TEDxCambridge
David Autor: Will automation take away all our jobs?
David Autor: Elveszi-e az automatizálás a munkánkat?
Filmed:
Readability: 5
1,660,740 views
Létezik egy paradoxon, amely ritkán kerül szóba: noha egy évszázada hozunk létre gépeket, amelyek helyettünk dolgoznak, az USA-ban az állásban lévő felnőttek aránya folyamatosan nő az utóbbi 125 évben. Miért nem vált az emberi munka fölöslegessé és szakértelmünk elavulttá? A munka jövőjéről szóló előadásában David Autor közgazdász azzal a kérdéssel foglalkozik, hogy miért van még mindig ennyi álláshely, majd meglepő, egyben reményteli választ ad a kérdésre.
David Autor - Economist
David Autor's work assesses the labor market consequences of technological change and globalization. Full bio
David Autor's work assesses the labor market consequences of technological change and globalization. Full bio
Double-click the English transcript below to play the video.
00:13
Here's a startling fact:
0
1240
1831
Meghökkentő tény:
00:15
in the 45 years since the introduction
of the automated teller machine,
of the automated teller machine,
1
3095
3721
az ATM-ek 45 évvel ezelőtti bevezetése óta
00:18
those vending machines that dispense cash,
2
6840
2856
– ezek a pénzkiadó automaták –
00:21
the number of human bank tellers
employed in the United States
employed in the United States
3
9720
3176
az USA-ban dolgozó bankpénztárosok száma
00:24
has roughly doubled,
4
12920
1256
durván megkétszereződött.
00:26
from about a quarter of a million
to a half a million.
to a half a million.
5
14200
3296
Kb. negyedmillióról félmillióra nőtt.
00:29
A quarter of a million in 1970
to about a half a million today,
to about a half a million today,
6
17520
3036
Az 1970-es negyedmillióról
napjaink félmilliójára;
napjaink félmilliójára;
00:32
with 100,000 added since the year 2000.
7
20580
4236
számuk 2000 óta százezerrel nőtt.
00:36
These facts, revealed in a recent book
8
24840
2416
E tények, amelyeket James Bessen,
00:39
by Boston University
economist James Bessen,
economist James Bessen,
9
27280
3136
a Bostoni Egyetem közgazdásza
tárt föl könyvében,
tárt föl könyvében,
00:42
raise an intriguing question:
10
30440
2176
izgalmas kérdést vetnek föl:
00:44
what are all those tellers doing,
11
32640
1896
mi e bankpénztárosok dolga,
00:46
and why hasn't automation
eliminated their employment by now?
eliminated their employment by now?
12
34560
4016
és miért nem szüntette meg
munkájukat az automatizálás?
munkájukat az automatizálás?
00:50
If you think about it,
13
38600
1336
Ha belegondolunk,
00:51
many of the great inventions
of the last 200 years
of the last 200 years
14
39960
3136
az utóbbi 200 év nagy újításai
00:55
were designed to replace human labor.
15
43120
2800
az emberi munka kiváltását célozták.
00:58
Tractors were developed
16
46720
1776
A traktorokat azért fejlesztették ki,
01:00
to substitute mechanical power
for human physical toil.
for human physical toil.
17
48520
4336
hogy az ember testi erejét
gépi erővel helyettesítsék.
gépi erővel helyettesítsék.
01:04
Assembly lines were engineered
18
52880
2336
A futószalagokat arra tervezték,
01:07
to replace inconsistent human handiwork
19
55240
3336
hogy a nem egységes kézművességet
01:10
with machine perfection.
20
58600
1936
a gépek tökéletességével helyettesítsék.
01:12
Computers were programmed to swap out
21
60560
3216
A számítógépeket arra
programozták, hogy fölváltsák
programozták, hogy fölváltsák
01:15
error-prone, inconsistent
human calculation
human calculation
22
63800
2656
a hibára hajlamos,
tökéletlen emberi számolást
tökéletlen emberi számolást
01:18
with digital perfection.
23
66480
1760
a digitális tökéletességgel.
01:20
These inventions have worked.
24
68760
2176
E találmányok beváltak.
01:22
We no longer dig ditches by hand,
25
70960
2056
Többé már nem kézzel ássuk az árkot,
01:25
pound tools out of wrought iron
26
73040
2056
kovácsoljuk vasból a szerszámainkat,
01:27
or do bookkeeping using actual books.
27
75120
2280
és nem könyvekbe körmölve könyvelünk.
01:30
And yet, the fraction of US adults
employed in the labor market
employed in the labor market
28
78240
4736
Ennek ellenére, több az USA-ban
a felnőtt foglalkoztatott most,
a felnőtt foglalkoztatott most,
01:35
is higher now in 2016
29
83000
2856
2016-ban,
01:37
than it was 125 years ago, in 1890,
30
85880
2736
mint 125 évvel ezelőtt, 1890-ben volt,
01:40
and it's risen in just about every decade
31
88640
3016
és a közbenső 125 év minden évtizedében
01:43
in the intervening 125 years.
32
91680
2320
számuk folyamatosan nőtt.
01:46
This poses a paradox.
33
94560
1680
A kép paradox.
01:48
Our machines increasingly
do our work for us.
do our work for us.
34
96760
3056
Gépeink helyettünk dolgoznak.
01:51
Why doesn't this make our labor redundant
and our skills obsolete?
and our skills obsolete?
35
99840
4136
Miért nem válik ettől munkánk
nélkülözhetővé és szaktudásunk fölössé?
nélkülözhetővé és szaktudásunk fölössé?
01:56
Why are there still so many jobs?
36
104000
3696
Miért van még mindig ennyi munkahely?
01:59
(Laughter)
37
107720
1736
(Nevetés)
02:01
I'm going to try to answer
that question tonight,
that question tonight,
38
109480
2336
Ma este igyekszem megválaszolni a kérdést,
02:03
and along the way, I'm going to tell you
what this means for the future of work
what this means for the future of work
39
111840
3736
s egyben elmondom, mit jelent
ez a munka jövőjére nézve,
ez a munka jövőjére nézve,
02:07
and the challenges that automation
does and does not pose
does and does not pose
40
115600
4176
meg azt is, hogy az automatizálás
miben hat és miben nem
miben hat és miben nem
02:11
for our society.
41
119800
1440
a társadalmunkra.
02:14
Why are there so many jobs?
42
122520
1760
Miért van ennyi munkahely?
02:17
There are actually two fundamental
economic principles at stake.
economic principles at stake.
43
125680
3376
Két alapvető gazdasági elv forog kockán.
02:21
One has to do with human genius
44
129080
2696
Az egyik az emberi tehetség
02:23
and creativity.
45
131800
1416
és alkotókészség.
02:25
The other has to do
with human insatiability,
with human insatiability,
46
133240
2856
A másik az emberi telhetetlenséggel,
vagy másként
vagy másként
02:28
or greed, if you like.
47
136120
1576
a kapzsisággal kapcsolatos.
