti pametniji od nas. Dodajmo tome kvalitativne dimenzije poput širine znanja: svaki AI vlada praktički sa svim jezicima koji imaju široko dostupan sadržaj na internetu, recimo 200 jezika, dok mi govorimo 2-3 i ne čitamo japanski iako na internetu postoje milijuni knjiga na japanskom. Zamislite što bi AI mislio o našim ograničenjima kad bi o njima razmišljao.
4. Zašto AI najprije dolazi po "najpametnije"
Iako je ova tema već dosta razumljena, osvrnimo se radi potpunosti i na nju.
Očekivali bismo da AI najprije zamijeni 'jednostavne' poslove, a da 'pametni' ostanu sigurni. Ali događa se suprotno.
AI uči iz podataka. Što su podaci čišći i što je povratna informacija jasnija, to AI bolje uči. Primjerice, na GitHubu su milijuni programa koji rade. Dakle, svaki od njih je 100% točan i AI će relativno lako naučiti od njih.
Ali za pitanje "je li Trump dobar predsjednik?" nema točnog odgovora u podacima. Postoje milijuni tekstova koji kažu da jest i milijuni koji kažu da nije. AI iz toga može naučiti samo prosjek ili balans suprotnih mišljenja. Ne može naučiti "istinu" jer je nema. Isto vrijedi za većinu politike, morala, društvenih normi, ukusa.
AI ne postaje najjača u onome što smatramo „jednostavnim“, nego u onome što smatramo „najpametnijim“: logici, analizi i formalnom zaključivanju. To je poznato kao **Moravecov paradoks**: relativno lako je naučiti stroj da nadmaši čovjeka u šahu ili testovima inteligencije, ali iznimno teško da hoda, hvata predmete ili se snalazi u stvarnom svijetu.
Razlog je u prirodi znanja. Percepcija i motorika nisu zapisana u pravilima, nego su utisnute u tijelo i oblikovane evolucijom. Posljedica je paradoksalna: profesije koje smo smatrali „visokima“ i intelektualnima - programeri, pravnici, analitičari - najizloženije su automatizaciji upravo zato što počivaju na pravilima, logici i egzaktnosti, odnosno na onome što strojevi uče najlakše.
A tome treba dodati i ekonomsku logiku. Radi se upravo o strukama koje su najskuplje, pa ih je najisplativije zamijeniti.
Programiranje kao prva crta. Uloga programera već se transformira: od pisanja koda prema "orkestriranju" AI agenata koji kodiraju. Najvažnija kompetencija postaje logičko i sintetičko razumijevanje zadatka: sposobnost da se problem razloži, da se AI-ju daju ispravne upute i da se rezultat kritički procijeni i ispravi. Dobri programeri tako postaju deset ili sto puta produktivniji. I ne samo to, nego će sada moći objediniti poslove i produkt managera i dizajnera. No istovremeno će i produkt manageri i dizajneri moći sami razvijati projekte. Upravo zato neki smatraju da ćemo uskoro svjedočiti nastajanju kompanija s jednim zaposlenim koje vrijede više od milijardu dolara.
U svakom slučaju potražnja za ukupnim kodom neće rasti proporcionalno toj produktivnosti — pa će, nažalost, posao velikog broja programera biti pod pritiskom. Među njima su ponajviše oni koji danas tvrde da AI "nije dovoljno dobar", nalazeći mane sadašnjim implementacijama (uglavnom koristeći slabije modele, možda baš da bi imali pokriće za takve tvrdnje), a ne shvaćajući krivulju na kojoj se nalazimo. Tko gleda gdje je AI danas, a ne gdje će biti za šest mjeseci, griješi u procjeni. Sam sam se iznenadio kad je jedan od mojih agenata za kodiranje, bez da sam ga to tražio, odjednom lansirao jato samostalnih podagenata koji su paralelno rješavali dijelove zadatka.
Rutinsko programiranje prolazi isto što i Pony Express s dolaskom telegrafa. On je donio pouzdaniju i bržu, ali ujedno i jeftiniju isporuku informacija u odnosu na Pony Express i time je on postao ne poboljšan, nego suvišan (vratit ćemo se na ovo uskoro kod rušenja barijera između efikasnosti i efektivnosti). Samo oni programeri koji se uspiju pomaknuti vertikalno, s pisanja koda na kreativnost i donošenje odluka uz intenzivno korištenje AI alata, ostaju relevantni. Vezano na to, ulazak 'juniora' u industriju postaje jako otežan. Kome treba junior kad agenti već sada juniorski posao rade bolje i 100 puta brže?
Slična logika vrijedi za znanost. Objektivno gledano, velik dio akademske produkcije nema značajan utjecaj na daljnji tok znanosti. Studije pokazuju da se većina znanstvenih radova citira rijetko ili nikad, a doprinos stvarnom napretku znanja koncentriran je u malom postotku publikacija. Ostatak — možda i 90-95% — primarno služi održavanju akademske karijere: napredovanju, zadržavanju pozicije, ispunjavanju metrika. U našem slučaju pogledajmo primjerice radove konzorcija s preko 2000 europskih znanstvenika s IRB gdje svatko malo konzorciji objavi neki tekstić, pa svi dobiju citate. Tko god ima iluzije o znanosti, treba pogledati ovaj ispad iskrenosti jednog od najistaknutijih znanstvenika s naše najvažnije znanstvene institucije IRB.
AI danas može generirati metodološki korektne radove, provoditi meta-analize, pisati preglede literature i čak formulirati hipoteze - sve ono što danas čini velik dio akademskog rada. Ako je povratna informacija jasna (citiranost, replikabilnost, konzistentnost s postojećim znanjem), AI ima materijal za učenje. Znanstvenici koji rade na rubovima znanja - oni koji postavljaju nova pitanja, osmišljavaju eksperimente i donose sudove o tome što je uopće vrijedno istraživati - vjerojatno ostaju nezamjenjivi. Ali infrastrukturni sloj akademije, koji proizvodi volumen bez proporcionalnog doprinosa, izložen je istoj logici kao i srednji slojevi korporacija. Odnosno, promjena će tu doći malo sporije zbog kulta 'Znanosti' i navodno prepametnih znanstvenika koje roboti ne mogu zamijeniti.
Ali iz gornjeg videa je jasno da je možda i 99% znanosti zamjenjivo i to nekim jeftinijim modelima.
5. Rušenje barijere između efikasnosti i efektivnosti
Dolazimo do jedne od ključnih paradigmi za AI: rušenje barijere između efikasnosti i efektivnosti. Digitalne platforme postigle su to u isporuci sadržaja, a AI će to napraviti u svijetu rada i drugdje.
Pogledajmo najprije primjer Amazona. Usporedimo klasične knjižare s antikvarijatima. Knjižara nudi veći broj knjiga uz uniformne preporuke za možda nekoliko desetaka atraktivnih knjiga u svakom trenutku, jednako za sve - ona u tome ima veliki doseg, ali prilično siromašnu, plošnu informaciju. S druge strane, vlasnik antikvarijata vam se može obratiti riječima: 'Gospodine, upravo nam je stigla knjiga za vašu biblioteku koju je još Vaš otac tražio'. Duboko znanje vlasnika antikvarijata ('bogata informacija') obraća se malom broju ljudi, samo jednom u svakom trenutku. Imamo ili veliki doseg informacija (knjižara) ili veliko bogatstvo informacija (antikvarijat).
S druge strane imamo Amazon koji u svakom trenutku milijunima korisnika daje preporuke bazirane na tome što su prije kupili, tražili i što su kupili milijuni korisnika koji su kupili neke od knjiga koje su kupili oni. Ovdje ne samo da se ruši barijera između dosega i bogatstva informacije nego su i doseg i bogatstvo daleko veći.
Slično je na Netflixu što se tiče filmskih sadržaja u odnosu na klasični TV. Slično je u informacijama s X (ex Twitter) u odnosu na sve klasične medije (dodatno otežano što je većina medija izgubila želju za koliko-toliko objektivnom isporukom informacija, na uštrb nametanja određenog narativa, kroz uokviravanje vijesti ili češće i moćnije, odabir sadržaja prešućivanjem vijesti). U svakom slučaju, Netflix svakom korisniku nudi drukčiji katalog i poredak sadržaja, a X je razbio model klasičnih medija s jedinstvenim uredničkim izborom, zamijenivši ga individualiziranim informacijskim tokovima za mase.
