Μάλλον η ανθρωπότητα είχε κάνει πολλές από τις σημαντικές ανακαλύψεις της «διαλέγοντας τα μήλα από τα χαμηλότερα κλαδιά», κι έτσι η αποκάλυψη νέων επιστημονικών αληθειών άρχισε να γίνεται πιο δύσκολη.
Η λάμψη της τεχνολογικής προόδου μπορεί να είναι εκτυφλωτική. Έχει διαρκέσει λιγότερο από μια ζωή το να προχωρήσουμε από την γέννηση του υπολογιστή μέχρι τα πρώτα αυτοκίνητα με αυτο-οδήγηση, για να μην αναφέρουμε την σειρά των καινοτομιών που στο μεταξύ αλλάζουν το παιχνίδι στην επιστήμη και την ιατρική. Ωστόσο, αυτές οι επιτυχίες υψηλού προφίλ κρύβουν ένα πρόβλημα.
Από το 2005, ο ετήσιος δείκτης αύξησης της συνολικής παραγωγικότητας των ΗΠΑ (ο οποίος μετρά την αποτελεσματικότητα με την οποία χρησιμοποιείται το εργατικό δυναμικό και το κεφάλαιο) διαμορφώθηκε κατά μέσο όρο στο 0,5%, από έναν μέσο όρο περίπου 1,75% από το 1996 έως το 2004. Αυτό πλήττει την οικονομική ανάπτυξη, η οποία παραμένει αναιμική σχεδόν μια δεκαετία μετά το τέλος της μεγάλης ύφεσης.
Η επιβράδυνση προκάλεσε μια συζήτηση μεταξύ των οικονομολόγων σχετικά με τις πηγές του προβλήματος. Μήπως οι στατιστικολόγοι μετρούν εσφαλμένα και, συνεπώς, υποτιμούν την απόδοση; Μήπως οι Ηνωμένες Πολιτείες βυθίζονται σε «κοσμική στασιμότητα» -μια παρατεταμένη περίοδο χαμηλής οικονομικής ανάπτυξης που προκαλείται από υπερβολική αποταμίευση και πολύ λίγες επενδύσεις; Ή μήπως οι πρόσφατες καινοτομίες απλά δεν είναι τόσο παραγωγικές για την κοινωνία όσο εκείνες του παρελθόντος;
Πριν από λίγο καιρό, ήμουν ένας από τους οικονομολόγους που υιοθέτησε μια σχετικά αισιόδοξη άποψη για την επιβράδυνση της αύξησης της παραγωγικότητας. Το 2016, σατίρισα δημοσίως τους τρόπους που οι οικονομολόγοι έχουν συχνά ερμηνεύσει τις μεταβολές στην αύξηση της παραγωγικότητας των ΗΠΑ κατά τον περασμένο μισό αιώνα. Το φθίνον ποσοστό, επιχειρηματολόγησα, δεν αντανακλούσε αναγκαστικά μια μακροχρόνια τάση βραδείας αύξησης της παραγωγικότητας. Αντί γι’ αυτό, την απέδωσα στην προσωρινή επίπτωση της παγκόσμιας χρηματοπιστωτικής κρίσης και προέβλεψα μια μεταστροφή που θα ερχόταν μετά την κορύφωση.
Έκτοτε, η άποψή μου έχει αλλάξει, επηρεασμένη από την εργασία που πραγματοποίησα με τρεις συναδέλφους οικονομολόγους και δημοσίευσα σε ένα έγγραφο πέρσι. Διαπιστώσαμε ότι η παραγωγικότητα της έρευνας, ή η παραγωγικότητα της ιδέας -ένα από τα θεμελιώδη στοιχεία της οικονομικής μηχανής των ΗΠΑ- μειώνεται επί δεκαετίες. Αυτό σημαίνει ότι οι ιδέες –οι επιστημονικές ανακαλύψεις ή οι τεχνικές πρόοδοι- γίνονται όλο και πιο δύσκολο να βρεθούν και ότι η καινοτομία κοστίζει περισσότερο από ποτέ άλλοτε.
