کارگر زائد می‌شود، اما دستمزد هنوز جانت را می‌طلبد

بیل گیتس سرانجام چیزی را که سرمایه ترجیح می‌داد یک مسئله صرفاً فنی تلقی کند، علناً بر زبان آورده است: هوش مصنوعی و رباتیک ممکن است به شرکت‌ها این امکان را بدهند که نیروی کار انسانی کمتری بخرند، در حالی که کارگران برای تهیه غذا، پرداخت اجاره و ادامه بقا همچنان به دستمزد نیاز دارند. این تناقض در حال حاضر با انباشت کوهی از سرمایه ثابت، تعدیل نیرو، کاهش استخدام، کنترل الگوریتمی و بازسازماندهی طبقه کارگر — به جای محو ساده آن — شکل مادی به خود گرفته است. هم‌زمان با تضعیف اشتغال پایدار، همان دولت سرمایه‌داری که به اتوماسیون شتاب می‌بخشد، در حال گسترش دستگاه‌های دیجیتالی است که صلاحیت افراد را احراز و ناامنی را مدیریت می‌کنند؛ دستگاه‌هایی که در بحران‌های عمیق‌تر می‌توانند به بخشی از یک سیستم تکنوفاشیستی برای کنترل جمعیتی تبدیل شوند که سرمایه دیگر نیازی به آن‌ها به عنوان کارگر ندارد، اما همچنان باید آن‌ها را به عنوان انسان‌هایی با مطالبه مادی مهار کند. وعده واقعی اتوماسیون دقیقاً از همان جایی آغاز می‌شود که راه‌حل سرمایه‌داری به پایان می‌رسد: اگر جامعه می‌تواند با کار ضروری کمتر، محصول بیشتری تولید کند، نهایی‌ترین نبرد بر سر این خواهد بود که آیا زمان ذخیره‌شده توسط ماشین به سود و بیکاری تبدیل می‌شود، یا به رهایی جمعی از کاری که صرفاً برای کسب حق زندگی تحمیل شده است.

پرینس کاپون

ترجمه مجله جنوب جهانی

مشاغلی که سرمایه دیگر به آن‌ها نیاز ندارد، کارگرانی که همچنان به شغل نیازمندند

بیل گیتس بخش اعظم زندگی بزرگسالی خود را در سمت برنده جابه‌جایی‌های تکنولوژیک گذرانده است. مایکروسافت کمک کرد تا نرم‌افزار به یکی از قله‌های مسلط سرمایه مدرن تبدیل شود و گیتس نیز در این مسیر به یکی از ثروتمندترین مردان جهان بدل شد. از این رو، شنیدن هشدارهای او مبنی بر اینکه هوش مصنوعی ممکن است اکنون یک «چالش ساختاری» برای اصل اقتصاد ایجاد کند، از نظر تاریخی افشاگرانه است. سخن او درباره موج دیگری از نرم‌افزارهای اداری نیست که سرعت منشی‌ها را بالا می‌برند، یا ماشین‌آلات صنعتی که شغلی را از بین می‌برند تا شغلی دیگر در جای دیگری رشد کند. گیتس در حال تأمل درباره یک دستگاه تولیدی است که توانایی جایگزینی بخش‌هایی از ادراک انسانی را دارد و با پیشرفت رباتیک، به طور فزاینده‌ای کارهای فیزیکی را نیز انجام می‌دهد. همان‌طور که خود او معترف است، مشکل اینجاست که سرمایه‌داری همچنان از اکثر مردم می‌خواهد پول مورد نیاز برای زندگی را از طریق کار کردن برای کسانی به دست آورند که مالک ابزار تولید هستند.

تناقض دقیقاً همین‌جا، به شکلی کاملاً عریان در استدلال این میلیاردر نهفته است. سرمایه در حال توسعه ماشین‌آلاتی است که ممکن است به شرکت‌ها اجازه دهد نیروی کار انسانی کمتری بخرند، در حالی که کارگران همچنان برای خرید غذا، مسکن، خدمات درمانی، حمل‌ونقل و هر چیز دیگری که برای زنده ماندن لازم است، به فروش نیروی کار خود وابسته‌اند. گیتس حسابدارانی را تصور می‌کند که نرم‌افزار جایگزین آن‌ها شده و کارگران ساعتی بیست دلار که با ربات‌های ساعتی ده دلار رقابت می‌کنند. او انتظار دارد مشاغل جدیدی پدیدار شوند، اما هشدار می‌دهد که بدون مداخله، ممکن است «مشاغل خوب کمتری» نسبت به آنچه اکنون اقتصاد ارائه می‌دهد وجود داشته باشد. او استدلال می‌کند که بر خلاف یک رکود اقتصادی معمولی، این مشاغل با بازگشت تقاضا احیا نخواهند شد. هنگامی که سرمایه بتواند کار را از طریق ماشین‌آلات ارزان‌تر انجام دهد، نیاز قدیمی به نیروی کار ممکن است برای همیشه از بین برود.

آن آینده هنوز نرسیده است… حداقل فعلاً. مطالعه دفتر آمار آمریکا در سال ۲۰۲۶ نشان داد که به‌کارگیری هوش مصنوعی به‌ویژه در میان شرکت‌های بزرگ‌تر قابل توجه است، اما اکثر کسب‌وکارهای استفاده‌کننده از آن همچنان گزارش داده‌اند که هدفشان تقویت کار موجود بوده است نه کاهش اشتغال. تحقیقات اولیه بازار کار نشانه‌های هشداردهنده‌ای را در برخی مشاغل شدیداً در معرض خطر یافته‌اند، اما هنوز خبری از فروپاشی فراگیر اشتغال بر اثر اتوماسیون نیست. این تمایز اهمیت دارد. گیتس آینده‌ای تحقق‌یافته را توصیف نمی‌کند. او در حال چشم‌اندازی از تناقضی است که بخشی از طبقه حاکم اکنون شکل‌گیری آن را در برابر خود می‌بیند.

راهکارهای پیشنهادی او این واقعیت را حتا روشن‌تر می‌سازد. گیتس خواهان حمایت اجتماعی قوی‌تر از کارگران آسیب‌دیده، مالیات بر هوش مصنوعی و ربات‌ها، نهادهای جدید برای مدیریت این دوران گذار، و حتا دسته‌ای از مشاغل تحت حفاظت با عنوان «محفوظ برای انسان» است؛ مشاغلی که جامعه عمداً آن‌ها را در دست انسان‌ها نگه می‌دارد، حتا زمانی که ماشین‌ها به لحاظ فنی توانایی انجامشان را داشته باشند.

به معنای این پیشنهاد فکر کنید. سرمایه همواره کوشیده است نیروی کاری را که می‌خرد ارزان‌تر، مطیع‌تر و جایگزین کند. کارگران نیز به نوبه خود بر سر دستمزد، ساعات کار، شرایط و کنترل جنگیده‌اند، زیرا سرمایه همچنان برای چرخاندن چرخه تولید به نیروی کار آن‌ها نیاز داشت. گیتس در حال آماده‌سازی برای احتمال دیگری است: ممکن است جامعه روزی برخی مشاغل را نه به این دلیل که تولید به کارگر نیاز دارد، بلکه به این دلیل که کارگر به شغل نیاز دارد حفظ کند. سرمایه‌داری می‌تواند آن‌قدر مولد شود که بخشی از نیروی کار ضروری انسان را کنار بگذارد، در حالی که سازماندهی اجتماعی آن همچنان بر پایه این قاعده استوار باشد که مردم برای تأمین معیشت باید در ازای دستمزد کار کنند. ماشین‌آلات توانایی آزاد کردن زمان را خواهند داشت، اما روابط مالکیت این آزادی را به ناامنی تبدیل خواهد کرد.

به همین دلیل است که بحث‌های رایج درباره این‌که «آیا هوش مصنوعی شغل ما را می‌گیرد؟» از نقطه اشتباهی آغاز می‌شود. هوش مصنوعی مالک کارخانه نیست. مالکان شرکتی تصمیم می‌گیرند که آیا افزایش بهره‌وری به سودهای بزرگ‌تر، نیروی کار کمتر، دستمزدهای بالاتر یا ساعات کاری کوتاه‌تر تبدیل شود، در حالی که فشار رقابتی، شرکت‌هایی را که نتوانند هزینه‌ها را همپای رقبا کاهش دهند مجازات می‌کند. دولت‌ها بستر قانونی و زیرساختی را می‌سازند و کارگران در جایی که سازمان‌دهی لازم را داشته باشند مقاومت می‌کنند. گیتس ویرانی‌های اجتماعی ناشی از تولیدِ هرچه بیشتر ناشی از اتوماسیون را می‌بیند، اما راهکارهای او مالکیت این قدرت تولیدی را دست‌نخورده باقی می‌گذارد. بر ماشین مالیات بسته می‌شود، برخی مشاغل به عنوان حریم انسانی محصور می‌گردند، دولت از افرادی که از چرخه تولید بیرون رانده شده‌اند حمایت می‌کند، اما سرمایه خصوصی مالکیت ماشین را حفظ می‌کند.

پیش از تصمیم‌گیری درباره این‌که آیا این آینده در حال نزدیک شدن است — یا چه نوع دولتی ممکن است برای اداره آن ساخته شود — باید چیزی را توضیح دهیم که گیتس چراغ‌خاموش فرض گرفته است: این‌که چرا پیشرفت تکنولوژیک اساساً با اشتغال سراسری و پایدار گره خورد؟ هیچ چیز در درون خط مونتاژ، کامپیوتر یا ربات وجود نداشت که افزایش دستمزد، مزایا، شغل‌های باثبات یا سهمی از بهره‌وری را برای کارگران تضمین کند. این روابط در شرایط تاریخی خاصی با مبارزه به دست آمدند. سرمایه دهه‌ها پیش از آن‌که مدل‌های هوش مصنوعی امروزی حتا نوشتن یک جمله را یاد بگیرند، بخش زیادی از این توافق را از هم گسسته بود.

