KI-getriebene Spaltung erschwert geldpolitische Stabilisierung
Eine neue Studie der Bank of Canada analysiert die geldpolitischen Folgen von Künstlicher Intelligenz in einer Zwei-Sektor-Wirtschaft. Die Autoren zeigen, dass sowohl Augmentierung als auch Automatisierung einen unlösbaren Zielkonflikt zwischen Arbeitslosigkeit und Inflation erzeugen.
Der sektorale Keil der Künstlichen Intelligenz
Eine neue Studie der Bank of Canada von Joshua Brault, Maryam Haghighi und Jing Yang untersucht die geldpolitischen Folgen von Künstlicher Intelligenz in einer Zwei-Sektor-Wirtschaft.
Die Autoren unterscheiden zwischen Augmentierung, die die Arbeitsproduktivität steigert, und Automatisierung, die Arbeitskräfte direkt verdrängt.
Da Zentralbanken die Nachfrage nicht sektoral steuern können, führt eine akkommodierende Geldpolitik zur Bekämpfung von Arbeitslosigkeit im KI-Sektor unvermeidlich zu erhöhtem Preisdruck im unberührten Bereich.
Dies öffnet einen sogenannten sektoralen Keil zwischen den notwendigen Leitzinsen der unterschiedlichen Sektoren.
Automatisierung erzeugt härteren Kompromiss
Für output-äquivalente Schocks erweist sich Automatisierung als deutlich anspruchsvoller als reine Augmentierung.
Der direkte Verdrängungseffekt und eine Kapital-Substitutions-Externalität treiben die Grenzkosten und Preise stärker nach oben.
Um Vollbeschäftigung zu erreichen, ist unter Automatisierung ein substanziell größerer Zinsschritt erforderlich als bei reiner Produktivitätssteigerung.
Die aggregierte Phillips-Kurve verschiebt sich dadurch nach oben rechts, wodurch die Inflationskosten spürbar steigen.
Struktureller Wandel auf Pump
Die Analyse entlarvt die Illusion einer schmerzfreien geldpolitischen Begleitung des Strukturwandels.
Werden Beschäftigungsverluste durch dauerhafte Stimuli komplett abgefedert, droht die Verschleppung notwendiger Anpassungen.
Notenbanken müssen künftig schärfer zwischen Nachfragemangel und Strukturwandel trennen.