ارزیابی مشترک بانک‌های مرکزی جهان از هوش مصنوعی؛ نگرانی‌های کلیدی چیست؟
انقلاب فناوری در حال تغییر شیوه رصد اقتصاد از سوی بانک‌های مرکزی است.
فناوری هوش مصنوعی از سرمایه‌گذاری اولیه گرفته تا کاربردهای صنعتی و گسترش در اکوسیستم مالی، با سرعت زیادی در حال تکامل است و پیوسته تغییرات تازه‌ای ایجاد می‌کند. بااین‌حال، تجربه و برداشت افراد، شرکت‌ها، بازارها و حتی اقتصادهای مختلف از این تحولات هم‌زمان و هم‌سرعت نیست.
۱۹ اکتبر ۲۰۲۶، پان گونگ‌شنگ، رئیس بانک خلق چین، در نشست سالانه مجمع خیابان مالی پکن گفت که ممکن است آثار هوش مصنوعی بر عرضه و تقاضا با تأخیر زمانی بروز کنند. در کوتاه‌مدت، هوش مصنوعی بهره‌وری در سطح بنگاه‌ها را افزایش می‌دهد، سرمایه‌گذاری را تحریک می‌کند و فشارهای تورمی را بالا می‌برد؛ اما در میان‌مدت و بلندمدت می‌تواند بهره‌وری کل را بهبود دهد و تورم را کاهش دهد. او همچنین خاطرنشان کرد که رونق هوش مصنوعی به یکی از نیروهای اصلی رشد بازارهای سهام جهان تبدیل شده است و بازارهای مالی بین‌المللی با همبستگی بالا و نوسان‌های شدید روبه‌رو هستند. پان گونگ‌شنگ برای گام بعدی سه اولویت را مطرح کرد: رصد و بررسی دقیق آثار کلان اقتصادی توسعه هوش مصنوعی، تقویت حمایت مالی از صنعت هوش مصنوعی و پیشبرد محتاطانه کاربرد این فناوری در بخش مالی.
از ابتدای سال جاری میلادی، فدرال رزرو آمریکا، بانک مرکزی اروپا، بانک مرکزی ژاپن، بانک مرکزی کانادا، بانک مرکزی استرالیا و بانک انگلستان نیز از زوایای مختلف، از جمله سرمایه‌گذاری، قیمت‌ها، اشتغال، نرخ بهره و ثبات مالی، آثار هوش مصنوعی بر اقتصاد را ارزیابی کرده‌اند.
۰۱
معمای واکنش سیاست‌گذاران
بانک‌های مرکزی جهان بر جنبه‌های متفاوتی تمرکز دارند. بانک مرکزی ژاپن و بانک مرکزی استرالیا تأثیر تقاضای ناشی از هوش مصنوعی بر قیمت محصولات فناوری را زیر نظر گرفته‌اند. بانک مرکزی اروپا به فاصله میان گسترش سرمایه‌گذاری، به‌کارگیری فناوری و افزایش بهره‌وری توجه دارد. بانک مرکزی کانادا بده‌بستان‌های سیاستی ناشی از تغییر ساختار اشتغال را بررسی می‌کند. فدرال رزرو به رشد بالقوه اقتصاد و بازار کار می‌پردازد و بانک انگلستان نیز تأمین مالی هوش مصنوعی را در ارزیابی ثبات مالی خود گنجانده است. همه این بررسی‌ها به مسائلی می‌پردازند که هنوز درباره آن‌ها اتفاق‌نظر شکل نگرفته است؛ بنابراین، به معنای تغییر سیاست‌های کشورهای مربوطه نیستند.
یکی از پدیده‌های قابل‌توجه، شکل‌گیری نوعی «ناهم‌زمانی چندسرعته» در اقتصاد بر اثر هوش مصنوعی است؛ ناهم‌زمانی‌ای که تفاوت در زمان‌بندی، سرعت و انتظارات را در بر می‌گیرد. با پیشرفت پیوسته قابلیت‌های فنی هوش مصنوعی، هزینه‌های سرمایه‌ای ابتدا به تقاضای واقعی تبدیل شده‌اند و بازارهای مالی نیز بازده مورد انتظار آینده را پیشاپیش در قیمت دارایی‌ها لحاظ کرده‌اند. در مقابل، افزایش بهره‌وری، تعدیل اشتغال و سازگاری نهادها هر یک با زمان‌بندی متفاوتی پیش می‌روند.
