Инвестиции в работников. Налоговые льготы для инвестиций в оборудование и программное обеспечение недоступны для компаний, когда речь идет об инвестициях в работников. Уравнивание ставок налогообложения капитала и труда является важным шагом в устранении перекоса в пользу автоматизации перед наймом и инвестированием в работников.

Но налоговый кодекс может сделать и больше. Предельная производительность труда работников может быть повышена за счет обучения после окончания школы. Даже работники, получившие высшее или послевузовское образование, приобретают большинство навыков, необходимых для выполнения конкретной задачи или в данной отрасли, как только начинают работать в компании. Некоторые из этих инвестиций в обучение происходят в формальной среде, например, на профессиональных курсах, в то время как другие соответствующие навыки приобретаются на рабочем месте, от старших коллег и руководителей, и этому процессу часто способствует то, как разработаны рабочие места и сколько времени работникам разрешено выделять на обучение. Мы видели, что обучение работников с низким уровнем образования было важной опорой общего процветания до 1980-х годов.

Существуют веские причины, по которым уровень инвестиций в обучение, выбранный компаниями, может быть недостаточным. Многое из того, что работник узнает в процессе обучения, является "общим" в том смысле, что он может продуктивно использовать свои навыки и у других работодателей. Инвестиции в общее обучение менее привлекательны для компаний, поскольку конкуренция со стороны других работодателей предполагает, что им придется платить более высокую заработную плату или они могут даже потерять работника после обучения, не имея возможности окупить свои инвестиции. Лауреат Нобелевской премии экономист Гэри Беккер указал на то, что более эффективный уровень обучения может быть поддержан, если работники косвенно оплачивают его, снижая заработную плату на время обучения, в надежде, что в будущем они смогут получать более высокую заработную плату. Однако это решение часто несовершенно. Работники могут быть не в состоянии позволить себе сокращение заработной платы и не верить, что фирмы действительно уделят достаточно внимания и времени обучению, если они пойдут на такое сокращение. Хуже того, когда заработная плата согласовывается, как это часто бывает, ни фирма, ни работник не получают полной отдачи от инвестиций в обучение, что делает невозможным даже снижение заработной платы для поддержки адекватного уровня обучения.

Институциональные решения и государственные субсидии на обучение могут исправить возникшую проблему недостаточного инвестирования. Например, система ученичества в Германии стимулирует фирмы финансировать основные усилия по обучению. Программы во многих отраслях промышленности длятся два, три, а иногда даже четыре года, и их реализация возможна благодаря тому, что работники устанавливают тесные отношения со своим работодателем и не уходят сразу после окончания ученичества. Эти программы часто поддерживаются и контролируются профсоюзами. Подобные программы ученичества существуют и в других странах, но их было бы трудно внедрить в США и Великобритании, где профсоюзы вряд ли будут играть такую же роль и где уровень увольнения молодых работников намного выше, чем в Германии. Поэтому в США более важную роль должны играть государственные субсидии - например, позволяющие компаниям вычитать инвестиции в обучение из налогооблагаемой прибыли.

Лидерство правительства в перенаправлении технологических изменений. Правительство не является двигателем инноваций, но оно может играть центральную роль в перенаправлении технологических изменений с помощью налогов, субсидий, регулирования и формирования повестки дня. Действительно, во многих пограничных областях исследований выявление конкретных потребностей в сочетании с государственным руководством имеет решающее значение, поскольку оно концентрирует внимание исследователей на определении достижимых целей или устремлений.

Это, безусловно, относится к антибиотикам, одной из самых преобразующих технологий двадцатого века. Важность лекарств, способных бороться с бактериями, уже была хорошо понятна, когда Александр Флеминг в 1928 году в лондонской больнице Святой Марии случайно обнаружил убивающие бактерии свойства пенициллина. Эрнст Чейн, Говард Флори, а затем и другие химики, основываясь на открытии Флеминга, очистили и произвели пенициллин, который можно было вводить пациентам. Однако не менее важным, чем научные достижения, был спрос со стороны военных, особенно армии США. Первое успешное применение препарата во время Второй мировой войны произошло в 1942 году. К Дню Д 6 июня 1944 года американские военные уже закупили 2,3 миллиона доз пенициллина. Примечательно, что финансовые стимулы играли относительно небольшую роль в этом процессе открытия и разработки.