02:29
I'm going to call the first of these
the O-ring principle,
the O-ring principle,
48
137720
2736
Az elsőt O-gyűrű elvnek fogom hívni,
s ez eldönti az általunk
végzett munka típusát.
végzett munka típusát.
02:32
and it determines
the type of work that we do.
the type of work that we do.
49
140480
2176
02:34
The second principle
is the never-get-enough principle,
is the never-get-enough principle,
50
142680
2616
A második elvet nevezzük
sohasem elég elvnek,
sohasem elég elvnek,
02:37
and it determines how many jobs
there actually are.
there actually are.
51
145320
3480
amely azt határozza meg,
hogy épp hány munkahely van.
hogy épp hány munkahely van.
02:41
Let's start with the O-ring.
52
149440
2336
Kezdjük az O-gyűrűvel!
02:43
ATMs, automated teller machines,
53
151800
2776
Az ATM-eknek kettős
– kiegyenlítő – hatásuk volt
– kiegyenlítő – hatásuk volt
02:46
had two countervailing effects
on bank teller employment.
on bank teller employment.
54
154600
3336
a bankpénztárosok alkalmazására.
02:49
As you would expect,
they replaced a lot of teller tasks.
they replaced a lot of teller tasks.
55
157960
2696
Nem csoda, hogy sokat átvettek
a pénztárosi munkából.
a pénztárosi munkából.
02:52
The number of tellers per branch
fell by about a third.
fell by about a third.
56
160680
2680
A fiókokban lévő pénztárosok száma
kb. harmadával csökkent.
kb. harmadával csökkent.
02:56
But banks quickly discovered that it
also was cheaper to open new branches,
also was cheaper to open new branches,
57
164240
3816
De a bankok hamar rájöttek,
hogy olcsóbb új fiókokat nyitni,
hogy olcsóbb új fiókokat nyitni,
03:00
and the number of bank branches
increased by about 40 percent
increased by about 40 percent
58
168080
3136
és a bankfiókok száma kb. 40%-kal nőtt
03:03
in the same time period.
59
171240
1496
ugyanebben az időszakban.
03:04
The net result was more branches
and more tellers.
and more tellers.
60
172760
4080
A végeredmény: mind a fiókok,
mind a pénztárosok száma nőtt.
mind a pénztárosok száma nőtt.
03:09
But those tellers were doing
somewhat different work.
somewhat different work.
61
177440
3416
Ám azok a pénztárosok már mást csináltak.
03:12
As their routine,
cash-handling tasks receded,
cash-handling tasks receded,
62
180880
3656
A hagyományos pénzkifizető
munkájuk visszaszorult,
munkájuk visszaszorult,
03:16
they became less like checkout clerks
63
184560
2136
kevésbé pénztárosok,
03:18
and more like salespeople,
64
186720
1816
hanem inkább értékesítők lettek,
03:20
forging relationships with customers,
65
188560
2056
s feladatuk az ügyfélkapcsolatok
alakítása,
alakítása,
03:22
solving problems
66
190640
1216
a problémamegoldás
03:23
and introducing them to new products
like credit cards, loans and investments:
like credit cards, loans and investments:
67
191880
4216
és új termékek, pl. a hitelkártyák,
hitelek ismertetése lett.
hitelek ismertetése lett.
03:28
more tellers doing
a more cognitively demanding job.
a more cognitively demanding job.
68
196120
3840
Egyre több pénztáros végez
szaktudást igénylő munkát.
szaktudást igénylő munkát.
03:32
There's a general principle here.
69
200840
1640
Megfigyelhető egy általános elv.
03:35
Most of the work that we do
70
203120
1696
Az általunk végzett munka
03:36
requires a multiplicity of skills,
71
204840
3480
többféle készséget igényel:
03:41
and brains and brawn,
72
209160
3176
szellemi és fizikai erőkifejtést,
03:44
technical expertise and intuitive mastery,
73
212360
3616
műszaki szakértelmet
és találékonyságot.
és találékonyságot.
03:48
perspiration and inspiration
in the words of Thomas Edison.
in the words of Thomas Edison.
74
216000
2960
Thomas Edisonnal szólva:
izzadást és ihletet.
izzadást és ihletet.
03:51
In general, automating
some subset of those tasks
some subset of those tasks
75
219480
3256
Általában véve, a feladatok
részhalmazának automatizálása
részhalmazának automatizálása
03:54
doesn't make the other ones unnecessary.
76
222760
2216
nem teszi feleslegessé a megmaradókat.
03:57
In fact, it makes them more important.
77
225000
2960
Fontosabbá teszi őket.
04:01
It increases their economic value.
78
229080
1976
Növeli gazdasági értéküket.
04:03
Let me give you a stark example.
79
231080
2016
Mondok egy jellemző példát rá.
04:05
In 1986, the space shuttle Challenger
80
233120
3816
1986-ban a Challenger űrsikló
04:08
exploded and crashed back down to Earth
81
236960
2296
alig két perccel a felszállás után
04:11
less than two minutes after takeoff.
82
239280
1920
fölrobbant, és visszahullott a Földre.
04:13
The cause of that crash, it turned out,
83
241720
3096
Kiderült, hogy a balesetet
04:16
was an inexpensive rubber O-ring
in the booster rocket
in the booster rocket
84
244840
3536
a gyorsítórakéta
egy filléres O-gyűrűje okozta,
egy filléres O-gyűrűje okozta,
04:20
that had frozen on the launchpad
the night before
the night before
85
248400
2856
amely előző éjszaka
elfagyott a kilövőálláson,
elfagyott a kilövőálláson,
04:23
and failed catastrophically
moments after takeoff.
moments after takeoff.
86
251280
3376
és indítás után
nem tudta ellátni feladatát.
nem tudta ellátni feladatát.
04:26
In this multibillion dollar enterprise
87
254680
2815
Abban a több milliárd dolláros cégben
04:29
that simple rubber O-ring
88
257519
1697
egy egyszerű gumi O-gyűrű döntött
04:31
made the difference
between mission success
between mission success
89
259240
2575
a program sikere
04:33
and the calamitous death
of seven astronauts.
of seven astronauts.
90
261839
2841
és hét űrhajós szörnyű halála között.
04:37
An ingenious metaphor
for this tragic setting
for this tragic setting
91
265600
3736
A szellemes metafora
erre a tragikus helyzetre
erre a tragikus helyzetre
04:41
is the O-ring production function,
92
269360
2216
az O-gyűrű gyártási funkciója;
04:43
named by Harvard economist Michael Kremer
93
271600
2496
Michael Kremer, a Harvard
közgazdásza nevezte így el
közgazdásza nevezte így el
04:46
after the Challenger disaster.
94
274120
2016
a Challenger balesete után.
04:48
The O-ring production function
conceives of the work
conceives of the work
95
276160
2576
Az O-gyűrű gyártási funkciója
04:50
as a series of interlocking steps,
96
278760
2336
egymáshoz kapcsolódó
lépések sorozatát jelenti,
lépések sorozatát jelenti,
ezek végül lánccá állnak össze.