این وضعیت تنها به تأخیر آشنای انتشار فناوری در اقتصاد محدود نمی‌شود؛ بلکه فشار شناختی و تصمیم‌گیری ناشی از تکامل شتابان فناوری‌های جدید را نیز در بر می‌گیرد. رشد سرمایه‌گذاری لزوماً به معنای افزایش هم‌زمان ظرفیت بالقوه عرضه نیست و قیمت‌گذاری بازار نیز نمی‌تواند جایگزین بازده نقدی واقعی شود.
مسئله اصلی بانک‌های مرکزی دقیقاً همین‌جاست: آن‌ها باید نه‌تنها تشخیص دهند که در اقتصاد کنونی چه می‌گذرد، بلکه مشخص کنند کدام تغییرات ناشی از تقاضای کوتاه‌مدت است، کدام‌یک ممکن است به بهبود پایدار عرضه منجر شود و انتظارات مربوط به آینده‌ای که هنوز محقق نشده است، چگونه از هم‌اکنون بر شرایط مالی اثر می‌گذارند.
برای درک این مسئله می‌توان از نقطه آغاز سرمایه‌گذاری در هوش مصنوعی شروع کرد. شرکت‌ها برای تأمین تراشه‌ها، سرورها، مراکز داده، شبکه‌های برق و سامانه‌های خنک‌کننده، تجهیزات خریداری می‌کنند، پروژه‌های ساختمانی را پیش می‌برند و برای تأمین انرژی و منابع مالی برنامه‌ریزی می‌کنند. این مخارج به‌سرعت سفارش‌های جدید و تقاضای جاری ایجاد می‌کنند؛ اما اینکه تجهیزات تکمیل‌شده تا چه اندازه به کار گرفته شوند و چه میزان درآمد تازه‌ای تولید کنند، به‌تدریج مشخص خواهد شد.
بانک تسویه‌های بین‌المللی (BIS) در ۲۸ ژوئیه ۲۰۲۶ گزارشی با عنوان هوش مصنوعی و اقتصاد جهانی: پیامدها برای بانک‌های مرکزی منتشر کرد. این گزارش توضیح می‌دهد که هوش مصنوعی موجب گسترش سرمایه‌گذاری در مقیاس بزرگ شده و تأمین مالی این سرمایه‌گذاری‌ها بیش از پیش به بدهی متکی است. این فناوری همچنین از مسیر تجارت، بازارهای مالی و اثرات ثروت بر اقتصاد جهانی تأثیر می‌گذارد. با وجود ظرفیت قابل‌توجه هوش مصنوعی برای افزایش بهره‌وری، همچنان عدم‌قطعیت‌هایی وجود دارد و منافع احتمالی آن نیز به‌طور یکسان میان کشورها و صنایع توزیع نمی‌شود.
بانک مرکزی ژاپن در گزارش ماه ژوئیه خود با عنوان چشم‌انداز فعالیت‌های اقتصادی و قیمت‌ها، تقاضای مرتبط با هوش مصنوعی را در پیش‌بینی رسمی خود گنجانده است. این تقاضا هم از رشد اقتصادی ژاپن حمایت می‌کند و هم قیمت کالاهایی مانند نیمه‌رساناها را افزایش می‌دهد. بانک مرکزی ژاپن با در نظر گرفتن مجموعه عوامل، از جمله قیمت انرژی، کاهش ارزش ین و تقاضای مرتبط با هوش مصنوعی، انتظار دارد رشد سالانه شاخص قیمت مصرف‌کننده در نیمه دوم سال مالی ۲۰۲۶ به‌طور محسوسی از ۲ درصد فراتر رود.
این موضوع به معنای آن نیست که هوش مصنوعی به عامل اصلی تورم در ژاپن تبدیل شده است؛ بلکه نشان می‌دهد فناوری‌ای که انتظار می‌رود در بلندمدت هزینه‌ها را کاهش دهد، در مراحل اولیه توسعه خود بر قیمت‌های واقعی نیز اثر می‌گذارد.
بانک مرکزی استرالیا نیز در بیانیه سیاست پولی خود در ۲۹ سپتامبر اعلام کرد که تقاضای مرتبط با هوش مصنوعی، افزایش سریع قیمت محصولات فناوری در بازار جهانی را به دنبال داشته است.
