سناریوهایی برای آینده اقتصادی ما

ما هنوز نمی‌دانیم هوش مصنوعی چگونه اقتصاد را بازتعریف خواهد کرد. آیا به رشدی بی‌سابقه منجر خواهد شد؟ یا بیکاری گسترده؟ هیچ‌کدام، یا سناریویی کاملاً متفاوت؟ چگونه می‌توانیم به این پرسش‌ها پاسخ دهیم؟

تیم اقتصاد شرکت آنتروپیک مدلی را طراحی کرده است که نشان می‌دهد هوش مصنوعی چگونه ممکن است بر مشاغل، رشد اقتصادی و بیکاری در ایالات متحده طی سال‌های آینده اثر بگذارد. درباره آینده‌های اقتصادی احتمالی بخوانید و پیش‌بینی‌های خود را درباره توانمندی‌های هوش مصنوعی وارد کنید تا چشم‌انداز اقتصادی حاصل از آن‌ها را ببینید.

ما نحوه تحول اقتصاد توسط هوش مصنوعی را بررسی می‌کنیم، چراکه متعهدیم اطمینان حاصل شود این گذار برای جامعه و به‌ویژه نیروی کار سودمند خواهد بود. با فراهم کردن دیدگاهی شفاف‌تر نسبت به آینده محتمل اقتصادی، می‌توانیم گام‌هایی برای بهره‌مندی همگانی از آن برداریم.

در حالی که «شاخص اقتصادی» ما وضعیت کنونی استفاده از هوش مصنوعی در بخش‌های مختلف اقتصاد را می‌سنجد، این کاوشگر سناریو به آینده چشم دوخته است. این کاوشگر بر اساس گزارش فنی ما با عنوان سناریوهای اقتصادی برای هوش مصنوعی تحول‌آفرین (کورینک و همکاران، ۲۰۲۶) طراحی شده و فرصتی برای بررسی سیمای احتمالی اقتصاد هم‌گام با افزایش توانمندی‌های هوش مصنوعی فراهم می‌آورد.

در سناریوهایی از تداوم روند معمول تا اقتصادی که در آن هوش مصنوعی رشد را به حدود دو برابر نرخ معمول افزایش می‌دهد، نرخ بیکاری در محدوده تاریخی باقی مانده و دستمزدها بسته به نوع صنعت ثابت می‌ماند یا رشد می‌کند. اما در سناریوهایی با رشدی فراتر از هر تجربه‌ای در تاریخ اقتصاد، پیامدهای نامطلوبی متوجه دستمزدها و فرصت‌های شغلی نیروی کار دانشی خواهد بود. در چنین شرایطی جامعه بسیار ثروتمندتر می‌شود، بنابراین چالش اصلی حصول اطمینان از توزیع عادلانه و فراگیر این منافع خواهد بود.

با مرور ادامه صفحه، نگاهی کلی به نحوه تأثیرگذاری هوش مصنوعی بر اقتصاد خواهید داشت. سپس می‌توانید انتظارات خود را درباره میزان توانمندی هوش مصنوعی و گستره کاربرد آن در اقتصاد آینده وارد کنید. این مدل به شما نشان می‌دهد در صورت تحقق پیش‌بینی‌هایتان، اقتصاد سال ۲۰۳۰ چگونه خواهد بود و ارزیابی‌های شما در مقایسه با دیگران در چه جایگاهی قرار می‌گیرد.

این مدل تمامی مشاغلی را که افراد در اقتصاد انجام می‌دهند به‌صورت مجموعه‌ای از «وظایف شغلی» (Tasks) نمایش می‌دهد. هوش مصنوعی می‌تواند به افراد کمک کند یک وظیفه را بهتر یا سریع‌تر انجام دهند؛ می‌تواند آن وظیفه را خودکارسازی کند؛ ممکن است هیچ تأثیری بر آن نداشته باشد؛ و همچنین می‌تواند به پیدایش وظایف جدید بینجامد.