این توافق هرگز درون ماشین نهفته نبود

تناقضی که گیتس اکنون نگران آن است، مدت‌ها پیش از هوش مصنوعی آغاز شد. سرمایه همواره کوشیده است تا بازده بیشتری را از نیروی کار کمتری بیرون بکشد. آنچه در طول قرن بیستم تغییر کرد، تمایل ماشین نسبت به کارگران نبود، بلکه توازن قوا در اطراف ماشین بود. در شرایط تاریخی خاص، افزایش بهره‌وری صنعتی موقتاً به اشتغال انبوه، اتحادیه‌های قوی‌تر، گسترش مصرف، خدمات عمومی و دستمزدهایی پیوند خورد که توانایی بازتولید طبقه کارگر صنعتی بزرگ را داشتند. آن توافق هرگز تمام طبقه کارگر را با شرایط برابر در بر نگرفت. نژاد، جنسیت، منطقه و شغل همچنان تعیین می‌کردند که چه کسی و با چه شرایطی وارد اشتغال باثبات شود؛ ضمن این‌که این توافق در دوره‌ای استثنایی شکل گرفت که صنعت آمریکا در مرکز جهان سرمایه‌داری پس از جنگ قرار داشت. هیچ چیز در خط مونتاژ چنین چیزی را تضمین نمی‌کرد. کارگران برای این دستاوردها جنگیدند، سرمایه آنچه را مجبور بود واگذار کرد و دولت پایداریِ این سازش را به اندازه‌ای نهادینه کرد که تولید انبوه به لحاظ اجتماعی قابل بازتولید باشد.

فوردیسم از آن رو کارآمد بود که کارخانه کاری بیش از ساخت خودرو، یخچال و فولاد انجام می‌داد. کارخانه تمام روابط اجتماعی را حول محور کارگر انبوه سازمان‌دهی می‌کرد. سرمایه هزاران کارگر را در کارخانه‌های غول‌پیکر جمع می‌کرد، تولید را به وظایف تکرارشونده تقسیم می‌نمود، فرآیند کار را مکانیزه می‌ساخت و بهره‌وری را بالا می‌برد. این سازمان‌دهی قدرت عظیمی در محیط کار به مدیریت می‌داد، اما کارگران را نیز به لحاظ فیزیکی و اقتصادی متراکم می‌کرد. اعتصابات می‌توانست شاهرگ تولید را ببندد. اتحادیه‌ها می‌توانستند درباره دستمزدها، ساعات کار و مزایا چانه‌زنی کنند، زیرا سرمایه همچنان برای چرخاندن ماشین‌آلات به تعداد عظیمی از کارگران نیاز داشت. «طبقه متوسط» پس از جنگ که بسیار رمانتیک جلوه داده می‌شود، از دل همین تناقض بیرون آمد: سرمایه نیروی کار مطیع و ارزان می‌خواست، در حالی که کارگران متشکل، قدرت کافی داشتند تا بخشی از بهره‌وری فزاینده را به دستمزدها و خدمات اجتماعی تبدیل کنند.

آن رابطه مختص یک دوره تاریخی خاص بود. این وضع به این دلیل دوام نیاورد که ماشین‌ها ذاتاً شغل خوب ایجاد می‌کنند، و به این دلیل هم از بین نرفت که کارخانه‌ها دست از تولید کالاهای مفید برداشتند. اشتغال در بخش تولید آمریکا در ژوئن ۱۹۷۹ به حدود ۱۹.۶ میلیون کارگر رسید و سپس وارد یک افت طولانی‌مدت شد. شرکت‌ها تولید را اتوماتیک کردند، کارخانه‌ها را بستند، کارها را به خارج منتقل کردند، زنجیره‌های تأمین را در بازارهای کار با دستمزد پایین‌تر بازسازی نمودند و فرآیند کار را طوری سازمان دادند که هزینه‌ها کاهش یابد و اهرم فشاری که کارگران در نظم صنعتی قدیم به دست آورده بودند ضعیف شود. سرمایه به تولید و انباشت ادامه داد، اما وابستگی آن به استخدام همان حجم از کارگران در همان مکان‌ها و با همان شرایط کمتر شد.

قدرت نهادی نیروی کار نیز همراه با آن فرسایش یافت. تا سال ۲۰۲۵ تنها ۵.۹ درصد از کارگران بخش خصوصی عضو اتحادیه‌ها بودند. این آمار از آن رو اهمیت دارد که فناوری هرگز وارد یک «بازار کار» انتزاعی نمی‌شود. فناوری وارد محیط‌هایی می‌شود که یک طرف مالک ماشین‌آلات است و طرف دیگر برای زنده ماندن باید نیروی کار خود را بفروشد. نیروی کار متشکل در اتحادیه که توانایی تعطیل کردن تولید را دارد، مواجهه‌اش با اتوماسیون کاملاً متفاوت از کارگر منزوی است که به تنهایی به یک الگوریتم، برگه پیمانکاری یا ایمیل تعدیل نیرو خیره شده است. ظرفیت فنی برای حذف یک وظیفه می‌تواند یکسان باشد، اما برآیند اجتماعی آن کاملاً متفاوت خواهد بود.

در همان دوره، نحوه برخورد دولت با کارگران خارج از محیط کار نیز متحول شد. سیر تحول «از رفاه تا کار» از آزمایش‌های دولتی و طرح JOBS سال ۱۹۸۸ گذشت و در نهایت به جایگزینی «کمک به خانواده‌های دارای فرزند وابسته» با «کمک موقت به خانواده‌های نیازمند» (TANF) در سال ۱۹۹۶ انجامید. طرح TANF به دولت‌ها اجازه داد تا اشتغال یا فعالیت‌های مرتبط با کار را اجباری کنند و کسانی را که عدم تمکین کنند مجازات نمایند. ساختار کاهش پرونده‌ها در این طرح حتا می‌توانست به دولت‌ها برای کوچک کردن فهرست دریافت‌کنندگان کمک مالی پاداش دهد، حتا زمانی که افراد خارج‌شده از برنامه الزاماً شغلی پیدا نکرده بودند.

کارکرد سیاسی-اقتصادی این ماجرا را نمی‌توان نادیده گرفت. دولت در همان حالی که سرمایه اتکا به اشتغال باثبات را ناممکن‌تر می‌ساخت، پیوند میان بقا و مشارکت در بازار کار را تنگ‌تر می‌کرد. رفاهِ مبتنی بر کار (ورک‌فر) وابستگی به دستمزد را ایجاد نکرد، بلکه آن را تشدید نمود؛ چرا که دسترسی به بخش‌هایی از حقوق اجتماعی را مستلزم اثبات اشتغال، جستجوی کار، فعالیت‌های تأییدشده یا معافیت ساخت. این تناقض از هر دو طرف عمق یافت: سرمایه شغل را تضعیف کرد و سیاست‌های عمومی به طور فزاینده‌ای وابستگی به بازار کار را به عنوان مدرک استحقاق دریافت کمک طلب نمودند.

اشتغال همچنان بار عظیمی از بازتولید اجتماعی را بر دوش دارد. در سال ۲۰۲۴، ۵۳.۸ درصد از جمعیت آمریکا از طریق کارفرما بیمه درمانی دریافت کردند. بنابراین از دست دادن شغل می‌تواند به معنای چیزی بیش از از دست دادن چک حقوقی باشد؛ این امر می‌تواند مراقبت‌های بهداشتی، پس‌انداز بازنشستگی، ثبات مسکن، اعتبار مالی و توانایی خانواده برای حمایت از کودکان یا سایر وابستگان را تهدید کند. سرمایه می‌تواند یک خط تولید را در یک فصل بازسازماندهی کند، اما یک خانواده نمی‌تواند نیاز خود به انسولین، اجاره‌خانه یا خواربار را به این دلیل که شرکت راه ارزان‌تری برای انجام یک کار پیدا کرده است، بازسازماندهی کند.

این همان بستر تاریخی ناآرامی و نگرانی گیتس است. توافق قرن بیستم بهره‌وری را تنها به این دلیل به جذب سراسری پیوند داد که کارگران از قدرت جمعی کافی و دولت از دلایل کافی برای تحمیل این میانجی‌گری به دستمزدها، مزایا و خدمات اجتماعی برخوردار بودند. بازسازماندهی نئولیبرالی دهه‌ها صرف گسستن این پیوندها کرد، در حالی که وابستگی به دستمزد را تا حد زیادی دست‌نخورده باقی گذاشت. زمانی که هوش مصنوعی مولد از راه رسید، میلیون‌ها کارگر پیش از آن با اتحادیه‌های ضعیف‌تر، امنیت شغلی کمتر و سیستم رفاهی وارد این گذار تکنولوژیک بعدی شدند که اغلب با کارِ مزدی نه صرفاً به عنوان یک راه برای مشارکت در جامعه، بلکه به عنوان اثباتی بر این‌که فرد حق استفاده از منابع جامعه را کسب کرده رفتار می‌کند.

مسئله واقعی تاریخی این است که آیا گسترش ظرفیت تولیدی همچنان مستلزم جذب گسترده کارگران با شرایطی است که به آن‌ها اجازه بازتولید زندگی‌شان را بدهد؟ این رابطه هرگز توسط فناوری تضمین نشده بود و سرمایه مدت‌ها پیش از ورود جدیدترین ماشین به صحن کارخانه و اداره، در حال از هم دریدن آن بود. آنچه اکنون اهمیت دارد این است که سرمایه واقعاً چه چیزی را جایگزین آن می‌سازد: کوه‌هایی از سرمایه ثابت، اقیانوس‌هایی از توان محاسباتی، زیرساخت‌های جدید انرژی — و در برخی از پیشرفته‌ترین بخش‌ها، نیروهای دائم بسیار اندک.