Такое же сочетание было важно для многих послевоенных научных прорывов, когда правительство США формулировало стратегическую потребность, включая противовоздушную оборону, датчики, спутники и компьютеры. Рецепт часто объединял ведущих ученых для работы над проблемой и впоследствии создавал значительный спрос на эти технологии, побуждая частный сектор включиться в работу. Вариант этого подхода привел к быстрой разработке вакцин во время пандемии COVID-19.

Подобное сочетание может быть эффективным при переориентации цифровых технологий. Когда социальная ценность новых направлений исследований установлена, это может привлечь многих исследователей. Гарантированный спрос на успешные технологии может дополнительно стимулировать частные компании. Например, правительство США могло бы собрать и профинансировать исследовательские группы для разработки цифровых технологий, дополняющих человеческие навыки, для использования в образовании и здравоохранении, и взять на себя обязательство внедрить их в школах США и госпиталях Администрации ветеранов при условии, что они будут соответствовать необходимым техническим стандартам.

Спешим заметить, что речь идет не о традиционной "промышленной политике", в рамках которой бюрократы пытаются определить победителей, будь то компании или конкретные технологии. Опыт промышленной политики неоднозначен. Когда она была успешной, она принимала форму государственного стимулирования широких секторов, таких как химическая, металлургическая и станкостроительная промышленность Южной Кореи в 1970-х годах или металлургическая промышленность Финляндии в 1944–1952 годах (из-за военных репараций в натуральной форме, которые страна должна была выплатить Советскому Союзу).

Вместо того чтобы выбирать победителей, перенаправление технологий в гораздо большей степени связано с определением классов технологий, которые имеют более социально полезные последствия. В энергетическом секторе, например, технологическое перенаправление требует поддержки "зеленых" технологий в целом, а не попыток определить, ветер или солнце, не говоря уже о том, какой тип фотоэлектрических панелей является более перспективным. Тип государственного руководства, за который мы выступаем, основывается на том же подходе и направлен на поощрение развития технологий, которые в большей степени способствуют расширению прав и возможностей работников и граждан, а не на выбор конкретных технологических траекторий.

Защита конфиденциальности и владение данными. Контроль и перенаправление технологий будущего в значительной степени связаны с ИИ, а ИИ — это, в основном, непрерывный сбор данных о каждом человеке. Два предложения в этой области заслуживают обсуждения.

Во-первых, это усиление защиты частной жизни пользователей. Массовый сбор данных о пользователях, их друзьях и контактах имеет целый ряд негативных последствий. Платформы собирают эти данные, чтобы манипулировать пользователями (что, конечно, является основной частью их бизнес-модели, основанной на рекламе). Такой сбор данных также открывает путь к гнусному сотрудничеству между платформами и правительствами, желающими шпионить за гражданами. Кроме того, такое количество данных в руках нескольких платформ приводит к дисбалансу власти между ними и их конкурентами и пользователями.

Более строгая защита конфиденциальности, требующая от платформ получать явное согласие пользователей на то, какие данные они будут собирать и как они будут их использовать, могла бы быть полезной. Однако попытки внедрить ее - например, с помощью Общего регламента Европейского союза по защите данных (GDPR) в 2018 году - были не очень успешными. Многие пользователи не заботятся о конфиденциальности, даже когда их об этом просят, потому что они не понимают, как данные будут использоваться против них. Факты свидетельствуют о том, что GDPR поставил в невыгодное положение небольшие компании, но не был эффективным в обходе сбора данных и слежки со стороны крупных компаний, таких как Google, Facebook и Microsoft.

Существует еще одна фундаментальная причина, по которой защита конфиденциальности затруднена: платформы получают от пользователей информацию о других людях, либо потому, что они косвенно раскрывают информацию о своих друзьях, либо потому, что они позволяют платформе узнать больше об особенностях их демографических групп, что может быть использовано для нацеливания рекламы или продуктов на других людей с похожими характеристиками. Этот тип "внешнего воздействия данных" часто игнорируется пользователями.