04:53
links in a chain.
97
281120
1256
04:54
Every one of those links must hold
for the mission to succeed.
for the mission to succeed.
98
282400
3696
Minden láncszemnek hozzá kell
járulnia a feladat sikeréhez.
járulnia a feladat sikeréhez.
04:58
If any of them fails,
99
286120
2136
Ha bármelyik hibás,
05:00
the mission, or the product
or the service,
or the service,
100
288280
3296
a feladat, a termék vagy a szolgáltatás
05:03
comes crashing down.
101
291600
1320
kudarcot szenved.
05:05
This precarious situation
has a surprisingly positive implication,
has a surprisingly positive implication,
102
293560
4936
E bizonytalan helyzetnek meglepő módon
pozitív következményei vannak:
pozitív következményei vannak:
05:10
which is that improvements
103
298520
1896
ezek a fejlesztések,
05:12
in the reliability
of any one link in the chain
of any one link in the chain
104
300440
2976
amelyek valamelyik láncszem
megbízhatóságát érintik,
megbízhatóságát érintik,
05:15
increases the value
of improving any of the other links.
of improving any of the other links.
105
303440
3776
növelik a többi láncszem
javulásának értékét.
javulásának értékét.
05:19
Concretely, if most of the links
are brittle and prone to breakage,
are brittle and prone to breakage,
106
307240
4976
Ha a legtöbb láncszem
rideg és törésre hajlamos,
rideg és törésre hajlamos,
05:24
the fact that your link
is not that reliable
is not that reliable
107
312240
2456
akkor a kérdéses alkatrész
megbízhatatlansága
megbízhatatlansága
05:26
is not that important.
108
314720
1256
nem különösebben fontos.
05:28
Probably something else will break anyway.
109
316000
2000
Lehet, hogy valami úgyis eltörik.
05:30
But as all the other links
become robust and reliable,
become robust and reliable,
110
318024
3992
De mivel a többi alkatrész
masszív és megbízható lesz,
masszív és megbízható lesz,
05:34
the importance of your link
becomes more essential.
becomes more essential.
111
322040
3496
alkatrészünk fontossága nő:
05:37
In the limit, everything depends upon it.
112
325560
2320
végül minden tőle függ.
05:40
The reason the O-ring was critical
to space shuttle Challenger
to space shuttle Challenger
113
328640
3536
Azért volt a Challenger szempontjából
döntő jelentőségű az O-gyűrű,
döntő jelentőségű az O-gyűrű,
05:44
is because everything else
worked perfectly.
worked perfectly.
114
332200
2720
mert minden más tökéletesen működött.
05:47
If the Challenger were
kind of the space era equivalent
kind of the space era equivalent
115
335480
2576
Ha a Challenger olyan lett volna,
05:50
of Microsoft Windows 2000 --
116
338080
2536
mint a Microsoft Windows 2000...
05:52
(Laughter)
117
340640
2096
(Nevetés)
05:54
the reliability of the O-ring
wouldn't have mattered
wouldn't have mattered
118
342760
2456
az O-gyűrű megbízhatósága
mellékes lett volna,
mellékes lett volna,
05:57
because the machine would have crashed.
119
345240
1858
mert a szerkentyű úgyis lezuhant volna.
05:59
(Laughter)
120
347122
1480
(Nevetés)
06:01
Here's the broader point.
121
349960
1576
Tágabb értelemben,
06:03
In much of the work that we do,
we are the O-rings.
we are the O-rings.
122
351560
3816
a legtöbb munkánkban
mi vagyunk az O-gyűrűk.
mi vagyunk az O-gyűrűk.
06:07
Yes, ATMs could do
certain cash-handling tasks
certain cash-handling tasks
123
355400
3536
Noha az ATM-ek
egyes pénzkiadó feladatokban
egyes pénzkiadó feladatokban
06:10
faster and better than tellers,
124
358960
3016
gyorsabbak és jobbak a pénztárosoknál,
06:14
but that didn't make tellers superfluous.
125
362000
2056
de ettől a pénztáros
nem válik fölöslegessé.
nem válik fölöslegessé.
06:16
It increased the importance
of their problem-solving skills
of their problem-solving skills
126
364080
3296
Ez megnövelte a problémamegoldó
készségük
készségük
06:19
and their relationships with customers.
127
367400
2616
és az ügyféllel való
kapcsolatuk fontosságát.
kapcsolatuk fontosságát.
06:22
The same principle applies
if we're building a building,
if we're building a building,
128
370040
3296
Ugyanezek az elvek érvényesek,
ha házat építünk,
ha házat építünk,
06:25
if we're diagnosing
and caring for a patient,
and caring for a patient,
129
373360
2536
ha beteget diagnosztizálunk és kezelünk,
06:27
or if we are teaching a class
130
375920
3136
vagy ha órát tartunk
06:31
to a roomful of high schoolers.
131
379080
2456
egy teremnyi középiskolásnak.
06:33
As our tools improve,
132
381560
2376
Szerszámaink tökéletesedésével
06:35
technology magnifies our leverage
133
383960
2096
a technológia kiemeli eszközeink szerepét,
06:38
and increases the importance
of our expertise
of our expertise
134
386080
3896
és növeli hozzáértésünk, ítélőképességünk
06:42
and our judgment and our creativity.
135
390000
2200
és alkotókészségünk fontosságát.
06:45
And that brings me
to the second principle:
to the second principle:
136
393000
2240
Elértünk a második elvhez:
06:48
never get enough.
137
396160
1200
a sosem elég elvéhez.
06:50
You may be thinking, OK, O-ring, got it,
138
398280
2416
Talán azt gondolják: az O-gyűrű esete
06:52
that says the jobs that people do
will be important.
will be important.
139
400720
3096
az emberi munka fontosságára utal.
06:55
They can't be done by machines,
but they still need to be done.
but they still need to be done.
140
403840
2976
Nem végezhetik gépek,
de valakinek csak el kell végeznie.
de valakinek csak el kell végeznie.
Ám ez nem ad választ rá,
hány munkahelyre van szükség.
hány munkahelyre van szükség.
06:58
But that doesn't tell me
how many jobs there will need to be.
how many jobs there will need to be.
141
406840
2896
Nem magától értetődő,
07:01
If you think about it,
isn't it kind of self-evident
isn't it kind of self-evident
142
409760
2456
hogy amikor valamiben már
igen termelékenyek vagyunk,
igen termelékenyek vagyunk,
07:04
that once we get sufficiently
productive at something,
productive at something,
143
412240
2536
akkor feleslegessé tettünk munkahelyeket?
07:06
we've basically
worked our way out of a job?
worked our way out of a job?
144
414800
2096
1900-ban az USA-ban
foglalkoztatottak 40%-a
foglalkoztatottak 40%-a
07:08
In 1900, 40 percent of all US employment
145
416920
2776
07:11
was on farms.
146
419720
1256
tanyán élt.
07:13
Today, it's less than two percent.
147
421000
2256
Ma ez nem éri el a 2%-ot.
07:15
Why are there so few farmers today?
