Powrót idei bezwarunkowego dochodu podstawowego w epoce AI
Sztuczna inteligencja przestała być jedynie futurystyczną wizją. Generatywne modele językowe, systemy multimodalne analizujące jednocześnie tekst, obraz i dźwięk, a także coraz bardziej zaawansowana robotyka wchodzą do firm, administracji i gospodarstw domowych. Tempo tego procesu jest bezprecedensowe: w kilka miesięcy narzędzia oparte na AI stały się standardem pracy w biurach, mediach, marketingu, programowaniu czy obsłudze klienta.
To właśnie ta dynamika odnowiła debatę o bezwarunkowym dochodzie podstawowym, znanym jako UBI (universal basic income). Głos w tej sprawie zabierają dziś najważniejsi liderzy branży AI: Sam Altman, Elon Musk, Vinod Khosla, Dario Amodei, Demis Hassabis czy Geoffrey Hinton. Łączy ich przekonanie, że sztuczna inteligencja może radykalnie zwiększyć produktywność i wartość wytwarzaną w gospodarce, ale równocześnie naruszyć fundament tradycyjnego rynku pracy.
Bezwarunkowy dochód podstawowy wraca więc nie jako abstrakcyjna utopia, lecz jako możliwa odpowiedź na bardzo konkretne procesy: rosnące zyski firm technologicznych, automatyzację wielu zadań oraz ryzyko, że część zawodów zostanie wyparta szybciej, niż społeczeństwa zdołają się dostosować. Coraz częściej pojawia się przy tym pojęcie „dywidendy wolności” – wizji, w której każdy człowiek otrzymuje udział w korzyściach generowanych przez kapitał, dane i algorytmy.
Spór o dochód podstawowy w erze AI jest w istocie sporem o to, jak podzielić owoce technologicznej rewolucji: czy większość wartości trafi do właścicieli infrastruktury, modeli i danych, czy też część tego bogactwa zostanie rozdystrybuowana szeroko, tworząc nowy fundament bezpieczeństwa ekonomicznego.
Czym jest bezwarunkowy dochód podstawowy i „dywidenda wolności”
Bezwarunkowy dochód podstawowy to regularne świadczenie pieniężne wypłacane każdej osobie w danym kraju – niezależnie od jej dochodu, majątku, statusu zawodowego czy sytuacji rodzinnej. Kluczowe są trzy cechy: powszechność (dla wszystkich mieszkańców lub obywateli), indywidualność (dla jednostki, a nie gospodarstwa domowego) oraz brak warunków (bez testu dochodowego, obowiązku pracy czy innych kryteriów). Taki dochód miałby pokrywać podstawowe koszty życia lub przynajmniej stanowić istotne uzupełnienie dochodów.
W praktyce UBI różni się od programów gwarantowanego dochodu kierowanych do wybranych grup. Te ostatnie są zazwyczaj czasowe, pilotażowe lub adresowane do określonych kategorii (np. mieszkańców danego miasta, osób o niskich dochodach, rodziców samotnie wychowujących dzieci). Wymagają spełnienia warunków, a ich celem jest sprawdzenie efektów lub wsparcie grup szczególnie narażonych na wykluczenie. UBI natomiast zakłada trwały, systemowy charakter i brak selekcji.
Pojęcie „dywidendy wolności” przesuwa akcent z języka pomocy socjalnej na język współudziału w zyskach. W tym ujęciu świadczenie nie jest „zasiłkiem”, lecz rodzajem dywidendy wypłacanej wszystkim współwłaścicielom wspólnego zasobu – gospodarki opartej na danych, automatyzacji i sztucznej inteligencji. Tak jak akcjonariusze spółki otrzymują dywidendę od wypracowanego zysku, tak obywatele mieliby otrzymywać udział w bogactwie generowanym przez algorytmy.
Liderzy technologiczni wskazują, że taka dywidenda może zapewnić elementarną wolność finansową. Dzięki niej ludzie mieliby większą swobodę w wyborze pracy, czasu na przekwalifikowanie, inwestowanie w edukację, opiekę nad bliskimi czy realizację projektów kreatywnych. Sam Altman sugerował nawet, że obok klasycznego dochodu pieniężnego kluczową rolę może odgrywać uniwersalny dostęp do zasobów AI – „kawałek” mocy obliczeniowej, który każdy mógłby wykorzystać, sprzedać lub wynająć, traktując go jak cyfrowy odpowiednik dywidendy.
