הזוכים בפרס נובל לכלכלה הם יואל מוקיר, פיליפ אגיון ופיטר הוויט. הפרס ניתן להם על מחקרם על צמיחה כלכלית וליתר דיוק על "הרס יצרני". מה הקשר בין הרס לצמיחה - זה הרי מנוגד? ובכן, כדי לצמוח בגדול צריכים מהפכות שיהרסו את הקיים. הרס - יצרני. הרס שבסופו של דבר גורם לייצר, תפוקה. 

המחקר הזה הוסיף להם נקודות לזכייה, כי הוא מאוד רלבנטי לה שקורה היום - מהפכת ה-AI משנה את אופן העבודה, הייצור וקבלת החלטות. השימוש בה בהדרגה הופך מ"רשות" ל"חובה". וזה קורה במקביל להרס הקיים - אותו הרס שהחוקרים מדברים עליו במחקרים שלהם. 

עבודתם של השלושה, שמתפרשת על פני עשרות שנים ומשלבת ניתוח היסטורי עם מודלים תאורטיים, מציעה מסגרת להבנת אופן שבו טכנולוגיות חדשות מניעות צמיחה כלכלית. במיוחד, היא מדגישה את האתגרים שמתעוררים כאשר כוחות השוק והמדיניות הציבורית אינם מסוגלים להתאים את עצמם לקצב השינוי המהיר. הצמיחה הכלכלית, כך הם מראים, אינה תוצאה מקרית של המצאות בודדות, אלא תהליך חברתי-מוסדי שדורש תנאים ספציפיים. כאשר מסתכלים על המהפכה שבינה מלאכותית עוברת כרגע, המסגרת הזו מספקת כלים להבין מה קורה, מי ינצח, ומה עלול להשתבש.

ההרס היצירתי: המודל שמסביר את מהפכת הבינה המלאכותית

פיליפ אגיון, כלכלן צרפתי-בריטי שמלמד בקולג' אמריקן בלונדון ובאוניברסיטת קיימברידג', ופיטר הוויט, כלכלן קנדי מפרדריקטון, חולקים את הפרס על פיתוח מודלים מתמטיים שמתארים את הדינמיקה של חדשנות בשווקים תחרותיים. השניים, ששיתפו פעולה מאז שנות ה-80, פיתחו את רעיון "ההרס היצירתי" של ג'וזף שומפטר למודל תאורטי מובנה שמסביר בדיוק מה קורה כעת בעולם הבינה המלאכותית.

• יואל, הילד מחיפה זכה בנובל - מה גילה הפרופ' להיסטוריה כלכלית ומדוע הוא הופתע מאוד מהזכייה?
• המלצת המערכת: כל הכותרות 24/7

במאמרם המכונן מ-1992, שפורסם בכתב העת Econometrica, הם בנו מסגרת מתמטית שמתארת כיצד חדשנות מובילה לצמיחה דרך תהליך של החלפת שחקנים בשוק. לפי המודל, חברות ותיקות משקיעות בשיפור תהליכי ייצור, אך פריצות דרך טכנולוגיות, כמו מעבר ממכונות אנלוגיות לדיגיטליות, או כיום מעבר מחיפוש מסורתי לבינה מלאכותית גנרטיבית, מחלישות אותן ומאפשרות כניסת מתחרים חדשים. זה בדיוק מה שקורה עכשיו: חברות ותיקות כמו גוגל ומיקרוסופט משקיעות מיליארדים כדי להגן על מעמדן, בעוד סטארטאפים כמו Anthropic ו-xAI מנסים להדיח אותן.

המודל כולל משוואות שמתארות את קצב ההשקעה במחקר ופיתוח כפונקציה של רווחי שוק פוטנציאליים. אם חברה מצליחה להשיג יתרון טכנולוגי, היא זוכה במונופול זמני, אך זה מעודד מתחרים להשקיע יותר כדי להדיח אותה. התוצאה היא צמיחה מצטברת, אך גם אי-ודאות: לא כל השקעה מצליחה, וחלק מהפירמות נכשלות. דוגמה היסטורית היא תעשיית הרכב בארצות הברית בתחילת המאה ה-20: חברות כמו פורד שלטו בשוק עם ייצור המוני, אך חדשנות כמו מנועי דיזל והילוכים אוטומטיים אפשרו כניסת מתחרים יפניים בשנות ה-70, מה שהוביל לצמיחה כללית בתחום.

בשנים מאוחרות יותר, אגיון והוויט הרחיבו את המודל כדי לכלול השפעות מדיניות. במחקר משותף מ-2005, הם הראו כי חוקי פטנטים חזקים מעודדים השקעה במחקר ופיתוח, אך אם הם ארוכים מדי, הם מעכבים חדשנות על ידי הגנת יתר על חברות קיימות. כמו כן, הם הדגישו את תפקיד מערכת הפשיטת רגל: במדינות עם הליכים מהירים וזולים, יזמים מוכנים יותר לקחת סיכונים, שכן כישלון אינו סוף הדרך. זה בדיוק המצב בארצות הברית כיום: בכל שנה נפתחים כ-700 אלף עסקים חדשים, ונסגרים כ-600 אלף, דינמיקה שתורמת ל-2% צמיחה שנתית ומאפשרת לרעיונות חדשים להתנסות בשוק.