148
423280
2176
Miért van most ilyen kevés gazda?
07:17
It's not because we're eating less.
149
425480
1856
Nem azért, mintha kevesebbet ennénk.
07:19
(Laughter)
150
427360
2656
(Nevetés)
07:22
A century of productivity
growth in farming
growth in farming
151
430040
2736
A mezőgazdasági termelékenység
évszázados növekedése miatt
évszázados növekedése miatt
07:24
means that now,
a couple of million farmers
a couple of million farmers
152
432800
2176
egy pár millió gazda
07:27
can feed a nation of 320 million.
153
435000
2736
320 milliós országot képes táplálni.
07:29
That's amazing progress,
154
437760
1656
Elképesztő fejlődés!
07:31
but it also means there are
only so many O-ring jobs left in farming.
only so many O-ring jobs left in farming.
155
439440
4136
De azt is jelenti, hogy csak ennyi
O-gyűrű típusú munkahely maradt meg.
O-gyűrű típusú munkahely maradt meg.
07:35
So clearly, technology can eliminate jobs.
156
443600
3016
Világos, hogy a technológia
munkahelyeket szüntethet meg.
munkahelyeket szüntethet meg.
07:38
Farming is only one example.
157
446640
1736
A mezőgazdaság csak kiragadott példa.
07:40
There are many others like it.
158
448400
1640
Sok hasonló van.
07:43
But what's true about a single product
or service or industry
or service or industry
159
451440
3976
De ami igaz egy termékre,
szolgáltatásra vagy iparágra,
szolgáltatásra vagy iparágra,
07:47
has never been true
about the economy as a whole.
about the economy as a whole.
160
455440
2776
sohasem állt a gazdaság egészére.
07:50
Many of the industries
in which we now work --
in which we now work --
161
458240
2496
A mai ipar nagy része,
07:52
health and medicine,
162
460760
2136
pl. az egészségügy,
07:54
finance and insurance,
163
462920
2216
pénzügy és biztosítás,
07:57
electronics and computing --
164
465160
1640
elektronika és számítástechnika,
07:59
were tiny or barely existent
a century ago.
a century ago.
165
467720
2736
100 éve csak nyomokban léteztek.
08:02
Many of the products
that we spend a lot of our money on --
that we spend a lot of our money on --
166
470480
2816
Számos termék, amelyre ma sokat költünk:
08:05
air conditioners, sport utility vehicles,
167
473320
2136
légkondicionálók, utcai terepjárók,
08:07
computers and mobile devices --
168
475480
1696
számítógépek és mobilok
08:09
were unattainably expensive,
169
477200
1656
elérhetetlenül drágák voltak,
08:10
or just hadn't been invented
a century ago.
a century ago.
170
478880
2440
vagy 100 éve még föl sem találták őket.
08:13
As automation frees our time,
increases the scope of what is possible,
increases the scope of what is possible,
171
481920
4976
Ahogy az automatizálás révén több
a szabadidőnk, lehetőségeink bővülnek,
a szabadidőnk, lehetőségeink bővülnek,
08:18
we invent new products,
new ideas, new services
new ideas, new services
172
486920
3216
új termékeket, új ötleteket,
új szolgáltatásokat találunk ki,
új szolgáltatásokat találunk ki,
08:22
that command our attention,
173
490160
1576
amelyek fölkeltik figyelmünket,
08:23
occupy our time
174
491760
1536
lefoglalják az időnket,
08:25
and spur consumption.
175
493320
1640
és ösztönzik a fogyasztást.
08:27
You may think some
of these things are frivolous --
of these things are frivolous --
176
495760
3216
Egyes dolgokról azt gondolhatjuk,
hogy haszontalanok:
hogy haszontalanok:
08:31
extreme yoga, adventure tourism,
177
499000
2776
extrém jóga, kalandturizmus,
08:33
Pokémon GO --
178
501800
1256
Pokémon GO...
08:35
and I might agree with you.
179
503080
1320
még egyet is érthetnénk.
08:36
But people desire these things,
and they're willing to work hard for them.
and they're willing to work hard for them.
180
504979
3477
De az ember vágyik ezekre, s a kedvükért
hajlandó a szorgos munkára.
hajlandó a szorgos munkára.
08:40
The average worker in 2015
181
508480
2176
2015-ben az átlagos munkásnak,
08:42
wanting to attain
the average living standard in 1915
the average living standard in 1915
182
510680
4256
hogy az 1915-ös életszínvonalon éljen,
08:46
could do so by working
just 17 weeks a year,
just 17 weeks a year,
183
514960
3336
csak évi 17 hétig kellene dolgoznia:
08:50
one third of the time.
184
518320
1440
az év egyharmadában.
08:52
But most people don't choose to do that.
185
520240
2176
De sokan nem ezt választják.
08:54
They are willing to work hard
186
522440
1695
Ők szorgosan akarnak dolgozni,
08:56
to harvest the technological bounty
that is available to them.
that is available to them.
187
524159
3881
hogy learassák a technológia adományát.
09:00
Material abundance has never
eliminated perceived scarcity.
eliminated perceived scarcity.
188
528480
4096
Az anyagi bőség nem szüntette
meg az érzékelhető ínséget.
meg az érzékelhető ínséget.
09:04
In the words of economist
Thorstein Veblen,
Thorstein Veblen,
189
532600
2576
Thorstein Veblen közgazdász
így fogalmazza ezt meg:
így fogalmazza ezt meg:
09:07
invention is the mother of necessity.
190
535200
2640
a fölfedezés a szükség szülőanyja.
09:11
Now ...
191
539520
1200
Na mármost...
09:13
So if you accept these two principles,
192
541400
1856
Ha elfogadjuk e két elvet,
09:15
the O-ring principle
and the never-get-enough principle,
and the never-get-enough principle,
193
543280
2896
az O-gyűrű elvét és a soha nem elég elvét,
09:18
then you agree with me.
194
546200
1336
akkor egyetértünk azzal,
09:19
There will be jobs.
195
547560
1400
hogy lesznek munkahelyek.
09:21
Does that mean there's
nothing to worry about?
nothing to worry about?
196
549560
2176
Tehát nincs miért idegeskednünk?
09:23
Automation, employment, robots and jobs --
197
551760
2776
Automatizálás, foglalkoztatottság,
robotok és álláshelyek...
robotok és álláshelyek...
09:26
it'll all take care of itself?
198
554560
1920
ezek majd gondoskodnak magukról?
09:29
No.
199
557120
1216
Nem.
09:30
That is not my argument.
200
558360
2056
Én ezt nem mondom.
09:32
Automation creates wealth
201
560440
2536
Az automatizálás gazdagságot teremt,
09:35
by allowing us to do
more work in less time.
more work in less time.
202
563000
2576
mert több munkát végezhetünk
rövidebb idő alatt.
rövidebb idő alatt.
09:37
There is no economic law
203
565600
1576
Nincs arra gazdasági törvény,
09:39
that says that we
will use that wealth well,
will use that wealth well,
204
567200
2776
miszerint jóra használjuk a gazdagságot,
09:42
and that is worth worrying about.
