فاصله طبقاتی در دنیای معاصر؛ آیا هوش مصنوعی به افزایش ثروت ثروتمندان کمک می‌کند؟

شکاف ثروت در سطح جهانی همچنان به شدت محسوس است و آمارهای تازه بیانگر این حقیقت هستند که بخش اعظم دارایی‌های جهانی تنها در دست یک اقلیت محدود قرار دارد.

بر اساس اطلاعات مندرج در گزارش World Inequality Report 2026، نزدیک به ۱۰ درصد از ثروتمندترین افراد جامعه تقریباً ۷۵ درصد از مجموع ثروت جهان را به خود اختصاص داده‌اند. در حالی که سهم ۵۰ درصد از جمعیت پایین‌تر تنها ۲ درصد از این ثروت است. همچنین، گروه ۱ درصدی از جمعیت، به تنهایی، حدود ۳۷ درصد از مجموع ثروت جهانی را در اختیار دارد.

این موضوع در ایالات متحده نیز به همین شکل ادامه دارد. طبق همین گزارش، ۱۰ درصد از ثروتمندترین آمریکایی‌ها مالک حدود ۶۹٫۶ درصد از ثروت ملی هستند در حالی که سهم نیمه پایین جمعیت تنها یک درصد است. همچنین، ۱ درصد از ثروتمندترین افراد آمریکایی، تقریباً ۳۵ درصد کل ثروت را به خود اختصاص داده‌اند. این اطلاعات مربوط به سال ۲۰۲۴ ارائه شده‌اند.

در حال حاضر، هوش مصنوعی ممکن است این شکاف را به سطح جدیدی برساند. صندوق بین‌المللی پول در یک مطالعه مربوط به آینده هوش مصنوعی ابراز نگرانی کرده است که این فناوری ممکن است نابرابری‌ها را بین کشورها تشدید کند؛ چرا که کشورهای توسعه یافته نه تنها آمادگی بیشتری برای بهره‌گیری از هوش مصنوعی دارند، بلکه می‌توانند به سرعت‌تر از منافع افزایش بهره‌وری آن بهره‌برداری کنند. طبق مدل‌های صندوق بین‌المللی پول، اثر بخش اقتصادی ناشی از هوش مصنوعی در اقتصادهای پیشرفته می‌تواند بیشتر از دو برابر این اثر در کشورهای کم‌درآمد باشد.

در یک پژوهش دیگر، صندوق بین‌المللی پول به درون‌کشوری بررسی کرده و به این نتیجه رسیده است که هوش مصنوعی ممکن است فاصله بین گروه‌های مختلف کارگران را افزایش دهد؛ کارگرانی که مهارت‌های بالا دارند ممکن است بیشتر از فواید فناوری بهره‌مند شوند، در حالی که برخی مشاغل در خطر جایگزینی یا تحت فشار دستمزد قرار خواهند گرفت. از سوی دیگر، افزایش سهم سرمایه در درآمد می‌تواند به نفع خانواده‌هایی باشد که از قبل دارایی بیشتری دارند.

هوش مصنوعی به طور حتم نمی‌تواند ثروتمندان را ثروتمندتر کند. گزارش‌های صندوق بین‌المللی پول تاکید دارند که سرمایه‌گذاری در زمینه آموزش، زیرساخت‌های دیجیتال و ارتقاء آمادگی کشورها برای استفاده از هوش مصنوعی می‌تواند به کاهش این شکاف کمک کند. اصل مشکل این است که چه افرادی به مدل‌های پیشرفته، زیرساخت‌های پردازشی، سرمایه و مهارت لازم برای بهره‌برداری از آن‌ها دسترسی دارند.