ΚΑΝΟΝΤΑΣ ΛΙΓΟΤΕΡΑ ΜΕ ΠΕΡΙΣΣΟΤΕΡΑ
Η δημιουργία ιδεών είναι κεντρική για μια αναπτυσσόμενη οικονομία. Η προσθήκη περισσότερων εργαζομένων ή μηχανημάτων ενισχύει το ΑΕΠ, αλλά ο μόνος τρόπος για να αυξηθεί το κατά κεφαλήν εισόδημα είναι να αντληθούν περισσότερα από τις ίδιες ποσότητες εργασίας και κεφαλαίου. Αυτό σημαίνει την εξεύρεση αποτελεσματικότερων τρόπων χρήσης τους.
Σε πολλά μοντέλα οικονομικής ανάπτυξης, ο μακροπρόθεσμος ρυθμός ανάπτυξης είναι προϊόν δύο πραγμάτων: Του πραγματικού αριθμού των ερευνητών και της παραγωγικότητας της έρευνας αυτών των ανθρώπων. Όσο περισσότεροι άνθρωποι καινοτομούν και όσο περισσότερες ιδέες παράγουν, τόσο πιο γρήγορα μεγαλώνει η οικονομία. Αλλά στην πράξη, η εμπειρική μας ανάλυση βρήκε μια υποκείμενη ανισορροπία μεταξύ των δύο παραγόντων. Οι προσπάθειες Έρευνας και Ανάπτυξης αυξάνονται ταχύτατα εδώ και δεκαετίες, ενώ η παραγωγικότητα της έρευνας -ο αριθμός των ιδεών που παράγονται ανά ερευνητή- μειώθηκε ραγδαία.
Η ανάλυση αποκάλυψε ότι πάνω από 20 φορές περισσότεροι Αμερικανοί ασχολούνται σήμερα με την Έρευνα και Ανάπτυξη (Ε&Α, ή R&D) σε σχέση με το 1930, αλλά η μέση παραγωγικότητα τους έχει μειωθεί κατά έναν συντελεστή 41. Ο μόνος τρόπος με τον οποίο οι Ηνωμένες Πολιτείες μπόρεσαν να διατηρήσουν ακόμη και την σημερινή ανεπαρκή αύξηση του ΑΕΠ ήταν να ρίξει όλο και περισσότερους επιστήμονες και μηχανικούς σε ερευνητικά προβλήματα. Η οικονομία των ΗΠΑ έπρεπε να διπλασιάσει τις ερευνητικές της προσπάθειες κάθε 13 χρόνια απλώς για να διατηρήσει τον ίδιο συνολικό ρυθμό οικονομικής ανάπτυξης.
Ακριβώς επειδή η παραγωγικότητα της έρευνας μειώνεται στο συνολικό επίπεδο, δεν σημαίνει ότι το ίδιο πρέπει να ισχύει για μεμονωμένα προϊόντα και βιομηχανίες. Για να μάθουμε αν τα εθνικά δεδομένα κρύβουν πιο αισιόδοξες ιστορίες, εξετάσαμε πόσο δύσκολο είναι να βρεθούν ιδέες μέσα σε τρεις τομείς της βιομηχανίας: Της τεχνολογίας, της ιατρικής έρευνας και της γεωργίας. Για ένα άλλο μέτρο, αναλύσαμε τις ερευνητικές προσπάθειες σε επιχειρήσεις που διαπραγματεύονται δημόσια. Οπουδήποτε κι αν κοιτάξαμε, υπήρχαν σαφείς αποδείξεις ότι οι αυξανόμενες επενδύσεις στην Ε&Α έχουν συγκαλύψει μειώσεις της υποκείμενης παραγωγικότητας.
Πάρτε την τεχνολογία. Από το 1971, η πυκνότητα των τρανζίστορ σε ένα ολοκληρωμένο κύκλωμα έχει διπλασιαστεί περίπου κάθε δύο χρόνια, ένα φαινόμενο που είναι γνωστό ως «νόμος του Moore», από τον Gordon Moore, συνιδρυτή του γίγαντα των επεξεργαστών για ηλεκτρονικούς υπολογιστές, Intel. Οι πρόοδοι που ήρθαν ως αποτέλεσμα, επέτρεψαν την δημιουργία ολοένα ισχυρότερων υπολογιστών, οι οποίοι επηρέασαν κάθε πτυχή της κοινωνίας. Αλλά χρειάστηκαν πάνω από 18 φορές περισσότεροι ερευνητές για να διατηρήσουν αυτόν τον συνήθη διπλασιασμό σήμερα από ό, τι στις αρχές της δεκαετίας του ’70.
