Thời đại AI, cách "sản phẩm thầm lặng" trị giá hàng nghìn tỷ đô la tái định hình tăng trưởng kinh tế

Tác giả: Tài chính Vương; Nguồn: X, @yuyy614893671

Hôm nay đọc một báo cáo xuất sắc, khiến người ta mở rộng tầm mắt, khi đo lường sản lượng kinh tế do AI tạo ra, thực sự có một phần ghép hình bị chúng ta bỏ sót, và kinh tế học truyền thống, thống kê học cũng chưa tìm ra phương pháp phù hợp để đo lường nó. Đó chính là Dark -output do AI tạo ra.

Trước tiên gửi đến mọi người một sơ đồ logic liên quan đến báo cáo để mọi người dễ hiểu hơn về nội dung:

Chúng ta sẽ chính thức đi vào phân tích nội dung bài viết tiếp theo

1. Sản lượng tối của AI: Phương pháp đo lường hoạt động kinh tế và các điểm mù

Bản đồ này chính xác mô tả phân phối giá trị trong toàn bộ nền kinh tế, cũng như các điểm mù của các công cụ thống kê hiện có

Ba tiêu chuẩn để đo lường hoạt động kinh tế của con người

(1) Produced (Đã sản xuất / Lao động thực): Hoạt động này có tiêu tốn lao động thực sự và tạo ra giá trị kinh tế thực không?

(2) Priced (Đã định giá / Giá thị trường): Hoạt động này có được bán trên thị trường với giá rõ ràng, có thể nhìn thấy không?

(3) Measured (Đã đo lường / Được ghi nhận trong GDP): Các tài khoản quốc gia chính thức cuối cùng có ghi nhận chính xác hoạt động này không?

Trong thực tế hoạt động xã hội, tồn tại các trường hợp khác nhau

1. Giao điểm của ba giới: Thị trường chính quy (Thị trường chính thức)

Đã sản xuất + Đã định giá + Đã đo lường

Đây là vùng trung tâm mà kinh tế học truyền thống và các cơ quan thống kê chính thức quan tâm nhất. Bao gồm trả lương, bán hàng hóa, hợp đồng thương mại, chiếm phần lớn GDP truyền thống.

Ví dụ, doanh nghiệp chi 10.000 USD thuê tổ chức bên ngoài thực hiện dịch vụ nhân sự, hoặc bạn trả tiền thuê luật sư soạn thảo một văn bản pháp lý, những hoạt động này vừa tạo ra giá trị, vừa có giá thị trường rõ ràng, và được ghi nhận trong tài khoản quốc gia một cách hoàn hảo.

2. Có giá nhưng thoát khỏi quản lý: Thị trường xám / bất hợp pháp (Gray / Illicit Market)

Đã sản xuất + Đã định giá (nhưng chưa đo lường)

Các hoạt động này thực sự cung cấp dịch vụ hoặc sản phẩm, có các giao dịch tiền tệ thực và giá thị trường rõ ràng, nhưng do nằm trong nền kinh tế ngầm hoặc liên quan đến hoạt động bất hợp pháp, chúng trốn tránh các số liệu vĩ mô chính thức.

3. Được thống kê nhưng không có giá thị trường: Dịch vụ chính phủ (Chính phủ đo lường theo chi phí)

Đã sản xuất + Đã đo lường (nhưng không có giá thị trường trực tiếp)

Nhiều dịch vụ công cộng do chính phủ cung cấp (như giáo dục cơ bản, an ninh đô thị) tạo ra giá trị xã hội và kinh tế lớn, cũng được tính vào GDP.

Nhưng vì thường không tính phí theo từng dịch vụ cho công dân (thiếu giá thị trường), chính thức chỉ có thể ước lượng “chi phí đầu vào” (ví dụ, bảng lương của công chức) để gián tiếp đo lường sản lượng của chúng.

4. Trò chơi số liệu của cơ quan thống kê: Ước lượng thuần túy (Pure Imputations)

Đã đo lường (nhưng không thực sự định giá, cũng không tạo ra sản lượng mới)

Trong vùng màu xanh lam thuần túy hoặc gần vùng đã định giá, là các dữ liệu ước lượng, điển hình là “tiền thuê nhà tự sở hữu”.

Nếu bạn sống trong chính căn nhà của mình, bạn không trả tiền thuê thực sự cho ai, cũng không phát sinh hoạt động kinh tế mới. Nhưng để duy trì tính liên tục của số liệu vĩ mô, tài khoản quốc gia sẽ “ước lượng bắt buộc” khoản tiền thuê bạn tự trả cho chính mình và đưa vào GDP.

