Goldman Sachs: Indie grozi mniejsze ryzyko utraty miejsc pracy przez AI, ale usługi pozostają narażone

Goldman Sachs twierdzi, że w Indiach AI spowoduje mniej powszechne wypieranie miejsc pracy niż w bogatszych gospodarkach, mimo wyraźnych zagrożeń dla pracy biurowej i usług wspieranych technologią. Santanu Sengupta, główny ekonomista banku ds. Indii, przedstawił tę ocenę 14 sierpnia, według raportu o ryzyku na rynku pracy. Wniosek ten podważa prognozy, zgodnie z którymi generatywna AI szybko zlikwiduje miejsca pracy w ogromnej indyjskiej sile roboczej.

Uspokajający nagłówek wiąże się z istotnym zastrzeżeniem. Mniejsza ekspozycja Indii wynika ze struktury ich rynku pracy, a nie z odporności na coraz bardziej zaawansowane systemy AI. Rolnictwo, budownictwo, produkcja przemysłowa i inne zawody wymagające pracy fizycznej nadal zatrudniają miliony osób, których codzienne zadania trudno zautomatyzować za pomocą oprogramowania.

Presja koncentruje się gdzie indziej. Rutynowa praca biurowa, usługi procesów biznesowych, telekomunikacja, usługi finansowe, media i niektóre stanowiska specjalistyczne obejmują więcej zadań, które może wykonywać oprogramowanie. Sektory te wspierają również pozycję Indii jako znaczącego eksportera usług technologicznych i biznesowych.

To tworzy główne napięcie. Kraj wydaje się mniej podatny na poziomie ogólnokrajowym, podczas gdy części jego ważnej międzynarodowo gospodarki usługowej znajdują się blisko strefy oddziaływania tej technologii. Indyjska historia AI na rynku pracy dotyczy zatem nierównomiernej transformacji, a nie prostego wyboru między masowym bezrobociem a nieprzerwanym wzrostem.

Prognoza Goldman wskazuje na transformację, nie masowe zastępowanie pracowników

Główny argument banku jest taki, że AI zmieni więcej indyjskich miejsc pracy, niż wyeliminuje.

Analiza Goldman Sachs opublikowana pod koniec lipca oszacowała, że generatywna AI może wykonywać od 9% do 17% zadań wśród pozarolniczej siły roboczej Indii. Ten zakres mierzy ekspozycję zadań, czyli pracę, przy której AI może pomagać lub którą może automatyzować. Nie stanowi prognozy, że taki sam odsetek pracowników straci pracę.

Rozróżnienie to ma znaczenie, ponieważ zawody obejmują wiele różnych zadań. Analityk finansowy może wykorzystywać AI do streszczania dokumentów, zachowując odpowiedzialność za osąd, komunikację z klientami i decyzje regulacyjne. Nauczyciel może szybciej tworzyć materiały lekcyjne, nie przekazując modelowi zarządzania klasą ani oceniania uczniów.

Goldman oszacował, że od 42% do 48% miejsc pracy poza rolnictwem z większym prawdopodobieństwem otrzyma wsparcie AI, niż zostanie bezpośrednio zastąpionych. Według szczegółowej analizy zatrudnienia, od 8% do 12% miejsc pracy obarczonych jest ryzykiem substytucji. Pozostała część powinna, przy założeniach raportu, odczuć stosunkowo ograniczone bezpośrednie skutki.

Szacunki te wspierają szerszą tezę Sengupty. Indie mają mniejszy udział pracowników w silnie narażonych zawodach biurowych niż gospodarki rozwinięte. Duża liczba osób pracujących w rolnictwie dodatkowo obniża wskaźnik ekspozycji dla całego kraju, ponieważ obecna generatywna AI działa przede wszystkim za pośrednictwem języka, obrazów, danych i oprogramowania.

Goldman oczekuje, że wdrażanie tej technologii zwiększy roczny wzrost wydajności pracy w Indiach o około 0,4 punktu procentowego w ciągu dekady. Szacowany zakres wynosi od 0,1 do 0,8 punktu procentowego, częściowo w zależności od tego, jak zaawansowane staną się przyszłe systemy. Te korzyści są prognozami, a nie zaobserwowanymi wynikami.