• טראמפ חתם: עובדי הממשל האמריקאים חוזרים לעבודה אחרי 43 ימי השבתה
• סיסקו מדווחת על רבעון חזק, המניה עולה בעקבות ביקושים לתשתיות AI
• תוכן שיווקי שוק הסקנדרי בישראל: הציבור יכול כעת להשקיע ב-SpaceX של אילון מאסק
• לא מי שחשבתם: 10 המדינות עם התוצר לנפש הגבוה בעולם

ביחס לבינה מלאכותית, המודל מסביר מדוע ענקיות כמו גוגל ואמזון משקיעות מיליארדים במודלים גנרטיביים: כדי לשמור על יתרון, אך גם כדי להתמודד עם איומים מסטארטאפים צעירים. אגיון ציין בראיון לרויטרס לאחר הזכייה: "ההרס היצירתי הוא לא רק תיאוריה, הוא המנגנון שמאפשר לכלכלה להישאר חיה ולהמשיך לצמוח." חברי הוועדה סיכמו זאת בצורה עוד יותר חדה: "השחקנים המרכזיים של מחר עדיין לא נולדו וזה בדיוק מה שנותן לכוחות השוק את העוצמה שלהם."

הראיות מהשטח: מאות מיליארדים של השקעה שנתית ב-AI

המספרים מהשנים האחרונות מאשרים את התיאוריה בצורה מרשימה. ב-2024, ההשקעות הגלובליות בבינה מלאכותית הגיעו ל-255 מיליארד דולר, כאשר 33.9 מיליארד מהם הופנו לבינה מלאכותית גנרטיבית – הטכנולוגיה שמאיימת לשנות הכל. השנה הסכום הכולל יגיע למעל 500 מיליארד דולר. ארצות הברית מובילה בפער ברור על פני המדינות האחרות.

השוואה למהפכה התעשייתית, שעליה עבד יואל מוקיר, חושפת דמיון בולט: כמו אז, בינה מלאכותית דורשת תשתיות - מרכזי נתונים, שבבים ומקורות אנרגיה, לצד כוח אדם מיומן. האם התשתיות האלו יגיעו בזמן? הוועדה הדגישה כי עבודת הזוכים רלוונטית במיוחד למהפכת הבינה המלאכותית, שמזכירה את המעברים הטכנולוגיים הקודמים: ממחשבים מרכזיים ל-PC בשנות ה-80, מה-PC לאינטרנט בשנות ה-90, ומשם לסמארטפונים בשנות ה-2000. כל אחת מהן יצרה שיבושים, אובדן מקומות עבודה בתחומים מסורתיים לצד יצירת ענפים חדשים, אך בסופו של דבר תרמה לצמיחה כלכלית משמעותית. בינה מלאכותית היא המעבר הבא, והשאלה היא לא אם היא תשנה את הכלכלה, אלא איך ובאיזה קצב.

יואל מוקיר והממד התרבותי: למה טכנולוגיה לבדה לא מספיקה

יואל מוקיר, פרופסור בן 78 להיסטוריה כלכלית באוניברסיטת נורת'ווסטרן (קריאה חשובה: יואל, הילד מחיפה זכה בנובל - מה גילה הפרופ' להיסטוריה כלכלית ומדוע הוא הופתע מאוד מהזכייה?)  חקר  את המנגנונים החברתיים והתרבותיים שמאפשרים פריצות דרך טכנולוגיות. מוקיר בילה עשרות שנים בחקר המעבר מהכלכלה הפרה-תעשייתית למודרנית, והמסקנות שלו חשובות להבנת מה צריך לקרות כדי שמהפכת הבינה המלאכותית תצליח.

בספרו "כלכלה מוארת: בריטניה והמהפכה התעשייתית, 1700-1850", שיצא לאור ב-2009, מוקיר טוען כי המהפכה התעשייתית לא הייתה רק תוצאה של המצאות טכניות כמו מכונת הקיטור של ג'יימס וואט או מכבש הטקסטיל של ריצ'רד ארקרייט. במקום זאת, היא נבעה משילוב בין ידע תיאורטי, כמו חוקי התרמודינמיקה שפותחו על ידי מדענים, לבין יישום פרקטי על ידי מהנדסים ויזמים. מוקיר מדגיש את תפקיד התרבות: באירופה של המאה ה-18, במיוחד בבריטניה, התפתחה "תרבות צמיחה" שראתה בשינויים טכנולוגיים הזדמנות ולא איום.