Άλλες βιομηχανίες παρουσίασαν παρόμοιες πτώσεις. Για να μετρήσουμε την παραγωγικότητα στην γεωργία, συγκρίναμε τις αποδόσεις των καλλιεργειών του καλαμποκιού, της σόγιας, του σιταριού και του βαμβακιού με το ποσό των χρημάτων που δαπανώνται για την βελτίωση αυτών των αποδόσεων, με το να αναπτύσσονται νέες μέθοδοι διασταυρώσεων, βιοτεχνίας, φυτοπροστασίας και συντήρησης. Η μέση απόδοση ανά στρέμμα και για τις τέσσερις καλλιέργειες διπλασιάστηκε κατά προσέγγιση μεταξύ 1960 και 2015. Όμως, η ποσότητα της έρευνας που απαιτήθηκε για την επίτευξη αυτών των κερδών αυξήθηκε με συντελεστές μεταξύ 3 και 25, ανάλογα με την καλλιέργεια και το συγκεκριμένο ερευνητικό μέτρο. Κατά μέσο όρο, διαπιστώσαμε ότι η παραγωγικότητα της ιδέας στην γεωργία μειωνόταν κατά περίπου 4% έως 6% κάθε χρόνο.
Παρόμοιο μοτίβο εμφανίζεται στην ιατρική έρευνα. Εξετάσαμε τις μειώσεις των ποσοστών θνησιμότητας των ασθενών με καρκίνο και τις συγκρίνουμε με τους ετήσιους αριθμούς δημοσιεύσεων ιατρικής έρευνας και κλινικών δοκιμών. Κοιτάζοντας πίσω στην δεκαετία του ’70, διαπιστώσαμε ότι η παραγωγικότητα της ιδέας για την έρευνα για τον καρκίνο αυξανόταν μέχρι τα μέσα της δεκαετίας του ’80 και στην συνέχεια άρχισε να πέφτει, υποδηλώνοντας ότι τουλάχιστον σε μερικούς ερευνητικούς τομείς όπως ο καρκίνος του μαστού, η εύρεση νέων ιδεών γίνεται ευκολότερη για κάποιο χρονικό διάστημα, αλλά δυσκολότερη προς το τέλος.
Συνολικά, μεταξύ του 1975 και του 2006, ο λόγος των επιπλέον χρόνων ζωής που κέρδισαν οι ασθενείς με καρκίνο προς τον αριθμό των κλινικών δοκιμών, μειώθηκε κατά μέσο όρο κατά 5% ετησίως. Όλο και περισσότερες δοκιμές, δηλαδή, ήταν απαραίτητες για να σωθούν τα ίδια επιπλέον έτη ζωής. Περιοριζόμενοι στον καρκίνο του μαστού μόνο, η μέση ετήσια μείωση της παραγωγικότητας της έρευνας ήταν ακόμη πιο έντονη στο 10%. Και για τις καρδιακές παθήσεις, μια άλλη κύρια αιτία θανάτου στις Ηνωμένες Πολιτείες, το ποσοστό ήταν 7%.
Για να έχουμε μια ευρύτερη αίσθηση της παραγωγικότητας της έρευνας σε ολόκληρη την οικονομία, εξετάσαμε τα ιστορικά στοιχεία των αμερικανικών εταιρειών που διαπραγματεύονται στο χρηματιστήριο. Η ανάλυσή μας με στοιχεία από 15.128 επιχειρήσεις μεταξύ 1980 και 2015 έδειξε ότι ακόμη και αν οι δαπάνες για R&D αυξήθηκαν, η μεγάλη πλειοψηφία των επιχειρήσεων παρουσίασαν ταχεία μείωση της παραγωγικότητας, όπως μετράται από την απόδοση των επενδύσεων στην έρευνα στην αύξηση των πωλήσεων, την απασχόληση και τα έσοδα ανά εργαζόμενο. Κατά μέσο όρο, η παραγωγικότητα της ιδέας μειώθηκε σε ποσοστό περίπου 9% ετησίως. Ως αποτέλεσμα, η μέση επιχείρηση σήμερα χρειάζεται 15 φορές περισσότερους ερευνητές από ό, τι πριν από 30 χρόνια για να παράγει τον ίδιο ρυθμό ανάπτυξης.