سرمایه بیشتر، دست‌های کمتر: شکل‌گیری مادی ماشین جدید

هوش مصنوعی معمولاً به عنوان چیزی بی‌وزن فروخته می‌شود: کدی معلق در ابر، هوشی که با یک دستور فراخوانده می‌شود، نرم‌افزاری که به نظر می‌رسد از ناکجاآباد تجسم می‌یابد. اما واقعیت مادی در جهت عکس حرکت می‌کند. هوش مصنوعی پیشتاز از تراشه‌ها، رک‌های سرور، دیتاسنترها، خطوط انتقال، سیستم‌های سرمایشی، نیروگاه‌ها، بتن، زمین و مقادیر سرسام‌آوری از سرمایه ساخته می‌شود. آلفابت ۸۰.۶ میلیارد دلار هزینه سرمایه‌ای را در نیمه اول سال ۲۰۲۶ گزارش کرد. آمازون ۹۶.۳ میلیارد دلار مخارج سرمایه‌ای نقدی را در همان دوره گزارش داد. انویدیا که در یکی از سودآورترین گلوگاه‌های دستگاه تولیدی جدید نشسته است، ۷۵.۲ میلیارد دلار درآمد سه ماهه دیتاسنتر را در سه ماهه اول سال مالی ۲۰۲۷ گزارش کرد.

این همان چیزی است که اصطلاحاً «ابر» نامیده می‌شود، زمانی که زبان بازاریابی کنار زده شود: سرمایه ثابت تلنبار شده بر سرمایه ثابت. و این ماشین گرسنه است. آزمایشگاه ملی لارنس برکلی برآورد کرد که دیتاسنترهای آمریکا حدود ۴.۴ درصد از برق ملی را در سال ۲۰۲۳ مصرف کرده‌اند، با سناریوهایی که تا سال ۲۰۲۸ به ۶.۷ تا ۱۲ درصد می‌رسد. این ارقام اخیر پیش‌بینی هستند، نه قطعیت. اما مسیر فیزیکی از هم‌اکنون روشن است. انباشت هوش مصنوعی در حال نفوذ بیشتر به شبکه‌های برق، نیروگاه‌ها، زنجیره تأمین نیمه‌هادی‌ها و زمین‌های زیر مزارع سرور است.

این تمرکز اهمیت دارد، زیرا هوش مصنوعی پیشتاز به طور فزاینده‌ای متکی بر زیرساخت‌هایی است که تنها بزرگ‌ترین شرکت‌ها و دولت‌ها می‌توانند آن‌ها را در مقیاس وسیع تأمین مالی کنند. مالکیت تراشه‌ها، ظرفیت ابری، دیتاسنترها و دسترسی به انرژی به بخشی از قدرت برای به کارگیری خود فناوری تبدیل می‌شود. افسانه سیلیکون‌ولی ابزار بی‌طرفی را تصور می‌کند که آزادانه در جامعه شناور است. اما سیستم واقعی پشت حصارها، قراردادهای خدماتی، مدل‌های اختصاصی، ترازنامه‌های میلیارد دلاری و حقوق مالکیت شرکتی وارد می‌شود.

دولت در حال کمک به ساخت این بنای لعنتی است. در ژوئیه ۲۰۲۶، وزارت انرژی آمریکا همکاری بازتوسعه پادوکاه را اعلام کرد که انتظار می‌رود بیش از ۱۰۰ میلیارد دلار سرمایه‌گذاری خصوصی در زمینه دیتاسنتر و انرژی جذب کند. این پروژه حدود ۸,۰۰۰ شغل ساختمانی اما تنها حدود ۶۰۰ شغل دائمی را پیش‌بینی می‌کند. این شغل‌ها هنوز در مقیاس وعده‌داده‌شده محقق نشده‌اند، بنابراین ارقام به صورت پیش‌بینی باقی می‌مانند. اما ساختار پیشنهادی افشاگرانه است: انفجاری عظیم از ساخت‌وساز سرمایه ثابت که پس از عملیاتی شدن زیرساخت‌ها، با نیروی کار دائمی بسیار کمتری دنبال می‌شود.

ایالت واشنگتن نمونه گذشته‌نگر سخت‌تری ارائه می‌دهد. حسابرسان قانون‌گذاری یافتند که معافیت مالیاتی دیتاسنترهای شهری به طور تخمینی ۴۲.۴ میلیون دلار صرفه‌جویی مالیاتی ایجاد کرده است، در حالی که شرکت‌های المشارک ۵۳ شغل دائمی با دستمزد مناسب خانواده و نزدیک به ۳۰۰ شغل موقت ساختمانی را گزارش کرده‌اند. حسابرسان نتوانستند تعیین کنند چه میزان از این سرمایه‌گذاری بدون معافیت مالیاتی رخ می‌داد، و هیچ دیتاسنتر کاملاً جدیدی تحت این طرح آزمایشی ساخته نشد. ادعای آشنای توسعه — یعنی امروز به سرمایه یارانه بدهید تا فردا شغل ببارد — زمانی که ده‌ها میلیون دلار از هزینه‌های مالیاتی عمومی به چند دوجین موقعیت دائمی ختم می‌شود، بسیار کم‌اثرتر به نظر می‌رسد.

همین تمایل در حال ظهور در استراتژی نیروی کار شرکتی است. آندی جاسی، مدیرعامل آمازون، گفته است که با گسترش هوش مصنوعی مولد و ایجنت‌ها در سراسر شرکت، آمازون انتظار دارد در برخی مشاغل موجود به «افراد کمتری» نیاز داشته باشد و نیروی کار کل شرکتی کمتری را در چند سال آینده پیش‌بینی می‌کند. این یک پیش‌بینی مدیریتی است، نه یک نتیجه اشتغال تحقق‌یافته. اهمیت آن در جای دیگری نهفته است: یکی از بزرگ‌ترین شرکت‌های جهان از هم‌اکنون بر اساس این احتمال برنامه‌ریزی می‌کند که ظرفیت تولیدی بیشتر به کارگران شرکتی کمتری نیاز خواهد داشت.

سرفورس نشان می‌دهد که چگونه کاهش نیروی کار می‌تواند بدون اعلام اخراج‌های دسته‌جمعی پر سر و صدا رخ دهد. این شرکت می‌گوید سیستم خدمات مشتریان هوش مصنوعی آن میلیون‌ها مکالمه پشتیبانی را مدیریت کرده است، در حالی که صدها کارگر پشتیبانی را دوباره سازمان‌دهی کرده و تعداد نیروها را با عدم جایگزینی برخی موقعیت‌های خالی کنترل نموده است. کارگری بازنشسته می‌شود، استعفا می‌دهد یا منتقل می‌شود؛ موقعیت خالی ناپدید می‌گردد؛ بازده تولید به حرکت خود ادامه می‌دهد. الزامات نیروی کار می‌تواند از طریق فرسایش رخ دهد، مدت‌ها پیش از آن‌که خود را به عنوان اخراج دسته‌جمعی نشان دهد.

مایکروسافت حالت مبهم‌تر و حد مهمی را نشان می‌دهد. این شرکت هزینه‌های زیرساختی عظیم مرتبط با هوش مصنوعی را گزارش کرد، در حالی که تعداد کل نیروها کاهش یافت، اما مایکروسافت ثابت نکرده است که هوش مصنوعی باعث این کاهش اشتغال شده است. نتایج سه ماهه سوم سال مالی ۲۰۲۶ آن ۳۱.۹ میلیارد دلار مخارج سرمایه‌ای سه ماهه را نشان داد که حدود دو سوم آن به GPUها و CPUها اختصاص داشت، همراه با کاهش تعداد نیروها نسبت به سال قبل. همبستگی به معنای اعتراف نیست. آنچه ارقام ثابت می‌کنند این است که یکی از شرکت‌های سازنده اقتصاد هوش مصنوعی می‌تواند درآمدها را گسترش دهد و ده‌ها میلیارد دلار به درون ماشین‌آلات بریزد، در حالی که در مجموع افراد کمتری را به کار می‌گیرد.

اقتصاد فعلی هنوز تا یک رژیم عمومی بدون شغل فاصله زیادی دارد. نظرسنجی دفتر آمار نشان داد که اکثر شرکت‌های به‌کارگیرنده هوش مصنوعی از آن عمدتاً برای تقویت کارگران موجود استفاده کرده‌اند؛ تنها ۲ درصد کاهش اشتغال مرتبط با هوش مصنوعی را گزارش کردند. دستگاه جدید هنوز به مهندسان، برق‌کاران، کارگران ساختمانی، تکنسین‌ها، کارگران ساخت تراشه، خدمه نگهداری و کارگران بخش انرژی نیاز دارد. نیروی کار زنده پشت رک سرور ناپدید نشده است.

آنچه در حال تغییر است، رابطه میان ماشین‌آلاتی است که سرمایه انباشته می‌کند و نیروی کاری که باید به خرید آن ادامه دهد. در برخی بخش‌های پیشرفته، سرمایه ثابت بیشتر می‌تواند با نیروهای دائم کمتر، کاهش استخدام جایگزین و فرآیندهای کاری بازسازمان‌دهی‌شده همزیستی داشته باشد. این تغییر می‌تواند مدت‌ها پیش از آن‌که آمار بیکاری یک گسست اجتماعی را ثبت کند، عمق یابد. و از آنجا که میلیون‌ها کارگر همچنان درون تولید باقی می‌مانند، این تحول را نمی‌توان به عنوان اخراج ساده درک کرد. برخی کارگران جابه‌جا می‌شوند، برخی فشرده‌تر کار می‌کنند، برخی تکمیل می‌شوند، برخی از ورود محروم می‌گردند، و برخی تازه استخدام می‌شوند تا زیرساخت‌هایی را بسازند که کار دیگران را ارزان‌تر یا غیرضروری می‌کند. ماشین نه تنها میزان نیروی کاری را که سرمایه می‌خرد، بلکه نوع طبقه کارگری را که نیاز دارد تغییر می‌دهد.