U svim tim slučajevima, ono što je nekoć zahtijevalo spor, skup i ručno vođen proces postalo je istodobno masovno i prilagođeno.
Odnosno, digitalne platforme uspjele su razbiti barijeru između dosega i bogatstva sadržaja. Ali to je samo vid općenitije barijere: između efikasnosti i efektivnosti. U Hrvatskoj je to naročito teško razumjeti zbog semantičke i misaone zagađenosti rječju 'učinkovitost' pa posvetimo tome malo više vremena.
Efikasnost se odnosi na postizanje ciljeva, često višestrukih, u okvirima ograničenih resursa. To je problem koji ima vojskovođa koji vojsku ograničene veličine mora rasporediti na više frontova, ili u korištenju energije (energetska efikasnost) - kako zagrijati kuću uz što manju potrošnju energije.
Efektivnost znači postići cilj bez obzira na upotrebu resursa. Zamislimo projekt Manhattan ili cilj koji je 1961. Kennedy dao da do kraja desetljeća SAD moraju doći na Mjesec - nije se pitalo koliko ti projekti koštaju.
U Hrvatskoj koristimo jednu riječ, 'učinkovito', za opisivanje oba pojma. Pa se tako, primjerice kaže 'energetska učinkovitost' kad se misli na racionalnu upotrebu energije i 'učinkovitost cjepiva' (npr. protiv Covida) kad se mislim na njegovu efektivnost, U stvari, engleski jezik tu ide i korak dalje. U kontekstu cjepiva, **efficacy** označava koliko cjepivo djeluje u idealnim, kontroliranim uvjetima kliničkih ispitivanja, dok **effectiveness** opisuje koliko dobro djeluje u stvarnom svijetu, s realnim logističkim, biološkim i društvenim ograničenjima. Visoka *efficacy* ne mora nužno značiti i visoku *effectiveness*, jer se stvarni učinak oblikuje načinom primjene i ponašanjem populacije.
U svakom slučaju ne govori se o 'efikasnosti' cjepiva jer bi to značilo kako sa što manje doza zaustaviti širenje, a radilo se o efektivnosti: pandemija se pokušavala zaustaviti cjepivom, ne štedeći doze i trošak. Pa je tako s tržišta, slučajno ili ne, medijskom ofenzivom izbačen proizvođač koji je nudio cjepivo po cijeni troška (oko 2,5 dolara po dozi), a tržište izdominirao proizvođač koji je najavio da će isporučivati po cijeni troška, ali se ipak odlučio za cijenu uz 90% marže (oko 25 dolara). Istovremeno, SMS-ovi kojima se dogovarao posao za EU od nekoliko desetaka milijardi eura cjepiva su 'izgubljeni' i nikome ništa — evidentno se ne radi o efikasnosti nego o efektivnosti.
S druge strane, kad je postalo potpuno jasno da cjepivo neće zaustaviti širenje (efektivnost mu je znatno manja nego objavljena 'efficacy'), nakon što je Izrael, kao prva masovno cijepljena nacija, imao najveći val na svijetu, još se godinama širila mantra o visokoj efektivnosti ('Misli na druge', difamacija 'antivaksera' i slično).
U Hrvatskoj, dakle, koristimo jednu riječ za oba pojma i stoga teško i razumijemo razliku (kako će kontraste razumjeti netko tko riječ 'sivo' koristi i za crno i bijelo?).
Navedimo još da i pokušaj hvatanja ove fundamentalne razlike unutar jezika parom učinkovito ('ima učinak') i djelotvorno ('djelo tvori') već u startu je jezično loše, ali upotreba svela na nasumično ubacivanje oba pojma u iskaze kad netko želi ispasti 'elokventniji'. Čak i kad netko (rijetko) pokušava sistematski koristiti jednu riječ za efikasnost, a drugu za efektivnost, to je donkihotski: obje riječi već su toliko zagađene nepreciznom upotrebom da pokušaji razjašnjenja nemaju smisla (zašto koristiti 'crno' i 'bijelo' ako nitko više ne razumije crno i bijelo nego je svima optička zbrka u glavi i ne razumiju razliku između crnog i bijelog, pitaju se zašto bi netko uopće koristio 'crno' i 'bijelo', kad sve opisuje riječ 'sivo').
Potrošili smo malo vremena za ovo, ali to je ključan pojam u AI revoluciji, pogotovo u Hrvatskoj.
II. Strukturni lom: AI i tržište rada
6. Strukturni lom uzrokovan AI-jem: automatizacija tokova, ne samo zadataka
Ranije smo naveli četiri dimenzije zašto je ovaj put drugačije. No, one su samo uvod za iduću dimenziju.
Naime, AI predstavlja kvalitativni diskontinuitet u odnosu na povijesne promjene. Za razliku od ranijih tehnologija, AI – osobito u obliku agentskih sustava – ne automatizira samo izvršenje zadataka, nego i analizu, planiranje, koordinaciju i odlučivanje. Time preuzima cijele radne tokove, a ne samo njihove dijelove. Naravno i ovdje zamišljamo samo baznu razinu, bez integracije u fizički svijet AI, odnosno robote svih vrsta. AI postaje radikalno efektivnija u integraciji proizvodnih procesa.
Klasični alati povećavaju produktivnost tako da čovjek ostaje nositelj procesa: planira, koordinira, odlučuje, preuzima odgovornost. Kod agentskih sustava to je drugačije: oni ne samo da izvršavaju, nego organiziraju izvršenje i revidiraju. Kad se automatizira organizacija i koordinacija, gubi se potreba za slojevima administrativnog i profesionalnog rada koji su povijesno činili okosnicu uslužne ekonomije.
Istodobno, AI ima gotovo nulti marginalni trošak i skalira se bez prirodnih ograničenja, pa se ponaša kao infrastruktura, ne kao alat. U prethodnim valovima produktivnost je rasla, ali je ljudski rad ostajao univerzalna sastavnica sustava. U AI-valovima moguće je suprotno: produktivnost raste dok potreba za ljudskim radom pada upravo u jezgri kognitivne ekonomije.
Razmjeri rušenja barijere između efikasnosti i efektivnosti postaju teško shvatljivi.
7. Kad AI smanjuje i potrebu za outputom: primjer autonomnih vozila
AI u nekim sektorima ne smanjuje samo ljudski rad, nego i potrebu za samim outputom. Autonomna vozila su očit primjer: kad se iskorištenost voznog parka poveća, za istu razinu mobilnosti treba manje automobila. Posljedično se ne reže samo broj vozača, nego se sužava i volumen proizvodnje, dobavljačkih lanaca i servisnih djelatnosti.
Zamislite sada već ranjenu auto industriju EU (8% BDP, 14 mil. radnih mjesta) kad bude trebalo možda samo 30% postojećeg broja automobila (u stvari čisto računski možda 5%-10% jer auti u prosjeku stoje 98% vremena, ali recimo da zbog vršnih opterećenja i osobnih preferencija to bude čak 30%). Kamo će radnici koji su višak te proizvodnje, pogotovo kad se u nju ubace roboti?
Tu se prekida povijesni mehanizam prilagodbe u kojem se višak rada prelijevao u nova tržišta. Ako tehnologija smanjuje i rad po jedinici proizvodnje i ukupnu količinu proizvodnje potrebnu za isti društveni učinak, rasterećeni rad ne pronalazi automatski ekvivalentan volumen novog posla.
8. Zašto "prekvalifikacija" i "viša zanimanja" nisu dovoljan odgovor
Odgovor na AI ne može svesti na „prekvalifikaciju" i bijeg u navodno viša zanimanja. Za razliku od prijašnjih tehnoloških valova, umjetna inteligencija ulazi upravo u uslužni sektor, koji je prethodno bio glavni amortizer viška rada. Administracija, računovodstvo, korisnička podrška, financijske i pravne usluge, dijelovi zdravstva i obrazovanja – sve to postaje visoko skalabilno uz znatno manju potrebu za ljudskim radom.