5. Mạng lưới tối của nền kinh tế: Chỉ sản xuất (PRODUCED-only)

Chỉ đã sản xuất (chưa định giá, chưa đo lường)

Đây là một vùng mù lớn của nền kinh tế. Bao gồm “sản xuất gia đình” và “tình nguyện viên / nguồn lực cộng đồng số”. Truyền thống, các hoạt động như nuôi dưỡng trẻ, chăm sóc người già, công việc nội trợ hàng ngày không công, lên tới 164 tỷ giờ mỗi ngày. Theo các quy chuẩn kế toán hiện tại, những hoạt động tạo ra giá trị sinh tồn lớn này vì không có trao đổi tiền tệ nên được ghi nhận là giá trị bằng không.

6. Phân tách giữa sản lượng AI và Dark-output

Vòng tròn đỏ ở trung tâm bản đồ hoàn hảo tiết lộ cách AI phá vỡ hệ thống đo lường hiện tại:

Vòng tròn sản lượng của AI hoàn toàn nằm trong vòng tròn lớn màu xanh lá “Đã sản xuất (PRODUCED)”, nghĩa là các công việc hỗ trợ hoặc do AI tạo ra không còn nghi ngờ gì nữa đã tạo ra giá trị kinh tế thực.

Tuy nhiên, chỉ một phần rất nhỏ của sản lượng AI chui vào “thị trường chính quy” trung tâm, phần này chỉ đại diện cho lượng Token tiêu thụ rõ ràng, gọi API hoặc phí thuê bao cố định của phần mềm AI. Ví dụ, khi chi phí soạn thảo di chúc pháp lý cơ bản từ 150 USD giảm đột ngột 99% xuống còn 0,50 USD qua API, thì giao dịch trị giá 149,5 USD ban đầu trong “thị trường chính quy” hoàn toàn biến mất. Giá trị tương đương vẫn nằm trong vòng “đã sản xuất”, nhưng do giá sụt giảm và cách giao dịch nội bộ hóa, nó thoát khỏi phạm vi “đã định giá” và “đã đo lường”.

Hệ thống thống kê hiện tại sẽ hiểu nhầm sự biến mất của các khoản này là lạm phát tăng và sản lượng giảm. Dark-output của AI đang đẩy ngày càng nhiều hoạt động kinh tế vĩ mô vào vùng mù chỉ sản xuất mà không định giá, khiến cảm nhận thực của nền kinh tế và các chỉ số vĩ mô hoàn toàn lệch lạc.

2. Tại sao sản lượng AI không thể đo lường và ghi nhận hoàn toàn: Sự tồn tại của sai số thống kê

Khi AI hỗ trợ hoặc tiếp quản một nhiệm vụ, sản lượng không tự nhiên biến mất. Chỉ khi giá giảm xuống, hoặc tệ hơn, nhiệm vụ chuyển từ bên ngoài sang nội bộ doanh nghiệp, thì sản lượng mới biến mất khỏi tính toán kinh tế quốc dân; các sai số đo lường khác nhau có thể dẫn đến thiếu hụt dữ liệu sản lượng, ví dụ:

1. Chuyển đổi ranh giới

Chuyển đổi ranh giới là khi công việc ban đầu mua trên thị trường chuyển sang nội bộ công ty hoặc gia đình. Báo cáo nghiên cứu trả phí biến thành quy trình AI nội bộ. Nhiệm vụ thuê ngoài biến thành nhiệm vụ của nhân viên. Giá trị vẫn có thể tồn tại, nhưng các giao dịch làm cho nó trở nên rõ ràng thì biến mất.

2. Giảm giá đột ngột

Chất lượng và số lượng dịch vụ không có tiêu chuẩn đo lường độc lập thực sự. Thu nhập, lương và giờ làm được ghi nhận, nhưng số lượng thì không thể định lượng. Dịch vụ pháp lý không có đơn vị chuẩn, tổng quan tài liệu không có đơn vị tấn, dịch vụ tư vấn cũng không có đơn vị thùng; nếu sổ sách thể hiện thu nhập giảm (vì giá giảm) còn lương trung bình tăng (vì nhân viên sơ cấp bị sa thải), thì sẽ bị hiểu là lạm phát gia tăng, năng suất và sản lượng giảm.

3. Sai lệch ngành nghề

Khi AI tạo ra giá trị trong một ngành, nhưng giao dịch lại thể hiện ở ngành khác, sẽ xuất hiện sai lệch ngành nghề. Ví dụ, bệnh viện có thể dùng AI để tăng tốc xử lý hồ sơ, nhưng nếu doanh thu của AI chỉ thể hiện trong thu nhập của công ty AI hoặc nhà cung cấp phần mềm, thì sẽ làm méo mó số liệu thống kê quốc gia. GDP phân theo ngành có thể khiến các nhà cung cấp AI trông như là nguồn gốc giá trị, còn các ngành sử dụng AI thì có vẻ trì trệ.