205
570000
1800
és megéri miatta idegeskednünk.
09:44
Consider two countries,
206
572800
1816
Vessük össze Norvégiát
09:46
Norway and Saudi Arabia.
207
574640
2136
és Szaúd-Arábiát.
09:48
Both oil-rich nations,
208
576800
1576
Mindkét ország olajban gazdag.
09:50
it's like they have money
spurting out of a hole in the ground.
spurting out of a hole in the ground.
209
578400
3576
Úgy néz ki, mintha a földből
lövellne ki a pénzük.
lövellne ki a pénzük.
09:54
(Laughter)
210
582000
1536
(Nevetés)
09:55
But they haven't used that wealth
equally well to foster human prosperity,
equally well to foster human prosperity,
211
583560
5216
De nem egyformán jól
használják a gazdagságot
használják a gazdagságot
10:00
human prospering.
212
588800
1200
az emberi jólét előmozdítására.
10:02
Norway is a thriving democracy.
213
590440
2736
Norvégia viruló demokrácia.
10:05
By and large, its citizens
work and play well together.
work and play well together.
214
593200
3656
Mindent összevéve, polgárai jól
dolgoznak és szórakoznak közösen.
dolgoznak és szórakoznak közösen.
10:08
It's typically numbered
between first and fourth
between first and fourth
215
596880
3016
Az ország a boldogsági indexét
tekintve
tekintve
10:11
in rankings of national happiness.
216
599920
2736
a rangsorban az első négy hely
valamelyikén áll.
valamelyikén áll.
10:14
Saudi Arabia is an absolute monarchy
217
602680
2656
Szaúd-Arábia abszolút monarchia,
10:17
in which many citizens
lack a path for personal advancement.
lack a path for personal advancement.
218
605360
3616
amelyben sok polgár előtt
nem áll nyitva az egyéni boldogulás útja.
nem áll nyitva az egyéni boldogulás útja.
10:21
It's typically ranked 35th
among nations in happiness,
among nations in happiness,
219
609000
3496
Az ország a boldogsági indexét
tekintve általában a 35. helyen áll.
tekintve általában a 35. helyen áll.
10:24
which is low for such a wealthy nation.
220
612520
2096
A gazdagságát tekintve ez alacsony.
10:26
Just by way of comparison,
221
614640
1336
Összehasonlításképpen,
10:28
the US is typically ranked
around 12th or 13th.
around 12th or 13th.
222
616000
2800
az USA-t általában
a 12-13. helyre sorolják.
a 12-13. helyre sorolják.
10:31
The difference between these two countries
223
619400
2096
A két ország közötti különbség
10:33
is not their wealth
224
621520
1256
nem a gazdagságukban
10:34
and it's not their technology.
225
622800
1736
vagy a technológiájukban rejlik,
10:36
It's their institutions.
226
624560
1320
hanem az intézményrendszerükben.
10:38
Norway has invested to build a society
227
626560
3176
Norvégia a lehetőségek
és gazdasági mobilitás társadalmának
és gazdasági mobilitás társadalmának
10:41
with opportunity and economic mobility.
228
629760
3336
létrehozásába fektetett be.
10:45
Saudi Arabia has raised living standards
229
633120
2176
Szaúd-Arábia úgy növelte
az életszínvonalat,
az életszínvonalat,
10:47
while frustrating
many other human strivings.
many other human strivings.
230
635320
3256
hogy eközben korlátozott
más emberi törekvéseket.
más emberi törekvéseket.
10:50
Two countries, both wealthy,
231
638600
2776
Két ország, kétféle gazdagság,
10:53
not equally well off.
232
641400
1720
eltérő jólét.
10:55
And this brings me
to the challenge that we face today,
to the challenge that we face today,
233
643880
4336
S ez elvezet napjaink kihívásához,
11:00
the challenge that
automation poses for us.
automation poses for us.
234
648240
2136
amelyet az automatizálás teremt.
11:02
The challenge is not
that we're running out of work.
that we're running out of work.
235
650400
2456
Nem arról van szó,
hogy elfogynak az állások.
hogy elfogynak az állások.
Az USA-ban 14 millió új állás jött létre
11:04
The US has added 14 million jobs
236
652880
1936
a nagy világgazdasági válság
mélypontjához képest.
mélypontjához képest.
11:06
since the depths of the Great Recession.
237
654840
2136
11:09
The challenge is that many of those jobs
238
657000
2536
Az a baj, hogy a munkahelyek közül
11:11
are not good jobs,
239
659560
1296
sok a nem jó munkahely,
11:12
and many citizens
cannot qualify for the good jobs
cannot qualify for the good jobs
240
660880
3096
és sokan nem alkalmasak
a létrejövő jó állásokra.
11:16
that are being created.
241
664000
1200
11:17
Employment growth in the United States
and in much of the developed world
and in much of the developed world
242
665840
3496
Az USA és jórészt a fejlett országok
foglalkoztatottságának növekedése
foglalkoztatottságának növekedése
11:21
looks something like a barbell
243
669360
1456
olyan, mint egy kézi súlyzó,
11:22
with increasing poundage
on either end of the bar.
on either end of the bar.
244
670840
3376
amelynek mindkét vége
egyre inkább terhelődik.
egyre inkább terhelődik.
11:26
On the one hand,
245
674240
1216
Egyrészt van felsőoktatásunk,
11:27
you have high-education, high-wage jobs
246
675480
2816
jól fizetett állásaink,
11:30
like doctors and nurses,
programmers and engineers,
programmers and engineers,
247
678320
3576
pl. orvosoké, nővéreké,
programozóké és mérnököké,
programozóké és mérnököké,
11:33
marketing and sales managers.
248
681920
1736
marketing- és értékesítési vezetőké.
11:35
Employment is robust in these jobs,
employment growth.
employment growth.
249
683680
3016
Ezekben a szilárd munkakörökben
a foglalkoztatottság nő.
a foglalkoztatottság nő.
11:38
Similarly, employment growth
is robust in many low-skill,
is robust in many low-skill,
250
686720
4016
A foglalkoztatottság szintén nő
az alacsony képzettséget igénylőkben,
az alacsony képzettséget igénylőkben,
11:42
low-education jobs like food service,
251
690760
3056
pl. a vendéglátóiparban,
11:45
cleaning, security,
252
693840
2256
a takarításban, a biztonsági szakmában,
11:48
home health aids.
253
696120
1240
az otthoni ápolás terén.
11:50
Simultaneously, employment is shrinking
254
698080
3096
A foglalkoztatottság csökken
11:53
in many middle-education,
middle-wage, middle-class jobs,
middle-wage, middle-class jobs,
255
701200
4056
sok középfokú képzettséget igénylő,
közepesen fizetett középosztály-állásban,
közepesen fizetett középosztály-állásban,
11:57
like blue-collar production
and operative positions
and operative positions
256
705280
3816
pl. a termelőmunka fizikai dolgozói
12:01
and white-collar
clerical and sales positions.
clerical and sales positions.