Time se razbija ključna prednost usluga: njihova inherentna potreba za velikim brojem ljudi. Ne pojavljuje se nova faza gospodarstva s usporedivom apsorpcijskom moći. U prethodnim tranzicijama postojao je "spužvasti sektor" koji je mogao upiti mase ljudi. U AI-tranziciji, upravo se ta spužva smanjuje.
Naravno da postoje područja u kojima je čovjek i dalje potreban: normativne odluke, odgovornost, definiranje ciljeva, socijalni odnosi, djelovanje u nestrukturiranim situacijama. No, problem je u volumenu. To su uloge koje po definiciji ne rastu do razine koja može zamijeniti mase poslova u administraciji, podršci, računovodstvu ili dijelovima profesija koje AI može skalirati.
Zato se problem ne može svesti na savjet „prekvalificiraj se". Društvo ne drži stabilnim mali broj elitnih uloga, nego široko dostupna infrastruktura plaćenog sudjelovanja. Kad ta infrastruktura strukturno oslabi, rasprava se nužno miče s karijernih putanja na pitanje društvenog dizajna. Zato se ponekad kao izlaz često nudi nešto što zvuči ugodno, ali ne skalira: kreativna ekonomija.
9. Mit o kreativnoj ekonomiji kao masovnom rješenju
Ljudska kreativnost ostaje važna, ali kreativne industrije nisu masovni amortizer. One su uske, prihod je koncentriran, a potražnja ne raste proporcionalno broju kreatora. Usto, upravo su to područja u kojima AI pokazuje jaku konkurentnost u brzini, cijeni i količini produkcije. Zbog toga je iluzorno očekivati da će se milijuni ljudi stabilno ekonomski uključiti u sektore koji su i prije AI-ja bili „winner-takes-most".
To ponovno vraća isti test: rješenja koja rade za pojedinca ne rade za društvo. Kad nema 'spužvastog' sektora, pitanje je gdje se višak rada uopće amortizira. Povijesno gledano, jedna institucija je tu ulogu odradila u velikoj mjeri - obrazovanje. I tu dolazimo do sljedećeg loma.
III. Obrazovanje u doba AI-ja
10. Obrazovanje kao povijesni amortizer rada
Važan, ali često zanemaren mehanizam društvene stabilnosti u prethodnim tehnološkim prijelazima bilo je sustavno uklanjanje mladih ljudi s tržišta rada putem obrazovanja. Tijekom prve i druge industrijske revolucije uvedeno je obvezno osnovno obrazovanje i zabrane dječjeg rada, čime su djeca i vrlo mladi administrativno izuzeti s tržišta rada. Time je obrazovanje istodobno imalo humanitarnu funkciju i ekonomsku ulogu smanjenja ponude rada, čime se ublažavao pritisak na tržište rada odraslih. Naravno, to je koincidiralo i sa stvaranjem i jačanjem nacionalnih država, pa je važnu ulogu, osim pripreme za tržište rada, imala i izgradnja države i identiteta.
S razvojem uslužne ekonomije sredinom 20. stoljeća taj se mehanizam dodatno proširio kroz masovno srednjoškolsko i visoko obrazovanje. Produženo školovanje odgodilo je ulazak mladih na tržište rada, često do srednjih dvadesetih godina, a diplome su postale formalni preduvjet za zapošljavanje u tercijarnim djelatnostima. Obrazovanje je tako služilo ne samo kao priprema za rad, nego i kao instrument regulacije ponude rada u razdoblju strukturnih promjena.
Drugim riječima, obrazovanje je bilo društveni "tampon" između tehnološkog šoka i tržišta rada: odvlačilo je dio populacije iz izravne konkurencije na tržištu, kupovalo vrijeme i pripremalo novu strukturu kompetencija.
11. U eri AI-ja mehanizam obrazovanja kao amortizera rada se raspada
U eri AI taj se mehanizam raspada. AI preuzima i rutinske i visoko sofisticirane kognitivne zadatke, čime smanjuje ekonomsku potrebu za dugotrajnim ljudskim obrazovanjem kao signalom vrijedne (rijetke) ekspertize. Produžavanje školovanja više ne otvara proporcionalno nova radna mjesta, niti efikasno uklanja višak radne snage s tržišta rada. Time obrazovanje gubi svoju povijesnu dvostruku funkciju – pripreme za rad i amortizacije viška rada – što stvara novi izvor društvene nestabilnosti.
Ako se u 20. stoljeću moglo reći: 'Studiraj, i time dobivaš i znanje i ulaznicu u tržište rada', u AI-eri ta rečenica postaje sve slabije opravdana. Štoviše, za stvarno ambiciozne đake optimalan put za steći što više znanja je *ne* pohađati fakultet, nego učiti uz pomoć AI tutora - iako smatram da je za mlade ljude i dalje dobro ići na fakultet, najviše kako bi uživali u životu i razvijali društvene kompetencije.
Stoga se možemo pitati onda škola zapravo radi? I što bi trebala raditi?
12. Tri funkcije obrazovanja koje istodobno slabe
U eri AI obrazovanje ulazi u krizu svrhe, jer mu istodobno slabe tri funkcije koje su ga najčvršće vezale uz gospodarstvo: prijenos znanja, priprema za tržište rada i regulacija ponude rada kroz odgađanje ulaska mladih na tržište rada.
Prije nego pokažemo kako se sve te tri noseće funkcije klimaju u istom trenutku, naglasimo da obrazovni sustavi (sada) imaju i druge dvije funkcije.
Četvrta funkcija je odgojno-socijalizacijska: osobito od 19. stoljeća, paralelno s nastankom i konsolidacijom modernih država i uvođenjem masovnog (i često obveznog) školstva, dio odgoja se institucionalno prenosi na državu. Škola tada ne prenosi samo znanje, nego standardizira jezik i norme, proizvodi građanski identitet i uvježbava disciplinu potrebnu za industrijsko društvo i državnu birokraciju. Otuda i trajna sintagma "odgoj i obrazovanje" u nazivima institucija kao što je i naše Ministarstvo odgoja i obrazovanja.
Danas se može govoriti i o petoj, signalnoj funkciji: diploma poslodavcima signalizira da je osoba sposobna godinama izdržati strukturirani napor, izvršavati dugoročne zadatke i poštovati rokove — ukratko, da je vjerojatno pouzdana u režimu rada koji traži redovitost, fokus i samokontrolu. U praksi, diploma time često funkcionira kao filter za osobine, a ne samo kao dokaz konkretne kompetencije.
13. Obrazovanje kao industrijska institucija u postindustrijskom šoku
Postojeći obrazovni sustavi su strukturno oblikovani kao industrijske institucije: standardizirani, normirani i usmjereni na mjerljive ishode. Takvi sustavi mogu efikasno proizvoditi formalna i normativna znanja, ali nisu sposobni masovno razvijati kvalitete koje se često navode kao ključne u AI-eri – prosuđivanje, odgovornost, etičku zrelost, autonomiju i tako dalje.
Transformacija u tom smjeru zahtijevala bi kulturni i institucionalni lom koji je za ovako velike i politički osjetljive sustave teško izvediv. Školski sustavi nisu samo pedagoške strukture; oni su i birokratske, financijske i ideološke infrastrukture društva. Rigidnost nije slučajna: ona je ugrađena u način na koji masovni sustavi rade.
To stvara paradoks: upravo one kvalitete koje se najčešće proglašavaju "ljudskom prednošću" u AI-eri (prosuđivanje, odgovornost, etika, autonomija) najteže je masovno proizvoditi kroz sustave dizajnirane za standardizaciju.
Ključni problem nije u tome da obrazovni sustavi ne razumiju potrebu za promjenom, nego u tome da bi stvarna transformacija zahtijevala promjenu identiteta svih aktera u sustavu. Država bi morala odustati od dijela kontrole, upravljači sustava od normativnog mikroupravljanja, učitelji od uloge izvršitelja kurikuluma, roditelji od potrošačkog odnosa prema obrazovanju, a učenici od pasivne pozicije. To ne bi bila reforma, nego duboka kulturna i institucionalna promjena, za koju ne postoje jasni politički ni društveni poticaji.