کارگر ناپدید نمی‌شود — طبقه کارگر بازسازمان می‌یابد

ماشین‌آلات کاری بیش از کم کردن کارگران از لیست حقوق انجام می‌دهند. آن‌ها طبقه کارگر را حول خطوط جدیدی از کارآمدی، آسیب‌پذیری و کنترل بازآرایی می‌کنند. برخی کارگران مولدتر می‌شوند زیرا هوش مصنوعی مهارت‌های آن‌ها را تکمیل می‌کند. برخی دیگر فرصت‌های کمتری به دست می‌آورند، با سهمیه‌های سریع‌تر یا وظایف محدودتری مواجه می‌شوند. برخی همچنان ضروری باقی می‌مانند اما به طور فزاینده‌ای از طریق نرم‌افزاری مدیریت می‌شوند که نمی‌توانند آن را ببینند یا به چالش بکشند. سرمایه می‌تواند به جای کارکنان، موقعیت‌های خالی را حذف کند، رده‌های پایین یک شغل را اتوماتیک سازد، بازده بیشتری از تیم‌های کوچک‌تر بیرون بکشد یا کارگران را به ناظران سیستم‌هایی تبدیل کند که مالکش نیستند. طبقه کارگر محو نمی‌شود، بلکه بازسازمان می‌یابد.

سازمان بین‌المللی کار (ILO) درمی‌یابد که اکثر مشاغل در معرض هوش مصنوعی مولد همچنان حاوی کار غیرقابل‌اتوماسیون کافی هستند، به طوری که تحول بسیار محتمل‌تر از جایگزینی کامل است. این امر اهمیت دارد زیرا «تقویت» می‌تواند برآمده از پیامدهای طبقاتی کاملاً متفاوتی باشد. یک ماشین می‌تواند کارهای طاقت‌فرسا را کاهش دهد، یا مدیریت می‌تواند از همان افزایش بهره‌وری برای بالا بردن سهمیه‌ها، کاهش نیرو و ضبط بازده اضافی استفاده کند. فناوری به ما می‌گوید چه وظایفی می‌توانند تغییر کنند. مالکیت و قدرت چانه‌زنی تعیین می‌کنند چه کسی از آن سود می‌برد.

فیلیپین این تناقض را ملموس می‌سازد. تحقیقات پژوهشکده مطالعات کار وابسته به وزارت کار و اشتغال فیلیپین، جابه‌جایی حداقل نیروی کار را در میان شرکت‌های مورد بررسی که از هوش مصنوعی در فناوری اطلاعات، امور مالی و تولید استفاده می‌کردند، همراه با تقاضای روزافزون برای مشاغل جدید مرتبط با هوش مصنوعی نشان داد. با این حال، کارگران همچنین کار بیشتری را صرف بررسی، تصحیح و تأیید بازده ماشین گزارش کردند. بحث‌های بعدی سیاست‌گذاری در فیلیپین نشان داد تنها ۶ درصد شرکت‌ها کاهش نیرو مرتبط با هوش مصنوعی را گزارش کرده‌اند، در حالی که کارمندان بار سنگین‌تر بررسی و تأیید را توصیف نمودند. اتوماسیون می‌تواند یک کار را بردارد و کار دیگری روی همان میز ایجاد کند.

این وضع می‌تواند کارگر را محکم درون تولید نگه دارد، در حالی که کسی را که فرآیند کار را فرماندهی می‌کند تغییر می‌دهد. کارمندی که زمانی وظیفه‌ای را انجام می‌داد، اکنون ممکن است سیستمی را که آن را انجام می‌دهد مانیتور کند، اشتباهاتش را تصحیح نماید، داده به آن تزریق کند، سهمیه سریع‌تری را برآورده سازد و زمان شکست بازده، مسئولیت را جذب کند. سرمایه می‌تواند از طریق کارگر اتوماسیون ایجاد کند، پیش از آن‌که خود کارگر را اتوماتیک و حذف کند.

کار پلتفرمی در هند همین رابطه را بدون ادعاهای فوتوریستی نشان می‌دهد. تحقیقات مرکز مطالعات کار در دانشکده حقوق ملی و موسسه IT for Change نشان می‌دهد کارگرانی که از طریق امتیازدهی، تارگت‌های الگوریتمی، جمع‌آوری مداوم داده‌ها و کنترل پلتفرم بر دسترسی به شغل اداره می‌شوند. این کارگران به لحاظ تکنولوژیک منسوخ نشده‌اند، بلکه به لحاظ تکنولوژیک تحت انقیاد درآمده‌اند. پیک همچنان دوچرخه‌سواری می‌کند، راننده همچنان فرمان را می‌چرخاند و کارگر همچنان خدمت را ارائه می‌دهد. آنچه تغییر می‌کند نحوه دسترسی مدیریت به آن‌هاست. رئیس می‌تواند از دید ناپدید شود، در حالی که فرمان درون کد پنهان شده است.

برای کارگران جوان‌تر، این فشار ممکن است پیش از آن‌که کسی اخراج شود پدیدار گردد. تحقیقات حقوق و دستمزد استنفورد ضعف شدید اشتغال را در میان کارگران ۲۲ تا ۲۵ ساله در مشاغلی یافت که هوش مصنوعی مولد می‌تواند جایگزین وظایف سطح پایه شود، که عمدتاً ناشی از کاهش استخدام بود نه اخراج‌های دسته‌جمعی. تحلیل سال ۲۰۲۶ لینکدین نشان داد استخدام سطح پایه به طور کلی با کند شدن بازار کار کاهش یافته است، اگرچه در چند شغل متمرکز بر هوش مصنوعی شدیدتر افت کرده است. آنچه اهمیت دارد مکانیسم است. سرمایه می‌تواند خط لوله شغلی را صرفاً با تصمیم‌گیری درباره این‌که موقعیت تازه‌کار دیگر نیازی به وجود ندارد، باریک کند.

این امر تناقضی را در درون بازتولید نیروی کار ایجاد می‌کند. کارگران ارشد کاملاً آموزش‌دیده از آسمان فرود نمی‌آیند. آن‌ها با انجام کارهای معمولی پایین‌تر، یادگیری سیستم‌ها، اشتباه کردن و به دست آوردن قضاوت به نیروهای ارشد تبدیل می‌شوند. اگر شرکت‌ها ابتدا لایه کارآموزی را اتوماتیک کنند، ممکن است امروز هزینه‌های نیروی کار را کاهش دهند، در حالی که خط لوله‌ای را که کارگران ماهر فردا را تولید می‌کند تضعیف می‌سازند. «پارادوکس تجمع» ILO حد وسیع‌تر را نشان می‌دهد: اتمام سریع‌تر وظایف فردی به طور خودکار به افزایش بهره‌وری معادل در سراسر شرکت‌ها یا کل اقتصاد تبدیل نمی‌شود. فرآیندهای کاری، نظارت، تقاضا، گلوگاه‌های سازمان‌دهی و نیروی کار مکمل میان دموی فناوری و ترازنامه مالی قرار دارند.

و ماشین‌آلات وارد طبقه کارگری می‌شوند که مدت‌ها پیش از تایپ اولین دستور، بخش‌بندی شده بود. تفکیک شغلی، زنان را به طور ناهمگون در کارهای دفتری و اداری قرار می‌دهد که ILO آن‌ها را شدیداً در معرض هوش مصنوعی مولد می‌داند. نابرابری نژادی از مسیر دیگری کار می‌کند. کارگران سیاهپوست به طور یکنواخت بیشترین مواجهه فنی را ندارند، اما آسیب‌پذیری در برابر اختلال توسط بازار کار نابرابری که پیشتر در آن قرار دارند شکل می‌گیرد: بیکاری سیاهپوستان در سال ۲۰۲۵ به طور متوسط ۶.۹ درصد بود در مقایسه با ۳.۷ درصد برای کارگران سفیدپوست، در حالی که تحقیقات موسسه اوربان نشان می‌دهد کارگران سیاهپوست در مشاغل شدیداً در معرض خطر می‌توانند با خطر جابه‌جایی بیشتری مواجه شوند. کارگران مسن‌تر با فشار دیگری از طریق عدم تطابق مهارت‌ها و تبعیض سنی روبرو هستند؛ پژوهشگران سیاست‌گذاری چین هشدار داده‌اند که اتوماسیون می‌تواند موقعیت‌های سنتی را سریع‌تر از آن‌که کارگران مسن‌تر بتوانند به طور واقعی آموزش ببینند کوچک کند، و ارزیابی‌های تأثیر بر اشتغال و حمایتهای گذار قوی‌تر را پیشنهاد می‌دهند. ماشین تقسیماتی را به ارث می‌برد که سرمایه و دولت مدت‌ها پیش از ورود هوش مصنوعی ساخته‌اند، سپس نیروی کار را از طریق آن‌ها بازسازمان می‌دهد.

دسته‌ای که از این فرآیند بیرون می‌آید، ارتش یکدست از افراد به لحاظ تکنولوژیک بی‌مصرف نیست. این یک رابطه گسسته با انباشت است. برخی کارگران باارزش‌تر می‌شوند زیرا ماشین‌آلات مهارت‌های آن‌ها را تکمیل می‌کنند. برخی فشرده‌تر می‌شوند. برخی مهارت‌زدایی می‌شوند. برخی قدرت چانه‌زنی خود را از دست می‌دهند زیرا مدیریت می‌تواند به طور باورپذیری تهدید به جایگزینی کند. برخی به سمت شغل‌های بدتر رانده می‌شوند. برخی هرگز وارد شغل نمی‌شوند. برخی دیگر میان کار مزدی، کار گیگ (پروژه‌ای) و بیکاری حرکت می‌کنند، زیرا تقاضای سرمایه برای نیروی کار آن‌ها کم و زیاد می‌شود. «مازاد» نشان‌دهنده رابطه آن‌ها با نیاز سرمایه به نیروی کار است، نه ارزش آن‌ها به عنوان انسان.

هنگامی که جذب دستمزد باثبات تضعیف می‌شود، تناقض دیگر نمی‌تواند درون محیط کار باقی بماند. کارگرانی که کارشان منقطع، بی‌ثبات یا برای یک فرآیند انباشت غیرضروری می‌شود، همچنان باید خود را خارج از آن بازتولید کنند. تولید، رابطه آن‌ها را با سرمایه بازسازمان داده است؛ نهادهای حاکم بر خدمات درمانی، درآمد و بقا اکنون باید با عواقب آن مواجه شوند.