یک روز کاری از زندگی یک پرستار را تصور کنید. می‌توان هر شغلی را مجموعه‌ای از وظایف تعریف کرد. او برای بررسی وضعیت بیمار بستری به بخش سرکشی می‌کند، خون‌گیری انجام می‌دهد، بیماران ورودی را تریاژ می‌کند، علائم حیاتی را ثبت می‌نماید و لوازم مورد نیاز بخش را سفارش می‌دهد. این‌ها تنها آغاز این فهرست هستند.

هر یک از وظایف برشمرده شده بر اساس رده‌بندی شغلی O*NET وزارت کار ایالات متحده است که وظایف هر حرفه را فهرست می‌کند.

مشاغل در طول زمان دستخوش تغییر می‌شوند. برخی وظایف از این مجموعه حذف می‌شوند (امروزه کمتر کسی پرونده‌ها را دستی می‌نویسد) و وظایف جدیدی پدیدار می‌شوند (۳۰ سال پیش هیچ‌کس وضعیت بیماران را از راه دور پایش نمی‌کرد). این مجموعه وظایف ایستا نیست و هم‌گام با دگرگونی آن‌ها، ماهیت شغل نیز تغییر می‌کند.

برخی وظایف صرفاً توسط انسان‌ها قابل انجام است؛ برای نمونه، هوش مصنوعی قادر به حمام کردن بیمار نیست.

برخی وظایف تقویت می‌شوند (Augmented). هوش مصنوعی به انسان کمک می‌کند کارها را با کیفیت بالاتر یا سریع‌تر انجام دهد؛ مثلاً به پرستار در نگارش دستورالعمل‌های ترخیص، پایش از راه دور بیماران و برنامه‌ریزی مراقبت‌های هر شیفت کمک می‌کند.

برخی وظایف ممکن است به‌طور کامل خودکارسازی شوند؛ برای نمونه، ثبت علائم حیاتی بیمار یا سفارش اقلام مصرفی بخش.

و وظایف جدیدی خلق خواهند شد. در طول تاریخ، فناوری‌های نو همواره وظایف جدیدی برای کارگران پدید آورده‌اند. برای یک پرستار، این کار می‌تواند شامل ارزیابی کیفیت تریاژ هوش مصنوعی یا بررسی برنامه مراقبتی پیشنهادی آن باشد.

در نتیجه، شغل پرستار دگرگون می‌شود. با به‌کارگیری هوش مصنوعی، پرستار قادر خواهد بود نظارت بیشتری داشته باشد و کارهای فزون‌تری را به انجام برساند. او می‌تواند وقت بیشتری را به گفت‌وگو با بیماران و تبیین تشخیص‌های پزشکی اختصاص دهد و بدین ترتیب، بهره‌وری ارتقا می‌یابد.

هر وظیفه روزانه میلیون‌ها بار در سراسر کشور تکرار می‌شود. پرستاران در تمام بخش‌ها و شیفت‌ها مشغول کارند. با افزایش استفاده پرستاران از هوش مصنوعی، این فناوری درصد بیشتری از این میلیون‌ها اقدام روزمره را پشتیبانی می‌کند.

از وظایف فردی تا کل اقتصاد: امروزه اگر ارزش تک‌تک وظایف انجام‌شده در ایالات متحده توسط انسان‌ها و تجهیزات و نرم‌افزارهای همراه آنان را گردآوری کنید، ارزشی بالغ بر ۳۰ تریلیون دلار در سال گذشته خلق شده است. حال هوش مصنوعی چگونه اقتصاد آینده را رقم خواهد زد؟

پاسخ به این بستگی دارد که هوش مصنوعی چه تأثیری بر کلیه وظایف سازنده اقتصاد می‌گذارد، چه وظایف نوینی پدید می‌آورد و با چه سرعتی این امور را بر عهده می‌گیرد. آیا هوش مصنوعی بیشتر به تقویت وظایف می‌انجامد یا خودکارسازی آن‌ها؟ تا چه میزان بهره‌وری ما را افزایش خواهد داد؟ و نیروی کار و بنگاه‌های اقتصادی با چه سرعتی آن را به کار خواهند بست؟ پاسخ به این پرسش‌ها مستقیماً بر تولید ناخالص داخلی، بازار کار و سهم نیروی کار از کیک اقتصادی اثرگذار است.