Obrazovni sustavi su inertni zbog svoje veličine, političke osjetljivosti i veze s tržištem rada.
Vidjeli smo to i na primjeru pokušaja tzv. kurikularne reforme. Ona je pokušavala samo injektirati jedan ideološki sloj, lažno se predstavljajući kao neka reforma, a velik dio javnosti je potpao pod tu obmanu. Glavni problem te tzv. reforme je upravo bio u tome da bi se na jedan (negativni) eksces potrošio reformski kapacitet javnosti i sustava (nije zgorega ni napomenuti da su autori te tzv. reforme kasnije tvrdili da je otvaranje škola u pandemiji jedna od 'najsramotinijih odluka u povijesti Hrvatske', što jasno pokazuje koliko je zagovarateljima te 'reforme' bilo stalo do djece). Možda i nenamjerno, značila ja već i u svom pokušaju, upravo odustajanje od reforme, odnosno cementiranje sustava - reformski kapacitet se potrošio, odnosno iskorišten za izgradnju ideoloških rovova.
Zbog te inertnosti sustava realističniji ishod od temeljite transformacije je obrambena reakcija: još više formalnih kvalifikacija, još dulje školovanje, još brža inflacija diploma — i sve slabija veza između tog papira i stvarne ponude radnih mjesta. Paradoks je da će sustav vjerojatno širiti ono što mu je postalo najmanje uvjerljivo.
14. Izvannastavni modeli kao laboratorij promjene
Upravo rješavajući taj već tada očit problem, osnovali smo IRIM (Institut za razvoj i inovativnost mladih) — neprofitnu udrugu koja je kroz projekt Croatian Makers dovela naprednu STEM edukaciju do više od 350.000 djece u Hrvatskoj, a potom proširila aktivnosti na Srbiju, Bosnu i Hercegovinu, Kosovo, Crnu Goru i Švicarsku, gdje u suradnji s lokalnim partnerima doseže još desetke tisuća djece. Program uključuje robotiku, programiranje, internet stvari, digitalno dizajniranje i srodna područja.
Ali naš stvarni fokus nikad nije bio na STEM-u kao takvom. STEM aktivnosti od početka promatramo kao alat — sredstvo za postizanje nečeg važnijeg: razvoja kompetencija koje standardizirani sustavi deklarativno žele, ali strukturno ne mogu isporučiti. Govorim o temeljnim pismenostima poput digitalne, znanstvene i financijske pismenosti. O kompetencijama poput kritičkog mišljenja, rješavanja problema, suradnje i komunikacije. I možda najvažnije - o karakternim osobinama: znatiželji, inicijativi, upornosti, prilagodljivosti, vodstvu i društvenoj osviještenosti.
To nije zamjena za školu, ali jest signal. Kad se obrazovanje oslobodi normativnog mikroupravljanja i usmjeri na proces umjesto na certifikat, moguće je razvijati upravo ono što se najčešće proglašava "ljudskom prednošću" u AI-eri. Izvannastavni programi mogu doseći stotine tisuća, ali ne mogu preuzeti funkciju masovnog sustava. Ipak, pokazuju smjer koji formalni sustavi — ako žele zadržati legitimnost — moraju barem djelomično slijediti.
15. Pritisak AI-ja: operativna konkurencija školama
Pritisak na obrazovanje dodatno se pojačava činjenicom da umjetna inteligencija ne ugrožava obrazovni sustav samo konceptualno, nego i operativno. AI-tutori i adaptivni, multimodalni sustavi učenja već danas omogućuju brže, dublje i individualiziranije usvajanje znanja od klasičnih modela poučavanja. Njihove strukturne prednosti – personalizacija, neograničena dostupnost, trenutna povratna informacija i mogućnost stalne prilagodbe – čine ih inherentno skalabilnijima od ljudskih učitelja u masovnom sustavu.
Već stoljećima je poznato da je najefektivniji način poučavanja individualno tutorstvo. Jedan učitelj i jedno dijete u neprekinutoj petlji prilagodbe, povratne informacije i napredovanja. To su oduvijek znale kraljevske obitelji i aristokracija: Aleksandra Velikog podučavao je Aristotel. No tu nije riječ samo o anegdotama. Istraživanja potvrđuju takozvani Bloomov efekt dvije sigme: individualno tutorstvo rutinski podiže obrazovne ishode za dvije standardne devijacije - dovoljno da prosječno dijete prijeđe u gornji jedan posto. Veličina tog efekta je golema, a problem je bio ekonomski: takvo poučavanje nikada nije bilo dostupno nikome osim najbogatijima.
Umjetna inteligencija prvi put u povijesti otvara mogućnost masovne demokratizacije tutorstva. Dijete danas može postavljati neograničen broj pitanja, tražiti pojednostavljenje, zatražiti provjeru razumijevanja - sve u realnom vremenu i bez društvene nelagode. Svatko tko je isprobao Googleov Gemini s funkcijom "Help me learn" može se sam uvjeriti koliko je taj model već danas blizu pravom tutorskom iskustvu. To ne zamjenjuje školu, ali je nadopunjuje na način koji je donedavno bio rezerviran za elitu. Opet, radikalno rušenje barijere između efikasnosti i efektivnosti.
Takav futuristički model obrazovanja već se eksperimentalno provodi u školama poput Alpha School. Ondje učenici individualno i pred ekranom provode samo dva sata 'nastave' dnevno na klasične predmete poput matematike, jezika ili povijesti, uz AI-softver koji se precizno prilagođava njihovu tempu i stilu učenja, i postižu na ispitima bolje rezultate od učenika koji uče 8 sati. Ostatak dana posvećen je razvoju životnih i poduzetničkih vještina kroz projektni i kreativni rad - primjerice osmišljavanje, reguliranje i operativno vođenje malog posla poput kamiončića s hranom. Time se sustavno razvijaju suradnja, socijalne kompetencije i financijska pismenost. U takvom sustavu učitelji više nisu primarno predavači, nego mentori i “vodiči” koji nadziru i usmjeravaju u velikoj mjeri samostalno vođen proces učenja.
No i AI-tutorstvo može dovesti do daljnje perpetutacije nejednakosti guranjem uskog grla u obitelj (o tome ćemo više kasnije). A čak i kad kompetencije porastu, njihov tržišni povrat je upitan jer AI smanjuje rijetkost i uopće vrijednost, mnogih kognitivnih vještina, pa obrazovanje postupno gubi dio uloge glavnog kanala vertikalne mobilnosti.
16. Dvostruka kriza: gubitak svrhe i gubitak kompetencije
Time obrazovni sustav ulazi u dvostruku krizu: gubi i jasnu društvenu svrhu i tehničku nadmoć u prijenosu znanja. Institucija koja istodobno gubi smisao i kompetenciju suočava se s egzistencijalnim izazovom. Kao što smo rekli, u tim uvjetima je vjerojatnija obrambena reakcija sustava, uz fragmentacija obrazovanja, rast paralelnih i neformalnih modela učenja te postupna erozija društvene legitimnosti formalnog sustava.
Ovo ne znači da škole "nestaju" preko noći. To znači da gube monopol na znanje i gube jasnu ulogu u ekonomiji rada. A kad institucija izgubi i monopol i svrhu, otvara se pitanje: čime će se opravdati kao masovni društveni sustav?
17. Obrazovne nejednakosti u AI-eri: kad se nejednakost seli iz škole u obitelj
Umjetna inteligencija mijenja prirodu obrazovnih nejednakosti. Dok formalno obrazovanje povijesno služi kao mehanizam izjednačavanja prilika, u AI-eri taj se učinak može izgubiti gubi. Razlog nije u tome što AI ograničava pristup znanju, nego upravo suprotno: znanje postaje široko dostupno, ali sposobnost dosega do njega i njegove efektivne upotrebe postaje snažno ovisna o obiteljskom i društvenom kontekstu.
Ključna razlika više nije tko ima pristup sadržaju, nego najprije tko će taj neformalni sloj prihvatiti, pa onda tko ima kontekst da ga pretvori u kompetenciju. Roditeljski angažman i informiranost, kvaliteta kućnog okruženja, vrijeme i pažnja, struktura svakodnevice, kulturni kapital i očekivanja tu postaju ključni aspekti.