وقتی دستمزد دیگر زندگی را تضمین نمی‌کند

اجاره‌خانه همچنان سر می‌رسد. کودکان همچنان به غذا نیاز دارند. بدن‌ها همچنان بیمار می‌شوند. برق همچنان باید وصل باشد. سرمایه می‌تواند تصمیم بگیرد که یک موقعیت شغلی اضافی است؛ اما کارگر نمی‌تواند تصمیم بگیرد که انسولین، خواربار یا سرپناه هم اضافی هستند. هنگامی که کار مزدی دیگر نتواند به طور قابل اعتمادی یک خانوار را بازتولید کند، تناقض از محیط کار فراتر رفته و وارد نهادهایی می‌شود که حقوق اجتماعی را توزیع می‌کنند. این نهادها صرفاً منابع را منتقل نمی‌کنند. آن‌ها تصمیم می‌گیرند چه کسی واجد شرایط است، چه چیزی باید اثبات شود، کدام مدارک معتبر هستند و چه زمانی کمک مالی می‌تواند قطع شود.

دستگاه‌های اخذ این تصمیمات به پیش از رونق هوش مصنوعی امروز بازمی‌گردد. ورك‌فر (رفاه مبتنی بر کار) پیشتر بخش‌هایی از خدمات عمومی را به اشتغال، جستجوی کار، فعالیت‌های تأییدشده و معافیت گره زده بود. کامپیوترزه شدن لایه دیگری افزود. مددکاران اجتماعی به طور فزاینده‌ای تصمیمات خود را از طریق پایگاه‌های داده، سیستم‌های امتیازدهی و قواعد نرم‌افزاری اتخاذ کردند که می‌توانست قضاوت انسانی را ساختار دهد یا محدود کند. اختیارات اداری زمانی که پرونده کاغذی دیجیتال شد ناپدید نشد. قواعد حاکم بر دسترسی به منابع عمومی برای استانداردسازی، اتوماتیک‌سازی و اجرا در میان جمعیت‌های بزرگ آسان‌تر گردید.

ایالت آرکانزاس نشان می‌دهد که وقتی یک فرمول میان نیاز انسان و خدمات عمومی قرار می‌گیرد چه اتفاقی می‌افتد. در پرونده Ledgerwood v. Arkansas، دریافت‌کنندگان مدیکید با معلولیت‌های شدید، استفاده ایالت از یک متدولوژی کامپیوترزه را برای محاسبه ساعات care چالش کشیدند. شاکیان ادعا کردند که پس از معرفی سیستم جدید، کاهش‌هایی با میانگین ۴۳ درصد و در یک مورد تا ۵۶ درصد رخ داده است. دادگاه عالی آرکانزاس حکم دستور موقت علیه این کاهش‌ها را تأیید کرد. آن درصدها ادعاهای شاکیان بود نه یافته‌های نهایی قضایی، اما رابطه زیرین پیشتر قابل مشاهده بود: نرم‌افزار می‌توانست به طور مادی میزان مراقبتی را که یک فرد معلول دریافت می‌کرد شکل دهد، در حالی که منطق پشت تصمیم را برای دریافت‌کننده سخت‌تر می‌کرد تا به چالش بکشد.

سیستم بیکاری MiDAS در میشیگان فراتر رفت. ایالت بخش‌های اصلی تشخیص تقلب و صدور رای را اتوماتیک کرد، سپس هزاران نفر را به دروغ متهم به تقلب در بیکاری نمود. این ماشین‌آلات به ضبط دستمزدها، بازپرداخت‌های مالیاتی و سایر اموال کمک کردند. میشیگان در نهایت با پرداخت ۲۰ میلیون دلار غرامت در پرونده حقوق مدنی ناشی از آن موافقت کرد. مدت‌ها پیش از ورود هوش مصنوعی مولد به اداره رفاه، دولت‌ها پیشتر نظارت بر تقلب و کنترل صلاحیت را به نرم‌افزاری تبدیل می‌کردند که قادر به اعمال مجازات اقتصادی در مقیاس وسیع بود.

تحول فعلی چیز بیشتری می‌افزاید: توانایی روزافزون برای سودمند ساختن پایگاه‌های داده مجزا برای یکدیگر. الزامات مشارکت جامعه در مدیکید این فرآیند را فوق‌العاده ملموس می‌سازد. قانون فدرال اکنون یک الزام کاری ماهانه ۸۰ ساعته برای برخی بزرگسالان غیرباردار ۱۹ تا ۶۴ ساله تعیین می‌کند، با فعالیت‌های واجد شرایط و معافیت‌هایی که توسط قانون و مقررات تعریف شده‌اند. CMS آیین‌نامه نهایی موقت خود را در ژوئن ۲۰۲۶ صادر کرد. ایالت‌ها عموماً باید این الزام را تا ۱ ژانویه ۲۰۲۷ اجرا کنند، اگرچه می‌توانند زودتر اقدام نمایند. بنابراین این رژیم تصویب شده و در حال ساخت است، نه هنوز یک سیستم کشوری کامل که در همه‌جا عملیاتی شده باشد.

موسسه CMS در حال حاضر به ایالت‌ها کمک می‌کند زیرساخت‌های احراز هویت را بسازند. برنامه اجرای آن از منبع‌یابی داده جدید، ادغام و احراز هویت اتوماتیک حمایت می‌کند، از جمله دسترسی گسترده به سوابق آموزش فدرال و دامپزشکان. هدف اداری روشن است: فعالیت‌های واجد شرایط را در صورت امکان از داده‌های موجود احراز کنید و زمانی که سیستم‌ها نمی‌توانند آن را تأیید کنند، مدارک طلب نمائید. یک شرط کاری قانونی بدین ترتیب تقاضا برای زیرساختی ایجاد می‌کند که قادر است سوابق پراکنده را به تصمیماتی درباره صلاحیت مراقبت‌های بهداشتی تبدیل کند.

سرمایه خصوصی مستقیماً وارد این بازار اداری می‌شود. فهرست فروشندگان CMS شامل شرکت‌های Deloitte، Maximus، Gainwell، GDIT، Equifax، Experian، TransUnion، ID.me، Google و دیگرانی است که ابزارهایی را به ایالت‌ها برای اجرای مشارکت جامعه پیشنهاد می‌دهند. CMS تأکید می‌کند که این‌ها تعهدات داوطلبانه فروشندگان هستند نه تأییدات فدرال یا اثبات این‌که هر محصولی مستقر شده است. خود پیشنهادها افشاگرانه هستند. Deloitte سیستم‌هایی را پیشنهاد کرده که احراز هویت مدیکید و SNAP را در میان چند منبع داده پیوند می‌دهد؛ Maximus ابزارهای موبایلی را برای مستندسازی فعالیت‌های واجد شرایط ارائه می‌دهد؛ Gainwell موتورهای احراز هویت و APIها را تبلیغ می‌کند؛ GDIT آنالیتیکس و اجرای سیاست‌های مبتنی بر هوش مصنوعی را پیشنهاد می‌دهد. شرکت‌ها در حال موقعیت‌یابی خود هستند تا از کار فنی تصمیم‌گیری درباره این‌که آیا افراد فقیر شروط مرتبط با مراقبت‌های بهداشتی را برآورده کرده‌اند یا خیر، سود ببرند.

«نظارت» تنها بخشی از آنچه را رخ می‌دهد توصیف می‌کند. تماشا کردن اهمیت دارد، اما اطلاعات زمانی قوی‌تر می‌شود که بتواند باعث رخ دادن چیزی گردد. یک مدخل در پایگاه داده می‌تواند درخواستی برای مدارک ایجاد کند، ادعایی را به بررسی بفرستد، تمکین را اثبات کند یا به از دست رفتن پوشش کمک نماید. ظرفیت تعیین‌کننده، اقدام‌پذیری اداری است: تبدیل سوابق درباره هویت، درآمد، آموزش، معلولیت یا کار به تصمیماتی که دسترسی فرد به منابع مادی را تغییر می‌دهد.

این سیستم هنوز گسسته و در معرض خطا است. تحقیقات GAO بیش از ۱۰۰ منبع داده فدرال را شناسایی کرد که می‌توانست به احراز صلاحیت مزایا کمک کند، سپس مشکلات کیفیت داده را در تمام نه منبعی که به دقت بررسی کرد و قواعد ناهمگون را در اکثر آن‌ها یافت. در حال حاضر هیچ مقام دولتی رژیم یکپارچگی واحدی را اعمال نمی‌کند. این اصطکاک حدی بر ادغام اداری وارد می‌سازد، اما همچنین نشان می‌دهد چه کسی هنگام شکست ماشین‌آلات هزینه را می‌پردازد. یک سوابق کهنه یا هویت ناصحیح می‌تواند به کاغذبازی، تأخیر، استیناف، تعلیق یا رد نادرست برای فردی تبدیل شود که در طرف دیگر پایگاه داده ایستاده است.

آنچه در حال شکل‌گیری است یک سیستم اداری توزیع‌شده است که از آژانس‌ها، پیمانکاران، خدمات هویت و پایگاه‌های داده احراز هویت ساخته شده که به طور فزاینده‌ای می‌توانند اطلاعات کافی برای اتخاذ تصمیمات مادی را مبادله کنند. قدرت آن وابسته به دیدن همه‌چیز نیست. یکپارچگی جزئی می‌تواند کافی باشد زمانی که قطعات متصل‌شونده تعیین می‌کنند آیا فردی خدمات درمانی دریافت می‌کند یا باید دوباره تمکین خود را اثبات کند.

این امر معنای ناامنی نیروی کار را تغییر می‌دهد. کارگری که از اشتغال باثبات بیرون رانده شده، از جامعه سرمایه‌داری ناپدید نمی‌شود. فرد ممکن است وارد بیمه بیکاری، مدیکید یا دیگر سیستم‌های مزایا شود که مدیران آن‌ها باید درآمد، وضعیت کار، فعالیت واجد شرایط، معلولیت یا معافیت را تعیین کنند. تقاضای سرمایه برای نیروی کار آن فرد می‌تواند تضعیف شود، در حالی که نیاز دولت برای دسته‌بندی ادعای ناشی از آن بر منابع اجتماعی قوی‌تر می‌گردد.

