Điều hướng Khủng hoảng Thừa trong Kỷ nguyên AI: Phân tích các Giải pháp Kinh tế - Xã hội

Thế giới đang đứng trước ngưỡng cửa của một cuộc cách mạng năng suất chưa từng có, được thúc đẩy bởi trí tuệ nhân tạo (AI) và robot. Về lý thuyết, khả năng sản xuất hàng hóa và dịch vụ với hiệu suất vượt trội và chi phí cận biên tiến tới không nên mở ra một kỷ nguyên thịnh vượng toàn cầu. Tuy nhiên, một nghịch lý sâu sắc đang hiện hữu: thay vì sự sung túc cho tất cả, năng suất công nghệ này lại có nguy cơ tạo ra một cuộc khủng hoảng kinh tế - xã hội đặc trưng bởi sự dư thừa sản xuất, thiếu việc làm trên diện rộng và sự gia tăng bất bình đẳng một cách trầm trọng. Cuộc khủng hoảng này không bắt nguồn từ sự khan hiếm, mà từ chính sự dư thừa – một sự dư thừa được tạo ra và phân phối một cách không đồng đều. Các phân tích hiện tại về vấn đề này thường chỉ dừng lại ở bề mặt, đề xuất các giải pháp có vẻ hợp lý nhưng lại thiếu đi sự xem xét kỹ lưỡng về tính khả thi, những mâu thuẫn nội tại và các rào cản mang tính hệ thống. Báo cáo này đáp ứng yêu cầu về một phân tích sâu sắc hơn, vượt ra ngoài những giải pháp đơn giản hóa để đi vào bản chất của vấn đề.

Báo cáo này được cấu trúc thành bốn phần chính, mỗi phần dành riêng để phân tích phê phán một trong bốn giải pháp được đề xuất rộng rãi nhằm đối phó với cuộc khủng hoảng thừa do AI. Lăng kính phân tích sẽ tập trung vào ba khía cạnh cốt lõi: tính khả thi trong thực tiễn, các mâu thuẫn mang tính hệ thống, và sự phân bổ quyền lực cũng như tài nguyên. Mục tiêu không phải là tìm kiếm một "câu trả lời" duy nhất, mà là xây dựng một sự hiểu biết tổng hợp về các phản ứng chính sách tích hợp, đa chiều cần thiết để điều hướng tương lai phức tạp này.

Phần I sẽ mổ xẻ nền kinh tế tuần hoàn, đánh giá các tuyên bố về tạo việc làm và tính bền vững so với thực tế về chất lượng lao động và các rào cản tiếp cận.

Phần II sẽ xem xét các chính sách tái phân phối, từ thuế robot đến các mô hình sở hữu mới như hợp tác xã nền tảng và quỹ tín thác dữ liệu, để phân tích liệu chúng có thể thực sự giải quyết được sự tập trung vốn và thông tin hay không.

Phần III sẽ đối mặt trực diện với những thách thức của việc đào tạo lại kỹ năng trên quy mô lớn, xem xét hiệu quả, chi phí và các yếu tố con người thường bị bỏ qua.

Phần IV sẽ phân tích mâu thuẫn cơ bản trong việc sử dụng AI để quản lý sản xuất, đối chiếu tiềm năng kiểm soát bền vững với mệnh lệnh tăng trưởng và thúc đẩy tiêu dùng của chủ nghĩa tư bản.

Thông qua việc phân tích sâu sắc từng giải pháp, báo cáo này hướng tới việc cung cấp một cái nhìn toàn diện và thực tế về những lựa chọn mà xã hội phải đối mặt, nhấn mạnh rằng không có một giải pháp đơn lẻ nào là đủ. Thay vào đó, một chiến lược tổng hợp, thích ứng và có ý thức về các cấu trúc quyền lực mới là con đường duy nhất để đảm bảo rằng cuộc cách mạng AI phục vụ cho phúc lợi của con người, chứ không phải làm xói mòn nó.

Nền kinh tế tuần hoàn (CE) thường được ca ngợi như một giải pháp kép, vừa giải quyết các thách thức về môi trường, vừa tạo ra một làn sóng việc làm mới. Tuy nhiên, khi phân tích sâu hơn, bức tranh trở nên phức tạp hơn nhiều. Phần này sẽ tháo dỡ câu chuyện phổ biến về CE, tiết lộ những hệ quả phức tạp về lao động và các rào cản thực thi đáng kể, đặt ra câu hỏi liệu nó có thực sự là một giải pháp toàn năng hay không.

Các dự báo về tác động của kinh tế tuần hoàn đối với thị trường lao động thường mang màu sắc lạc quan, nhưng ẩn sau những con số là một sự chuyển đổi cấu trúc sâu sắc và đầy thách thức.

Các Dự báo Lạc quan của ILO

Tổ chức Lao động Quốc tế (ILO) đã đưa ra những ước tính đáng chú ý về tiềm năng việc làm của kinh tế tuần hoàn. Theo một ước tính thận trọng, CE có thể tạo ra ròng 6-7 triệu việc làm mới trên toàn cầu.1 Con số này, mặc dù đáng kể, lại che giấu một sự biến động lớn hơn nhiều. Các dự báo tham vọng hơn cho thấy CE có thể tạo ra tới 78 triệu việc làm mới, nhưng đồng thời cũng làm mất đi 72 triệu việc làm hiện có.1 Điều này cho thấy CE không phải là một quá trình bổ sung việc làm một cách nhẹ nhàng, mà là một cuộc "chuyển đổi lao động khổng lồ" sẽ thay đổi sâu sắc nơi làm việc và cách thức sản xuất, sửa chữa, tái chế và tái sản xuất diễn ra.2 Quy mô tuyệt đối của sự thay đổi này nhấn mạnh tính cấp thiết của các chính sách chuyển đổi công bằng để đảm bảo không ai bị bỏ lại phía sau.

Đặc điểm của "Việc làm Tuần hoàn"

Vậy những công việc mới này là gì? Các "việc làm tuần hoàn" được định nghĩa là những công việc góp phần khép kín các chu trình vật chất, bằng cách kéo dài tuổi thọ của chúng và tạo ra giá trị mới từ các nguồn tài nguyên mà nếu không sẽ bị mất đi khỏi nền kinh tế.2 Các ví dụ cụ thể bao gồm các hoạt động như sửa chữa, bảo trì, nâng cấp, tái sản xuất, tái sử dụng và tái chế vật liệu.2 Một đặc điểm quan trọng là nhiều hoạt động trong số này, chẳng hạn như tái chế, thu gom và phân loại chất thải, sửa chữa và bảo trì, lại thâm dụng lao động và đòi hỏi kỹ năng từ thấp đến trung bình.3 Điều này mở ra tiềm năng tạo ra nhiều việc làm ở cấp độ đầu vào, đặc biệt hấp dẫn đối với thanh niên và các cộng đồng dễ bị tổn thương, những người có thể gặp khó khăn trong việc tiếp cận các công việc đòi hỏi kỹ năng cao trong nền kinh tế tự động hóa.