Istodobno, formalni sustav gubi pedagošku nadmoć, ali zadržava administrativni monopol nad certifikatima. Tako nastaje jaz između stvarnih kompetencija i onoga što se priznaje, a taj jaz proizvodi frustraciju i nepovjerenje: djeca mogu naučiti više izvan sustava, ali sustav i dalje određuje što vrijedi kao ulaznica.
U dužem roku postoji ozbiljan rizik nove obrazovne kastizacije: ne prema talentu ili trudu, nego prema obiteljskom kapacitetu da upravlja AI-obrazovanjem.
Zaključno, umjetna inteligencija ne ukida nejednakosti u obrazovanju – ona ih transformira i potencijalno pojačava. Ako obrazovni sustavi izgube ulogu stvarnog izjednačavanja prilika, društva ulaze u razdoblje u kojem će jednakost postojati formalno, ali ne i stvarno.
IV. Demokracija, legitimnost i vlasništvo
18. Globalni kontekst utrke za AGI-jem
Prije nego što vidimo učinke na razinu 'društvenog ugovora' unutar država, vrijedi razumjeti zašto je utrka za umjetnom inteligencijom istovremeno i geopolitička utrka, što efektivno onemogućava 'pritisak končnice' na razvoj AGI (Artificial General Intelligence) - opću umjetnu inteligenciju sposobnu učiti i rješavati širok raspon zadataka na razini čovjeka ili iznad nje.
Države su zainteresirane da budu prve iz više razloga. Prvi je sigurnost: ako vjeruješ da protivnik može dobiti ogroman skok u obavještajnim, kibernetičkim i vojno-operativnim sposobnostima, ne možeš si dopustiti da zaostaneš. Drugi je gospodarstvo: produktivnost je temelj fiskalne snage, što se odnosi na veličinu proračuna i onda ulaganja u infrastrukturu, vojsku i socijalnu stabilnost. Treći su standardi i pravila: onaj tko je prvi često postavlja tehničke norme, sigurnosne režime i uvjete pristupa što se smije izvoziti, kome, pod kojim uvjetima.
Možda se ova tri razloga mogu činiti apstraktna, ali pogledajmo kako su funkcionirala u daleko manjoj temi - klimatskoj agendi. Prvi mandat EK pod vodstvom Ursule von der Leyen od 2019. zamišljen je kao potpuno posvećen toj temi, uz Europski zeleni plan, što se nastavljalo na već do tada višegodišnji fokus EK i EU na klimatsku agendu. Jedna od glavnih ideja bila je da će EU moći emisijskim pravilima koja moraju zadovoljavati proizvodi drugih da bi ušli na EU tržište moći nametnuti svijetu EU smjernice, sve to uz mazohistički 'dokaz' uvjerljivosti nametanjem pravila unutar same EU iako je ona tada davala svega 8% globalnih emisija CO2 (pa objektivno smanjivanjem svog doprinosa nije mogla značajno utjecati na njih). Osim što je ta politika katastrofalno propala za samu EU, našla se na suhom kao općenito promašena s obzirom na razvoj u SAD, Kini i drugim globalnim gospodarstvima, što je posebno vidljivo i iz salto mortalea kojeg je ove godine izvela Međunarodna agencija za energiju u svom izvješću. Pojednostavljeno, obuzdavanje emisija CO2 nema više toliki prioritet i prijašnji ciljevi se smatraju potpuno nerealističnim, a posebice se to odnosi na enormnu potražnju za energijom koju trebaju gigantski podatkovni centri za AI. Izgleda kao da nitko nema na umu klimatske promjene kad planira te ogromne potrošače (samo xAI-jev upravo Colossus će uskoro trošiti električne energije kao Hrvatska.)
Čak je i notorni klimatski alarmist Bill Gates nedavno ustvrdio da bi se 'svjetska strategija za klimatske promjene trebala usredotočiti na dobrobit ljudi - čak i više nego na temperature ili emisije stakleničkih plinova' . Usput, to mu nije prvi put. Iako je bio najvažniji za globalnu pandemijsku reakciju kroz lockdown i druge brutalne i barbarske mjere, već u svibnju 2022. izjavio da [na početku] '...nismo razumjeli da je to prilično niska stopa smrtnosti i da je to bolest uglavnom starijih osoba, poput gripe, iako malo drugačija' (iako je sve već bilo jasno nakon slučaja broda Diamond Princess u veljači 2020. za informiranije, ali svakako sredinom 2020. za sve koji su htjeli znati). Vezano, u studenom 2021. Bill Gates izjavljuje da Pfizer / BioNTech cjepivo 'samo neznatno smanjuje prijenos'. Istovremeno, njegova zaklada prodaje dionice BioNTech uz profit oko 200-300 mil. USD, iako su prije toga navodili da im je to strateška investicija.
Ovo ujedno pokazuje kako agende, koliko god bile promašene i destruktivne, mogu biti samoosnažujuće i inertne, te se nastavljati i čak i pojačavati i nakon što njihovi stvaratelji odustanu od njih.
Četvrti razlog za pobjedu u utrci do AGI je prestiž i unutarnja legitimnost: 'vodimo u ključnoj tehnologiji' je politički kapital, a 'kaskamo' politički rizik, također jasno ilustrirano u statusu agende klimatskih promjena za unutarnju koheziju i moć EU komisije unutar EU.
Istovremeno, 'prvi' ne znači automatski 'zauvijek dominantan'. Prednost ovisi o tome može li se sposobnost pretvoriti u stabilnu moć: kroz industrijsku bazu, kontrolu nad hardverom i energijom, kvalitetu institucija, sigurnosne protokole te međunarodne saveze. Tako da su države zainteresirane graditi ne samo položaj za prodor do AI nego i duboku i široku infrastrukturu za održavanje trajne nadmoći.
Jedan od konkretnih putova te utrke je pokušaj usporavanja konkurencije uskraćivanjem ključnih resursa — ponajprije naprednih čipova i opreme za proizvodnju poluvodiča sa strane SAD, ili mogućom uskratom rijetkih metala od strane Kine. Upravo zato je SAD uveo ograničenja izvoza najnaprednijih čipova u Kinu: cilj je kupiti vremenski prostor u kojem SAD mogu biti prve, što najistaknutiji poduzetnici u AI ponekad prikazuju kao borbu protiv moguće prevlasti autokracije, kako bi mogli graditi moćni AI pažljivije, s više pažnje na rizike, a da pritom i dalje ostanu ispred. Neke od vodećih AI kompanija, poput Anthropica, javno su zagovarale takve izvozne kontrole i regulaciju. No čak i takve naizgled zdrave mjere teško prolaze. AI obećava toliko novca - doslovno bilijune dolara godišnje - da i najjednostavniji prijedlozi ograničenja nailaze na snažan otpor, odnosno lome se u konkurenciji među samim kompanijama koje razvijaju AI.
Dakle, rasprava o demokraciji i legitimnosti nije samo unutarnje pitanje pojedinih društava, nego se odvija u sjeni međunarodne utrke u kojoj su ulozi iznimno visoki. To je dio konteksta koji je ključan za razumijevanje iduće teme: što se događa s demokratskom legitimnošću kad rad prestane biti univerzalna osnova uključenosti?
19. Rad kao osnova demokratske uključenosti
U industrijskim i postindustrijskim demokracijama politička legitimnost počivala je na jednostavnoj implicitnoj pogodbi: većina ljudi sudjeluje u stvaranju vrijednosti kroz rad, a kroz poreze i doprinose sudjeluje u odlučivanju o raspodjeli te vrijednosti. Pravo glasa, socijalna država i demokratska stabilnost bili su duboko povezani s činjenicom da je rad bio glavni kanal ekonomske uključenosti. Ako radiš, plaćaš porez i doprinosiš, imaš i legitiman zahtjev za politički glas. U društvu u kojem automatizirani kapital i umjetna inteligencija preuzimaju sve veći dio stvaranja vrijednosti, ovi temelji kopne.