آینده در گرو چگونگی پیشرفت قابلیت‌های هوش مصنوعی و شیوه پذیرش آن از سوی صنایع و کارکنان خواهد بود. سه سناریوی مورد بحث ما روایتگر پیامدهایی کاملاً متمایز هستند.

در سناریوی ملایم، ردپای تأثیر هوش مصنوعی در داده‌های کلان اقتصادی به‌سختی دیده می‌شود و اثر اقتصادی آن چیزی شبیه به ظهور اینترنت است. در سناریوی قابل‌توجه، هوش مصنوعی اثری فراتر از اینترنت یا راه‌آهن بر جای می‌گذارد. در سناریوی افراطی، هوش مصنوعی یک اقتصاد کاملاً دگرگون‌شده و بی‌سابقه را رقم می‌زند که احتمالاً متأثر از سیستم‌های هوش مصنوعی با قابلیت بهبود بازگشتی خودکار و نرخ شتابان پذیرش آن خواهد بود.

دستاوردهای اقتصادی اندک: در سناریوی ملایم، تأثیر هوش مصنوعی تقریباً معادل اینترنت خواهد بود؛ این فناوری دستاوردهای واقعی اقتصادی ایجاد می‌کند اما در چارچوب معمول فناوری‌های گذشته و به‌صورت تدریجی ظاهر می‌شود.

انقلاب در کارهای دانشی: در سناریوی قابل‌توجه، هوش مصنوعی تا سال ۲۰۳۰ قادر است نیمی از تمامی کارهای دانشی را انجام دهد که بخش عمده آن به‌صورت خودمختار است؛ با این حال هنوز برای تمامی این امور پذیرفته نشده و بخش اعظم وظایف دانشی همچنان بدون هوش مصنوعی صورت می‌پذیرد. اقتصاد با سرعتی دو برابر نرخ عادی رشد می‌کند؛ دستمزد نیروهای کار دانشی افزایشی نمی‌یابد، اما سایر مشاغل شاهد رشد درآمد خواهند بود.

تحول عمیق اقتصادی: در سناریوی افراطی، بهره‌وری هوش مصنوعی در اکثر قریب‌به‌اتفاق وظایف دانشی بالاتر از انسان است. تقریباً همه آن‌ها را به‌طور خودکار انجام می‌دهد و عملاً هیچ وظیفه دانشی جدیدی برای انسان‌ها ایجاد نمی‌کند. تحقق این سناریو نیازمند هوش مصنوعی با توانایی بهبود بازگشتی خودکار و پذیرش فوق‌العاده سریع در حوزه کارهای دانشی است.

با فراگیری هوش مصنوعی، نرخ رشد سالانه تولید ناخالص داخلی به ۱۵ درصد می‌رسد که باعث دو برابر شدن اندازه اقتصاد در هر ۴.۵ سال می‌گردد. در جایگاه یک جامعه، ما ثروتمندتر از هر زمان دیگری در تاریخ خواهیم بود، اما شاغلان بسیار کمتری در حوزه کارهای دانشی باقی مانده و نرخ بیکاری فراتر از سطوح معمول دوران رکود افزایش می‌یابد.

به نظر شما روند توسعه هوش مصنوعی طی چند سال آینده چگونه پیش خواهد رفت؟ و این مسیر چه معنایی برای اقتصاد خواهد داشت؟ از شما دعوت می‌کنیم به این پرسش‌ها بیندیشید و با استفاده از کاوشگر سناریوی ما، پاسخ‌های احتمالی را بررسی کنید.

در ماه اوت، دیدگاه بیش از ۱۰ هزار شهروند آمریکایی را درباره توانمندی‌های کنونی و آتی هوش مصنوعی، نرخ پذیرش آن و سهولت یافتن شغل جدید در صورت تغییر حرفه مورد سنجش قرار دادیم.