Język „dywidendy wolności” ma zatem zmienić sposób myślenia: od transferów skierowanych do „potrzebujących” ku idei współwłasności owoców rozwoju technologicznego. W centrum znajduje się pytanie, jak sprawiedliwie podzielić wartość tworzoną dzięki danym i pracy całych społeczeństw, na których uczą się systemy AI.
Jak sztuczna inteligencja może zmienić rynek pracy i dochody społeczeństwa
Wpływ sztucznej inteligencji na rynek pracy można opisać w kilku realistycznych scenariuszach, różniących się skalą i tempem zmian. Choć trudno dziś przesądzić, który z nich okaże się dominujący, już teraz widać, że automatyzacja obejmuje zarówno zadania fizyczne, jak i intelektualne.
W scenariuszu optymistycznym AI działa przede wszystkim jako narzędzie zwiększające produktywność. Pracownicy wykonują swoje zadania szybciej i dokładniej, a przedsiębiorstwa wchodzą w nowe nisze rynkowe. Powstają zawody związane z projektowaniem, nadzorem i audytem systemów AI, a także z kreatywnym wykorzystaniem algorytmów w sztuce, edukacji czy medycynie. Wzrost produktywności przekłada się na wyższy produkt krajowy brutto, a przy odpowiedniej polityce płacowej i podatkowej standard życia większości społeczeństwa rośnie.
Scenariusz mieszany zakłada, że część zawodów – zwłaszcza opartych na powtarzalnych czynnościach – zostanie w dużym stopniu zautomatyzowana. Dotyczy to zarówno pracy fizycznej (logistyka, magazyny, prosta produkcja), jak i biurowej (wprowadzanie danych, proste analizy, obsługa klienta według schematu). Jednocześnie powstają nowe miejsca pracy, ale wymagają innych kwalifikacji. Wielu ludzi przechodzi przez bolesny proces przekwalifikowania, a część doświadcza okresów bezrobocia technologicznego. Szczególnie narażeni są pracownicy o niższych kwalifikacjach, na których wywierana jest presja płacowa.
Scenariusz pesymistyczny, przed którym ostrzegają m.in. Geoffrey Hinton czy inwestor Vinod Khosla, zakłada strukturalny nadmiar pracy ludzkiej. W miarę jak modele AI stają się coraz bardziej autonomiczne, zapotrzebowanie na ludzki wkład w wielu dziedzinach może trwale spaść. Zyski koncentrują się w rękach właścicieli kapitału, danych i algorytmów, a tradycyjne narzędzia polityki rynku pracy – szkolenia, programy aktywizacji, subsydiowane zatrudnienie – mają ograniczoną skuteczność, ponieważ problemem jest nie tylko brak kompetencji, ale także brak wystarczającej liczby miejsc pracy o sensownej wartości dodanej.
W takim układzie rośnie ryzyko pogłębienia nierówności majątkowych i dochodowych. Osoby posiadające udziały w spółkach technologicznych, infrastrukturę obliczeniową czy prawa do danych mogą korzystać z rosnących strumieni przychodów, podczas gdy ci, którzy dysponują wyłącznie pracą własnych rąk i umysłu, tracą siłę przetargową. To właśnie w tym kontekście idea powszechnej, „technologicznej” dywidendy – finansowanej z zysków generowanych przez AI – jawi się jako potencjalne narzędzie łagodzenia nierówności i zapewnienia minimalnego poziomu bezpieczeństwa ekonomicznego.
Modele finansowania i podziału zysków z AI: od podatków po cyfrowe dywidendy
Jeśli dochód podstawowy lub dywidenda wolności miałyby być finansowane z zysków generowanych przez sztuczną inteligencję, konieczne są przejrzyste mechanizmy redystrybucji. Można wskazać kilka głównych podejść, z których każde wiąże się z odmiennymi wyborami politycznymi i gospodarczymi.
Model podatkowy
Pierwsze podejście opiera się na systemie podatkowym. Państwo mogłoby wprowadzić dodatkowe obciążenia dla przedsiębiorstw czerpiących nadzwyczajne zyski z wykorzystania AI: wyższe podatki od zysków firm silnie zautomatyzowanych, specjalne daniny od „windfall profits” związanych z przełomowymi technologiami czy opłaty za korzystanie z dużych centrów danych i infrastruktury obliczeniowej. Zebrane środki trafiałyby do specjalnego funduszu, z którego finansowano by powszechny dochód podstawowy lub dywidendę wolności.