Također, politička i društvena stabilnost počivala je na implicitnom balansu između rada i kapitala. Iako su postojale i postoje velike nejednakosti, većina stanovništva sudjelovala je u stvaranju vrijednosti kroz rad, a obrazovanje je služilo kao glavni mehanizam vertikalne mobilnosti. Taj je aranžman omogućavao legitimaciju nejednakosti: razlike su bile prihvatljive jer je postojala realna mogućnost napredovanja, bilo osobno, bilo kroz sljedeću generaciju.
Umjetna inteligencija taj povijesni balans temeljno narušava. Kako AI funkcionira kao oblik kapitala koji zamjenjuje kognitivni rad i skalira se uz gotovo nulti marginalni trošak, stvaranje vrijednosti se postupno, ali nepovratno pomiče s rada na kapital. Podaci iz razvijenih ekonomija već desetljećima pokazuju pad udjela rada u ukupnom dohotku i rast udjela profita i renti, a AI će taj trend radikalno ubrzati. Vrijednost će se sve više generirati kroz vlasništvo nad modelima, podacima, infrastrukturom i platformama, a sve manje kroz ljudski doprinos u klasičnom smislu.
U svakom slučaju gube se osnove kako za postojeći status, tako i mogućnost napretka (vertikalnu mobilnost) i time se otvaraju pitanje na kojima se temelji demokratska legitimnost.
20. Zašto UBI nije "dovoljno": pasivizacija i zamrzavanje vertikalne mobilnosti
Kako će se svijet zbog AI jako bogatiti, a mnogi ljudi biti bez posla, univerzalni osobni dohodak (UBI) se nameće kao prirodni mehanizam raspodjele dohotka u društvu. Naravno, 'bazični' je samo uvjetno, moguće je da to ne bude samo osnovni nego i 'veliki' univerzalni dohodak.
Mnogima se ovo čini kao daleka i apstraktna mogućnost, ili više kao intelektualna zabava. No, primjerice, britanski ministar za ulaganja upravo je otkrio da se unutar vlade vode razgovori o uvođenju UBI za podršku radnicima u industrijama koje će vjerojatno biti uništene umjetnom inteligencijom.
Međutim, UBI ima značajne slabosti. On bi donio nove strukturalne probleme: pasivizaciju i zamrzavanje vertikalne mobilnosti. Ako velik dio populacije trajno živi od transfera, tada se društvo dijeli na one koji posjeduju i proizvode te na one koji primaju. Čak i ako je dohodak bezuvjetan, njegova legitimnost ostaje politički uvjetovana, a pozicija primatelja ostaje strukturalno slaba. Ovdje i ne govorimo o ogromnim rizicima kontrole stanovništva kad većina ovisi o državnoj volji, pogotovo u uvjetima posvemašnje digitizacije.
Društva, naime, ne funkcioniraju samo na osnovi sigurnosti, nego i na osnovi dinamike usporedbe i ambicije. Ovdje bismo sada mogli napisati cijeli esej i o ključnoj ulozi zavisti u društvima, pa pokazati najprije kako se u nekim društvima koja dopuštaju snažno stvaranje vrijednosti njen pritisak ispušta. A zatim kako se u onima koja su orijentirana prema (re)distribuciji, na uspjeh gledaju podozrivo, a neuspjeh kažnjavaju, manifestira kao latentna ogorčenost, pa postoje pojmovi poput 'hrvatskog jala'.
No, povijesno gledano, stabilne demokracije tolerirale su nejednakost upravo zato što je postojala mogućnost njezina nadilaženja.
UBI bi taj mehanizam prekinuo.
Ako se odgovor svede isključivo na transfere – primjerice kroz osnovni dohodak financiran porezima na kapital – nastaje krhka situacija. Građani tada ne žive od sudjelovanja u proizvodnji, nego od preraspodjele koju netko drugi mora politički održavati. Takav model može funkcionirati kratkoročno, ali dugoročno stvara osjećaj ovisnosti, gubitka dostojanstva i potencijalno delegitimira i demokraciju i samu redistribuciju. Društvo u kojem većina "prima", a manjina "stvara", strukturalno je nestabilno.
Možemo to gledati i s drugog aspekta. Ako je egzistencija osigurana, ali je put prema višem društvenom statusu zatvoren ili nejasan, a pogotovo ako je ovisan o stalnoj volji države (u odnosu na koju stalno morate biti 'dobri'), volja za vertikalnom mobilnošću i relativnim napretkom u društvu se više ne pretvaraju u ambiciju i napredovanje, nego u rezignaciju ili simbolički bijes. Ljudi koji ovise o redistribuciji nemaju ni ekonomske ni institucionalne poluge za osporavanje poretka koji ih održava. Društvo postaje statično i prepuno ogorčenosti, a smjena elita ili barem njena mogućnost – temelj dugoročne stabilnosti – postaje sve rjeđa ili se događa kroz nagle i destruktivne lomove.
Ovdje nije poanta moraliziranje nad transferima; poanta je strukturna. Ako se većina definira kao pasivni primatelj, tada se ne mijenja samo ekonomija, nego i psihologija građanstva: odnos prema vlastitoj ulozi, prema institucijama i prema samom smislu političkog sudjelovanja.
Zato se u ozbiljnijim raspravama sve više naglasak pomiče s pukog oporezivanja na pitanje vlasništva nad AI-kapitalom. Ako kapital postaje dominantni izvor vrijednosti, tada demokratska stabilnost zahtijeva da široki slojevi društva imaju neki oblik stvarnog udjela u tom kapitalu, a ne samo pravo na naknadnu pomoć.
Drugim riječima: nije dovoljno samo raspodijeliti rezultat, nego je potrebno demokratizirati izvor — barem djelomično. Jer ako se izvor vrijednosti trajno koncentrira, koncentrira se i moć.
21. Alternative UBI-ju
Zbog toga se sve više raspravlja ne o preraspodjeli dohotka, nego o pitanju vlasništva nad kapitalom, posebno AI-kapitalom. Dividende iz kapitala, osobito ako proizlaze iz kolektivnog ili javnog vlasništva nad dijelom AI-infrastrukture, nude kvalitativno drukčiji model. One ne isplaćuju dohodak zato što je netko isključen, nego zato što sudjeluje u vlasništvu nad proizvodnim kapacitetima budućnosti. Psihološka i politička razlika je presudna: dividenda implicira sudjelovanje, a ne ovisnost.
Pa se tako priča o:
AI suverenom fondu Država ili zajednica uspostavlja fond koji posjeduje udjele u ključnim AI-resursima: infrastrukturnim platformama, modelima, računalnim kapacitetima ili podacima. Dobit tog fonda ne ide u ruke političke elite, nego se koristi za financiranje javnih usluga ili izravno distribuira građanima. Ključno je da građani nisu samo primatelji poreznog transfera, nego kolektivni vlasnici dijela proizvodnog sustava budućnosti. Time se stvara osjećaj legitimnog sudjelovanja: "ovo nije milostinja, ovo je moj udio".
Javni ili otvoreni AI modeli Umjesto da svi ključni modeli budu u privatnom vlasništvu nekoliko globalnih kompanija, dio AI-infrastrukture može se razvijati i održavati kao javno dobro, slično kao što su nekad građene ceste, elektroenergetske mreže ili osnovna znanstvena infrastruktura. Time se smanjuje koncentracija moći i osigurava da temeljni produktivni kapaciteti nisu isključivo privatizirani. To ne znači ukidanje privatnog sektora, nego postavljanje donje granice javnog vlasništva nad ključnom tehnologijom.
Dinamičkom PDV Budući da bi AI, pogotovo u implementaciji kroz pametne robote, mogao dovesti do pada cijena (deflacie), PDV bi se mogao dinamički dizati kako bi to spriječio i ‘višak’ alocirati u AI-fond.
Zajednički nazivnik ovih modela jest pokušaj očuvanja demokratske legitimnosti u svijetu u kojem rad više nije univerzalna osnova društvene uključenosti. Ako se to ne učini, demokracija se suočava s ozbiljnim rizikom: formalno jednaki građani, ali s duboko nejednakim odnosom prema izvorima vrijednosti. Povijesno gledano, takva društva ili klize prema oligarhiji, ili prema političkoj nestabilnosti i autoritarnim reakcijama.