Lưỡng nan giữa Chất lượng và Số lượng

Tuy nhiên, một trong những điểm phê bình sâu sắc nhất đối với câu chuyện về CE là sự phân biệt giữa "việc làm xanh" và "việc làm tốt". Một công việc có thể tốt cho môi trường, nhưng không có gì đảm bảo rằng nó cũng tốt cho người lao động.5 Các báo cáo từ Circle Economy, ILO và Ngân hàng Thế giới liên tục nhấn mạnh rằng phần lớn các nghiên cứu hiện tại tập trung một cách không cân xứng vào việc

tạo ra việc làm mà bỏ qua chất lượng công việc, bao gồm các yếu tố quan trọng như điều kiện làm việc, tiền lương, an toàn lao động và quyền thương lượng.5 Chỉ một số ít nghiên cứu đã xem xét liệu CE có thể giảm nghèo và mang lại lợi ích cho các cộng đồng dễ bị tổn thương ở các nước thu nhập thấp hay không.6 Nếu không được quản lý đúng cách, quá trình chuyển đổi sang CE có thể tiếp tục duy trì những bất bình đẳng và điều kiện làm việc không tối ưu hiện có, cản trở tiến trình hướng tới một tương lai công bằng và bền vững hơn.5 Do đó, việc đặt con người vào trung tâm của kinh tế tuần hoàn không chỉ là một khẩu hiệu mà là một yêu cầu chính sách cấp bách.1

Khả năng tiếp cận kinh tế tuần hoàn ở cấp độ cá nhân và doanh nghiệp không đồng đều trên toàn cầu và bị cản trở bởi nhiều rào cản mang tính cấu trúc.

"Thiên vị Toàn cầu phương Bắc" và Kinh tế Phi chính thức

Một phát hiện quan trọng và đáng báo động là có một sự "thiên vị Toàn cầu phương Bắc" (Global North bias) rõ rệt trong các nghiên cứu về CE. Một báo cáo cho thấy 84% các nghiên cứu hiện tại tập trung vào các quốc gia ở phương Bắc.5 Các khu vực như Châu Phi cận Sahara, Đông Âu, Trung Đông và Bắc Phi ít được đại diện nhất, mặc dù thực tế là hầu hết các hoạt động kinh tế tuần hoàn (đặc biệt là các hoạt động ở cuối vòng đời sản phẩm như xử lý chất thải) hiện đang diễn ra ở phương Nam.6

Hơn nữa, trong khi 73% người lao động ở các nước thu nhập thấp làm việc trong khu vực kinh tế phi chính thức, hầu hết các nghiên cứu lại chỉ quan tâm đến công việc chính thức, được quy định.6 Ở các nước đang phát triển, các công việc được tạo ra trong CE có xu hướng tập trung ở khu vực phi chính thức, thường là các công việc chất lượng thấp, lương thấp, với người lao động làm việc trong điều kiện nguy hiểm và thường xuyên tiếp xúc với chất thải độc hại.3 Namita Datta, Giám đốc Chương trình S4YE của Ngân hàng Thế giới, chỉ ra rằng ở các nền kinh tế này, trọng tâm không phải là giới thiệu khái niệm tuần hoàn, mà là giải quyết các công việc chất lượng thấp, lương thấp trong khu vực phi chính thức với các điều kiện làm việc nguy hiểm.6 Ví dụ về ngành công nghiệp phá dỡ tàu ở Alang (Ấn Độ), nơi sự can thiệp của ILO đã giúp chuyển đổi một ngành công nghiệp nguy hiểm thành một "ngành công nghiệp xanh" với điều kiện an toàn và sức khỏe được cải thiện, cho thấy sự cải thiện là có thể nhưng đòi hỏi sự tham gia của tất cả các bên liên quan (chính phủ, người sử dụng lao động, người lao động).1

Sự thiên vị này tạo ra một khoảng trống kiến thức khổng lồ. Chúng ta đang "bay trong mù mịt" khi không biết chính sách CE hiện tại sẽ tác động như thế nào đến người lao động, đặc biệt là ở các nước phương Nam.2 Nếu không có sự thay đổi triệt để trong trọng tâm nghiên cứu và chính sách để đảm bảo "việc làm tốt" và công bằng trong chuỗi giá trị, quá trình chuyển đổi sang CE có nguy cơ vô tình củng cố sự bất bình đẳng toàn cầu. Nó có thể tạo ra một lực lượng lao động toàn cầu hai tầng: một tầng lớp "nhà thiết kế tuần hoàn" có kỹ năng cao, được trả lương cao ở phương Bắc và một tầng lớp "lao động tuần hoàn" kỹ năng thấp, giá trị thấp ở phương Nam.

Rào cản đối với Doanh nghiệp Vừa và Nhỏ (SME)

Các doanh nghiệp vừa và nhỏ (SME) được xác định là nhân tố không thể thiếu cho quá trình chuyển đổi sang CE, nhờ sự linh hoạt và gần gũi với khách hàng.7 Tuy nhiên, chính họ lại phải đối mặt với những rào cản to lớn nhất. Các rào cản này có thể được phân loại thành:

Rào cản nội bộ: Bao gồm sự e ngại rủi ro, định hướng ngắn hạn, tư duy thống trị bởi kinh tế, không sẵn lòng chấp nhận đánh đổi, thiếu hụt nguồn lực và thiếu kiến thức về CE.8 Đối với nhiều SME, việc chuyển đổi đòi hỏi thời gian, nguồn lực và nỗ lực đáng kể mà họ không có sẵn.8

Rào cản bên ngoài: Bao gồm thiếu sự hỗ trợ tài chính từ các ngân hàng, thiếu sự hỗ trợ về quy định (chính sách và ưu đãi), chuỗi cung ứng phức tạp và thiếu sự hỗ trợ từ thể chế và xã hội.10

Rào cản tài chính: Việc đảm bảo nguồn tài chính phù hợp là một trong những trở ngại lớn nhất.7 Các startup tuần hoàn thường chỉ nhận được một phần nhỏ trong tổng vốn đầu tư công nghệ khí hậu.7 Chi phí đầu tư ban đầu cao và các khoản trợ cấp hiện tại thường hỗ trợ các quy trình sản xuất tuyến tính, làm giảm khả năng cạnh tranh tài chính của các phương pháp CE.12