ΤΟ ΜΕΛΛΟΝ ΔΕΝ ΘΑ ΕΙΝΑΙ ΟΠΩΣ ΗΤΑΝ ΣΥΝΗΘΩΣ
Το ότι η παραγωγικότητα της έρευνας έχει μειωθεί σταθερά τις τελευταίες δεκαετίες είναι σαφές˙ το γιατί συνέβη αυτό είναι ένα πιο δύσκολο ερώτημα. Για να καταλάβουμε τι συμβαίνει, αξίζει να κοιτάξουμε πίσω στο 1760, στην έναρξη της Βιομηχανικής Επανάστασης στη Μεγάλη Βρετανία. Πριν από τότε, η αύξηση της παραγωγικότητας στη Μεγάλη Βρετανία ήταν άκρως χαμηλή: Λιγότερο από 0,1% ετησίως.
Το 1700, το μεγαλύτερο μέρος του βρετανικού πληθυσμού εξακολουθούσε να εργάζεται σε αγροκτήματα και δεν ήταν πολύ πιο παραγωγικοί από όσο ήταν οι πρόγονοί τους υπό τους Ρωμαίους 2000 χρόνια νωρίτερα. Αλλά από τα τέλη του 1700 μέχρι το 1950, η αύξηση της παραγωγικότητας επιταχύνθηκε. Αυτή ήταν η εποχή που, σύμφωνα με τα λόγια του Isaac Newton, οι εφευρέτες είδαν πιο πέρα «με το να σταθούν στους ώμους των γιγάντων».
Κάθε νέα εφεύρεση, όπως η ατμομηχανή, ο ηλεκτρικός φωτισμός και η πενικιλίνη, καθιστούσαν τους μελλοντικούς εφευρέτες πιο παραγωγικούς. Το φαινόμενο αυτό οφείλεται στον αυξανόμενο αριθμό επιχειρήσεων που δημιούργησαν βιομηχανικά εργαστήρια Ε&Α, ξεκινώντας από τα εργαστήρια του Thomas Edison το 1876, ενώ τα πανεπιστήμια επικεντρώνονταν περισσότερο στην έρευνα στον τομέα της επιστήμης και της μηχανικής.
Μέχρι το 1950, ωστόσο, η παλίρροια άρχισε να γυρίζει. Η ετήσια αύξηση της παραγωγικότητας στις Ηνωμένες Πολιτείες κορυφώθηκε γύρω στο 3% και η τρίτη φάση -το μοντέλο της μηλιάς (“apple tree model”)- καθιερωνόταν. Η ανθρωπότητα είχε κάνει πολλές από τις ταχύτερες ανακαλύψεις -διαλέγοντας τα μήλα από τα χαμηλότερα κλαδιά- και έτσι η αποκάλυψη νέων επιστημονικών αληθειών άρχισε να γίνεται πιο δύσκολη.
Τι γίνεται με το μέλλον; Η πρόσφατη ιστορία, παρά η επιστημονική φαντασία, τείνει να είναι ο καλύτερος προγνωστικός παράγοντας για το εγγύς μέλλον. Τα επόμενα δέκα έως 20 χρόνια θα μοιάζουν πιθανότατα με το πρόσφατο παρελθόν: Η ετήσια αύξηση της παραγωγικότητας θα κυμανθεί γύρω στο 1%. Σε σύγκριση με τα μέσα του εικοστού αιώνα, αυτό είναι αργό, αλλά σε σύγκριση με την μακρά σάρωση της ιστορίας είναι ένα φουσκωμένο ποσοστό τεχνολογικής προόδου.
Βλέποντας ακόμη πιο μπροστά, η ανάπτυξη της τεχνολογίας είναι πιο δύσκολο να προβλεφθεί. Ο κόσμος έχει υποστεί τουλάχιστον δύο σημαντικές μεταβολές στην αύξηση της παραγωγικότητας από το 1700 -και η εποχή της πληροφορίας θα μπορούσε τελικά να φέρει άλλη μια.
NICHOLAS BLOOM
Καθηγητής Οικονομίας στην έδρα William D. Eberle στο Πανεπιστήμιο Stanford και ανώτερος συνεργάτης στο Stanford Institute for Economic Policy Research