پاسخ‌های میانگین حاکی از نتایجی نزدیک به سناریوی «تغییرات قابل‌توجه» است: حجم تولید ناخالص داخلی تا سال ۲۰۳۰ حدود ۱۰ درصد بیشتر از وضعیت بدون هوش مصنوعی خواهد بود و نرخ کلی بیکاری به حدود ۵ درصد افزایش می‌یابد. حدود ۱۰ درصد از پاسخ‌دهندگان دیدگاه‌هایی هم‌راستا با سناریوی افراطی دارند.

شیوه پاسخ‌گویی به پرسش‌های پنج‌گانه (درصد پاسخ‌دهندگان به هر بخش): توانمندی‌ها (هوش مصنوعی چه وظایفی را می‌تواند انجام دهد؟)، پذیرش (میزان استفاده مردم از هوش مصنوعی چقدر است؟)، خودمختاری (هوش مصنوعی چه میزان از کارها را به تنهایی انجام می‌دهد؟)، بهره‌وری (هوش مصنوعی تا چه حد بهره‌وری افراد را افزایش می‌دهد؟)، سازگاری (یافتن شغل جدید چقدر طول می‌کشد؟). نمونه عمومی: ۱۰,۹۸۰ نفر.

هوش مصنوعی در تمامی سناریوها پیشران رشد تولید ناخالص داخلی است، گرچه مقیاس آن متناسب با هر سناریو تفاوت‌های شگرفی دارد.

تولید ناخالص داخلی ایالات متحده در سال ۲۰۳۰ بر اساس سناریو (محاسبه‌شده بر حسب تریلیون دلار)*:

• سناریوی ملایم: ۱.۶+ درصد (تولید ناخالص داخلی ۳۴.۱ تریلیون دلاری)
• سناریوی قابل‌توجه: ۸.۳+ درصد (تولید ناخالص داخلی ۳۶.۳ تریلیون دلاری)
• سناریوی افراطی: ۳۲.۴+ درصد (تولید ناخالص داخلی ۴۴.۴ تریلیون دلاری)

*محاسبه بر پایه سطوح قیمت‌های سال ۲۰۲۵ انجام شده است

اما رشد تنها شاخص اقتصادی مورد توجه ما نیست. این آینده‌های احتمالی چه پیامی برای میزان سهم دریافتی کارگران از این رشد در دستمزدهایشان دارند و چند نفر ناچار به تغییر شغل خواهند شد؟

این مدل تصویری تمام‌عیار از واقعیت نیست، اما یافته‌های جالب‌توجهی ارائه می‌دهد. تولید ناخالص داخلی کشور رشد خواهد کرد، اما بخش بزرگ‌تری از این رفاه ممکن است به‌جای کارگران، به منابع و فناوری‌های تولید ثروت (سرمایه) تعلق گیرد؛ حتی اگر جامعه در مجموع بسیار غنی‌تر شود.

در اکثر سناریوها، بازتوزیع مشاغل و نرخ بیکاری در محدوده‌های تجربه‌شده در تاریخ باقی می‌ماند، به جز یک مورد. در سناریوی افراطی، در صورت وقوع بهبود بازگشتی خودکار و پذیرش شتابان، ممکن است بیکاری به اوج‌های تاریخی برسد.

همواره مقداری جابه‌جایی در بازار کار وجود دارد؛ افرادی که شغل خود را از دست می‌دهند و به دنبال کار جدید می‌گردند. در شرایط عادی این فرایند هرچند دشوار است، اما از دیدگاه اقتصاد کلان کارایی مناسبی دارد و اکثر متقاضیان نسبتاً سریع شغلی پیدا می‌کنند.

در سناریوهای قابل‌توجه و افراطی ما، شاغلان بخش دانش ممکن است با خودکارسازی و تعدیل گسترده مواجه شوند. در سطح فردی، این امر به آن معناست که برنامه‌نویسان و کارشناسان مراکز تماس ناچارند به مشاغلی چون برق‌کاری و پرستاری روی آورند که کمتر در معرض هوش مصنوعی قرار دارند.