Cơ chế Hỗ trợ và Tiếp cận Cá nhân

Để vượt qua những rào cản này, các SME cần một hệ sinh thái hỗ trợ mạnh mẽ. Chương trình "Advance London" của ReLondon là một ví dụ điển hình, cung cấp các dịch vụ như tư vấn, tài trợ, kết nối (với khu vực công, nhà đầu tư, đối tác) và dịch vụ cộng đồng.7 Các chương trình này giúp các SME thiết kế lại mô hình kinh doanh, xác thực các giả định và mở rộng quy mô hoạt động tuần hoàn của họ.7

Đối với cá nhân, khả năng tiếp cận CE không phải là tham gia trực tiếp vào các ngành công nghiệp quy mô lớn như tái sản xuất hay khoa học vật liệu. Thay vào đó, con đường tiếp cận chính là thông qua việc tương tác với các SME và các startup tuần hoàn, với tư cách là nhân viên hoặc người tiêu dùng các sản phẩm và dịch vụ của họ (ví dụ: dịch vụ nạp đầy, quán cà phê sửa chữa, nền tảng bán đồ cũ).13 Ngoài ra, việc tự giáo dục để phát triển "các năng lực của tương lai" cũng là một cách để cá nhân đóng góp vào một tương lai bền vững thay thế.1

Tuy nhiên, điều này tạo ra một "nghịch lý về khả năng tiếp cận". Con đường chính để cá nhân tham gia vào CE lại phụ thuộc vào sự thành công của các SME, nhưng chính các SME này lại đang bị cản trở một cách có hệ thống. Do đó, khả năng tiếp cận cá nhân dễ dàng hơn sẽ không thể trở thành hiện thực nếu vấn đề của các SME không được giải quyết trước. Việc tạo ra một môi trường thuận lợi cho các SME tuần hoàn phát triển là điều kiện tiên quyết để hiện thực hóa lời hứa về một nền kinh tế tuần hoàn có sự tham gia rộng rãi của người dân.

Khi AI và robot tập trung quyền lực sản xuất vào tay một số ít, các giải pháp tái phân phối truyền thống như thuế và chi tiêu có thể không còn đủ. Phần này sẽ đi sâu hơn, vượt ra ngoài các giải pháp tài khóa bề mặt để xem xét các thay đổi cấu trúc cần thiết nhằm tái phân phối không chỉ tiền bạc, mà cả quyền sở hữu và quyền kiểm soát đối với các phương tiện sản xuất mới (AI) và nguồn tài nguyên quan trọng mới (dữ liệu).

Đề xuất đánh thuế robot đã nổi lên như một phản ứng trực tiếp đối với nguy cơ thất nghiệp hàng loạt và xói mòn cơ sở thuế thu nhập lao động. Tuy nhiên, tính khả thi và hiệu quả của nó vẫn là một chủ đề gây tranh cãi gay gắt.

Lý lẽ Cốt lõi

Các lập luận chính ủng hộ thuế robot bao gồm ba điểm chính. Thứ nhất, nó nhằm mục đích bù đắp sự sụt giảm doanh thu thuế từ lao động khi con người bị máy móc thay thế, đảm bảo nguồn thu cho nhà nước để tài trợ cho các dịch vụ công.14 Thứ hai, doanh thu từ thuế này có thể được sử dụng để tài trợ cho các mạng lưới an sinh xã hội, chẳng hạn như Thu nhập Cơ bản Phổ quát (UBI) hoặc các chương trình đào tạo lại kỹ năng quy mô lớn cho những người lao động bị mất việc.15 Thứ ba, thuế robot có thể hoạt động như một cơ chế điều tiết, khuyến khích các doanh nghiệp cân nhắc kỹ lưỡng hơn giữa việc sử dụng lao động con người và hiệu quả của tự động hóa, đặc biệt là trong các trường hợp mà lợi ích của việc tự động hóa chỉ ở mức cận biên.17 Điều này có thể làm chậm quá trình thay thế lao động, cho phép xã hội có thêm thời gian để thích ứng.

Thách thức Thực thi

Mặc dù có lý lẽ thuyết phục, việc thực thi thuế robot phải đối mặt với những trở ngại thực tế đáng kể:

Định nghĩa "Robot": Đây là một trong những thách thức cơ bản nhất. Việc xác định một cách rõ ràng hệ thống tự động nào sẽ bị đánh thuế là vô cùng phức tạp. Một định nghĩa quá hẹp có thể bỏ sót nhiều hình thức tự động hóa phần mềm (như thuật toán AI), trong khi một định nghĩa quá rộng có thể vô tình trừng phạt các công nghệ đã tồn tại từ lâu. Sự mơ hồ này có thể tạo ra gánh nặng không tương xứng cho một số ngành nhất định (ví dụ, sản xuất với robot vật lý dễ xác định hơn so với logistics với xe nâng tự lái hoặc tài chính với thuật toán giao dịch).17

Xác định Đối tượng chịu thuế: Cần phải làm rõ ai sẽ chịu trách nhiệm nộp thuế: nhà sản xuất công nghệ hay doanh nghiệp sử dụng các hệ thống tự động đó. Đánh thuế nhà sản xuất có thể làm tăng chi phí phát triển và làm chậm tiến bộ công nghệ. Ngược lại, đánh thuế người sử dụng có thể làm tăng chi phí hoạt động nhưng khuyến khích việc tích hợp tự động hóa một cách có suy nghĩ hơn.17

Sự Phối hợp Quốc tế: Đây là rào cản lớn nhất. Nếu một quốc gia đơn phương áp dụng thuế robot, họ có nguy cơ đối mặt với các bất lợi kinh tế, chẳng hạn như mất vốn đầu tư nước ngoài hoặc các công ty công nghệ chuyển đến các khu vực pháp lý thân thiện về thuế hơn.14 Do đó, một thỏa thuận quốc tế có thể thực thi là điều kiện tiên quyết để tạo ra một sân chơi bình đẳng và đảm bảo thuế robot hỗ trợ sự ổn định và công bằng kinh tế toàn cầu.

Lập luận Phản bác và Thực tế Phức tạp

Lập luận chính chống lại thuế robot là nó sẽ kìm hãm sự đổi mới, làm chậm tiến bộ công nghệ và làm tổn hại đến khả năng cạnh tranh quốc gia.14 Tuy nhiên, bức tranh thực tế có thể phức tạp hơn. Một nghiên cứu đã chỉ ra mối tương quan

dương giữa mật độ robot và tỷ lệ thuế doanh nghiệp cao ở các quốc gia như Đức và Nhật Bản, cho thấy thuế cao không nhất thiết ngăn cản việc áp dụng tự động hóa.16

Hơn nữa, một số nghiên cứu gần đây thách thức câu chuyện đơn giản "robot cướp việc làm". Bằng chứng cho thấy các công ty áp dụng robot thực sự có xu hướng tăng trưởng việc làm, trong khi các công ty không áp dụng trong cùng ngành lại bị thu hẹp.18 Điều này cho thấy robot có thể đang bổ sung cho lao động con người, giúp các công ty áp dụng trở nên năng suất hơn và chiếm thị phần của các đối thủ kém hiệu quả hơn. Nếu đúng như vậy, vấn đề không phải là robot trực tiếp thay thế con người, mà là sự tái phân bổ lao động trong ngành. Điều này làm phức tạp hóa lý do đánh thuế robot, vì nó có thể trừng phạt các công ty đang phát triển và đổi mới nhất.