257
709120
2976
és az irodisták és az értékesítők körében.
12:04
The reasons behind this contracting middle
258
712120
2256
Hogy középtájon az állások csökkenését
12:06
are not mysterious.
259
714400
1216
mi okozza, nem rejtélyes.
12:07
Many of those middle-skill jobs
260
715640
1976
A közepes készséget igénylő munkák zöme
12:09
use well-understood rules and procedures
261
717640
2496
egyszerű szabályokon s eljárásokon alapul,
12:12
that can increasingly
be codified in software
be codified in software
262
720160
3096
amelyek egyre inkább
szoftverbe kódolhatók,
szoftverbe kódolhatók,
12:15
and executed by computers.
263
723280
2360
és számítógéppel végrehajtathatók.
12:18
The challenge that
this phenomenon creates,
this phenomenon creates,
264
726200
3376
Az a gond, hogy a jelenség,
foglalkoztatottsági polarizálódást okoz,
12:21
what economists call
employment polarization,
employment polarization,
265
729600
2536
12:24
is that it knocks out rungs
in the economic ladder,
in the economic ladder,
266
732160
2616
ti. kirúgja a gazdasági létra fokait,
12:26
shrinks the size of the middle class
267
734800
1816
elapasztja a középosztályt,
12:28
and threatens to make us
a more stratified society.
a more stratified society.
268
736640
3136
és a társadalom további
rétegződésével fenyeget.
rétegződésével fenyeget.
12:31
On the one hand, a set of highly paid,
highly educated professionals
highly educated professionals
269
739800
4056
Egyrészt, a jól fizetett,
jól képzett értelmiségiek
jól képzett értelmiségiek
12:35
doing interesting work,
270
743880
1416
érdekes munkát végeznek,
12:37
on the other, a large number
of citizens in low-paid jobs
of citizens in low-paid jobs
271
745320
3416
másrészt, ott vannak a rengeteg rosszul
fizetett munkakörben dolgozók,
fizetett munkakörben dolgozók,
12:40
whose primary responsibility is to see
to the comfort and health of the affluent.
to the comfort and health of the affluent.
272
748760
5656
az ő fő feladatuk a dúskálók komfortjának
és egészségének megőrzése.
és egészségének megőrzése.
12:46
That is not my vision of progress,
273
754440
2336
Nem így képzelem a haladást,
12:48
and I doubt that it is yours.
274
756800
1880
és kétlem, hogy önök így képzelnék.
12:51
But here is some encouraging news.
275
759440
2016
De van némi lelkesítő hírem.
12:53
We have faced equally momentous
economic transformations in the past,
economic transformations in the past,
276
761480
4856
A múltban jelentős gazdasági
átalakulásban volt részünk,
átalakulásban volt részünk,
12:58
and we have come
through them successfully.
through them successfully.
277
766360
2696
és sikeresen túljutottunk rajtuk.
13:01
In the late 1800s and early 1900s,
278
769080
4936
A XIX. szd. végén, a XX. szd. elején,
amikor az automatizálás
amikor az automatizálás
13:06
when automation was eliminating
vast numbers of agricultural jobs --
vast numbers of agricultural jobs --
279
774040
4536
megszüntetett egy sor mezőgazdasági munkát
13:10
remember that tractor? --
280
778600
2336
– emlékszünk a traktorra? –,
13:12
the farm states faced a threat
of mass unemployment,
of mass unemployment,
281
780960
2696
az agrárországokat tömeges
munkanélküliség fenyegette,
munkanélküliség fenyegette,
13:15
a generation of youth
no longer needed on the farm
no longer needed on the farm
282
783680
3816
a fiatalokra a tanyákon
már nem volt szükség,
már nem volt szükség,
13:19
but not prepared for industry.
283
787520
1760
de az iparhoz nem voltak képzettek.
13:22
Rising to this challenge,
284
790080
1576
Megbirkózva a helyzettel
13:23
they took the radical step
285
791680
1496
radikális lépést tettek,
13:25
of requiring that
their entire youth population
their entire youth population
286
793200
2816
amely kötelezte az egész ifjú népességet
13:28
remain in school
and continue their education
and continue their education
287
796040
2856
a továbbtanulásra
13:30
to the ripe old age of 16.
288
798920
2120
egészen 16 éves érett korukig.
13:33
This was called the high school movement,
289
801600
1976
Ez hívták középiskolai mozgalomnak.
13:35
and it was a radically
expensive thing to do.
expensive thing to do.
290
803600
2816
Igen drága mulatság volt.
13:38
Not only did they have
to invest in the schools,
to invest in the schools,
291
806440
2256
Nemcsak be kellett ruházni az iskolákba,
13:40
but those kids couldn't work
at their jobs.
at their jobs.
292
808720
2696
hanem azok a gyerekek
hiányoztak a munkából is.
hiányoztak a munkából is.
13:43
It also turned out to be
one of the best investments
one of the best investments
293
811440
3296
Kiderült, hogy ez volt
13:46
the US made in the 20th century.
294
814760
2216
az USA XX. századi
egyik legjobb beruházása.
egyik legjobb beruházása.
13:49
It gave us the most skilled,
the most flexible
the most flexible
295
817000
2336
Ettől lett nálunk
a világ legszakképzettebb,
a világ legszakképzettebb,
13:51
and the most productive
workforce in the world.
workforce in the world.
296
819360
2696
legrugalmasabb
és legtermelékenyebb munkaereje.
és legtermelékenyebb munkaereje.
13:54
To see how well this worked,
imagine taking the labor force of 1899
imagine taking the labor force of 1899
297
822080
4536
Hogy értsük, miről van szó,
képzeljük el az 1899-es munkaerőt
képzeljük el az 1899-es munkaerőt
13:58
and bringing them into the present.
298
826640
2216
a jelen körülmények között.
14:00
Despite their strong backs
and good characters,
and good characters,
299
828880
2936
Igaz, hogy a munkások erősek
és jellemesek voltak,
és jellemesek voltak,
14:03
many of them would lack
the basic literacy and numeracy skills
the basic literacy and numeracy skills
300
831840
3776
de sokan nem tudtak
sem írni-olvasni, sem számolni,
sem írni-olvasni, sem számolni,
14:07
to do all but the most mundane jobs.
301
835640
2936
és csak az alja melóra voltak alkalmasak.
14:10
Many of them would be unemployable.
302
838600
2240
Zömük munkanélküli lenne.
14:13
What this example highlights
is the primacy of our institutions,
is the primacy of our institutions,
303
841840
3736
A példa rávilágít intézményeink
elsődleges szerepére,
elsődleges szerepére,
14:17
most especially our schools,
304
845600
1776
leginkább az iskolákéra:
14:19
in allowing us to reap the harvest
305
847400
2536
milyen nagy jelentőségűek,
hogy élvezhessük
a technológiai haladás gyümölcseit.
a technológiai haladás gyümölcseit.
14:21
of our technological prosperity.