سرمایه‌گذاری در اروپا نیز به سطحی قابل‌توجه رسیده است. فیلیپ لین، عضو هیئت اجرایی بانک مرکزی اروپا، ۱۳ اکتبر فاش کرد که شرکت‌های منطقه یورو قصد دارند حدود ۱۰ درصد از سرمایه‌گذاری خود در سال ۲۰۲۶ را به هوش مصنوعی اختصاص دهند و وام‌های مرتبط با این فناوری حدود یک‌چهارم رشد اخیر اعتبارات شرکتی را تشکیل می‌دهند.
لین پیش‌تر نیز گفته بود که اگر خانوارها و شرکت‌ها بهبود بهره‌وری در آینده را از پیش در تصمیم‌های مصرفی و سرمایه‌گذاری خود لحاظ کنند، هوش مصنوعی می‌تواند در مراحل اولیه گذار از مسیر افزایش تقاضا فشارهای تورمی ایجاد کند.
چرا فناوری‌ای که ممکن است در آینده هزینه‌های تولید را کاهش دهد، در مراحل نخست توسعه خود هزینه برخی فعالیت‌های اقتصادی را افزایش می‌دهد؟
کارلوتا پرز، اقتصاددان حوزه فناوری، در کتاب سال ۲۰۰۲ خود با عنوان انقلاب‌های فناورانه و سرمایه مالی، تحولات بزرگ فناوری را به دو دوره «استقرار» و «گسترش» تقسیم می‌کند. در مرحله نخست، سرمایه به ساخت زیرساخت‌ها و توسعه صنایع کمک می‌کند؛ اما منافع بهره‌وری تنها زمانی می‌توانند به‌طور گسترده آشکار شوند که سازمان‌دهی شرکت‌ها، مدل‌های کسب‌وکار و نهادها نیز با فناوری جدید سازگار شوند.
از راه‌آهن و برق گرفته تا فناوری اطلاعات، همواره فاصله زمانی کم‌وبیش قابل‌توجهی میان شکل‌گیری سرمایه و فراگیرشدن فناوری وجود داشته است. نظریه پرز چارچوبی تاریخی برای بررسی وضعیت کنونی هوش مصنوعی فراهم می‌کند، اما نمی‌توان از آن نتیجه گرفت که چرخه مالی گذشته لزوماً تکرار خواهد شد.
بانک‌های مرکزی باید تشخیص دهند که رشد کنونی عمدتاً از فعالیت‌های ساخت‌وساز و ایجاد زیرساخت ناشی می‌شود یا اینکه شرایط لازم برای افزایش مستمر ظرفیت عرضه اقتصاد نیز فراهم شده است. پاسخ به این پرسش بر ارزیابی آن‌ها از ماهیت تورم و میزان ماندگاری آن اثر می‌گذارد.
۰۲
افزایش بهره‌وری چه زمانی محقق می‌شود؟
تغییرات در سفارش‌ها، سرمایه‌گذاری و قیمت‌ها را می‌توان نسبتاً سریع مشاهده کرد، اما بهبود بهره‌وری معمولاً به زمان بسیار بیشتری نیاز دارد.
نتایج نظرسنجی بانک مرکزی اروپا که لین در ۱۳ اکتبر منتشر کرد، نشان می‌دهد ۶۴ درصد از شرکت‌های بررسی‌شده در منطقه یورو در حال آزمایش هوش مصنوعی هستند یا از آن در سطحی محدود تا متوسط استفاده می‌کنند؛ بااین‌حال، تنها ۷ درصد سطح استفاده خود از این فناوری را «قابل‌توجه» ارزیابی کرده‌اند. همچنین، ۵۲ درصد از کارکنان شرکت‌کننده در نظرسنجی گفته‌اند که در محیط کار از هوش مصنوعی استفاده می‌کنند؛ این رقم در سال ۲۰۲۴ معادل ۲۶ درصد بود.
کاربران گزارش داده‌اند که استفاده از این فناوری در زمان صرفه‌جویی می‌کند، اما مزایای آن عمدتاً به وظایف مشخصی مانند برنامه‌نویسی محدود بوده است. بانک مرکزی اروپا هنوز اثر قابل‌توجه و مستقلی از هوش مصنوعی بر بهره‌وری کل اقتصاد مشاهده نکرده است.