Wydajność może rosnąć, gdy pracownicy szybciej wykonują istniejące zadania, dostarczają więcej wyników lub przechodzą do obowiązków o wyższej wartości. Pracodawcy mogą jednak również osiągać korzyści z efektywności przez redukcję zatrudnienia. Ta sama technologia może wspierać pracowników w jednej organizacji, a zastępować podobne stanowiska w innej.

Na tę decyzję wpłyną koszty wdrożenia. Firmy muszą połączyć modele z wewnętrznymi danymi, przeprojektować procesy pracy, weryfikować wyniki, zarządzać bezpieczeństwem i przypisać odpowiedzialność. Demonstracja wykonująca jedno zadanie nie staje się automatycznie niezawodnym systemem produkcyjnym.

Pomaga to wyjaśnić, dlaczego ekspozycja na poziomie zawodów rzadko przekłada się bezpośrednio na natychmiastową utratę miejsc pracy. Firmy zazwyczaj automatyzują części procesu pracy, zanim zrestrukturyzują całe stanowiska. Rekrutacja może osłabnąć, zanim zwolnienia staną się widoczne, zwłaszcza gdy pracodawcy przestają zastępować odchodzących pracowników.

Skala Indii również spowalnia każdą transformację ogólnokrajową. Duże przedsiębiorstwa, małe firmy, gospodarstwa rolne, fabryki, instytucje publiczne i nieformalni pracodawcy wdrażają technologię w różnym tempie. Dostęp do mocy obliczeniowej, niezawodnej energii elektrycznej, użytecznych danych i przeszkolonych menedżerów pozostaje nierówny.

Prognozę Goldman najlepiej odczytywać jako mapę punktów presji. Sugeruje ona, gdzie zadania mogą się zmienić i gdzie wydajność może wzrosnąć. Nie określa jednak, jak szybko pracodawcy wdrożą AI ani jak rozdzielą wynikające z niej korzyści.

Struktura rynku pracy w Indiach zapewnia bufor

Indie wydają się mniej narażone, ponieważ znaczna część ich siły roboczej wykonuje pracę fizyczną, rolniczą lub interpersonalną, której generatywna AI nie potrafi bezpośrednio wykonać.

Ocena Międzynarodowego Funduszu Walutowego wykazała, że około 43% indyjskiej siły roboczej pracowało w rolnictwie. Taka struktura zatrudnienia sprawia, że kraj jest mniej narażony niż gospodarki, które w większym stopniu przeszły w kierunku usług biurowych. Oprogramowanie może doradzać rolnikowi, ale nie może samodzielnie wykonać większości pracy fizycznej na polu.

MFW oszacował, że 26% indyjskich pracowników wykonywało zawody o wysokiej ekspozycji na AI. Sklasyfikował 14% zatrudnienia jako silnie narażone, lecz potencjalnie wspierane przez AI. Kolejne 12% znajdowało się w silnie narażonych zawodach, w których ryzyko wyparcia było większe, zgodnie z jego oceną dotyczącą Indii.

Dane te różnią się od zakresów Goldman, ponieważ instytucje korzystają z różnych zbiorów danych, definicji i klasyfikacji zawodów. Jeden szacunek może obejmować całą siłę roboczą, a inny zatrudnienie pozarolnicze lub udział zadań. Różnice te wzmacniają argument, że statystyk ekspozycji nie należy traktować jako precyzyjnych prognoz zwolnień.

Badania międzynarodowe wskazują ten sam ogólny kierunek. Gospodarki rozwinięte zatrudniają większy odsetek menedżerów, specjalistów, pracowników administracyjnych i innych pracowników wiedzy. Zawody te opierają się na zadaniach językowych i przetwarzaniu informacji, z którymi obecne systemy AI radzą sobie najskuteczniej.

MFW oszacował, że około 60% miejsc pracy w gospodarkach rozwiniętych jest narażonych na wpływ AI. Odpowiadające szacunki wyniosły 40% dla rynków wschodzących i 26% dla krajów o niskich dochodach. Ekspozycja obejmuje zarówno możliwości wzrostu wydajności, jak i ryzyko wyparcia.

W Azji około połowy zatrudnienia w gospodarkach rozwiniętych jest narażone, w porównaniu z około jedną czwartą w gospodarkach wschodzących i rozwijających się. Porównanie regionalne wykazało również, że bogatsze gospodarki mają więcej miejsc pracy, w których AI może wspierać pracowników. Wyższa ekspozycja oznacza więc zarówno większe ryzyko, jak i większy potencjalny zysk.