Bảng này cho thấy không có một cách tiếp cận duy nhất nào được chấp nhận rộng rãi. Các đề xuất khác nhau về cơ chế, mục tiêu và phải đối mặt với những thách thức riêng. Điều này nhấn mạnh rằng thuế robot, mặc dù là một ý tưởng hấp dẫn, nhưng việc triển khai nó là một bài toán chính sách phức tạp đòi hỏi sự cân nhắc kỹ lưỡng và hợp tác quốc tế.

Một phân tích sâu sắc hơn cho thấy rằng thuế robot chỉ giải quyết được triệu chứng (mất thu nhập) chứ không phải nguyên nhân gốc rễ (sự tập trung quyền sở hữu các tài sản tạo ra của cải). Do đó, một chiến lược tái phân phối toàn diện phải bao gồm các mô hình thách thức cấu trúc sở hữu hiện tại.

Hợp tác xã Nền tảng: Tái phân phối Vốn Kỹ thuật số

Hợp tác xã nền tảng (Platform Cooperativism) nổi lên như một giải pháp thay thế mang tính cấu trúc cho nền kinh tế nền tảng do vốn đầu tư mạo hiểm (VC) hậu thuẫn, vốn có xu hướng tập trung của cải và quyền lực.

Mô hình: Một hợp tác xã nền tảng là một doanh nghiệp được sở hữu chung và quản trị dân chủ, sử dụng một nền tảng kỹ thuật số (website hoặc ứng dụng di động) để tạo điều kiện cho việc bán hàng hóa và dịch vụ.19 Điểm khác biệt cơ bản nằm ở cấu trúc sở hữu và quản trị: thay vì thuộc về các cổ đông bên ngoài, nền tảng thuộc sở hữu và được kiểm soát bởi chính những người tham gia và phụ thuộc vào nó nhất—người lao động, người dùng hoặc các bên liên quan khác.19

Ví dụ: Các ví dụ thực tế đã chứng minh tính khả thi của mô hình này. Stocksy United là một hợp tác xã nhiếp ảnh stock, nơi các nhiếp ảnh gia đóng góp cũng là chủ sở hữu, chia sẻ lợi nhuận một cách công bằng.21

Eva là một ứng dụng gọi xe cung cấp dịch vụ tương tự Uber nhưng với mức giá rẻ hơn cho hành khách và tiền công tốt hơn cho tài xế.21

Fairbnb.coop là một giải pháp thay thế cho Airbnb, nhằm giảm thiểu tác động tiêu cực của việc cho thuê ngắn hạn đối với cộng đồng địa phương.21

Thách thức về Quy mô: Đây là điểm yếu chí mạng của các hợp tác xã nền tảng. Chúng thường gặp khó khăn trong việc huy động vốn để phát triển.22 Logic của chúng—ưu tiên sự bền vững lâu dài, quản trị dân chủ và lợi ích của các thành viên—hoàn toàn trái ngược với logic của vốn đầu tư mạo hiểm, vốn đòi hỏi sự tăng trưởng nhanh chóng và lợi nhuận tối đa cho các nhà đầu tư.22 Điều này tạo ra một vấn đề gần như không thể giải quyết: hoặc là duy trì quy mô nhỏ và ở bên lề thị trường, hoặc là có nguy cơ phản bội các nguyên tắc cốt lõi của mình để theo đuổi tăng trưởng.24 Giải pháp được đề xuất không nằm trong bản thân các hợp tác xã, mà là ở việc xây dựng một "hệ sinh thái" hỗ trợ bên ngoài, bao gồm các ngân hàng hợp tác, chính sách mua sắm công ưu đãi, và các ưu đãi thuế từ chính phủ.24

Quỹ tín thác Dữ liệu: Tái phân phối Quyền lực Thông tin

Nếu AI là phương tiện sản xuất mới, thì dữ liệu chính là nguồn tài nguyên thô quan trọng nhất. Các quỹ tín thác dữ liệu (Data Trusts) được đề xuất như một cơ chế để giải quyết sự tập trung dữ liệu khổng lồ vào tay một vài gã khổng lồ công nghệ (Big Tech).25

Mô hình: Một quỹ tín thác dữ liệu là một khuôn khổ pháp lý và kỹ thuật đặt một bên trung gian ủy thác độc lập giữa các chủ thể dữ liệu (cá nhân) và những người sử dụng dữ liệu.25 Người được ủy thác (trustee) quản lý dữ liệu theo một bộ quy tắc đã được thỏa thuận, hành động vì lợi ích tốt nhất của các thành viên của quỹ tín thác (có thể là cá nhân hoặc cộng đồng).26 Mục tiêu là trao cho cá nhân và cộng đồng quyền tự quyết có ý nghĩa đối với dữ liệu của họ, cho phép họ chia sẻ dữ liệu theo các điều khoản của riêng mình để đạt được các mục tiêu xã hội hoặc kinh tế chung.28

Quản trị và Khung pháp lý: Việc thiết lập một quỹ tín thác dữ liệu đòi hỏi các thành phần thiết yếu: các thỏa thuận pháp lý rõ ràng về việc sử dụng dữ liệu, một nền tảng công nghệ an toàn để lưu trữ và chia sẻ, và một mô hình quản trị được xác định rõ (ví dụ: tập trung, phi tập trung, hoặc liên bang).27 Các mô hình này xác định vai trò, trách nhiệm và quy trình ra quyết định, đảm bảo dữ liệu được quản lý một cách minh bạch và có trách nhiệm.29

Thách thức: Khái niệm này vẫn còn rất mới, chưa có một định nghĩa thống nhất và thiếu các khung pháp lý đã được thiết lập, đặc biệt là ở Hoa Kỳ.25 Một điều kiện tiên quyết quan trọng cho hoạt động của các quỹ tín thác dữ liệu là sự tồn tại của các quyền dữ liệu mạnh mẽ và có thể thực thi trong một khu vực pháp lý, chẳng hạn như quyền di chuyển dữ liệu (portability) và quyền truy cập (accessibility).26

Sự thành công của các giải pháp thay thế mang tính cấu trúc này không phải là một vấn đề kỹ thuật, mà là một vấn đề chính trị. Cả hợp tác xã nền tảng và quỹ tín thác dữ liệu đều khả thi về mặt kỹ thuật và hoạt động. Rào cản chính của chúng không phải là một khiếm khuyết trong mô hình, mà là sự bất lực trong việc cạnh tranh về vốn và thị phần với các đối thủ được VC hậu thuẫn đang hoạt động theo một logic hoàn toàn khác. Do đó, việc mở rộng quy mô các giải pháp thay thế này không phải là câu chuyện về việc xây dựng một ứng dụng tốt hơn, mà là về việc xây dựng ý chí chính trị để tạo ra một "hệ sinh thái được bảo vệ", nơi các mô hình không mang tính khai thác có thể phát triển.