چرا با وجود آنکه این ابزار وارد برنامه کاری شمار فزاینده‌ای از افراد شده است، هنوز اثر چشمگیری از آن در آمارهای کلان اقتصادی دیده نمی‌شود؟
جاشوا براول، مریم حقیقی و جینگ یانگ، پژوهشگران بانک مرکزی کانادا، در مقاله‌ای که مارس امسال منتشر کردند، این پدیده را «پارادوکس بهره‌وری هوش مصنوعی» نامیده‌اند. برخی مطالعات تجربی در سطح وظایف مشخص نشان می‌دهند که هوش مصنوعی می‌تواند بهره‌وری را در این وظایف بین ۱۵ تا ۶۰ درصد افزایش دهد؛ بااین‌حال، این منافع هنوز به‌طور کامل در آمارهای کلان بهره‌وری منعکس نشده‌اند.
این ارقام به وظایف و نمونه‌های پژوهشی متفاوتی مربوط می‌شوند و نمی‌توان از آن‌ها مستقیماً برای برآورد افزایش بهره‌وری کل اقتصاد استفاده کرد.
پژوهش‌های کلاسیک لایه دیگری از توضیح این پدیده را ارائه می‌کنند. اقتصاددانان اریک برینیولفسون، دنیل راک و چاد سیورسن در سال ۲۰۲۱ پژوهشی درباره «منحنی J بهره‌وری» منتشر کردند. بر اساس این پژوهش، پس از به‌کارگیری فناوری‌های همه‌منظوره، شرکت‌ها معمولاً باید فرایندهای کاری خود را تغییر دهند، کارکنان را آموزش دهند، ساختار سازمانی را بازطراحی کنند و در دارایی‌های نامشهودی سرمایه‌گذاری کنند که اندازه‌گیری کامل آن‌ها دشوار است.
این سرمایه‌گذاری‌های اولیه لزوماً به رشد فوری و قابل‌مشاهده تولید منجر نمی‌شوند. با بلوغ تدریجی فناوری‌های جدید و ساختارهای سازمانی پشتیبان آن‌ها، منافع بهره‌وری ممکن است آشکارتر شوند.
بنابراین، افزایش استفاده از فناوری و رشد ناچیز بهره‌وری در آمارهای کلان می‌توانند هم‌زمان رخ دهند. بااین‌حال، تأخیر آماری تضمین نمی‌کند که در آینده حتماً جهشی بزرگ در بهره‌وری اتفاق خواهد افتاد.
پیشرفت فناوری همچنین تقاضا برای نیروی کار را تغییر می‌دهد.
مدلی با عنوان «اقتصاد دوسرعته» که همین گروه پژوهشی بانک مرکزی کانادا در ژوئیه امسال ارائه کرد، آثار هوش مصنوعی را به دو دسته تقسیم می‌کند: کمک به کارکنان برای افزایش بهره‌وری و خودکارسازی وظایف با هدف جایگزینی نیروی انسانی. این پژوهش نشان می‌دهد که آثار فناوری ممکن است در صنایع مختلف تفاوت چشمگیری داشته باشد. اگر بانک مرکزی برای تثبیت اشتغال در صنایع آسیب‌دیده، تقاضای کل اقتصاد را افزایش دهد، ممکن است هم‌زمان فشارهای تورمی را در صنایع دیگر تشدید کند.
این نتیجه، یک بده‌بستان سیاستی را در چارچوب مدل نظری نشان می‌دهد و به معنای آن نیست که بانک مرکزی کانادا معتقد است بیکاری ناشی از هوش مصنوعی هم‌اکنون به واقعیتی محقق‌شده تبدیل شده است.
کوین وارش، رئیس پیشین فدرال رزرو، نیز در سخنرانی خود در سمپوزیوم اقتصادی جکسون هول در ماه اوت، مجموعه‌ای از پرسش‌های بی‌پاسخ را مطرح کرد: هوش مصنوعی چه زمانی به بهبود پایدار بهره‌وری در کل اقتصاد منجر خواهد شد؟ آیا توان محاسباتی و نیروی کار مکمل یکدیگرند یا با هم رقابت می‌کنند؟ در نهایت، چه کسانی از بازده سرمایه‌گذاری در این فناوری بهره‌مند خواهند شد؟
این پرسش‌ها هم به رشد بالقوه اقتصاد مربوط‌اند و هم بر نحوه ارزیابی اشتغال، دستمزدها و تورم از سوی بانک‌های مرکزی اثر می‌گذارند.
در نهایت، ارزش اقتصادی بلندمدت هوش مصنوعی به کاربردهای عملی آن بستگی دارد. تنها زمانی که پیشرفت قابلیت‌های مدل‌ها به بهینه‌سازی فرایندهای شرکت‌ها، افزایش کارایی تولید و عرضه محصولات و خدمات جدید منجر شود، می‌توان آثار آن را به‌طور گسترده‌تر در آمارهای حساب‌های ملی مشاهده کرد.