4. Công việc mới ẩn hình

Lợi ích kinh tế thực sự đang phát sinh, ví dụ AI chỉ cần vài token để viết một hồ sơ giúp con người chuẩn bị tốt hơn cho cuộc họp, nhưng giá trị này không thể phản ánh ở đâu. Bất kỳ chỉ số đo lường vĩ mô hợp lý nào cũng phải xem xét đến điều này, nếu không, sự thịnh vượng của AI có thể bị hiểu sai là suy thoái của AI trong dữ liệu.

3. Sản lượng tối của AI thực sự tạo ra gì: Lợi nhuận + Thặng dư người tiêu dùng

Vậy, phương pháp đo lường nền kinh tế hiện tại sẽ gây ra ảnh hưởng như thế nào? Do các lệch lạc của số liệu chính thức, trong tương lai có thể chúng ta sẽ thấy một tình huống như hình trên: CPI không giảm, GDP cũng không tăng

Đường màu xanh gần như bằng phẳng trong hình (đo lường GDP bình quân thực tế) và đường màu vàng (chỉ số giá CPI) thể hiện dữ liệu mà các cơ quan thống kê truyền thống nhìn thấy. Dựa trên các số liệu này, chẩn đoán chính thức là bi quan: “AI chưa mang lại hiệu quả như mong đợi — giá vẫn kiên cường, tăng trưởng kinh tế yếu ớt, nhưng chi tiêu cho AI thì nhiều hơn mọi thời điểm” (như trong dòng chữ trong khung vàng góc dưới bên trái).

Tuy nhiên, tại thời điểm này, “năng suất thực đang tăng vọt” — vùng bóng tối giữa đường đứt nét màu trắng và đường liền màu xanh lam (gồm cả “chuyển đổi thành lợi nhuận” màu tím đậm và “chuyển đổi thành thặng dư người tiêu dùng” màu xám đậm), chính là Dark-output ẩn của AI.

Khi AI giảm thiểu chi phí lao động một cách đáng kể, số tiền tiết kiệm được chủ yếu chảy vào hai nơi: Thứ nhất, trở thành lợi nhuận siêu ngạch của doanh nghiệp; thứ hai, giúp người tiêu dùng nhận được lượng dịch vụ gấp nhiều lần với cùng số tiền (ví dụ, trước đây phải trả tiền để người khác tra cứu, giờ tự AI làm miễn phí ngay lập tức).

Vì các giá trị thực lớn này không hình thành các “giao dịch” mới, có thể thống kê được trên thị trường, nên nếu sản lượng AI không được bán với giá rõ ràng, thì ngoài chi tiêu Token đơn thuần, GDP hoàn toàn không thể phản ánh các sản lượng này.

4. Kinh nghiệm lịch sử và bài học: Hiện tượng Paradox của Solow tái diễn

Để hiểu rõ hơn hiện tượng này, chúng ta có thể nhìn lại lịch sử. Tình huống này không phải lần đầu tiên xảy ra.

Vào thập niên 80 và 90 của thế kỷ 20, khi máy tính cá nhân mới phổ biến, số liệu vĩ mô cũng hoàn toàn không thể phát hiện đóng góp của cuộc cách mạng máy tính mới nổi đối với nền kinh tế. Nhà kinh tế nổi tiếng Robert Solow từng có câu rất nổi tiếng: “Bạn có thể thấy bóng dáng của kỷ nguyên máy tính khắp nơi, chỉ trừ trong số liệu năng suất lao động.”

Hệ thống thống kê chính thức phản ứng rất chậm trễ. Đến năm 2013, Mỹ mới thực hiện một sửa đổi phương pháp luận nhàm chán, chính thức đưa đầu tư vào R&D và sở hữu trí tuệ vào tính GDP. Chỉ một hành động này đã làm tăng tổng sản lượng của Mỹ trong thập niên 90 ước chừng 3,6 nghìn tỷ USD.

5. Ảnh hưởng của Dark-output AI ra sao?

Trước đây, máy tính chỉ là công cụ, còn AI đang trực tiếp tiếp quản trí tuệ của ngành dịch vụ. Do ngành dịch vụ luôn gặp khó khăn trong đo lường, khi AI khiến chi phí của một số dịch vụ giảm mạnh, GDP thường sẽ ghi nhận đó là sự suy thoái của hoạt động kinh tế (vì lượng giao dịch tài chính giảm), thậm chí còn thể hiện là lạm phát trong dữ liệu.

Vấn đề đo lường do AI mang lại sẽ làm các điểm mù thống kê trước đây trở nên nhỏ bé hơn nhiều. Đây là lý do tại sao, nếu chỉ nhìn vào các chỉ số GDP truyền thống, bạn sẽ nhầm tưởng rằng nền kinh tế hiện tại đang trì trệ, trong khi thực tế, một cuộc cách mạng năng suất chưa từng có đang diễn ra dưới mặt nước dữ liệu.