Bảng so sánh này làm rõ sự khác biệt cơ bản về hệ tư tưởng và hoạt động giữa hai mô hình. Nó cho thấy tại sao các hợp tác xã nền tảng không thể đơn giản "cạnh tranh sòng phẳng" với các nền tảng VC và đòi hỏi một hệ sinh thái hỗ trợ hoàn toàn khác để có thể tồn tại và phát triển. Đây là một minh chứng cụ thể cho thấy việc "tái phân phối vốn kỹ thuật số" đòi hỏi sự can thiệp chính sách có chủ đích. Thuế robot có thể là một bước đi đầu tiên cần thiết nhưng không đủ. Nó giải quyết triệu chứng của cuộc khủng hoảng—doanh thu chính phủ bị mất và nhu cầu thu nhập của người lao động bị thay thế—nhưng không giải quyết nguyên nhân gốc rễ: quyền sở hữu tập trung đối với các tài sản sản xuất, tạo ra của cải. Một chiến lược tái phân phối toàn diện phải có hai tầng: một loại thuế robot để quản lý các hậu quả tài chính và xã hội trước mắt, kết hợp với các chính sách dài hạn nhằm thúc đẩy các mô hình sở hữu hợp tác để dân chủ hóa chính nguồn gốc của việc tạo ra của cải.

Đề xuất đầu tư vào giáo dục và đào tạo lại kỹ năng là một phản ứng phổ biến và có vẻ hợp lý trước sự thay đổi do công nghệ. Tuy nhiên, khi đối mặt với tốc độ phát triển chóng mặt của AI, giải pháp này bộc lộ những hạn chế sâu sắc. Phần này sẽ trực tiếp đối mặt với sự hoài nghi về việc đào tạo lại, trình bày nó không phải là một giải pháp đơn giản mà là một thách thức liên tục, tốn kém và khó khăn, với hiệu quả trên quy mô lớn còn nhiều nghi vấn.

Việc đào tạo lại lực lượng lao động để đáp ứng nhu cầu của nền kinh tế tương lai là một nhiệm vụ khổng lồ cả về quy mô và độ phức tạp.

Quy mô của Thách thức

Báo cáo Tương lai Việc làm 2025 của Diễn đàn Kinh tế Thế giới (WEF) vẽ nên một bức tranh đáng kinh ngạc về quy mô của sự gián đoạn kỹ năng. Các nhà tuyển dụng dự kiến rằng 39% kỹ năng cốt lõi của người lao động sẽ bị thay đổi vào năm 2030.33 Con số này, mặc dù đã giảm so với mức 44% của năm 2023, vẫn cho thấy một sự biến động rất lớn. Điều này có nghĩa là, nếu lực lượng lao động thế giới là 100 người, thì 59 người trong số họ sẽ cần được đào tạo lại vào năm 2030.34 Trong số đó, các nhà tuyển dụng dự đoán rằng chỉ có 29 người có thể được nâng cao kỹ năng tại vị trí hiện tại và 19 người có thể được đào tạo lại để chuyển sang vai trò khác trong cùng tổ chức. Đáng lo ngại hơn, 11 người còn lại có khả năng không nhận được sự đào tạo cần thiết, khiến triển vọng việc làm của họ ngày càng gặp rủi ro.34

"Chu kỳ bán rã của Kỹ năng"

Khái niệm "chu kỳ bán rã của kỹ năng" (half-life of skills) là chìa khóa để hiểu được tính cấp bách của vấn đề. Thuật ngữ này, bắt nguồn từ vật lý hạt nhân, mô tả khoảng thời gian mà một kỹ năng mất đi một nửa giá trị hoặc sự liên quan của nó.35 Theo ước tính của IBM, chu kỳ bán rã của các kỹ năng chuyên môn nói chung hiện chỉ còn 5 năm, và đối với các kỹ năng công nghệ thông tin kỹ thuật, con số này thậm chí còn thấp hơn, dưới 3 năm.35 Sự suy giảm nhanh chóng này có nghĩa là các chương trình đào tạo một lần là hoàn toàn không đủ. Người lao động bị đặt trên một "máy chạy bộ đào tạo lại" không ngừng, nơi kiến thức trở nên lỗi thời gần như ngay khi vừa được tiếp thu.35 Điều này đòi hỏi một sự chuyển đổi từ mô hình giáo dục truyền thống sang một nền văn hóa học tập suốt đời, liên tục và tích hợp.

Hiệu quả và Lợi tức Đầu tư (ROI)

Bất chấp sự cường điệu xung quanh các sáng kiến đào tạo lại, bằng chứng thực nghiệm về hiệu quả của chúng lại khá khiêm tốn. Các bài đánh giá tổng hợp (meta-analysis) về các chương trình đào tạo lại cho người trưởng thành cho thấy các tác động tích cực nhưng không lớn. Một bài đánh giá trên 40 chương trình cho thấy xác suất tìm được việc làm của những người tham gia chỉ tăng trung bình 2,6 điểm phần trăm, và tiền lương tăng 0,08 độ lệch chuẩn.37 Một phân tích tổng hợp khác về các chương trình nâng cao sức khỏe tại nơi làm việc (bao gồm đào tạo) cũng cho thấy tác động tích cực nhưng không thể kết luận chắc chắn do nguy cơ sai lệch cao trong hầu hết các nghiên cứu.38

Tuy nhiên, dữ liệu cũng chỉ ra một số yếu tố có thể làm tăng hiệu quả. Các chương trình cung cấp kỹ năng kỹ thuật cụ thể, kết hợp giữa đào tạo tại lớp với thực tập tại nơi làm việc, và được thực hiện với sự hợp tác của khu vực tư nhân dường như mang lại hiệu quả cao hơn.37 Sáng kiến Reskilling for Employment (R4E) của châu Âu, do các công ty lớn dẫn đầu, là một ví dụ về mô hình hợp tác này, đã đào tạo lại khoảng 22.000 người và cung cấp các con đường việc làm quan trọng trong lĩnh vực kỹ thuật số và xanh.39 Điều này cho thấy rằng mặc dù đào tạo lại không phải là viên đạn bạc, nhưng các chương trình được thiết kế tốt và có sự tham gia của nhà tuyển dụng có thể tạo ra sự khác biệt.