۰۳
تأثیر هوش مصنوعی بر نرخ بهره؛ پاسخ‌های متفاوت
درحالی‌که تغییرات بهره‌وری و اشتغال هنوز در حال شکل‌گیری‌اند، بازارهای مالی هر روز انتظارات خود از آینده را در قیمت‌ها منعکس می‌کنند.
گزارش ثبات مالی بانک انگلستان که در ژوئیه منتشر شد، نشان می‌دهد که در سال ۲۰۲۵، نیاز سرمایه‌گذاری برخی شرکت‌های فعال در حوزه هوش مصنوعی از سطحی فراتر رفت که جریان نقدی عملیاتی آن‌ها می‌توانست تأمین کند. در نیمه نخست سال ۲۰۲۶ نیز تأمین مالی خارجی این شرکت‌ها شتاب بیشتری گرفت و مسیرهای مختلفی، از جمله اوراق قرضه شرکتی، وام‌های بانکی، اعتبارات خصوصی و تأمین مالی ساختاریافته را در بر گرفت.
پیش‌بینی‌های بازار که در این گزارش به آن‌ها استناد شده است، نشان می‌دهند برآورد هزینه‌های سرمایه‌ای شرکت‌های بزرگ فناوری هوش مصنوعی برای سال ۲۰۲۸ از کمتر از ۶۰۰ میلیارد دلار در پایان سال ۲۰۲۵ به بیش از یک تریلیون دلار افزایش یافته است.
ساختار تأمین مالی در حال تغییر دادن محدودیت‌های سرمایه‌ای شرکت‌های مختلف در زنجیره صنعت هوش مصنوعی است.
ساختمان‌های مراکز داده و تأسیسات پشتیبان آن‌ها عمر مفید طولانی دارند، اما تراشه‌ها و سرورهای داخل این مراکز با سرعت بیشتری دستخوش تغییرات فناوری می‌شوند. اینکه بازپرداخت تأمین مالی بلندمدت یک پروژه بتواند به‌طور مستمر از جریان نقدی آن انجام شود، به عواملی مانند نیاز به نوسازی تجهیزات، قراردادهای مشتریان، میزان استفاده از ظرفیت و شرایط آتی تأمین مالی بستگی دارد.
به همین دلیل، بانک انگلستان بررسی می‌کند که با انتقال تأمین مالی پروژه‌های هوش مصنوعی از منابع داخلی شرکت‌ها به بازار گسترده اعتبارات، ریسک‌ها چگونه ممکن است به بخش‌های دیگر سرایت کنند. بااین‌حال، این گزارش به‌صراحت تأکید می‌کند که در حال حاضر شواهد کافی وجود ندارد که نشان دهد تأمین مالی هوش مصنوعی به‌طور چشمگیری دسترسی سایر شرکت‌ها یا دولت‌ها به سرمایه را محدود کرده است.
صندوق بین‌المللی پول نیز در گزارش اکتبر خود با عنوان گزارش ثبات مالی جهانی هشدار داد که اگر سرمایه‌گذاری در هوش مصنوعی و انتظارات مربوط به سودآوری آن محقق نشوند، تعدیل قیمت دارایی‌ها ممکن است از طریق اهرم مالی، تمرکز موقعیت‌های معاملاتی و پیوندهای اعتباری، نوسان‌های بازار را تشدید کند.
این سناریویی از ریسک است که باید زیر نظر گرفته شود؛ نه نشانه‌ای قطعی از معکوس‌شدن چرخه سرمایه‌گذاری در فناوری.
تغییری ظریف‌تر نیز در حال وقوع است: نرخ‌های بهره. لین در ۱۳ اکتبر خاطرنشان کرد که گسترش سرمایه‌گذاری جهانی در هوش مصنوعی و انتظارات مربوط به افزایش بهره‌وری در آینده ممکن است فشار صعودی بر نرخ‌های بهره بلندمدت جهان وارد کنند. هرچند مقیاس سرمایه‌گذاری در هوش مصنوعی در اروپا نسبتاً محدود است، این منطقه نیز از انتقال آثار تغییرات بازار بین‌المللی اوراق قرضه تأثیر می‌پذیرد.