Niższa ekspozycja Indii może jednak ukrywać poważne problemy dystrybucyjne. Pracownicy rolnictwa mogą być chronieni przed bezpośrednim zastąpieniem przez generatywną AI, ale nadal są narażeni na niską wydajność, niestabilne dochody i ograniczoną ochronę socjalną. Znajdowanie się poza bezpośrednim zasięgiem AI nie gwarantuje bezpiecznej ani dobrze płatnej pracy.

Ten sam problem występuje w miastach. Programista i kurier uczestniczą w gospodarce cyfrowej, ale ich ekspozycja wyraźnie się różni. Model może tworzyć kod lub dokumentację, ale nie potrafi jeździć motocyklem w ruchu ulicznym ani fizycznie przekazać paczki klientowi.

Kobiety i osoby z wyższym wykształceniem często mają większą ekspozycję zawodową, ponieważ są liczniej reprezentowane na stanowiskach administracyjnych i specjalistycznych. Pracownicy o wyższych dochodach również często wykonują zawody narażone na wpływ AI. Ich praca czasem oferuje większe możliwości wsparcia, choć rutynowe elementy nadal mogą zostać zautomatyzowane.

Młodzi absolwenci stają przed odrębnym problemem. Stanowiska na poziomie podstawowym często obejmują dokumentację, badania, planowanie, testowanie i podstawową analizę. Zadania te dają nowym pracownikom doświadczenie, ale odpowiadają też możliwościom narzędzi generatywnej AI.

Firma nie musi zwalniać obecnych pracowników, aby ograniczyć te możliwości. Może utrzymać mniejszą grupę nowo zatrudnianych, ponieważ doświadczeni pracownicy osiągają więcej dzięki wsparciu AI. Taki wzorzec wpływałby na wejście na ścieżkę kariery, nie pojawiając się od razu jako masowe bezrobocie.

Bufor Indii jest zatem realny, ale niepełny. Kraj ma mniej narażonych miejsc pracy jako udział w całkowitym zatrudnieniu, lecz narażona część obejmuje strategiczne branże i powszechne ścieżki wejścia do klasy średniej. Średnie krajowe nie są w stanie uchwycić tej koncentracji.

Silnik usług znajduje się najbliżej ryzyka

Najbardziej narażeni pracownicy Indii są skupieni w usługach, które pomogły krajowi stać się globalnym centrum outsourcingu operacji biznesowych.

Rutynowe procesy biznesowe wspierane przez IT są obarczone większym ryzykiem substytucji, ponieważ ich praca jest powtarzalna i może być przedstawiona w formie cyfrowej. Typowe przykłady obejmują standaryzowane odpowiedzi wsparcia, przetwarzanie dokumentów, podstawowe raportowanie, transkrypcję, wprowadzanie danych i kontrolę jakości opartą na regułach.

Stanowiska wsparcia administracyjnego stoją w obliczu podobnej presji. Generatywna AI może przygotowywać korespondencję, kategoryzować dokumenty, wydobywać informacje, tworzyć podsumowania i odpowiadać na rutynowe pytania. Systemy połączone z oprogramowaniem biznesowym mogą także przenosić informacje między aplikacjami przy ograniczonym udziale człowieka.

Te możliwości nie eliminują każdej roli. Modele nadal popełniają błędy rzeczowe, niewłaściwie obsługują nietypowe przypadki i mają trudności z odpowiedzialnością. Organizacje potrzebują ludzi do definiowania procesów pracy, przeglądu wrażliwych wyników, rozwiązywania wyjątków i komunikacji z klientami.

Liczba i struktura stanowisk mogą się jednak zmienić. Jeden pracownik wyposażony w skuteczny system może wykonać pracę, która wcześniej wymagała kilku osób. Pracodawcy mogą wtedy zatrudniać mniej młodszych pracowników, jednocześnie dodając specjalistów od danych, bezpieczeństwa, projektowania procesów pracy i oceny modeli.

Indie są w znacznym stopniu narażone na tę transformację, ponieważ usługi stanowią centralny element ich modelu wzrostu. Goldman Sachs opisywał krajową branżę usług IT i biznesowych jako sektor o wartości około 250 miliardów dolarów. Bank informował również, że eksport usług osiągnął w 2024 roku około 387 miliardów dolarów.