306
849960
2296
Ostobaság azt állítani,
hogy nincs mitől tartanunk.
hogy nincs mitől tartanunk.
14:24
It's foolish to say
there's nothing to worry about.
there's nothing to worry about.
307
852280
2416
14:26
Clearly we can get this wrong.
308
854720
2200
De értsük ezt jól.
14:29
If the US had not invested
in its schools and in its skills
in its schools and in its skills
309
857640
3496
Ha az USA nem ruházott volna be
az iskoláiba és a szakképzésébe
az iskoláiba és a szakképzésébe
14:33
a century ago with
the high school movement,
the high school movement,
310
861160
2256
egy évszázada a középiskolai mozgalommal,
14:35
we would be a less prosperous,
311
863440
1656
kevésbé viruló, kevésbé mobil
14:37
a less mobile and probably
a lot less happy society.
a lot less happy society.
312
865120
3616
és valószínűleg kevésbé
elégedett társadalom lennénk.
elégedett társadalom lennénk.
De azt is ostobaság állítani,
hogy sorsunk meg van pecsételve.
hogy sorsunk meg van pecsételve.
14:40
But it's equally foolish
to say that our fates are sealed.
to say that our fates are sealed.
313
868760
2736
14:43
That's not decided by the machines.
314
871520
1696
Nem a gépek döntik el.
14:45
It's not even decided by the market.
315
873240
1736
Nem is a piac.
14:47
It's decided by us
and by our institutions.
and by our institutions.
316
875000
2640
Mi döntünk róla és az intézményeink.
14:50
Now, I started this talk with a paradox.
317
878360
2576
Egy paradoxonnal kezdtem előadásomat.
14:52
Our machines increasingly
do our work for us.
do our work for us.
318
880960
2656
A gépek egyre inkább helyettünk dolgoznak.
14:55
Why doesn't that make
our labor superfluous,
our labor superfluous,
319
883640
2256
Miért nem válik ettől
munkánk fölössé,
munkánk fölössé,
vagy szakértelmünk szükségtelenné?
14:57
our skills redundant?
320
885920
1216
14:59
Isn't it obvious that the road
to our economic and social hell
to our economic and social hell
321
887160
3416
Nem kézenfekvő, hogy a gazdasági
és társadalmi pokolba vezető út
és társadalmi pokolba vezető út
15:02
is paved with our own great inventions?
322
890600
2200
nagy találmányainkkal van kikövezve?
15:06
History has repeatedly offered
an answer to that paradox.
an answer to that paradox.
323
894040
4176
A történelem sokszor kínált
választ e paradoxonra.
választ e paradoxonra.
15:10
The first part of the answer
is that technology magnifies our leverage,
is that technology magnifies our leverage,
324
898240
3616
A válasz első része: a technológia
kiemeli eszközeink szerepét,
kiemeli eszközeink szerepét,
15:13
increases the importance, the added value
325
901880
2616
és növeli a szaktudásunkból,
ítélőképességünkből
ítélőképességünkből
15:16
of our expertise,
our judgment and our creativity.
our judgment and our creativity.
326
904520
3536
és alkotókészségünkből származó
hozzáadott érték jelentőségét.
hozzáadott érték jelentőségét.
15:20
That's the O-ring.
327
908080
1200
Ez az O-gyűrű.
15:21
The second part of the answer
is our endless inventiveness
is our endless inventiveness
328
909880
2736
A válasz másik fele:
határtalan újítókészségünk
határtalan újítókészségünk
15:24
and bottomless desires
329
912640
1456
és mérhetetlen vágyunk okozza,
15:26
means that we never get enough,
never get enough.
never get enough.
330
914120
2336
hogy telhetetlenek vagyunk.
15:28
There's always new work to do.
331
916480
2160
Mindig találunk új teendőt.
15:31
Adjusting to the rapid pace
of technological change
of technological change
332
919960
3336
A technológiai változások
gyors üteméhez alkalmazkodva
gyors üteméhez alkalmazkodva
15:35
creates real challenges,
333
923320
1456
új s új feladatokat tűzünk ki,
15:36
seen most clearly
in our polarized labor market
in our polarized labor market
334
924800
2976
ezt a polarizált munkaerőpiac mutatja,
15:39
and the threat that it poses
to economic mobility.
to economic mobility.
335
927800
2520
ami a gazdasági mobilitást fenyegeti.
15:43
Rising to this challenge is not automatic.
336
931320
2440
E feladathoz fölnőni nem megy magától.
15:46
It's not costless.
337
934400
1496
Pénzbe kerül.
15:47
It's not easy.
338
935920
1416
Nem egyszerű.
15:49
But it is feasible.
339
937360
1200
De megvalósítható.
15:51
And here is some encouraging news.
340
939120
1816
Van némi lelkesítő hírem.
15:52
Because of our amazing productivity,
341
940960
2136
Az elképesztő termelékenységünk miatt
15:55
we're rich.
342
943120
1256
gazdagok vagyunk.
15:56
Of course we can afford
to invest in ourselves and in our children
to invest in ourselves and in our children
343
944400
3136
Megtehetjük, hogy beruházzunk
magunkba és gyermekeinkbe,
magunkba és gyermekeinkbe,
15:59
as America did a hundred years ago
with the high school movement.
with the high school movement.
344
947560
3336
mint 100 éve a középiskolai
mozgalommal történt.
mozgalommal történt.
16:02
Arguably, we can't afford not to.
345
950920
2280
Olyan nincs, hogy ne tegyük meg.
16:06
Now, you may be thinking,
346
954120
1776
Azt hihetik,
16:07
Professor Autor has told us
a heartwarming tale
a heartwarming tale
347
955920
2856
hogy Autor professzor
szívmelengető történetet mesélt
szívmelengető történetet mesélt
16:10
about the distant past,
348
958800
1776
a régmúltról,
16:12
the recent past,
349
960600
1376
a közelmúltról,
16:14
maybe the present,
but probably not the future.
but probably not the future.
350
962000
3296
esetleg a jelenről, de nem a jövőről.
16:17
Because everybody knows
that this time is different.
that this time is different.
351
965320
3936
Mert azt mindenki tudja,
hogy most más időket élünk.
hogy most más időket élünk.
16:21
Right? Is this time different?
352
969280
2816
Ugye, hogy más időket?
16:24
Of course this time is different.
353
972120
1896
Ez nyilvánvaló.
16:26
Every time is different.
354
974040
1696
Nincs két egyforma időszak.