بااین‌حال، نرخ‌های بهره بلندمدت تحت تأثیر عوامل دیگری مانند تورم، تأمین مالی دولت، پس‌انداز، صرف ریسک و انتظارات درباره سیاست پولی نیز قرار دارند. افزایش سرمایه‌گذاری در هوش مصنوعی لزوماً به معنای بالا رفتن نرخ بهره طبیعی نیست.
اگر هوش مصنوعی به‌طور مستمر بهره‌وری را افزایش دهد، ممکن است فرصت‌های سرمایه‌گذاری سودآور بیشتری ایجاد کند، درآمد و پس‌انداز را بالا ببرد و توان بازپرداخت بدهی شرکت‌ها را تقویت کند. اثر خالص این عوامل بر نرخ بهره حقیقی تعادلی بلندمدت همچنان باید با داده‌های واقعی سنجیده شود.
تمایزی که پرز میان سرمایه مالی و سرمایه مولد قائل شده است، در این زمینه نیز روشنگر است: بازار سرمایه می‌تواند چشم‌انداز فناوری را پیشاپیش قیمت‌گذاری کند، اما شرکت‌ها باید در یک چرخه طولانی تولید، مراحل ساخت، فروش و وصول مطالبات را پشت سر بگذارند.
فناوری ممکن است به پیشرفت خود ادامه دهد، اما قیمت دارایی‌ها لزوماً هم‌زمان با آن افزایش نمی‌یابند. تغییر هزینه‌های تأمین مالی نیز به نوبه خود تعیین می‌کند کدام پروژه‌ها امکان ادامه ساخت دارند و کدام نوآوری‌ها می‌توانند از حمایت سرمایه برخوردار شوند.
این وضعیت، رابطه هوش مصنوعی و سیاست پولی را پیچیده‌تر می‌کند. بانک‌های مرکزی باید علاوه بر رصد فشارهای قیمتی ناشی از تقاضای سرمایه‌گذاری، تأثیر گسترش فناوری بر رشد بالقوه اقتصاد را نیز ارزیابی کنند و به ریسک‌های تازه‌ای توجه داشته باشند که از گسترش اعتبار، ساختار تأمین مالی و استفاده خود مؤسسات مالی از هوش مصنوعی ناشی می‌شوند.
جهت‌گیری سیاستی مطرح‌شده از سوی پان گونگ‌شنگ نیز از اهمیت عملی برخوردار است. او توضیح داد که بانک خلق چین در مراحل اولیه، با همکاری نهادهای مرتبط، چارچوب‌ها و مسیرهای کاری لازم برای توسعه کاربرد هوش مصنوعی در بخش مالی را بررسی کرده است. این بررسی‌ها حوزه‌هایی مانند ارتقای زیرساخت‌ها، تقویت توانمندی‌های کاربردی، گسترش موارد استفاده و پیشگیری و کنترل ریسک‌های امنیتی را در بر می‌گیرد. همچنین اسناد سیاستی مرتبط با طرح «هوش مصنوعی + امور مالی» تدوین و منتشر شده‌اند. بانک خلق چین به بررسی کاربرد هوش مصنوعی در حوزه‌هایی مانند کمک به تحلیل شرایط سیاست پولی، شناسایی ریسک‌های مالی، پرداخت، اعتبارسنجی و خدمات نظارتی مبارزه با پول‌شویی ادامه خواهد داد. این بانک هم‌زمان مؤسسات مالی را راهنمایی خواهد کرد تا در برابر ریسک‌هایی مانند امنیت داده‌ها و کاربرد مدل‌ها تدابیر لازم را اتخاذ کنند.
بانک‌های مرکزی بزرگ جهان توجه به هوش مصنوعی، مطالعه آن و ارزیابی آثارش را آغاز کرده‌اند و اکنون با چندین ساعت اقتصادی روبه‌رو هستند که با سرعت‌های متفاوت حرکت می‌کنند: سرمایه‌گذاری انجام شده، کاربردهای فناوری در حال گسترش‌اند، منافع بهره‌وری هنوز به تأیید نرسیده‌اند و نرخ‌های بهره و قیمت دارایی‌ها هر روز شکل می‌گیرند.
سیاست پولی باید در شرایطی درباره رشد جاری، قیمت‌ها و ثبات مالی تصمیم بگیرد که آینده مورد انتظار هنوز به‌طور کامل محقق نشده است.
این مقاله از حساب رسمی وی‌چت «ناظر اقتصادی»، به قلم اویانگ شیائوهونگ، با اجازه انتشار از سوی 36Kr منتشر شده است.