Globalne centra kompetencyjne pogłębiają tę więź. Działalność ta umożliwia międzynarodowym firmom ulokowanie w Indiach funkcji inżynieryjnych, finansowych, analitycznych, obsługi klienta i innych. Goldman naliczył ponad 1 700 takich centrów i prognozował dalszą ekspansję do 2030 roku.

Centra te mogą tworzyć pracę związaną z AI, ponieważ przedsiębiorstwa potrzebują zespołów do integrowania modeli z rzeczywistymi operacjami. Pracownicy mogą opracowywać metody oceny, dostosowywać systemy do wyspecjalizowanych dziedzin, zarządzać dostępem do danych i monitorować zgodność regulacyjną. Duża pula anglojęzycznych pracowników technologicznych w Indiach zapewnia solidne podstawy dla tych działań.

Te same centra mogą również standaryzować i automatyzować istniejącą pracę. Międzynarodowa firma może wdrożyć jeden system w wielu biurach po przetestowaniu go w scentralizowanej operacji. Zyski z efektywności mogą zmniejszyć popyt na powtarzalne usługi, nawet gdy rozwijają się techniczne role o wyższej wartości.

Tworzy to rywalizację między awansem w łańcuchu wartości a utowarowieniem. Indie mogą rozwijać działalność w zakresie inżynierii, badań, wdrażania modeli i złożonego doradztwa. Z drugiej strony klienci mogą wykorzystywać AI do wykonywania większej części rutynowych zadań wewnętrznie, osłabiając przewagę wynikającą z różnic w kosztach pracy.

Protekcjonizm dodaje kolejną komplikację. Ograniczenia dotyczące transgranicznego przepływu danych, modeli lub usług cyfrowych mogą ograniczać możliwość obsługi zagranicznych klientów przez indyjskie zespoły. Rozbieżne regulacje mogą także zwiększać koszty zgodności i fragmentować systemy między rynkami.

Goldman argumentował, że w jego wcześniejszej ocenie skutki ograniczeń handlowych dla indyjskiego eksportu usług napędzanych przez AI pozostawały ograniczone. Wskazał jednak na lokalizację danych, rozbieżności regulacyjne i napięcia geopolityczne jako ryzyka. Te presje wykraczają poza techniczne możliwości jakiegokolwiek modelu.

Popyt na umiejętności związane z AI daje jeden pozytywny sygnał. Badania oparte na indyjskich ogłoszeniach o pracę udokumentowały szybki wzrost liczby ofert wymagających kompetencji związanych z AI po 2016 roku. Znaleziono też dowody, że wdrażanie AI może wspierać popyt na uzupełniające stanowiska niezwiązane z AI.

Ogłoszenia o pracę odzwierciedlają jednak intencje pracodawców, a nie zrealizowane zatrudnienia. Oferty internetowe nadreprezentują również formalnych pracodawców umysłowych. Pokazują, w jakim kierunku przesuwa się popyt, lecz oferują ograniczony obraz całego indyjskiego rynku pracy.

Najbardziej prawdopodobnym skutkiem nie jest zanik usług, lecz zmiana tego, co klienci uznają za wartościowe. Rutynowe rezultaty stają się łatwiejsze do wytworzenia, podczas gdy większego znaczenia nabierają wiedza branżowa, zaufana realizacja, własne dane i odpowiedzialność.

Indyjscy dostawcy usług będą pod presją, by sprzedawać rezultaty zamiast godzin pracy. Modele rozliczeń oparte głównie na liczbie pracowników stają się trudniejsze do obrony, gdy oprogramowanie skraca czas potrzebny na każde zadanie. Firmy muszą wykazać, że ich zespoły zapewniają osąd, integrację i mierzalne wyniki biznesowe.

Pracownicy osobiście stają przed tą samą zmianą. Umiejętność obsługi czatbota ogólnego przeznaczenia nie zapewni trwałej przewagi. Pracownicy potrzebują specjalistycznej wiedzy domenowej oraz zdolności do weryfikowania, dopracowywania i stosowania pracy wygenerowanej przez AI w sytuacjach o istotnych konsekwencjach.