با این حال، تغییر کامل حرفه امری دشوار است و دستیابی به شغل تازه برای بسیاری زمان‌بر خواهد بود. هرچه یک سناریو به جابه‌جایی بیشتری نیاز داشته باشد، افراد بیشتری در فاصله میان دو شغل معطل خواهند ماند.

وضعیت استقرار نیروی کار در سال ۲۰۳۰ (درصد کل شاغلان): شاغلان دانشی، سایر شاغلان، تعدیل‌شدگان. هم‌گام با پیشروی از ۲۰۲۶ به ۲۰۳۰، تعداد فرصت‌های شغلی در حرفه‌های متأثر از هوش مصنوعی (کارهای دانشی) کاهش یافته و بر فرصت‌های شغلی در حرفه‌های مصون از هوش مصنوعی افزوده می‌شود.

تغییر شغل به چند دلیل دشوار است: ممکن است کارکنان تمایلی به تغییر رشته نداشته باشند، نیازمند یادگیری مهارت‌های نو باشند و حتی پس از آن نیز تصاحب موقعیت شغلی جدید آسان نیست. در سناریوی افراطی، از آنجا که بخش‌های وسیعی از کارهای دانشی با سرعت بیشتری خودکار می‌شوند، نیروی کار متأثر ممکن است برای دوره‌ای طولانی با بیکاری دست‌وپنجه نرم کند.

بیکاری در کارهای دانشی صعودی و در سایر مشاغل نزولی است: سناریوی ملایم، سناریوی قابل‌توجه، سناریوی افراطی. دسته‌بندی‌ها: شاغلان دانشی، سایر شاغلان، مجموع.

علت این امر نیاز به زمان برای انتقال کارگران به مشاغلی است که تقاضا برای آن‌ها رو به افزایش است. کاهش تقاضا برای کار دانشی انسانی، فشاری نزولی بر دستمزدها وارد می‌سازد. از سوی دیگر، با افزایش بهره‌وری هوش مصنوعی در کارهای دانشی، تقاضا برای کارهای یدی که از این بهره‌وری منتفع می‌شوند فزونی می‌یابد. برای نمونه، طراحی و صدور سریع‌تر مجوزهای زیرساخت فیزیکی می‌تواند شمار پروژه‌های ساختمانی را افزایش دهد و در نتیجه با بالا رفتن تقاضا برای کارگران ساختمانی، دستمزد آنان افزایش یابد. در سناریوی قابل‌توجه، دستمزد کارگران دانشی عملاً راکد می‌ماند و در سناریوی افراطی، تا سال ۲۰۳۰ بیش از ۱۰ درصد کاهش می‌یابد.

میزان دریافتی بر اساس گروه شغلی، درصد بالاتر نسبت به اقتصاد مشابه بدون هوش مصنوعی: سناریوی ملایم، سناریوی قابل‌توجه، سناریوی افراطی. دسته‌بندی‌ها: شاغلان دانشی، سایر شاغلان، میانگین.

امروزه از هر دلار تولید شده در اقتصاد، حدود ۶۰ سنت به نیروی کار و ۴۰ سنت به سرمایه تعلق می‌گیرد. در صورت رشد اقتصادی توأم با خودکارسازی فزاینده توسط هوش مصنوعی، بخش بیشتری از هر دلار نصیب سرمایه خواهد شد. این رخداد حتی در شرایط افزایش چشمگیر دستمزد همه کارگران نیز امکان‌پذیر است. اگر سرمایه در زمینه‌های بیشتری کارایی یابد، تقاضا برای آن بالا رفته و ارزشش افزایش می‌یابد؛ در چنین جهانی، عواید حاصل از اقتصاد رو به رشد بیشتر به جیب صاحبان سرمایه سرازیر می‌شود.