Takie rozwiązanie wymaga jednak starannego wyważenia stawek i progów, aby nie zniechęcać do inwestycji i innowacji, a jednocześnie zapewnić realne wpływy. Pojawia się też pytanie o koordynację międzynarodową, ponieważ największe firmy technologiczne działają globalnie, a różnice w opodatkowaniu mogą skłaniać do przenoszenia działalności.
Model funduszu narodowego
Drugie podejście przypomina konstrukcję funduszy suwerennych, tworzonych dziś w niektórych państwach z dochodów z zasobów naturalnych. Państwo lub konsorcjum publiczno-prywatne inwestowałoby w kluczowe aktywa powiązane z AI: udziały w spółkach technologicznych, centra danych, infrastrukturę energetyczną niezbędną do zasilania serwerowni czy projekty badawczo-rozwojowe. Zyski z tych inwestycji zasilałyby fundusz, który następnie wypłacałby obywatelom okresowe dywidendy.
Taki model tworzy poczucie współwłasności strategicznych aktywów i uniezależnia część świadczeń od bieżącej polityki budżetowej. Jednocześnie rodzi pytania o zarządzanie funduszem: kto podejmuje decyzje inwestycyjne, jak uniknąć upolitycznienia, jak zabezpieczyć się przed ryzykiem koncentracji władzy ekonomicznej w rękach wąskiej elity decyzyjnej.
Model platformowy
Trzecie podejście zakłada, że firmy technologiczne dzielą się przychodami z użytkownikami jako współtwórcami danych, na których uczą się modele AI. W tym ujęciu treści, zachowania i interakcje użytkowników są traktowane jak wkład produkcyjny, za który należy się wynagrodzenie. Wypłaty mogłyby przyjmować formę gotówki, tańszego dostępu do usług AI lub tokenów reprezentujących udział w określonym ekosystemie.
Model platformowy wymaga jednak rozstrzygnięcia kwestii własności danych oraz mechanizmów wyceny. Konieczne byłoby także rozróżnienie między zwykłym użytkowaniem usług a świadomym, profesjonalnym wkładem w rozwój modeli (np. tworzeniem wysokiej jakości treści, danych branżowych czy anotacji).
Model „podstawowej mocy obliczeniowej”
Czwarte podejście, inspirowane propozycjami Sama Altmana, zakłada przyznanie każdemu człowiekowi określonej puli mocy obliczeniowej. Byłoby to swoiste prawo do korzystania z zasobów AI – wprost (dla własnej pracy, edukacji, projektów) lub pośrednio, poprzez sprzedaż lub wynajem przydzielonej mocy podmiotom, które chcą ją wykorzystać na większą skalę.
Do zalet takiego rozwiązania można zaliczyć bezpośrednie powiązanie dywidendy z aktywnością gospodarczą związaną z AI. Otrzymujący moc obliczeniową byliby zachęcani do tworzenia wartości – np. nowych usług, treści, aplikacji – zamiast biernego konsumowania gotówki. Równocześnie pojawiają się wyzwania: wycena przydziału, zapewnienie powszechnej dostępności w regionach o słabszej infrastrukturze cyfrowej, a także ryzyko spekulacji i koncentracji tych praw w rękach pośredników finansowych.
Każdy z opisanych modeli wymaga decyzji o poziomie opodatkowania, zasadach zarządzania środkami i zabezpieczeniach przed koncentracją władzy ekonomicznej. Debata o dywidendzie wolności jest więc jednocześnie debatą o nowej architekturze systemu podatkowego, finansowego i własnościowego w gospodarce zdominowanej przez sztuczną inteligencję.
Argumenty zwolenników dywidendy wolności: bezpieczeństwo, innowacje, nowy kontrakt społeczny
Zwolennicy bezwarunkowego dochodu podstawowego i dywidendy wolności odwołują się do kilku kluczowych argumentów, wzmacnianych przez wyniki pilotażowych programów dochodu gwarantowanego w różnych krajach.
Po pierwsze, podkreślają znaczenie bezpieczeństwa ekonomicznego. Stały dochód, niezależny od bieżącej sytuacji na rynku pracy, ma zapewnić minimalny poziom egzystencji i ograniczyć lęk przed automatyzacją. Pracownicy, którzy wiedzą, że nie stracą środków na mieszkanie czy jedzenie z dnia na dzień, zyskują silniejszą pozycję negocjacyjną wobec pracodawców. Nie muszą przyjmować każdej oferty, mogą odrzucić nieuczciwe warunki czy nadużycia.