Ta transformacja może stworzyć lepsze miejsca pracy, ale nie nastąpi automatycznie. Programy przekwalifikowania muszą łączyć szkolenia z rzeczywistymi potrzebami pracodawców. W przeciwnym razie pracownicy będą zdobywać ogólne certyfikaty, podczas gdy firmy nadal będą mieć trudności z obsadzeniem wyspecjalizowanych stanowisk.

Niższa ekspozycja nie oznacza niższego ryzyka gospodarczego

Indie mogą uniknąć masowego bezpośredniego wypierania pracowników, a mimo to ucierpieć, jeśli AI osłabi zatrudnianie na poziomie juniorskim, eksport usług lub wzrost płac.

Pierwsza niepewność dotyczy luki między zadaniami a miejscami pracy. Badania ekspozycji dzielą zawody na czynności, które modele mogą wykonywać. Pracodawcy decydują, czy te czynności uzasadniają przeprojektowanie ról, wolniejsze zatrudnianie, zmiany w outsourcingu czy redukcję zatrudnienia.

Decyzje te zależą od niezawodności. Model, który odnosi sukces w kontrolowanym teście, może zawieść, gdy dane wejściowe stają się niejednoznaczne lub klienci zachowują się nieprzewidywalnie. Błędy w ochronie zdrowia, bankowości, prawie i usługach publicznych niosą konsekwencje, które uniemożliwiają nieograniczoną automatyzację.

Regulacje mogą zachować nadzór człowieka, ale mogą też zmienić miejsce wykonywania pracy. Firmy mogą centralizować zatwierdzone systemy, jednocześnie ograniczając lokalne zespoły. Z drugiej strony wymogi zgodności mogą tworzyć nową pracę w audycie, dokumentacji, zarządzaniu ryzykiem i bezpieczeństwie.

Międzynarodowa Organizacja Pracy podkreśliła, że ekspozycja nie jest równoznaczna z utratą pracy. Jej globalny indeks wykazał, że jedna na cztery posady miała pewną ekspozycję na generatywną AI. Według indeksu ekspozycji zawodów transformacja była bardziej prawdopodobna niż pełne zastąpienie.

Transformacja nadal może być bolesna. Pracownik może zachować posadę, tracąc jednocześnie siłę negocjacyjną, autonomię lub możliwości awansu. Cyfrowy monitoring może się nasilić, gdy firmy wykorzystują systemy AI do mierzenia wyników i egzekwowania ustandaryzowanych procesów.

Na szczególną uwagę zasługuje zatrudnienie na poziomie juniorskim. Młodsi pracownicy często przygotowują pierwsze wersje dokumentów, prowadzą podstawowe badania, piszą prosty kod, sporządzają notatki ze spotkań i przeglądają dokumenty. Automatyzacja tych zadań może usunąć pracę, dzięki której ludzie tradycyjnie uczą się zawodu.

Organizacje stają wtedy przed problemem zbudowania kadry. Nadal potrzebują doświadczonych pracowników, lecz mogą szkolić mniej początkujących. Bez celowych programów praktyk firmy mogą dziś oszczędzać pieniądze, jednocześnie tworząc przyszłe niedobory starszych specjalistów.

Druga niepewność dotyczy podziału wzrostu produktywności. Prognozowane przez Goldman zyski opisują dodatkową produkcję na pracownika. Nie przesądzają o tym, czy pracownicy otrzymają wyższe płace, firmy osiągną większe marże, klienci zapłacą mniej, czy skróci się czas pracy.

Konkurencyjne rynki mogą rozprzestrzeniać korzyści poprzez niższe koszty i nowe usługi. Skoncentrowane rynki mogą pozwolić mniejszej grupie firm zatrzymać większą część wartości. Pracownicy o rzadkich umiejętnościach mogą żądać wyższych wynagrodzeń, podczas gdy osoby na ustandaryzowanych stanowiskach będą miały słabszą pozycję.

Trzecia niepewność obejmuje infrastrukturę. Zaawansowane modele wymagają mocy obliczeniowej, niezawodnej energii elektrycznej, dostępu do sieci, bezpiecznych systemów danych i wykwalifikowanych zespołów wdrożeniowych. Goldman wskazał energię, wodę, centra danych i zasoby obliczeniowe jako konieczne inwestycje.