ما دریافتیم که سهم نیروی کار در سناریوهای قابل‌توجه و افراطی به‌طور محسوسی کاهش یافته و سهم سرمایه ارتقا می‌یابد. میانگین دستمزدها رشد می‌کند (شاغلان غیردانشی دریافتی بسیار بالاتری خواهند داشت)، اما دستمزد شاغلان دانشی هم‌زمان با تشدید بیکاری راکد مانده یا افت می‌کند.

در سناریوی افراطی، منافع حاصل از اقتصاد به سرعت در حال گسترش به‌صورت نابرابر توزیع می‌شود. اکثریت کارگران دانشی یا با کاهش دستمزد یا با بیکاری مواجه می‌شوند و کل جامعه کارگری بخش کوچک‌تری از این کیک بزرگ‌تر را دریافت می‌کنند. کل درآمد نیروی کار تا سال ۲۰۳۰ تقریباً تغییری نخواهد کرد.

در این سناریو، چالش بنیادین دستیابی به رشد اقتصادی نیست، بلکه حصول اطمینان از انتفاع همگانی و جلوگیری از تحمیل نامتقارن هزینه‌ها به بخشی خاص از جامعه است.

آینده از پیش مقدر نشده است.

در نهایت، سیمای اقتصاد در سال ۲۰۳۰ به متغیرهای گوناگونی بستگی دارد؛ از جمله توانمندی‌های هوش مصنوعی و شیوه به‌کارگیری آن توسط شرکت‌ها و کارگران. این امر همچنین در گرو چگونگی توزیع منافع مالی این فناوری خواهد بود.

این مدل نیز مانند هر الگوی اقتصادی دیگری با محدودیت‌هایی روبه‌روست؛ برای نمونه سناریوهایی که در آن‌ها بشر به روبات‌هایی با قابلیت‌های فوق‌العاده دست می‌یابد در نظر گرفته نشده‌اند. این مدل متکی بر پژوهش‌های ما و ارزیابی‌های بیرونی است و با پیدایش شواهد تازه، تکمیل خواهد شد.

این چارچوب در کنار مجموعه پژوهش‌های ما، هدایت‌گر تحقیقاتی خواهد بود که شرکت آنتروپیک برای شناسایی راهکارهای مؤثر در مهار اختلالات بازار کار تأمین مالی می‌کند. این امر همچنین در ارائه پیشنهادهای سیاستی با هدف تضمین بهره‌مندی فراگیر جامعه از منافع اقتصادی هوش مصنوعی در ایالات متحده و سراسر جهان نقش‌آفرین خواهد بود.

نسخه ۱.۰ کاوشگر سناریوهای اقتصادی، سپتامبر ۲۰۲۶

کاوشگر سناریوهای اقتصادی در حال حاضر در نسخه ۱.۰ قرار دارد. مانند تمامی مدل‌ها، این ابزار ساده‌سازی آشکاری از واقعیتی پیچیده است: چند نیروی کلیدی را مجزا ساخته و بسیاری از عوامل دیگر را که ممکن است در سال‌های آینده برجسته شوند نادیده می‌گیرد؛ مواردی نظیر پاسخ‌های سیاستی، چرخه‌های تجاری، اختلالات احتمالی در تقاضای کل یا بازارهای مالی و خطرات فاجعه‌بار احتمالی. این کاوشگر پروژه‌ای در حال تکامل است و انتظار داریم هم‌راستا با صرف زمان بیشتر و پیشرفت پژوهش‌های اقتصادی، غنی‌تر شود.