این بستر مادیِ یک دولتِ داده‌ایِ افزوده شده به لحاظ تجاری است. شرکت‌های فناوری زیرساخت‌های هویت، احراز، آنالیتیکس و پشتیبانی تصمیم‌گیری را می‌فروشند؛ آژانس‌های عمومی از این سیستم‌ها برای اجرای قواعد ایجادشده از طریق قانون و سیاست استفاده می‌کنند؛ دریافت‌کنندگان عواقب مادی را زمانی که سوابق یا قواعد شکست می‌خورند متحمل می‌شوند. در یک طرف تناقض، سرمایه در حال ساخت ماشین‌آلاتی است که می‌تواند الزامات نیروی کار را کاهش دهد. در طرف دیگر، بقا همچنان به دستمزدها و اثبات صلاحیتِ متکی بر داده وابسته‌است. همان دولت سرمایه‌داری به درون هر دو فرآیند کشیده می‌شود: کمک به گسترش ظرفیت تولیدی کاهش‌دهنده نیروی کار، در حالی که ماشین‌آلات اداری را برای اداره روابط اجتماعی که این گسترش ممکن است متزلزل کند می‌سازد.

دولت تناقض را دریافت می‌کند

زمانی که تناقض به دولت می‌رسد، پیشتر از محیط کار و خانوار عبور کرده است. سرمایه در حال تزریق پول به سیستم‌های تولیدی است که می‌توانند الزامات نیروی کار را در بخش‌های خاصی کاهش دهند. کارگران همچنان به دستمزدها و خدمات عمومی برای بازتولید زندگی خود وابسته‌اند. دولت با هر دو طرف به طور هم‌زمان مواجه می‌شود. دولت زمین، برق و مجوزها را برای دیتاسنترها آماده می‌کند؛ تحقیقات را تأمین مالی می‌نماید؛ هوش مصنوعی را برای آژانس‌های فدرال می‌خرد؛ کارگران را برای بازارهای کار مختل‌شده آموزش می‌دهد؛ مزایا را مدیریت می‌کند؛ و همان زیرساخت‌های محاسباتی را در برنامه‌ریزی نظامی ادغام می‌سازد. دولت با یک تخته‌شاسی خارج از این تحول نایستاده است. دولت در حال کمک به ساخت بستری است که تحول روی آن رخ می‌دهد.

صریح‌ترین بیانیه رسمی، «برنامه اقدام هوش مصنوعی آمریکا» از سوی کاخ سفید است. زبان آن بی‌پرده است. واشنگتن با هوش مصنوعی به عنوان یک نبرد برای قدرت اقتصادی و نظامی برخورد می‌کند و اعلام می‌دارد که ایالات متحده باید به «تسلط جهانی» در هوش مصنوعی دست یابد. این برنامه خواهان ساخت سریع‌تر دیتاسنترها، گسترش تأمین انرژی، تولید نیمه‌هادی‌ها، زیرساخت‌های تحقیقاتی و به‌کارگیری تجاری است، در حالی که موانعی را که ممکن است ساخت‌وساز را کند کنند برمی‌دارد. همان دولتی که به کارگران می‌گوید خود را تطبیق دهند، در حال شتاب بخشیدن به ماشین‌آلاتی است که از آن‌ها انتظار می‌رود خود را با آن تطبیق دهند.

این یک توسعه سرمایه‌داری با حمایت دولت است، نه یک بازار آزاد که به طور خودکار خود را در ابر سرهم کند. شرکت‌های هوش مصنوعی به شبکه‌های برق، خطوط انتقال، زنجیره‌های تأمین نیمه‌هادی، زمین، نهادهای تحقیقاتی و مقادیر عظیمی از زیرساخت‌های فیزیکی نیاز دارند. واشنگتن در حال فراهم کردن این شرایط است، در حالی که شرکت‌های خصوصی مالکیت دارایی‌های مولد و سودهای حاصل از آن‌ها را حفظ می‌کنند. سیاست عمومی بخشی از هزینه را جذب می‌کند؛ سرمایه خصوصی مالکیت را نگه می‌دارد.

پاسخ رسمی به نیروی کار، شروط طبقاتی آن ترتیب را افشا می‌کند. استراتژی فدرال بر بازآموزی، کارآموزی، آموزش فنی و اطلاعات بهتر بازار کار تأکید دارد. این برنامه‌ها ممکن است به کارگران فردی کمک کنند تا به مشاغل جدید منتقل شوند. آن‌ها مسیر اصلی تطبیق را دست‌نخورده باقی می‌گذارند. سرمایه تولید را بازسازمان می‌دهد؛ کارگر بازآموزی می‌شود تا با تقاضای جدید نیروی کار متناسب گردد. زمان کاری کوتاه‌تر، کنترل کارگر بر به‌کارگیری، و مالکیت اجتماعی ماشین‌آلات کاهش‌دهنده نیروی کار به سختی وارد افق رسمی می‌شوند. مسئله به عنوان تولید کارگران متناسب با ماشین تعریف می‌شود، نه تصمیم‌گیری جمعی درباره این‌که ماشین باید چه کاری برای کارگران انجام دهد.

دولت همچنین در حال تبدیل شدن به یک مشتری است. بررسی GAO نشان داد که موارد استفاده گزارش‌شده هوش مصنوعی در ۱۱ آژانس فدرال بین سال‌های ۲۰۲۳ تا ۲۰۲۴ تقریباً دو برابر شده است. خریدهای فدرال در کارهای اداری، خدمات دامپزشکان، تشخیص چهره فرودگاه‌ها و کاربردهای نظامی گسترش یافته است. این به معنای اتوماتیک شدن هر آژانسی یا پیوند آن‌ها توسط یک سیستم هوش مصنوعی نیست. این بدان معناست که ظرفیت هوش مصنوعی تجاری از طریق خریدهای مجزا، ماموریت‌ها و اختیارات قانونی وارد دولت می‌شود و به شرکت‌های فناوری خصوصی نقشی گسترده در ماشین‌آلاتی می‌دهد که دولت از طریق آن وظایف معمولی خود را انجام می‌دهد.

بخش نظامی حتا صریح‌تر است. «برنامه اقدام هوش مصنوعی» به وزارت دفاع دستور می‌دهد فرآیندهای کاری را که می‌توانند اتوماتیک شوند شناسایی کند و سیستم‌های موفق را به عملیات روزمره منتقل سازد. این برنامه یک میدان آزمایش مجازی هوش مصنوعی و سیستم‌های خودمختار را پیشنهاد می‌دهد و خواستار مکانیسم‌هایی است که بتواند در طول وضعیت‌های اضطراری ملی یا مناقشات بزرگ، دسترسی اولویت‌دار به ظرفیت ابری و محاسباتی تحت کنترل خصوصی را به دولت بدهد. مزرعه سرور و ماشین جنگی به طور فزاینده‌ای سخت‌افزار، شرکت‌ها، سیستم‌های انرژی و نیروی کار فنی مشترکی دارند.

واشنگتن همچنین با تراشه‌ها و توان محاسباتی پیشرفته به عنوان ابزارهای قدرت فراتر از مرزهای آمریکا برخورد می‌کند. همان استراتژی، ظرفیت نیمه‌هادی‌ها، کنترل‌های صادراتی و دسترسی به پردازش پیشرفته را به رقابت اقتصادی و نظامی پیوند می‌دهد. بنابراین استراتژی فدرال هوش مصنوعی دلیل دیگری به دولت می‌دهد تا توسعه را شتاب بخشد، حتا زمانی که عواقب نیروی کار داخلی بلاتکلیف باقی مانده است. کند شدن می‌تواند به لحاظ اجتماعی مدبرانه به نظر برسد، در حالی که شتاب گرفتن به لحاظ استراتژیک اجباری به نظر می‌رسد. رقابت سرمایه‌داری شرکت‌ها را از پایین می‌راند؛ رقابت امپریالیستی دولت را از بالا می‌راند.

سیستم‌های اداری که پیشتر بررسی شد، در کنار این استراتژی انباشت توسعه می‌یابند، نه در درون یک مرکز فرماندهی یکپارچه. آژانس‌های مزایا در حال ساخت ابزارهای احراز هویت بهتر هستند. دپارتمان‌های فدرال در حال خرید هوش مصنوعی برای ماموریت‌های خود هستند. نهادهای نظامی در حال اتوماتیک کردن فرآیندهای کاری انتخابی هستند. پلیس، آژانس‌های مرزی، دفاتر رفاه و مقامات مالیاتی همچنان توسط قوانین، پایگاه‌های داده و دیوان‌سالاری‌های مختلف اداره می‌شوند. آن‌ها ممکن است از برخی فروشندگان مشابه خرید کنند یا روش‌های محاسباتی مشابهی را اتخاذ نمایند، اما پیمانکاران مشترک و فناوری سازگار همان یکپارچگی عملیاتی اثبات‌شده نیستند.

این تمایز اهمیت دارد زیرا دولت نیازی به دانای کل بودن ندارد تا به لحاظ تکنولوژیک توانمندتر شود. نهادهای مجزا می‌توانند قدرت‌ها را به صورت تدریجی انباشته کنند. یک آژانس نرم‌افزار هویت می‌خرد زیرا به احراز هویت نیاز دارد. دیگری آنالیتیکس می‌خرد زیرا کشف تقلب می‌خواهد. ارتش سیستم‌های خودمختار برای جنگ می‌خرد. شرکت‌های تجاری هر ابزار را برای سود می‌سازند. یکپارچگی، در جایی که توسعه می‌یابد، همچنان به قانون، شناسه های مشترک، استانداردهای داده، قراردادها، APIها و تصمیمات سیاسی بستگی دارد. همان جمعیتی که از طریق نهادهای مختلف حرکت می‌کند انگیزه‌ای برای اتصال سوابق ایجاد می‌نماید؛ اما آن‌ها را به طور معجزه‌آسایی متصل نمی‌کند.