Ngoài các vấn đề về kinh tế và hiệu quả, việc đào tạo lại còn phải đối mặt với những rào cản đáng kể từ yếu tố con người và sự không khớp giữa kỹ năng được đào tạo và kỹ năng thị trường thực sự cần.

Rào cản đối với Lao động Lớn tuổi

Lực lượng lao động đang già đi là một trong những nhóm đối tượng chịu rủi ro cao nhất từ tự động hóa và cũng là nhóm gặp nhiều khó khăn nhất trong việc đào tạo lại. Các rào cản chính bao gồm:

Rào cản Cấu trúc: Phân biệt đối xử theo tuổi tác (ageism) trong tuyển dụng là một rào cản dai dẳng và đáng kể. Các định kiến lỗi thời về người lao động lớn tuổi hạn chế cơ hội việc làm của họ, bất kể kỹ năng của họ là gì.40

Khoảng cách Kỹ năng: Nhiều người lao động lớn tuổi thiếu thành thạo các công cụ kỹ thuật số và có thể cảm thấy e ngại hoặc phản kháng với các phương pháp học tập trực tuyến.40 Việc theo kịp công nghệ được coi là một thách thức lớn.40

Sức khỏe và Sự linh hoạt: Người lao động lớn tuổi thường cần các sắp xếp công việc linh hoạt hơn (ví dụ: làm việc từ xa, bán thời gian) và môi trường làm việc phù hợp với công thái học, những điều mà không phải lúc nào cũng có sẵn.40

Việc bỏ qua tiềm năng của lực lượng lao động lớn tuổi không chỉ là một vấn đề xã hội mà còn là một sai lầm kinh tế, vì nó dẫn đến tình trạng thiếu hụt lao động, mất đi kiến thức thể chế và kinh nghiệm quý báu.41 Các chiến lược thành công để giữ chân và đào tạo lại lao động lớn tuổi bao gồm các chương trình cố vấn (mentorship), đặc biệt là cố vấn ngược (reverse mentorship) nơi nhân viên trẻ hướng dẫn đồng nghiệp lớn tuổi về công nghệ, và các chương trình đào tạo kỹ thuật số được thiết kế riêng.41

Sự không khớp giữa Kỹ năng Cung và Cầu

Một giả định ngầm trong câu chuyện đào tạo lại là nếu chúng ta cung cấp đủ lao động có kỹ năng "phù hợp với tương lai", họ sẽ tìm được việc làm. Tuy nhiên, giả định này có thể sai lầm.

Thứ nhất, có một sự không khớp tiềm tàng giữa các kỹ năng được đào tạo và các kỹ năng thực sự được yêu cầu. Báo cáo của WEF nhấn mạnh rằng các kỹ năng quan trọng nhất để phân biệt các vai trò đang phát triển và đang suy giảm không chỉ là kỹ năng kỹ thuật. Các kỹ năng nhận thức và xã hội như tư duy phân tích, khả năng phục hồi, sự linh hoạt và nhanh nhẹn, và khả năng lãnh đạo và ảnh hưởng xã hội đứng đầu danh sách.33 Đây là những kỹ năng "mềm" rất khó để "dạy" trong một lớp học truyền thống và thường được phát triển thông qua kinh nghiệm.

Thứ hai, câu chuyện đào tạo lại mang một "thiên vị về phía cung", tập trung vào việc đào tạo người lao động mà không phân tích kỹ lưỡng bản chất của nhu cầu lao động. Như người dùng đã chỉ ra, nhu cầu về việc làm trình độ cao có thể không nhiều như chúng ta nghĩ. Dữ liệu của OECD cho thấy tình trạng thiếu hụt không chỉ ở các vai trò công nghệ thông tin cao cấp mà còn ở các công việc dịch vụ cá nhân như đầu bếp, thu ngân và bồi bàn.43 Điều này cho thấy một vấn đề sâu sắc hơn: tự động hóa có thể đang gây ra sự phân cực hóa thị trường lao động, tạo ra một số ít vai trò sáng tạo/quản lý ở cấp cao và nhiều vai trò dịch vụ ở cấp thấp, trong khi "phần giữa" của thị trường lao động bị khoét rỗng. Việc chỉ tập trung vào đào tạo kỹ năng cao cấp có thể bỏ qua thực tế của sự phân cực này, để lại nhiều người lao động bị mắc kẹt mà không có con đường sự nghiệp rõ ràng.

Do đó, một chính sách "học tập suốt đời" phổ quát, nếu chỉ dựa vào việc các cá nhân tự mình tham gia các khóa đào tạo chuyên sâu, có nguy cơ trở thành một chính sách mang tính thụt lùi. Nó sẽ thiên vị những người trẻ, có năng khiếu kỹ thuật số và có nguồn lực, trong khi những người lao động lớn tuổi, giàu kinh nghiệm nhưng đối mặt với nhiều rào cản hơn, có thể bị bỏ lại phía sau. Một chính sách công bằng thực sự cần phải tích hợp việc học vào quy trình làm việc (ví dụ: học tập vi mô, cố vấn tại chỗ) thay vì coi nó là một hoạt động riêng biệt, đòi hỏi nỗ lực cao.

Phần phân tích cuối cùng này trực tiếp giải quyết câu hỏi sâu sắc nhất: liệu AI có thể được sử dụng để điều tiết sản xuất một cách bền vững, hay việc áp dụng nó trong khuôn khổ chủ nghĩa tư bản sẽ không thể tránh khỏi việc dẫn đến sản xuất thừa và chủ nghĩa tiêu dùng cực đoan?

Tiềm năng của AI trong quản lý sản xuất mang một mâu thuẫn cốt lõi. Cùng một công nghệ có thể được sử dụng cho hai mục đích hoàn toàn trái ngược nhau: tối ưu hóa để giảm lãng phí hoặc tối ưu hóa để tăng trưởng.

AI cho Hiệu quả và Bền vững

Có nhiều bằng chứng cho thấy các công ty đang sử dụng AI để tạo ra các chuỗi cung ứng hiệu quả và bền vững hơn. Các nghiên cứu điển hình cho thấy AI có thể tối ưu hóa đáng kể việc sử dụng tài nguyên. Ví dụ, công ty vận tải biển Maersk đã sử dụng phân tích dự đoán do AI điều khiển để tối ưu hóa các tuyến đường và tốc độ của tàu, dẫn đến giảm 10% mức tiêu thụ nhiên liệu và khí thải.44

IBM đã sử dụng AI để phân tích dữ liệu chuỗi cung ứng và tối ưu hóa các tuyến đường logistics, giảm 12% lượng khí thải carbon.44

Walmart đã áp dụng AI để tối ưu hóa bao bì, giảm thiểu chất thải và khí thải nhà kính liên quan đến logistics.44