ما صمیمانه از اقتصاددانانی که پیش‌نویس اولیه گزارش فنی زیربنای این کاوشگر با عنوان سناریوهای اقتصادی برای هوش مصنوعی تحول‌آفرین را مطالعه کرده و نظرات مشروح خود را ارائه دادند سپاسگزاریم: دارون عجم‌اوغلو، لوکاس آلتوف، دیوید آتور، تام کانینگهام، لوکاس فرویند، جو هیزل، بن جونز، پیت کلنو، دانیال لشگری، کورت میتمن، بن مول، امی ناکامورا، پاسکوال رسترپو، دیوید رومر، یون استینسون، کریس تونتی، لودو ویسچرز و دیوید ویکزر. بازخوردهای سخاوتمندانه و صریح آنان مدل ما را بهبود بخشیده است. برای نمونه: چند داور خاطرنشان کردند که پیشرفت‌های هوش مصنوعی می‌تواند بازده سرمایه را بالا برده و عواید بیشتری را به مالکان سرمایه برساند؛ همچنین یادآور شدند که ممکن است دستمزد کارگران در مشاغلی که بیشترین تأثیر را از هوش مصنوعی می‌پذیرند، از دستمزد شاغلان حوزه‌های کم‌اثر فاصله بگیرد. هر دو مسیر اکنون در سناریوها گنجانده شده‌اند. از ارزیابان بیرونی خواسته نشده که لزوماً نتایج ما را تأیید کنند و مسئولیت هرگونه خطای احتمالی بر عهده ماست.

سایر انتقادات همچنان گشوده است و در نسخه‌های آینده به آن‌ها خواهیم پرداخت. داوران اشاره کردند که این مدل افراد را به صورت مجزا دنبال نمی‌کند، بنابراین تنها تصویری بسیار کلی از هزینه‌های جابه‌جایی شغلی ارائه می‌دهد. برخی این پرسش را مطرح ساختند که آیا مشاغل در معرض هوش مصنوعی به‌جای رشد، دچار انقباض می‌شوند یا خیر. شماری سناریوی افراطی را بیشتر یک آزمایش فکری دانستند تا سناریو، در حالی که عده‌ای معتقد بودند سناریوی ملایم داده‌های ملموس فعلی را دست‌کم می‌گیرد. چند تن خواستار شفافیت بیشتر درباره لحاظ نشدن اثرات تقاضای کلِ ناشی از ساخت مراکز داده شدند و بیش از یک داور استدلال کردند که ما ممکن است میزان شتاب‌بخشی هوش مصنوعی به پیشرفت‌های فناورانه را کمتر از حد واقعی تخمین زده باشیم. ما اذعان داریم که بسیاری از این موارد محدودیت‌های مدل کنونی هستند. این کاوشگر باید ابزاری برای تأمل پیرامون پیامدهای تحولات فناورانه بر اقتصاد تلقی شود؛ نتایج واقعی ممکن است تفاوت‌های بنیادینی داشته باشند.

آنتون کورینک، چاد جونز، شیمون ساخر، تس کاتر و پیتر مکروری این مدل اقتصادی را طراحی کرده و گزارش فنی همراه آن را به رشته تحریر درآوردند. سانتی رویز با همراهی و ویرایش سارا پولاک و آدام فارینا این نوشتار را نگاشت. کلسی نانان تجربه تعاملی را طراحی و پیاده‌سازی کرد و طراحی بصری و مدیریت هنری آن را نیکی ماکاگیانسار و مونیکا توخوفسکا بر عهده داشتند؛ کایل تورمن و شیمون ساخر کاوشگر سناریو را ساخته و تبدیل مدل به قالبی تعاملی را هدایت کردند؛ فیاض اشرف و رایان هلر در بخش فنی مشارکت نمودند و کیم ویتی و ماریا گونزالس امور تولید را پشتیبانی کردند. شیمون ساخر و تس کاتر با همراهی بن فاولر نظرسنجی‌های مربوطه را با مؤسسه مورنینگ کانسالت طراحی و اجرا نمودند. پیتر مکروری، آنتون کورینک و چارلز یانگ هماهنگی این پروژه را انجام دادند و جک کلارک در طول مسیر هدایت پروژه را بر عهده داشت. میریام چام، جک کلارک، سفران هوانگ، ماکسیم ماسنکوف و پیتر مکروری در پایه‌ریزی این تلاش نقش داشتند. جیم بیکر، شان کارتر، یوهانس هرمله، زوئی هیتزیگ و اوا لیوبیچ بازخوردهای خود را پیرامون اثر ارائه کردند.