مسئله تکنوفاشیسم روی این بستر مادی آغاز می‌شود. شواهد، یک دولت سرمایه‌داری را اثبات می‌کنند که به طور فعال اتوماسیون تحت مالکیت خصوصی را شتاب می‌بخشد، اداره مبتنی بر دیجیتال را گسترش می‌دهد، و هوش مصنوعی را عمق بیشتری در وظایف نظامی و امنیت ملی ادغام می‌سازد، در حالی که شرکت‌های فناوری انحصاری زیرساخت‌های حیاتی را در سراسر این حوزه‌ها تأمین می‌کنند. قطعات در حال سازگارتر شدن در درون همان دولت هستند، اما آن‌ها به یک سیستم عملیاتی واحد متصل نشده‌اند که جابه‌جایی نیروی کار، اداره رفاه، پلیس، مرزها و قدرت نظامی را برای اداره یک جمعیت مازاد ایجادشده توسط هوش مصنوعی پیوند دهد. بنابراین تکنوفاشیسم در اینجا به عنوان یک تمایل رو به رشد در شکل دولت ظاهر می‌شود: تحت شرایط آمریکا، انباشت کاهش‌دهنده نیروی کار، قدرت تضعیف‌شده کارگر، سیستم‌های اداری ساخته‌شده توسط شرکت‌ها و فناوری نظامی گسترش‌یافته می‌توانند توسط بحران عمیق‌تر اشتغال مزدی و بازتولید اجتماعی به سمت ادغام تنگاتنگ‌تر کشیده شوند و دفاع دولت از مالکیت و نظم اجتماعی را سخت‌تر کنند. این احتمال در نهادها و ظرفیت‌هایی ریشه دارد که از قبل وجود دارند؛ اما رژیم کامل‌شده هنوز وجود ندارد.

فقدان یک نقشه جامع، ساختار را به لحاظ سیاسی بی‌طرف نمی‌سازد. دولت‌ها به طور ناهمگون توسعه می‌یابند زیرا طبقات حاکم با مشکلات مختلفی از طریق نهادها، بودجه‌ها و قدرت‌های قانونی مختلف مواجه می‌شوند. آنچه اکنون اهمیت دارد این است که تحول تولیدی از استراتژی دولت تفکیک‌ناپذیر شده است. با این حال، ماشین‌آلات همچنان برآیند اجتماعی را دیکته نمی‌کنند. دولت‌ها می‌توانند اتوماسیون را به گونه متفاوتی میانجی‌گری کنند، و کارگران متشکل می‌توانند سرمایه را تسلیم کنند تا کنترل نحوه به‌کارگیری آن را واگذار کند. تناقض بدون این‌که در دولت حل شود، به آن رسیده است.

ماشین هیچ سیاست اختصاصی از خود ندارد

اگر هوش مصنوعی به طور مکانیکی تکنوفاشیسم تولید می‌کرد، تاریخ مانند نرم‌افزاری اجرا می‌شد که کد را پیاده می‌کند. مدل‌های بهتر تقاضای نیروی کار را کاهش می‌دادند؛ تقاضای کمتر نیروی کار ناپایداری تولید می‌کرد؛ ناپایداری دولت را سخت‌تر می‌ساخت. اما شواهد این زنجیره را می‌شکنند. فناوری‌های تولیدی مشابهی تحت نهادهای مختلف در حال توسعه هستند، و کارگران متشکل پیشتر کارفرمایان را مجبور کرده‌اند اشکالی از اتوماسیون را که به لحاظ فنی ممکن بود محدود کنند. ماشین بستری از امکانات را ایجاد می‌کند. قدرت اجتماعی تصمیم می‌گیرد چه اتفاقی در درون آن رخ دهد.

چین واضح‌ترین آزمون مقایسه‌ای را ارائه می‌دهد. دولت چین در حال پیشبرد هوش مصنوعی در سراسر صنعت است، در حالی که هوش مجسم و رباتیک انسان‌نما را از آزمایشگاه‌ها به درون تولید منتقل می‌کند. یک برنامه سال ۲۰۲۶ از سوی وزارت صنعت و فناوری اطلاعات و کمیسیون نظارت و اداره دارایی‌های دولتی خواستار آزمایش سیستم‌های هوش مجسم در بخش‌های صنعتی، خدماتی و تخصصی، توسعه بیش از یکصد سناریوی باارزش و ساخت ظرفیت به‌کارگیری در مقیاس ۱۰,۰۰۰ واحد شد. چین در حال حفظ اشتغال از طریق منجمد کردن نیروهای تولیدی نیست.

در همان حال، سیاست ملی به نهادها دستور می‌دهد با اشتغال به عنوان چیزی برخورد کنند که توسعه تکنولوژیک باید آن را به حساب آورد. استراتژی «+AI» شورای دولتی خواستار ایجاد مشاغل جدید، تقویت کار موجود، اولویت‌دهی به هوش مصنوعی در محیط‌های خطرناک یا با نقص نیروی کار، گسترش بازآموزی و انجام ارزیابی‌های خطر اشتغال هم‌زمان با گسترش به‌کارگیری است. این دستورالعمل‌ها حمایت موفقیت‌آمیز از جابه‌جایی را تضمین نمی‌کنند. آن‌ها نقطه مهم‌تری را برای این استدلال اثبات می‌کنند: رباتیزه‌شدن همراه با سیاست اشتغال اختصاصی خود وارد نمی‌شود. دولت‌ها می‌توانند تصمیم بگیرند به فناوری شتاب بخشند، در حالی که الزامات سیاسی را بر نحوه مدیریت عواقب نیروی کار آن اعمال کنند.

کارگران نیز می‌توانند محدودیت‌هایی را از پایین اعمال کنند. در طول اعتصاب نویسندگان در سال ۲۰۲۳، صنف نویسندگان آمریکا استودیوها را مجبور کرد قواعد قراردادی حاکم بر استفاده از هوش مصنوعی را بپذیرند: با متون ادبی نمی‌توان طوری برخورد کرد که گویی یک ماشین نویسنده بوده است، شرکت‌ها نمی‌توانند نویسندگان را مجبور به استفاده از هوش مصنوعی کنند، و کارفرمایان باید زمانی که مطالب ارائه شده به نویسندگان توسط هوش مصنوعی تولید شده افشا نمایند. فناوری به لحاظ فنی قبل و بعد از قرارداد توانایی تولید متن را داشت. آنچه تغییر کرد رابطه قدرتی بود که بر استفاده از آن حاکم بود.

اعضای اتحادیه تیمسترز در DHL همین اصل را وارد اتوماسیون فیزیکی کردند. پس از آن‌که کارگران مجوز اعتصاب را صادر کردند، توافق‌نامه سال ۲۰۲۶ را تصویب نمودند که حاوی حمایت‌هایی در برابر سیستم‌های مسیریابی مبتنی بر هوش مصنوعی بود که می‌توانست سابقه کاری را تضعیف کند، و همچنین محدودیت‌هایی بر خودروهای خودمختار که شغل‌های چانه‌زنی را تهدید می‌کردند. اعضای اتحادیه کارگران ارتباطات آمریکا در Frontier Communications نیز قراردادی به دست آوردند که فرآیندی را برای رسیدگی به اجرای هوش مصنوعی تعیین می‌کرد، در حالی که محدودیت‌ها بر برونسپاری را سخت‌تر می‌ساخت. توافق‌نامه Frontier اهمیت دارد زیرا کارفرمایان ممکن است مالک نرم‌افزار، سرورها و شبکه‌ها باشند، اما مالکیت به معنای فرماندهی بدون چالش نیست زمانی که کارگران از قدرت جمعی کافی برای متوقف کردن تولید برخوردار باشند.

این همان متغیری است که در هر پیش‌بینی که مستقیماً از ظرفیت فنی به برآیند اجتماعی می‌پرد غایب است. سرمایه می‌تواند محاسبه کند که یک مدل زبانی، خودروی خودمختار یا فرآیند کاری اتوماتیک‌شده هزینه‌های نیروی کار را کاهش می‌دهد. یک اتحادیه همچنان می‌تواند اعتصاب کند. یک دولت می‌تواند تنظیم‌گری کند. کارگران می‌توانند ضمانت‌های نیرو، افشاسازی، بازآموزی با شروط خود یا محدودیت بر جایگزینی را طلب کنند. نهادهای عمومی می‌توانند اتوماسیون را به سمت کارهای خطرناک یا با نقص نیروی کار هدایت کنند، به جای این‌که صرفاً به شرکت‌ها اجازه دهند از آن در هر جایی که فاکتور دستمزد برای کاهش آسان‌تر به نظر می‌رسد استفاده نمایند. سیلیکون هیچ‌یک از این‌ها را تعیین نمی‌کند.

بنابراین خودِ افزایش بهره‌وری، موضوع مبارزه است. سرمایه می‌خواهد آن را به هزینه‌های نیروی کار کمتر، کنترل سخت‌تر و سود بالاتر تبدیل کند. کارگران می‌توانند بر سر این‌که آیا بخشی از آن به عنوان دستمزد، امنیت شغلی، خدمات عمومی یا ساعات کاری درخواستی کمتر بازمی‌گردد بجنگند. وجود ماشین‌آلات کاهش‌دهنده نیروی کار امکان کاهش کار ضروری را ایجاد می‌کند؛ اما تصمیم نمی‌گیرد چه کسی از آن سود می‌برد.

این تمایز همچنین بحث تکنوفاشیسم را در جایی که به آن تعلق دارد تثبیت می‌کند. تمایل ایجادشده در آمریکا از مالکیت متمرکز خصوصی، قدرت تضعیف‌شده کارگر، بازتولید اجتماعی وابسته به دستمزد، ظرفیت اداری گسترش‌یافته و فشار امپریالیستی برای شتاب بخشیدن به توسعه تکنولوژیک ناشی می‌شود. رباتیک به تنهایی هیچ‌یک از این روابط را تولید نمی‌کند. آن‌ها شرایط تاریخی هستند که از طریق مالکیت، سیاست دولت و مبارزه طبقاتی ایجاد شده‌اند.