Nestlé đã triển khai các cảm biến do AI điều khiển để giám sát việc sử dụng nước, giảm 15% lượng nước tiêu thụ và tăng tỷ lệ tái chế nước.44 Những trường hợp này chứng minh rõ ràng tiềm năng của AI như một công cụ mạnh mẽ để giảm thiểu tác động môi trường, tăng hiệu quả và giảm lãng phí trong quá trình sản xuất.45

AI cho Mở rộng và Tối đa hóa Doanh số

Tuy nhiên, chính những khả năng tối ưu hóa này lại được triển khai một cách mạnh mẽ hơn để thúc đẩy tiêu dùng và tối đa hóa lợi nhuận. Dự báo nhu cầu do AI điều khiển là một ví dụ hoàn hảo cho sự lưỡng nan này. Các doanh nghiệp sử dụng AI không chỉ để tránh tình trạng tồn kho quá mức (hiệu quả), mà còn để tinh chỉnh chiến lược giá cả, cá nhân hóa hoạt động tiếp thị và dự đoán hành vi của người tiêu dùng nhằm tối đa hóa doanh thu và doanh số bán hàng.46

Các công ty như Amazon và H&M khai thác dữ liệu phi cấu trúc như các bài đánh giá sản phẩm trực tuyến để cải thiện dự báo nhu cầu của họ.48

Procter & Gamble (P&G) sử dụng AI để tạo ra các dự báo nhu cầu chi tiết đến từng sản phẩm và cửa hàng, thậm chí dự đoán nhu cầu cho các sản phẩm mới chưa có dữ liệu lịch sử.48 Các nền tảng như

Uber và các hãng hàng không sử dụng các mô hình AI để tự động điều chỉnh giá vé theo thời gian thực dựa trên sự biến động của nhu cầu, nhằm tạo ra doanh thu tối đa.47

Điều này cho thấy một mệnh lệnh cơ bản của chủ nghĩa tư bản: bất kỳ lợi ích nào từ việc tăng hiệu quả (giảm chi phí) sẽ ngay lập tức được tái đầu tư để thúc đẩy tăng trưởng hơn nữa. AI không giải quyết được mâu thuẫn cốt lõi giữa hiệu quả và mở rộng; nó khuếch đại mâu thuẫn đó. Nó trở thành công cụ tối thượng để theo đuổi sự tăng trưởng vô hạn trên một hành tinh hữu hạn. Thay vì dẫn đến việc sản xuất ít đi, AI có khả năng dẫn đến một sự tăng tốc của sản xuất và tiêu dùng, được thúc đẩy bởi các chiến dịch truyền thông ngày càng tinh vi và được cá nhân hóa.

Cách một xã hội phản ứng với tình trạng siêu năng suất do AI tạo ra không phải là một vấn đề kỹ thuật, mà là một vấn đề về hệ tư tưởng. Các trường phái kinh tế khác nhau nhìn vào cùng một thực tế công nghệ và đưa ra những chẩn đoán và giải pháp hoàn toàn khác nhau.

Phê bình của Chủ nghĩa Marx

Từ góc độ Mác-xít, mâu thuẫn giữa hiệu quả và mở rộng không phải là một lỗi của hệ thống, mà chính là logic cơ bản của chủ nghĩa tư bản. Tự động hóa (AI) được áp dụng để tăng năng suất lao động, nhằm mục đích giảm chi phí và đánh bại các đối thủ cạnh tranh.49 Tuy nhiên, quá trình này tạo ra hai mâu thuẫn chí tử. Thứ nhất, nó thay thế lao động con người, vốn là nguồn gốc duy nhất của giá trị thặng dư (lợi nhuận), dẫn đến "xu hướng tỷ suất lợi nhuận giảm dần".49 Thứ hai, nó làm mất việc làm của công nhân, những người cũng chính là người tiêu dùng, tạo ra một cuộc khủng hoảng sản xuất thừa, nơi hàng hóa được sản xuất ra nhưng không có đủ người mua.49 AI làm trầm trọng thêm quá trình này bằng cách phi kỹ năng hóa và tha hóa những người lao động còn lại.50 Đối với các nhà tư tưởng Mác-xít, giải pháp không phải là cải cách chủ nghĩa tư bản, mà là thay thế nó. Trong một hệ thống xã hội chủ nghĩa, AI sẽ được giải phóng khỏi động cơ lợi nhuận và có thể được sử dụng để lập kế hoạch kinh tế một cách hợp lý, đáp ứng nhu cầu của con người và giảm đáng kể thời gian lao động, hiện thực hóa tiềm năng giải phóng thực sự của công nghệ.50

Phản ứng của Kinh tế học Keynes

Kinh tế học Keynes tập trung vào việc quản lý tổng cầu. Từ góc độ này, tình trạng sản xuất thừa và thất nghiệp do AI gây ra được xem là một trường hợp kinh điển của sự thất bại về cầu.52 Vấn đề không phải là sản xuất quá nhiều, mà là người dân không có đủ tiền để mua những gì được sản xuất. Giải pháp không phải là dừng sản xuất, mà là chính phủ phải can thiệp với tư cách là "người chi tiêu cuối cùng".53 Điều này sẽ bao gồm các chính sách tài khóa chống chu kỳ, chẳng hạn như chi tiêu thâm hụt cho các dự án cơ sở hạ tầng thâm dụng lao động, cắt giảm thuế, hoặc cung cấp Thu nhập Cơ bản Phổ quát (UBI) để tăng cường sức mua của người tiêu dùng.52 Mục tiêu là đảm bảo rằng hàng hóa do AI sản xuất ra được tiêu thụ, qua đó duy trì toàn dụng lao động và ổn định kinh tế.

Giải pháp thay thế của Kinh tế học Sinh thái

Trường phái này thách thức chính mục tiêu tăng trưởng kinh tế. Các nhà kinh tế học sinh thái cho rằng việc tách rời tăng trưởng kinh tế (GDP) khỏi việc sử dụng tài nguyên (thông lượng vật chất) là một huyền thoại không thể thực hiện được trên quy mô toàn cầu (được gọi là tách rời tuyệt đối).55 Từ quan điểm này, việc sử dụng AI để sản xuất

hiệu quả hơn là không liên quan nếu tổng khối lượng sản xuất và tiêu dùng tiếp tục tăng vượt quá giới hạn của hành tinh. Do đó, giải pháp được đề xuất là "phi tăng trưởng" (degrowth): một sự thu hẹp quy mô sản xuất và tiêu dùng một cách công bằng ở các quốc gia giàu có.55 Điều này sẽ đạt được thông qua các chính sách như giảm giờ làm, đánh thuế tiêu dùng, và hạn chế quảng cáo.56 Trong kịch bản này, AI có thể là một công cụ hữu ích để quản lý một nền kinh tế trạng thái ổn định, hiệu quả và bền vững, chứ không phải là một động cơ cho sự tăng trưởng không ngừng.