Po drugie, pojawia się argument innowacyjny. Stabilna baza dochodowa ma ułatwiać podejmowanie ryzyka: przerwę w karierze na naukę, zmianę zawodu, założenie małej firmy, realizację projektu badawczego lub artystycznego. Część przedsiębiorców i inwestorów przekonuje, że w środowisku o wyższym poziomie bezpieczeństwa ludzie są bardziej skłonni eksperymentować, co może zwiększać dynamikę całej gospodarki. Niektóre osoby związane z sektorem technologicznym wskazują, że innowacyjność Doliny Krzemowej wyrasta m.in. z sieci nieformalnego wsparcia – kapitałowego, rodzinnego i instytucjonalnego – która pozwala na porażki bez życiowej katastrofy.
Po trzecie, zwolennicy odwołują się do argumentu zdrowotnego i społecznego. Badania programów dochodu gwarantowanego w Stanach Zjednoczonych, które obejmowały setki i tysiące uczestników, wskazują, że większość dodatkowych środków trafia na podstawowe potrzeby: czynsz, żywność, transport, opłaty. Równocześnie obserwowano spadek poziomu stresu, poprawę wskaźników zdrowia psychicznego i większą stabilność sytuacji rodzinnej. Wskazuje to, że regularny dochód może być efektywnym uzupełnieniem tradycyjnych instrumentów polityki społecznej.
Po czwarte, zwolennicy dywidendy wolności mówią o nowym kontrakcie społecznym. Sukces współczesnych systemów AI jest możliwy dzięki danym generowanym przez całe społeczeństwo: zdjęciom, tekstom, nagraniom, interakcjom w sieci, danym z urządzeń i usług. To zbiorowy zasób, z którego korzyści czerpie stosunkowo wąska grupa właścicieli modeli i infrastruktury. Logiczne wydaje się więc, by część tworzonej w ten sposób wartości wracała do ludzi w formie wspólnej dywidendy. W perspektywie długoterminowej taki mechanizm miałby ograniczyć ryzyko polaryzacji między „właścicielami algorytmów” a resztą społeczeństwa.
Obawy i krytyka: koszty, motywacja do pracy i skutki uboczne dochodu podstawowego
Koncept powszechnego dochodu finansowanego z zysków AI budzi również poważne wątpliwości wśród ekonomistów, polityków i części przedsiębiorców. Najczęściej podnoszona jest kwestia kosztów. Dochód podstawowy na poziomie zapewniającym realne bezpieczeństwo egzystencjalne wymaga ogromnych środków. Oznacza to konieczność istotnego zwiększenia obciążeń podatkowych, ograniczenia innych wydatków publicznych lub zadłużenia państwa. Pojawia się pytanie, czy państwa stać na taką reformę, zwłaszcza w okresach spowolnienia gospodarczego.
Drugą grupą obaw są skutki dla motywacji do pracy. Krytycy argumentują, że część beneficjentów może ograniczyć aktywność zawodową, zwłaszcza w sektorach, które już dziś zmagają się z niedoborem pracowników: ochronie zdrowia, edukacji, usługach wymagających bezpośredniego kontaktu z ludźmi. Dotychczasowe pilotaże – jak podkreślali badacze współpracujący m.in. z Samem Altmanem – nie potwierdzają jednoznacznie skrajnie negatywnego wpływu na zatrudnienie, ale były prowadzone na stosunkowo ograniczoną skalę i z umiarkowanymi kwotami. Efekty przy wyższych świadczeniach lub w innych warunkach rynkowych mogą być odmienne.
Trzeci typ zastrzeżeń dotyczy potencjalnych skutków ubocznych w skali makroekonomicznej i społecznej. Część ekonomistów ostrzega przed ryzykiem inflacji, jeśli popyt wspierany dochodem podstawowym będzie rósł szybciej niż podaż dóbr i usług. Inni zwracają uwagę, że szerokie programy transferów mogą wypierać prywatną filantropię, osłabiać lokalne inicjatywy pomocowe lub prowadzić do „uzależnienia” społeczeństwa od państwowych świadczeń.