هنگامی که این احتمال قابل مشاهده شود، پیشنهاد «محفوظ برای انسان» گیتس معنای خود را تغییر می‌دهد. این دیگر پاسخ بدیهی به یک آینده تکنولوژیک خودآیین نیست. این یک حل طبقاتی در میان دیگر حل‌هاست: حفظ مشاغل انتخابی تا مردم بتوانند به ادعای خود بر ثروتی که جامعه ممکن است به طور فزاینده‌ای توانایی تولید آن با کار کمتری داشته باشد ادامه دهند. فناوری مبارزه‌ای را بر سر بهره‌وری باز کرده است. مالکیت تصمیم می‌گیرد چه کسی با قدرت فرماندهی وارد این مبارزه شود، و سازمان‌دهی تصمیم می‌گیرد آیا کارگران می‌توانند چیزی را در مقابل فرماندهی کنند یا خیر.

زمان ذخیره‌شده توسط ماشین به چه کسی می‌رسد؟

اکنون می‌توانیم به گیتس بازگردیم، در حالی که تناقض به حالت درست خود بازگشته است. پیشنهاد او برای ایجاد یک حوزه اشتغال «محفوظ برای انسان» انسانی به نظر می‌رسد، زیرا از یک خطر واقعی آغاز می‌شود: کارگران می‌توانند معیشت خود را زمانی که ماشین‌آلات وظایف را ارزان‌تر از نیروی کار انسانی انجام می‌دهند از دست بدهند. اما پس از ردیابی رابطه تولیدی زیرین این خطر، این ایده معنای عجیب‌تری به خود می‌گیرد. گیتس پیشنهاد می‌کند که جامعه برخی مشاغل را حتا زمانی که نیروی کار انسانی دیگر به لحاظ فنی ضروری نیست حفظ کند، زیرا مردم همچنان به اشتغال نیاز دارند تا ادعاهایی بر ثروت تولیدشده توسط جامعه به دست آورند. ماشین ممکن است کار را غیرضروری کند؛ اما سرمایه‌داری شغل را به هر حال ضروری می‌سازد.

این یک وارونگی فوق‌العاده از پیشرفت تکنولوژیک است. بشریت دهه‌ها صرف انباشت دانش، مهندسی، مهارت و دانش جمعی می‌کند تا زمانی که ماشین‌آلات بتوانند کار بیشتری را با ساعات انسانی کمتری انجام دهند. آنچه باید به عنوان پیروزی بر ضرورت ظاهر شود، به عنوان تهدیدی برای بقا بازمی‌گردد. نیروی مولد ایجادشده توسط جامعه با کارگر به عنوان دارایی فرد دیگری مواجه می‌شود. کارگر ساعاتی را که ماشین ذخیره می‌کند دریافت نمی‌کند. شرکت افزایش بهره‌وری را دریافت می‌کند، و کارگر تقاضای دیگری را برای «تطبیق‌پذیرتر» شدن دریافت می‌نمایند. دانش اجتماعی به سرمایه ثابت تبدیل می‌شود، و سرمایه ثابت در صحن کارخانه در برابر مردمی می‌ایستد که دانش جمعی‌شان آن را ممکن ساخته است.

مالیات‌های پیشنهادی گیتس بر ربات‌ها و هوش مصنوعی روی دیگری از همین تناقض را به رسمیت می‌شناسد. اگر اتوماسیون لیست حقوق را کاهش دهد در حالی که تعداد افرادی را که به حمایت نیاز دارند افزایش می‌دهد، دولت باید بخشی از مازاد را به سمت بازتولید اجتماعی هدایت کند. این امر می‌تواند به طور مادی به کارگران جابه‌جاشده کمک کند. اما مدار دست‌نخورده باقی می‌ماند. سرمایه خصوصی مالک دستگاه تولیدی اتوماتیک‌شده است و سود اولیه را ضبط می‌کند. سپس دولت بخشی از آن سود را مالیات می‌بندد تا افرادی را که توسط همان فرآیند به کنار رانده شده‌اند بازآموزی، حمایت یا به گونه دیگری تثبیت کند. اتوماسیون خصوصی، غرامت عمومی.

همین منطق در فراخوان گیتس برای معماری جدیدی از هماهنگی دولتی جاری است. او این چالش را با بازسازماندهی دولت آمریکا پس از ۱۱ سپتامبر مقایسه می‌کند و استدلال می‌نماید که هوش مصنوعی به چیزی بسیار گسترده‌تر در دامنه نیاز دارد که اشتغال، مالیات، آموزش، انرژی، امنیت ملی، اجرای قانون، امور مالی و سلامت را لمس کند. آن پیشنهاد یک برنامه تکنوفاشیستی را اثبات نمی‌کند. اما نشان می‌دهد که سرمایه نخبه به طور فزاینده‌ای فناوری کاهش‌دهنده نیروی کار را به عنوان مشکلی درک می‌کند که می‌تواند در سراسر دولت سرریز کند به جای این‌که درون شرکت باقی بماند.

تکنوفاشیسم در آن نقطه به لحاظ تاریخی قابل درک می‌شود، اما تنها اگر مرز شواهد شفاف باقی بماند. ایالات متحده در حال حاضر اتوماسیون تحت مالکیت خصوصی را شتاب می‌بخشد، سیستم‌های دیجیتالی را که دسترسی به منابع عمومی را دسته‌بندی و مدیریت می‌کنند گسترش می‌دهد، و هوش مصنوعی را عمق بیشتری در وظایف نظامی و امنیت ملی ادغام می‌سازد. این ظرفیت‌ها وجود دارند. ادغام عملیاتی آن‌ها در یک سیستم طراحی‌شده برای اداره جمعیت‌های مازاد یا جابه‌جاشده به لحاظ تکنولوژیک اثبات نشده است.

خطر در جهتی نهفته است که یک بحران آینده می‌تواند آن‌ها را سوق دهد. اگر جذب دستمزد باثبات همچنان تضعیف شود در حالی که مالکیت انحصاری دست‌نخورده باقی بماند، دولت سرمایه‌داری ممکن است با فشار روزافزونی برای مدیریت بیشتر مشکل بازتولید خارج از اشتغال باثبات مواجه گردد. تحت آن شرایط، پیوندهای سخت‌تر میان اداره نیروی کار، سیستم‌های مزایا، زیرساخت‌های داده تجاری و نهادهای قهری موجود می‌تواند به یک پاسخ طبقه حاکم به ناپایداری تبدیل شود. این یک تمایل مشروط در شکل دولت است، نه یک سرنوشت تکنولوژیک و نه اثباتی بر یک رژیم از قبل کامل‌شده.

سرمایه فرماندهی بدون چالشی را صرفاً به این دلیل که مالک ماشین‌آلات است در اختیار ندارد. کارگران می‌توانند محدودیت‌هایی را اعمال نمایند. دولت‌ها می‌توانند اتوماسیون را به گونه متفاوتی میانجی‌گری کنند. افزایش بهره‌وری می‌تواند مورد مبارزه قرار گیرد. این فرض در اینجا کافی است. نتیجه‌گیری بر مالکیت می‌چرخد.

اگر جامعه بتواند همان کالاها و خدمات را با ساعات کمتری از کار ضروری تولید کند، بنابراین مسئله بنیادی دیگر نحوه ساخت شغل‌های کافی برای حفظ کارکرد وابستگی به دستمزد نیست. مسئله این است که چه کسی مالک ماشین‌آلات است، چه کسی افزایش بهره‌وری را فرماندهی می‌کند و چه کسی زمان آزادشده را به دست می‌آورد. تحت مالکیت خصوصی، اتوماسیون می‌تواند به عنوان مازاد بر نیاز بودن برای کارگر و سود برای شرکت ظاهر شود. تحت روابط اجتماعی متفاوت، همان افزایش بهره‌وری می‌تواند به معنای ساعات درخواستی کمتر، خدمات عمومی قوی‌تر و کنترل بیشتر بر زندگی خود باشد.

این همان امکانی است که سرمایه‌داری پیوسته آن را وارونه می‌سازد. به جای این‌که بپرسد چه میزان از کار ضروری بشریت می‌تواند حذف شود، می‌پرسد چه تعداد شغل باید حفظ گردد تا مردم بتوانند واجد شرایط برای زنده ماندن باقی بمانند. به جای برخورد با زمان آزاد به عنوان یک دستاورد اجتماعی، با زمان آزاد به عنوان بیکاری برخورد می‌کند مگر این‌که فرد مالک دارایی کافی برای نجات از آن باشد. «محفوظ برای انسان» نام تناقض را کامل‌تر از آن‌چه گیتس مد نظر دارد بیان می‌کند. مسئله این نیست که آیا چند شغل باید از ماشین‌ها مانند گونه‌های در حال انقراض محصور شوند یا خیر. مسئله این است که چرا انسان‌ها باید زنجیرشده به کار غیرضروری باقی بمانند زیرا ماشین‌آلاتی که می‌توانند آن‌ها را آزاد کنند همچنان دارایی خصوصی باقی مانده‌اند.

سرمایه ممکن است به طور فزاینده‌ای توانایی رها شدن از کارگران خاصی را داشته باشد. انسان‌ها نمی‌توانند از وسایل زندگی رها شوند. میان این دو واقعیت، مبارزه بر سر آینده اتوماسیون نهفته است. یک راه حل ممکن، مالکیت انحصاری را حفظ می‌کند در حالی که از یک دولت با ظرفیت روزافزون برای مدیریت ناامنی حاصل از آن مالکیت استفاده می‌نماید. راه حل دیگر به خود رابطه مالکیت حمله می‌کند: مالکیت اجتماعی، کنترل کارگر، به‌کارگیری برنامه‌ریزی‌شده، امنیت مادی همگانی و روز کاری کوتاه‌تر. همان نیروی مولد می‌تواند سلطه را عمق بخشد یا آزادی را گسترش دهد، بسته به این‌که چه کسی آن را فرماندهی می‌کند.

ماشین می‌تواند زمان را ذخیره کند. مبارزه طبقاتی تصمیم می‌گیرد چه کسی آن را به دست آورد.