Bảng này cho thấy rõ rằng cuộc tranh luận về cách quản lý một nền kinh tế do AI điều khiển không phải là một vấn đề kỹ thuật cần các kỹ sư giải quyết, mà là một cuộc chiến chính trị và triết học về các giá trị xã hội.

Trong bối cảnh mệnh lệnh tăng trưởng của thị trường, liệu chính sách công có thể định hướng việc ứng dụng AI theo hướng bền vững hơn không? Hiện tại, có rất ít quy định về môi trường dành riêng cho AI.57 Các quy định hiện hành về trung tâm dữ liệu, vốn thu hút sự chú ý do tiêu thụ năng lượng lớn, chỉ là một sự thay thế thô sơ và không đủ.57 Một số khu vực pháp lý như Ireland, Amsterdam và Singapore thậm chí đã áp đặt lệnh cấm tạm thời đối với việc xây dựng các trung tâm dữ liệu mới do lo ngại về năng lượng.57

Các phương pháp quản lý được đề xuất bao gồm việc đặt ra các tiêu chuẩn hiệu quả năng lượng cho phần cứng AI, thúc đẩy việc sử dụng năng lượng tái tạo cho các trung tâm dữ liệu, và tạo ra các chương trình chứng nhận bền vững cho các mô hình AI, tương tự như chứng nhận LEED cho các tòa nhà xanh.57 Tuy nhiên, bức tranh toàn cảnh về quy định cho thấy các chính phủ hiện đang tập trung nhiều hơn vào việc

thúc đẩy sự đổi mới AI và giải quyết các vấn đề liền kề như quyền riêng tư dữ liệu, thay vì trực tiếp điều chỉnh việc sử dụng sản xuất hoặc tác động môi trường của nó.59 Điều này cho thấy một khoảng cách đáng kể giữa tiềm năng của AI trong việc quản lý bền vững và ý chí chính trị hiện tại để thực thi nó. Nếu không có sự can thiệp mạnh mẽ và có chủ đích của chính phủ, logic thị trường gần như chắc chắn sẽ chiến thắng, và AI sẽ được sử dụng để tối đa hóa sản xuất và tiêu dùng, bất kể hậu quả về môi trường và xã hội.

Bản phân tích phê phán này đã mổ xẻ bốn giải pháp được đề xuất cho cuộc khủng hoảng thừa trong kỷ nguyên AI, và đi đến một kết luận rõ ràng: không có giải pháp nào trong số đó là một liều thuốc toàn năng. Mỗi giải pháp, khi được xem xét một cách riêng lẻ, đều bộc lộ những hạn chế và mâu thuẫn sâu sắc.

Kinh tế tuần hoàn, mặc dù có tiềm năng về bền vững, nhưng lại đối mặt với những thách thức to lớn về thực thi và công bằng. Nó có nguy cơ tạo ra một sự phân công lao động toàn cầu bất bình đẳng và các rào cản đối với các doanh nghiệp nhỏ và vừa—những tác nhân chính của quá trình chuyển đổi—vẫn còn rất lớn.

Tái phân phối thông qua các cơ chế như thuế robot là một bước đi cần thiết để giải quyết các hậu quả tài khóa và xã hội trước mắt. Tuy nhiên, nó chỉ là một giải pháp bề mặt nếu không đi kèm với những thay đổi cấu trúc sâu sắc hơn về quyền sở hữu đối với các phương tiện sản xuất và dữ liệu, như các mô hình hợp tác xã nền tảng và quỹ tín thác dữ liệu.

Đào tạo lại kỹ năng là một yêu cầu tất yếu, nhưng việc coi nó là một giải pháp toàn diện là một sai lầm. Với chu kỳ bán rã của kỹ năng ngày càng ngắn và những rào cản đáng kể đối với người lao động lớn tuổi, một chính sách "học tập suốt đời" không được thiết kế cẩn thận có thể làm gia tăng thay vì giảm bớt bất bình đẳng. Hơn nữa, nó thường bỏ qua câu hỏi quan trọng về bản chất của nhu cầu lao động trong một thế giới tự động hóa.

Sản xuất do AI quản lý sẽ mặc định đi theo con đường tối đa hóa mở rộng và tiêu dùng do các mệnh lệnh của chủ nghĩa tư bản, trừ khi có một sự thay đổi cơ bản trong các mục tiêu kinh tế. Tiềm năng của AI trong việc tạo ra một nền kinh tế bền vững và điều độ sẽ không được hiện thực hóa nếu không có sự quản trị và quy định mạnh mẽ, có chủ đích.

Một con đường kiên cường và công bằng phía trước đòi hỏi một cách tiếp cận tổng hợp, kết hợp các thế mạnh của cả bốn lĩnh vực. Điều này có nghĩa là:

Nền tảng Vật chất: Áp dụng các nguyên tắc bền vững của kinh tế tuần hoàn làm nền tảng vật chất cho nền kinh tế, đảm bảo rằng việc sản xuất và tiêu dùng tôn trọng các giới hạn của hành tinh.

Cấu trúc Phân phối: Thực hiện các biện pháp tái phân phối mang tính cấu trúc về quyền sở hữu và quyền kiểm soát (thông qua việc hỗ trợ các hợp tác xã nền tảng, quỹ tín thác dữ liệu và các hình thức sở hữu tập thể khác) để đảm bảo rằng lợi ích từ AI và kinh tế tuần hoàn được chia sẻ một cách rộng rãi.

Năng lực Con người: Thúc đẩy một nền văn hóa học tập thích ứng suốt đời được tích hợp vào công việc, công bằng và tập trung vào các kỹ năng lấy con người làm trung tâm (sáng tạo, tư duy phản biện, hợp tác), thay vì chỉ là một cuộc chạy đua đào tạo lại kỹ thuật một cách điên cuồng.

Hệ thống Quản trị: Triển khai một hệ thống quản trị và quy định thông minh và mạnh mẽ để định hướng sự phát triển công nghệ hướng tới phúc lợi xã hội và sinh thái, đưa ra lựa chọn có ý thức để điều tiết sản xuất thay vì tối đa hóa nó bằng mọi giá.

Cuối cùng, việc điều hướng cuộc khủng hoảng thừa không phải là vấn đề tìm ra công nghệ phù hợp, mà là đưa ra những lựa chọn chính trị, kinh tế và xã hội đúng đắn. Tương lai không được quyết định bởi khả năng của những cỗ máy chúng ta tạo ra, mà bởi những giá trị chúng ta nhúng vào các hệ thống kiểm soát chúng. Thách thức lớn nhất không phải là kỹ thuật, mà là đạo đức và chính trị: xây dựng ý chí tập thể để định hình một tương lai nơi sự dư thừa công nghệ chuyển hóa thành sự thịnh vượng chung, chứ không phải là một cuộc khủng hoảng sâu sắc hơn về bất bình đẳng và sự bất ổn.