Indie rozbudowują swoją infrastrukturę AI, w tym poprzez inicjatywy publiczne w ramach IndiaAI Mission. Infrastruktura musi jednak wykraczać poza duże firmy technologiczne. Mniejsze przedsiębiorstwa potrzebują przystępnego cenowo dostępu i praktycznego wsparcia, aby wzrost produktywności rozprzestrzenił się na całą gospodarkę.

Czwarta niepewność dotyczy tego, czy Indie mogą wytwarzać więcej technologii leżącej u podstaw tych zmian. Kraj ma mocne strony we wdrożeniach i usługach inżynieryjnych, ale pozostaje mniej widoczny w dziedzinie zaawansowanych chipów i badań nad modelami fundamentalnymi. Silna zależność od zagranicznych platform może kierować część wartości gospodarczej za granicę.

Goldman wcześniej oszacował, że sektor AI w Indiach może wygenerować ponad 2,3 mln ofert pracy do 2027 roku. Przytoczył także prognozy lokujące dostępną pulę talentów na poziomie blisko 1,2 mln osób. Luka wskazuje na potencjalny popyt, ale nie gwarantuje, że programy szkoleniowe będą odpowiadać rzeczywistym stanowiskom.

Firmy często poszukują połączenia wiedzy technicznej i branżowej. Bank potrzebuje osób rozumiejących zarówno modele, jak i kontrole finansowe. Producent potrzebuje inżynierów, którzy potrafią połączyć wyniki AI z fizycznymi operacjami i wymogami bezpieczeństwa.

Ogólne szkolenia nie są w stanie zamknąć każdej luki. Pracownicy potrzebują możliwości ćwiczenia na odpowiednich danych, narzędziach i przepływach pracy. Pracodawcy potrzebują też wiarygodnych metod oceny umiejętności, które zmieniają się szybciej niż tradycyjne dyplomy.

Pracownicy wiedzy mogą się przygotować, dokumentując decyzje, rozwijając wiedzę domenową i budując niezawodne sposoby odzyskiwania wcześniejszej pracy. Przeszukiwalna osobista baza wiedzy może wspierać ten proces, zwłaszcza gdy AI tworzy więcej wersji roboczych i informacji do przejrzenia.

Indywidualne przygotowanie nie może jednak zastąpić polityki rynku pracy. Rządy i pracodawcy muszą poprawić wsparcie w okresie przejściowym, edukację i dostęp do szkoleń. Pracownicy nie są w stanie samodzielnie rozwiązać problemów niedoborów infrastruktury, słabej ochrony socjalnej ani spadającego popytu w całym zawodzie.

Ostrożny wniosek jest taki, że niższa łączna ekspozycja daje Indiom czas. Nie znosi jednak obowiązku dobrego wykorzystania tego czasu. Słabe przygotowanie może przekształcić możliwą do opanowania transformację w skoncentrowane trudności.

Trzy sygnały pokażą, czy teza Goldman się potwierdzi

Kolejną fazę należy oceniać na podstawie zatrudnienia, popytu na usługi i mierzonej produktywności, a nie nagłówkowych twierdzeń o możliwościach AI.

Pierwszym sygnałem jest zatrudnianie pracowników na poziomie juniorskim w usługach IT, operacjach procesów biznesowych, finansach, mediach i usługach profesjonalnych. Rekrutacja absolwentów daje wczesny obraz tego, czy firmy wzmacniają istniejące zespoły, czy eliminują najniższy szczebel drabin kariery.

Utrzymujący się spadek liczby ofert dla juniorów osłabiłby uspokajającą interpretację prognozy Goldman. Pokazałby wypieranie pracowników poprzez brak nowych miejsc pracy, a nie przez wyraźnie widoczne zwolnienia. Stabilny lub rosnący nabór, połączony z nowymi obowiązkami związanymi z AI, wspierałby tezę o wspomaganiu pracy.

Struktura zatrudnienia ma równie duże znaczenie jak jego łączna skala. Pracodawcy mogą rekrutować mniej generalistów, jednocześnie poszukując większej liczby pracowników z wiedzą z zakresu cyberbezpieczeństwa, inżynierii danych, oceny modeli i specjalistycznej wiedzy branżowej. Taka zmiana potwierdziłaby oczekiwanie transformacji, jednocześnie tworząc pilne wyzwanie szkoleniowe.