Međutim, iako na prvu ovi modeli izgledaju atraktivno, odmah se uviđa da ne rješavaju ključne napetosti, primjerice:
Tko je vlasnik AI Vlasnik AI-ja nije 'svijet', nego konkretni entiteti koji posluju u konkretnim državama; kako bi se konkretno kapital transferirao iz SAD i to konkretno od Anthropica, OpenAI, Tesle ili kineskih kompanija prema građanima EU i konkretno Hrvatske ili Afrike ? Zašto bi SAD i Kina na to pristale? (Uvažavajući činjenicu da je EU patuljak u razvoju AI)
Vertikalna mobilnost Kako to stvarno rješava problem vertikalne mobilnosti i mogućnost relativnog napretka u društvu
Što kad nema obaveznog rada Marksističke tlapnje se ogledaju u jednom od najčuvenijih Marxovih citata: "U komunističkom društvu, gdje nitko nema isključivo određeno područje djelovanja, nego se može usavršavati u bilo kojem smjeru, društvo regulira opću proizvodnju i time mi omogućuje da danas činim jedno, sutra drugo — da ujutro lovim, poslijepodne pecam, navečer se bavim stočarstvom, a nakon večere kritiziram — bez da ikada postanem lovac, ribar, pastir ili kritičar", koji je naravno besmislen.
Ne potpadamo li pod takve iluzije kad razmišljamo o slobodnom čovjeku budućnosti, a mnogi ljudi zapravo će bez obaveznog rada i sa zajamčnim dohotkom zapravo reterirati na 'razinu kladionice' (koje su već sada, čini se, najčešća slobodna aktivnost u Hrvatskoj).
U tom smislu, rasprava o umjetnoj inteligenciji nije rasprava o tehnologiji, nego o budućem obliku demokracije. Pitanje nije hoće li AI povećati produktivnost – to je gotovo sigurno – nego hoće li društva pronaći načine da tu produktivnost pretvore u široko legitiman društveni poredak, u kojem građani nisu samo pasivni primatelji, nego stvarni sudionici u vlasništvu nad proizvodnim kapacitetima budućnosti.
Osobno nemam odgovore na ova preteška pitanja, ali mislim da je sada potpuno jasno da pitanje umjetne inteligencije nije pitanje tehnologije i pojedinačnih prilagodbi, pa i nezaposlenosti i drugih ekonomskih pitanja, nego pitanje hoće li buduće društvo ostati dinamično i otvoreno ili će se pretvoriti u statičan poredak s trajno fiksiranim hijerarhijama i/ili destruktivnim psihološkim i sociološkim aspektima.
No, na razini pojedinca smatram da se svatko može prilagoditi novim okolnostima u kojima naziremo nikad snažniju dominaciju kapitala. Kao što sam tvrdio kad sam osnovao MojPosao u uvjetima visoke nezaposlenosti: Nema posla za sve, ali svatko može naći posao!
V. ADENDUM: Kako ulagati u doba AI
22. Zašto se "priča o vlasništvu" na kraju spušta na dionice
Dosad je argument bio namjerno "sistemski": AI prelama odnos rada i kapitala, obrazovanje gubi jednu od svojih povijesnih funkcija, a demokracija ulazi u krizu legitimnosti kad rad prestane biti univerzalna osnova uključenosti. No u društvu koje je i dalje tržišno organizirano, to sistemsko pitanje ima i vrlo praktičnu, osobnu posljedicu: ako se vrijednost sve više stvara kroz kapital, tada se sudjelovanje u budućem prosperitetu može aktivno popraviti nekim oblikom vlasništva nad produktivnim kapitalom.
To ne znači da je "ulaganje" rješenje za društveni problem. Nije. Društveni problem je legitimnost i raspodjela izvora vrijednosti; ali osobna strategija može pokušati smanjiti rizik individualne isključenosti.
VAŽNA OGRADA: ovo nije individualni financijski savjet, niti univerzalna preporuka. Ali jest opis mehanizma koji postaje sve dominantniji: u kapitalizmu se tehnološki višak vrijednosti najčešće prelijeva u profit, a profit se najizravnije kapitalizira kroz vlasničke udjele.
23. Svijet će se jako bogatiti – ali kanal neće biti "rad"
Prije godinu i pol sam kad mnogima još nisu bili jasni razmjeri ove AI-eksplozije sam napisao na svom Facebook profilu "U idućih 10-20 godina čeka nas najveće bogaćenje svijeta ikada - ako ne bude svjetskog rata. (Želite li da napišem zašto?)". Ovaj esej je odgovor na pitanje u zagradi, a napomenimo da od tada, dakle samo u godinu i pol:
- Američki indeks S&P 500 s dividendama je porastao 33%
- Njemački indeks DAX (koji uključuje dividende) 32%
- Japanski Nikkei 225 total return 42%
- Kineski Shanghai Composite 35%
- hrvatski indeks Crobex total return 50%.
Dakle, 'proročanstvo' se već ostvaruje. Inače, može vas čuditi tako veliki porast indeksa Crobex 'kad mi nemamo ništa s AI' dok ne shvatite da njega vuku ponajviše dionice grupe Končar (KOEI, KODT) ponajviše zbog iznimnog razvoja biznisa s transformatorima čija je potražnja eksplodirala baš zbog ogromnim AI centara (regulatorno: Imam dionice KOEI, KODT)
Sada se isti okvir se pojavljuje i kod ljudi koji su u središtu AI-industrije. Jedna je verzija vrlo agresivna: ideja da AI može udvostručiti "stvarni" globalni BDP, i da dio tog rasta možda neće biti vidljiv u standardnim statistikama. Druga je verzija umjerenija i zapravo stroža: ako se već pozivamo na industrijsku revoluciju, prava mjera je hoće li svijet doista ubrzati realni rast prema razinama koje su danas nezamislive u razvijenim ekonomijama (redoslijedom veličine nekoliko postotnih bodova više nego inače).
Važno je, međutim, što je iz gornje rasprave jasno, ne upasti u naivnu interpretaciju: "ako se svijet bogati, onda će svima biti bolje na isti način". Za početak, AI može povećati ukupni kolač na dva načina koji se često miješaju:
- kroz rast profita i dohotka (nešto što se vidi i osjeti kao "imam više"),
- kroz pad relativnih cijena (nešto što se osjeti kao "isto košta manje", pa se realno može više, iako se nominalno ne vidi eksplozija).
Ovaj drugi dio je važan: AI automatizacija može spustiti troškove svega — i dio "bogatstva" može se pojaviti kao jeftiniji svijet, a ne kao nečija direktna dobit.
No u oba slučaja ostaje temeljna točka: ako AI diže produktivnost, netko će kapitalizirati taj višak vrijednosti. Pitanje je tko, kroz koji kanal, i pod kojim političkim uvjetima.
24. Zašto se bogatstvo "stvara" u dionicama: dionica kao vlasništvo produktivnosti
Dionica nije magični papir koji ima cijenu sam od sebe. Ona je pravni udio u vlasništvu poduzeća, a poduzeće je organizirani stroj za proizvodnju dobara, usluga i sve u svrsi novčanih tokova za vlasnike.
To se može formulirati izravno: svijet gomila bogatstvo u dionicama jer one predstavljaju vlasništvo nad rastućom ljudskom produktivnošću: tehnološkim progresom i rastom BDP-a.
U praktičnom smislu, postoje tri razloga zašto bi taj argument u AI-eri mogao biti još snažniji:
U računu dobiti i gubitka plaće su trošak, energija je trošak, materijal je trošak, kamata je ugovorena obveza, porez je obveza državi. Ono što ostane (dobit) pripada vlasnicima. Ako AI reže troškove rada ili povećava output po zaposleniku, dobit se može širiti i bez proporcionalnog rasta broja radnika.
Zato se, u kapitalizmu, rast produktivnosti često prelijeva u rast profita (ne uvijek odmah, ne uvijek linearno, i ne uvijek u svim sektorima, ali dovoljno često da postane dugoročni obrazac).
Dionice spadaju u produktivnu imovinu jer generiraju novčane tokove, i imaju intrinzičnu vrijednost kao sadašnja vrijednost budućih tokova.