Dodatkową obawą jest polaryzacja polityczna wokół wysokości świadczenia. Raz wprowadzony dochód podstawowy może stać się przedmiotem ostrego sporu wyborczego, z ryzykiem populistycznych obietnic lub przeciwnie – głębokich cięć, które naruszą zaufanie obywateli. Część krytyków ostrzega też, że UBI może stać się wygodnym „alibi” dla firm technologicznych: zamiast brać odpowiedzialność za projektowanie systemów AI z myślą o rynku pracy i jakości życia, mogłyby ograniczyć się do finansowania podatków lub funduszy, odsuwając na państwo ciężar łagodzenia negatywnych skutków.
Wreszcie, nie wszyscy zgadzają się, że redystrybucja dochodów jest najbardziej efektywnym sposobem reagowania na automatyzację. Część ekonomistów i praktyków biznesu proponuje raczej intensywną politykę inwestycji w edukację, infrastrukturę cyfrową, zdrowie i lokalne ekosystemy przedsiębiorczości, argumentując, że to one w długim okresie tworzą warunki do lepszych miejsc pracy i wyższych dochodów własnych.
Jak przygotować się na przyszłość pracy z AI: rekomendacje dla pracowników, przedsiębiorców i decydentów
Dyskusja o dywidendzie wolności i dochodzie podstawowym to tylko część szerszego pytania: jak przygotować społeczeństwa na erę, w której sztuczna inteligencja staje się podstawową infrastrukturą gospodarczą, porównywalną z elektrycznością czy internetem. Równolegle do debat o nowych transferach finansowych potrzebne są działania na poziomie jednostek, firm i państw.
Z perspektywy pracowników kluczowe znaczenie ma inwestowanie w kompetencje trudne do automatyzacji. Należą do nich umiejętności społeczne, zdolność współpracy, kreatywność, krytyczne myślenie oraz umiejętność pracy z systemami AI – od formułowania zapytań po ocenę jakości generowanych treści. Równie ważna jest gotowość do uczenia się przez całe życie i łączenia wiedzy z różnych dziedzin. Śledzenie toczących się debat na temat dochodu podstawowego, reform podatkowych czy polityki rynku pracy staje się elementem odpowiedzialnego planowania własnej przyszłości finansowej.
Przedsiębiorcy, planując inwestycje w automatyzację i AI, coraz częściej muszą myśleć nie tylko o redukcji kosztów, ale również o społecznej akceptacji swoich działań. Oprócz klasycznych programów podnoszenia kwalifikacji (reskilling, upskilling) mogą włączać pracowników w systemy dzielenia się korzyściami: premie powiązane z produktywnością, udziały w zyskach, partycypacyjne modele własności. Na poziomie branżowym firmy technologiczne i duzi użytkownicy AI mogą odegrać ważną rolę w kształtowaniu standardów dotyczących dywidendy wolności – od dobrowolnych funduszy branżowych po wsparcie dla publicznych rozwiązań systemowych.
Dla decydentów publicznych priorytetem jest równoległy rozwój kilku instrumentów. Po pierwsze, kontynuacja i rozszerzanie eksperymentów z dochodem gwarantowanym, które pozwalają zbierać dane o realnych skutkach takich programów w różnych warunkach gospodarczych i społecznych. Po drugie, reforma systemu podatkowego pod kątem gospodarki opartej na danych i AI – tak, aby opodatkowanie lepiej odzwierciedlało źródła tworzenia wartości i nie sprzyjało nadmiernej koncentracji zysków. Po trzecie, intensywne inwestycje w edukację ustawiczną, infrastrukturę cyfrową oraz regionalne ekosystemy innowacji.
Ważnym zadaniem jest też budowanie międzynarodowej współpracy w zakresie regulacji AI, opodatkowania globalnych gigantów technologicznych oraz standardów dotyczących danych i ich wykorzystania. Bez pewnego poziomu koordynacji istnieje ryzyko „wyścigu do dna” – konkurowania stawkami podatkowymi kosztem zdolności państw do ochrony obywateli przed negatywnymi skutkami automatyzacji.
Niezależnie od tego, czy dywidenda wolności przyjmie w przyszłości formę klasycznego bezwarunkowego dochodu podstawowego, cyfrowej dywidendy czy mieszanki różnych mechanizmów, kluczowe pozostaje jedno pytanie: czy społeczeństwa zdołają zbudować sprawiedliwy sposób podziału owoców rewolucji AI, zanim rosnące nierówności staną się źródłem głębokich napięć społecznych. Odpowiedź na to pytanie zależy zarówno od decyzji politycznych, jak i od gotowości biznesu oraz obywateli do współtworzenia nowego kontraktu społecznego na miarę epoki sztucznej inteligencji.