זו כללה פתיחות לרעיונות חדשים, הגנה על זכויות קניין רוחני ורשתות תקשורת שחיברו בין מדענים, סוחרים ופוליטיקאים. בניגוד לכך, באזורים אחרים כמו סין או האימפריה העות'מאנית, מבנים חברתיים שמרניים דיכאו חדשנות, מה שהוביל לקיפאון כלכלי ממושך. בספרו "תרבות צמיחה: מקורות הכלכלה המודרנית" מ-2016, מוקיר מרחיב את הניתוח ומצביע על כך שהמהפכה התעשייתית סימנה את סופו של עידן שבו הצמיחה הכלכלית הייתה איטית ומבוזרת. לפני 1750, התוצר המקומי הגולמי לנפש באירופה גדל בקצב של פחות מ-0.1% בשנה; אחרי כן, הוא זינק ל-1% עד 2% בשנה. המפתח היה לא רק הטכנולוגיה עצמה, אלא המערכת החברתית שתגמלה סיכון והתאימה חוקים לטובת חדשנות.

בהקשר של בינה מלאכותית, מוקיר מציין כי אנחנו נמצאים בנקודת מפנה דומה. בראיון לניו יורק טיימס לאחר הזכייה, הוא אמר: "הבינה המלאכותית דורשת לא רק אלגוריתמים, אלא תרבות שמעודדת ניסויים ומקבלת כישלונות כחלק מהתהליך." זה כולל השקעה בחינוך שמכשיר כוח אדם למיומנויות חדשות, כמו תכנות וניתוח נתונים, לצד מדיניות שמגנה על פרטיות ומונעת יצירה של מונופולים שיחנקו את החדשנות. מוקיר מזהיר כי ללא תרבות תומכת, הטכנולוגיה עלולה להיתקע ולא להגיע לפוטנציאל המלא שלה.

המדיניות הנדרשת: ארבעה מרכיבים קריטיים להצלחה

אגיון והוויט מציינים ארבעה מרכיבים מרכזיים שצריכים להתקיים כדי שחדשנות תשגשג, ובהקשר של בינה מלאכותית הם קריטיים עוד יותר.

ראשית, חוקי פטנטים מאוזנים: הם צריכים להגן על המצאות לזמן סביר, בדרך כלל 20 שנה, כדי לעודד השקעה במחקר ופיתוח. אבל אם הם ארוכים מדי או רחבים מדי, הם מעכבים חדשנות על ידי הגנה יתר על חברות קיימות. בבינה מלאכותית, השאלה היא איך לאזן בין הגנה על מודלים ואלגוריתמים לבין מתן אפשרות למתחרים לפתח גרסאות משופרות.

שנית, תמיכה ציבורית במחקר אקדמי: ארצות הברית משקיעה כ-9 מיליארד דולר בשנה דרך הקרן הלאומית למדע (NSF), מה שמממן מחקר בסיסי שמוביל לפריצות דרך. בלי המימון הציבורי הזה, חלק ניכר מהמחקר לא היה מתקיים כי החזר ההשקעה לא ברור לטווח הקצר.

שלישית, מערכת פשיטת רגל יעילה: במדינות עם הליכים מהירים וזולים, כמו ארצות הברית, יזמים מוכנים יותר לקחת סיכונים, כי כישלון לא אומר סוף הדרך. הם יכולים לסגור חברה, ללמוד מהטעויות, ולנסות שוב. זה בדיוק מה שמאפשר את הדינמיקה של 700 אלף עסקים חדשים ו-600 אלף סגירות בשנה.

רביעית, סביבה תחרותית: זה אומר מניעת ריכוזיות יתר ועידוד כניסת שחקנים חדשים. בארצות הברית, המערכת הזו פועלת יחסית טוב: שיעור פתיחת עסקים חדשים גבוה, והתחרות בענן ובשבבים מניעה השקעות ומורידה מחירים. עם זאת, אתגרים חדשים צצים: ב-2025, ממשל טראמפ השני הציע קיצוץ בתקציבי מחקר, מה שעלול לפגוע בפיתוח בינה מלאכותית בטווח הארוך.

באירופה, הרגולציה כמו חוק הבינה המלאכותית של האיחוד האירופי, שאושר ב-2024, שואפת לאזן בין חדשנות לביטחון ופרטיות, אך עלולה להאט השקעות בהשוואה לארצות הברית. סין, מצידה, משקיעה 20 מיליארד דולר בשנה במחקר AI ממשלתי, אך השליטה הממשלתית מפחיתה גמישות ומקשה על חדשנות עצמאית. ההזדמנות טמונה בשילוב נכון: מדיניות שמעודדת השקעה פרטית לצד תמיכה ציבורית בחינוך ובמחקר. לדוגמה, תוכניות כמו "AI for All" בארצות הברית, שמכשירות מיליוני עובדים למיומנויות חדשות, יכולות למזער אובדן מקומות עבודה ולהפוך את המעבר לחלק יותר.

אולם האיום קיים וממשי: אם התשתית תיסדק,  בגלל מחסור בחשמל למרכזי נתונים, רגולציה מחמירה מדי, או קיצוצים בתקציבי מחקר - המהפכה עלולה להיעצר באמצע הדרך ולא להגשים את הפוטנציאל שלה.