No, 'veliki pobjednici' ne moraju biti same tehnološke kompanije, nego šira industrija koja koristi AI kao robu u izobilju. To je i argument protiv preuske interpretacije tipa 'kupi par AI dionica i riješeno je'. Ako AI postane opća infrastruktura, tada se produktivnost može preliti u logistiku, proizvodnju, maloprodaju, zdravstvo, financije, energetiku, odnosno svugdje gdje automatizacija reže trošak i ubrzava proces.
Zato je u osobnoj strategiji često racionalniji 'dosadan' pristup (indeksni fondovi) od pokušaja pogađanja jedne ili dvije pobjedničke fdionice. Na koncu, da se vratimo na početak: AI može biti balon u smislu valuacije AI kompanija, ali sigurno neće biti balon u smislu stvorene vrijednosti za cijelo društvo. Indeksni fondovi/ETF-ovi su standardni alat diversifikacije upravo zato što smanjuju rizik pogađanja pojedinačnih pobjednika.
25. Zašto su valuacije visoke: tržište diskontira zamjenu rada, ne samo "bolji chatbot"
O ovome smo pisali na početku, ali radi poptunosti ponovimo.
Ako je vrijednosti dionica sadašnja vrijednost budućih novčanih tokova, onda su visoke valuacije uvijek signal jedne od dvije stvari (ili kombinacije):
- tržište očekuje brži rast budućih tokova (zarade/profita),
- ili tržište koristi nižu diskontnu stopu (manje traženi povrat, niže kamate, manja premija rizika, jača sigurnost),
a ponekad i oboje.
U AI-eri postoji vrlo specifičan razlog zašto se očekivanja 'napuhuju': AI obećava zamjenu troška rada u razmjerima koji su makroekonomski golemi. Da bi se ogromna ulaganja opravdala, AI mora naplatiti automatizaciju rada, jer 20 dolara mjesečno po korisniku ne može vratiti infrastrukturu koju grade najbogatije firme svijeta.
26. Paradoks zahtijevanog povrata: zašto je prinos istovremeno strah i nagrada
Naizgled paradoksalno, ono što se smatra rizikom za dionice, zapravo je ujedno i uzrok njihovih velikih povrata. Tzv. zahtijevani povrat na dionice ima paradoksalnu prirodu: istodobno funkcionira kao mjera rizika i kao izvor nagrade.
'Zahtijevavni' povrat znači 'koliko ulagači traže povrata da bi ih iskompenziralo za rizik držana dionica'. Zahtijevani povrat funkcionira kao diskont budućnosti. On nije objektivna karakteristika dionice, nego kvantifikacija investitorove nesigurnosti: straha od propasti kompanije, krize ili gubitka kapitala. Kada investitor traži, primjerice, 12% godišnje, on time smanjuje vrijednost budućih novčanih tokova jer zahtijeva kompenzaciju za rizik i neizvjesnost vlasništva. Ta stopa izražava psihološku cijenu čekanja i izloženosti nepoznatom.
No, s druge strane, on proizlazi iz povijesne činjenice da su dionice donosile veće prinose od 'bezrizičnih' ulaganja, pa se ta razlika tumači kao kompenzacija za nesigurnost vlasništva. Time dolazimo u kružnu logiku: dionice smatramo rizičnima jer su donosile veće prinose, a veće prinose tražimo jer ih smatramo rizičnima. Nešto što je objektivno pozitivno (viši očekivani prinos) u analizi se pojavljuje kao negativan zahtjev, kao prepreka koju investicija mora preskočiti.
Kako vrijeme prolazi, zahtijevana stopa povrata mijenja značenje. Ono što je jučer bilo obrana od rizika, sutra postaje nagrada. Ako se tijekom godine ne dogodi ništa dramatično - kompanija jednostavno opstane i posluje razumno - očekivani povrat se materijalizira kao stvarna zarada. Dionica vrijedi više ne zato što je poduzeće učinilo nešto izvanredno, nego zato što je vrijeme prošlo, a investitor je ostao vlasnik kroz razdoblje neizvjesnosti. Vrijeme samo postaje produktivno i kapitalizira se.
Matematički, diskontiranje i ostvareni povrat simetrični su procesi; psihološki, oni se doživljavaju potpuno suprotno. U fazi očekivanja investitor se osjeća oprezno i defenzivno, dok se u fazi realizacije osjeća nagrađeno i uspješno, iako se nije dogodilo ništa osim prolaska vremena. Ista pojava, promatrana s različitih strana vremenske osi, jednom se doživljava kao umanjenje vrijednosti, a drugi put kao dobitak — što čini srž paradoksa zahtijevanog povrata.
27. Povrati na investicijske klase
Institucionalni ulagači koji brinu za najosjetljiviju štednju (mirovine) i bogati ne gomilaju dionice zbog ideologije – nego zato što ništa drugo dugoročno ne čuva i ne povećava kupovnu moć.
U svijetu gdje ljudska inventivnost raste brže od svega drugog, vlasništvo nad kapitalom koji materijalizira tu inventivnost je logičan način da se imovina štiti i stvara. To je istovremeno dosadno i duboko: bogatstvo se stvara jednostavnim, strpljivim vlasništvom dionica tijekom najvećeg perioda stvaranja bogatstva u ljudskoj povijesti.
Od početka 1928. do kraja 2024. (što uključuje veliki krah burzi 1929.), ovo su prosječni povrati na investicijske klase:
• Dionice 9,9%
• Zlato 5,0%
• Obveznice 4,6%
• Nekretnine 4,3%
• Državni zapisi 3,3%
Prilagođeno inflaciji je to:
• Dionice: oko 6,5%
• Zlato: oko 1,5%
• Obveznice: oko 1%
• Nekretnine: oko 1%.
(Damodaran: Historical Returns on Stocks, Bonds and Bills: 1928-2024)
Da ste početkom 1928. uložili u obveznice 1 USD imali biste na kraju 2024. oko 50.000. 1 USD u zlato bi na kraju 2024. vrijedio oko 12.650. A 1 USD uložen u 500 najvećih dionica bi vrijedio oko 980.000 USD!
28. Kontrola rizika pri ulaganju u dionice
Kad govorimo o prinosima, uvijek trebamo govoriti i rizicima. Kod dionica, otklanjanje rizika uglavnom se radi diverzifikacijom. Najprije, temeljni aspekt ulaganja je prostorna, industrijska i ostala diverzifikacija portfelja. Poanta je u tome da imate portfelj koji uključuje raznolike dionice, ili naprosto uložite u indekse, po mogućnosti nekoliko geografski disperziranih indeksa.
Vremenska pak diverzifikacija znači smanjivanje rizika kroz vrijeme. Ovo je stručno i u praksi vrlo složena tema. Ukratko, duže držanje ne smanjuje apsolutnu nesigurnost, nego se ona u stvari povećava s drugim korijenom vremena (sve je veća). Ali, zbog eksponencijalne naravi porasta vrijednosti ulaganja, vjerojatnost da vam prinos padne ispod onoga koji bi odgovarao inflaciji s vremenom pada – naravno, ako je zahtijevani prinos veći od inflacije. A to je, jer on u sebi uključuje, nadograđuje se na, 'bezrizični' prinos koji u sebi uključuje inflaciju.
Dodatna i stvarna vremenska diverzifikacija ulaganja je 'Dollar-cost averaging', odnosno redovita uplata istih iznosa – ili bolje, sve većih s obzirom na inflaciju. Naime, radi se u stvari o velikom broju mini-ulaganja, svakim sa svojim vremenskim rizikom, koji se onda disperziraju.
Ukupno, možemo reći da diverzifikacija ruši barijeru između prinosa i rizičnosti.
Upravo zbog visoke zahtijevane stope prinosa (drugačije gledano, očekivanih povrata) uz mogućnost kvalitetne kontrole rizika, fondovi nacionalnog bogatstva – u Norveškoj, Singapuru, Kini, UAE, Saudijskoj Arabiji itd. – kao i mirovinski fondovi, koji upravljaju s kritičnom, ali dugoročnom štednjom, tako hladnokrvno ulažu ponajprije u dionice.
[Esej u nastajanju, dorade i dopune slijede]