Drugim sygnałem są wyniki indyjskiego eksportu usług technologicznych i biznesowych. Przychody, wielkość kontraktów, utrzymanie klientów i zatrudnienie u głównych dostawców mogą ujawnić, czy AI zwiększa popyt, czy ogranicza outsourcing oparty na intensywnej pracy.

Wzrost złożonych prac inżynieryjnych i integracji AI wzmocniłby pozycję Indii. Spadający popyt na rutynowe przetwarzanie, bez kompensujących go kontraktów o wysokiej wartości, ujawniłby podatność ukrytą przez krajową średnią zatrudnienia.

Inwestorzy powinni również analizować, jak firmy opisują produktywność. Dostawca może raportować większą produkcję na pracownika, ponieważ przeszedł do wartościowych usług, zautomatyzował powtarzalną pracę albo ograniczył zatrudnienie. Te ścieżki mają bardzo różne konsekwencje dla pracowników i długoterminowej konkurencyjności.

Trzecim sygnałem jest mierzona produktywność poza kontrolowanymi demonstracjami. Bazowa prognoza Goldman zakłada roczne przyspieszenie o około 0,4 punktu procentowego przez dekadę. Rzeczywiste zyski powinny z czasem pojawić się w produkcji, czasach realizacji, jakości usług lub tworzeniu nowych firm.

Produktywność bez szerokiego wdrożenia stanowiłaby słabsze potwierdzenie. Kilka dużych firm może osiągnąć znaczące efektywności, podczas gdy mniejsze przedsiębiorstwa pozostaną w tyle. Taki wynik może zwiększyć koncentrację bez transformacji szerszej gospodarki.

Dowody wzrostu płac wzmocniłyby tę tezę. Jeśli pracownicy staną się bardziej produktywni, ale wynagrodzenia pozostaną bez zmian, korzyści nie docierają do pracy. Jeśli płace rosną wraz z produkcją i zatrudnieniem, teza o wspomaganiu staje się bardziej przekonująca.

Decydenci powinni obserwować różnice ze względu na płeć, wykształcenie, zawód i region. Stabilna krajowa stopa bezrobocia może współistnieć z poważnymi zakłóceniami w centrach pracy biurowej lub wśród świeżych absolwentów. Szczegółowe dane o rynku pracy ujawnią te skutki szybciej niż pojedynczy nagłówek.

Debata powinna także oddzielać tymczasowe dostosowanie od zmiany strukturalnej. Pracodawcy mogą wstrzymać zatrudnianie podczas testowania nowych systemów, a następnie je wznowić, gdy popyt wzrośnie. Wieloletni spadek wśród narażonych ról wskazywałby na głębszą reorganizację.

Argument Goldman jest wiarygodny, ponieważ Indie zatrudniają tak wiele osób w pracy, której obecna generatywna AI nie potrafi bezpośrednio wykonywać. Rolnictwo, budownictwo, produkcja przemysłowa, transport i usługi osobiste zapewniają znaczący statystyczny bufor.

Ambicje gospodarcze Indii zależą jednak od czegoś więcej niż ochrony istniejących miejsc pracy. Kraj dąży do wyższej produktywności, silniejszego eksportu usług, lepszych płac i większych możliwości dla młodej siły roboczej. Sukces wymaga, by sektory narażone na wpływ AI tworzyły wartościową nową pracę szybciej, niż kurczą się rutynowe stanowiska.

Najbardziej użyteczne pytanie nie brzmi zatem, czy AI zabierze wszystkie indyjskie miejsca pracy. Nie wpłynie jednakowo na każdy zawód, a ekspozycja nie przekłada się automatycznie na bezrobocie. Trafniejsze pytanie brzmi, czy firmy potrafią przekształcić automatyzację w ekspansję, zamiast ograniczać się do węższego poszukiwania oszczędności na pracy.

W nadchodzących miesiącach warto jednocześnie obserwować rekrutację absolwentów, kontrakty na usługi o wysokiej wartości oraz dowody wzrostu produktywności. Jeśli wszystkie trzy wskaźniki się poprawią, ostrożniejsza prognoza Goldman będzie wyglądać na coraz bardziej wiarygodną. Jeśli natomiast zatrudnienie i eksport osłabną, podczas gdy efektywność wzrośnie, pozorna odporność Indii może skrywać trudniejszy okres transformacji.