16:27
On numerous occasions
in the last 200 years,
in the last 200 years,
355
975760
3616
Az utóbbi 200 évben a tudósok
és az aktivisták
és az aktivisták
16:31
scholars and activists
have raised the alarm
have raised the alarm
356
979400
2776
számos esetben félreverték a harangot,
16:34
that we are running out of work
and making ourselves obsolete:
and making ourselves obsolete:
357
982200
3536
miszerint elfogynak a munkahelyek,
fölöslegessé válunk,
fölöslegessé válunk,
16:37
for example, the Luddites
in the early 1800s;
in the early 1800s;
358
985760
4616
pl. ilyenek voltak
a XIX. szd. elején a ludditák,
a XIX. szd. elején a ludditák,
16:42
US Secretary of Labor James Davis
359
990400
2936
az 1920-as években James Davis,
16:45
in the mid-1920s;
360
993360
2416
az USA munkaügyi minisztere;
16:47
Nobel Prize-winning economist
Wassily Leontief in 1982;
Wassily Leontief in 1982;
361
995800
5176
1982-ben a Nobel-díjas Wassily Leontief;
16:53
and of course, many scholars,
362
1001000
3256
és persze manapság sok-sok tudós,
16:56
pundits, technologists
363
1004280
2136
guru, technológus
16:58
and media figures today.
364
1006440
1840
és médiaszemélyiség.
17:01
These predictions strike me as arrogant.
365
1009600
3320
A jóslataik ugyancsak önteltek.
17:05
These self-proclaimed oracles
are in effect saying,
are in effect saying,
366
1013800
2696
Ezek az önjelölt orákulumok
azt mondják:
azt mondják:
17:08
"If I can't think of what people
will do for work in the future,
will do for work in the future,
367
1016520
3416
"Ha én nem találom ki, mi lesz
az emberek munkája a jövőben,
az emberek munkája a jövőben,
17:11
then you, me and our kids
368
1019960
2896
akkor sem te, sem én, sem gyerekeink
17:14
aren't going to think of it either."
369
1022880
1715
nem fognak ezen gondolkodni."
17:17
I don't have the guts
370
1025760
1935
Nincs ínyemre
17:19
to take that bet against human ingenuity.
371
1027720
3176
az emberi leleményesség
ilyen lebecsülése.
ilyen lebecsülése.
17:22
Look, I can't tell you
what people are going to do for work
what people are going to do for work
372
1030920
2976
Nézzék, azt nem tudom megmondani,
mi lesz az emberek munkája
mi lesz az emberek munkája
17:25
a hundred years from now.
373
1033920
1896
100 év múlva.
17:27
But the future doesn't hinge
on my imagination.
on my imagination.
374
1035839
2601
De a jövő nem az én képzeletemtől függ.
17:31
If I were a farmer in Iowa
in the year 1900,
in the year 1900,
375
1039280
3776
Ha iowai gazda lennék 1800-ból,
17:35
and an economist from the 21st century
teleported down to my field
teleported down to my field
376
1043079
3537
és egy XXI. századi közgazdászt
teleportálnának a földemre,
teleportálnának a földemre,
17:38
and said, "Hey, guess what, farmer Autor,
377
1046640
2520
s az így szólna:
"Hé, Autor gazda, tudod mit,
"Hé, Autor gazda, tudod mit,
17:42
in the next hundred years,
378
1050000
1536
a következő 100 évben
17:43
agricultural employment is going to fall
from 40 percent of all jobs
from 40 percent of all jobs
379
1051560
3776
a mezőgazdaságban foglalkoztatottak
aránya 40%-ról
aránya 40%-ról
17:47
to two percent
380
1055360
1216
2%-ra csökken,
17:48
purely due to rising productivity.
381
1056600
2000
csak a termelékenység növekedésének hála.
17:51
What do you think the other
38 percent of workers are going to do?"
38 percent of workers are going to do?"
382
1059400
3160
Szerinted a többi 38% mit fog csinálni?"
17:55
I would not have said, "Oh, we got this.
383
1063400
2816
Nem ezt mondanám neki: "Hát, ez van.
17:58
We'll do app development,
radiological medicine,
radiological medicine,
384
1066240
2856
Majd fejlesztjük az alkalmazásokat,
a radiológiai orvoslást,
a radiológiai orvoslást,
18:01
yoga instruction, Bitmoji."
385
1069120
2976
a jógaoktatást és a bitmodzsikat.
18:04
(Laughter)
386
1072120
1536
(Nevetés)
18:05
I wouldn't have had a clue.
387
1073680
1286
Zavarban lennék.
18:07
But I hope I would have had
the wisdom to say,
the wisdom to say,
388
1075840
2496
De annyi bölcsesség szorulna belém,
hogy ezt mondjam:
hogy ezt mondjam:
18:10
"Wow, a 95 percent reduction
in farm employment
in farm employment
389
1078360
4016
"Hűha, az agrárgazdaságban
95%-kal kevesebb emberrel
95%-kal kevesebb emberrel
18:14
with no shortage of food.
390
1082400
2136
sincs élelmiszerhiány!
18:16
That's an amazing amount of progress.
391
1084560
2416
Ez hihetetlen haladás.
18:19
I hope that humanity
finds something remarkable to do
finds something remarkable to do
392
1087000
3376
Remélem, hogy az emberiség
18:22
with all of that prosperity."
393
1090400
1880
jól fog sáfárkodni azzal a jóléttel."
18:25
And by and large, I would say that it has.
394
1093120
3080
Mindent összevéve, azt mondhatom,
hogy jól sáfárkodnak.
hogy jól sáfárkodnak.
18:29
Thank you very much.
395
1097960
1256
Köszönöm szépen.
18:31
(Applause)
396
1099240
5055
(Taps)
ABOUT THE SPEAKER
David Autor - EconomistDavid Autor's work assesses the labor market consequences of technological change and globalization.
Why you should listen
David Autor, one of the leading labor economists in the world and a member of the American Academy of Arts and Sciences, is Ford Professor of Economics and associate department head of the Massachusetts Institute of Technology Department of Economics. He is also Faculty Research Associate of the National Bureau of Economic Research, Research Affiliate of the Abdul Jameel Latin Poverty Action Lab, Co-director of the MIT School Effectiveness and Inequality Initiative, Director of the NBER Disability Research Center and former editor in chief of the Journal of Economic Perspectives. He is an elected officer of the American Economic Association and the Society of Labor Economists and a fellow of the Econometric Society.
Autor's work focuses on earnings inequality, employment and feedback between labor market opportunities, household structure and the social/intellectual development of children. He has published extensively in many major academic journals in economics. His best known research formally models and empirically analyzes how computerization substitutes for and complements human labor; asks how the rapid rise of import competition from China has reshaped U.S. manufacturing, upending the conventional economic wisdom that free trade is a free lunch; explores how the economic pressures of globalization are reshaping U.S. electoral politics; and conducts large-scale randomized experiments that test whether generous financial aid grants improve the odds of college completion and long-run economic security of students from low income families.
Autor has received a number of prestigious prizes, the Alfred P. Sloan Foundation Fellowship, the National Science Foundation Career award, and the Sherwin Rosen Prize for outstanding contributions in the field of Labor Economics, and the John T. Dunlop Outstanding Scholar Award in 2006 given by the Labor and Employment Relations Association, to name just a few. His teaching has earned several awards, including MIT’s James A. and Ruth Levitan Award for excellence in teaching, the Undergraduate Economic Association Teaching Award, and the Technology and Public Policy Program’s Best Professor Award.
David Autor | Speaker | TED.com