اپیزود ۷- فصل دوم- فارکست اکونومیست

اپیزود ۷ فصل دوم فارکست هفتگی

مهمانان:

دکتر حامد قدوسی

دکتر سید فرشاد فاطمی

مهندس علیرضا ساعدی

دکتر حسین نیلی 

      

میزبان:

مهران بهنیا

بحران مالی بعدی

مهران‌بهنیا:

سلام حامد جان! لطفاً مقاله‌ای رو که این هفته برامون پوشش میدی رو برامون معرفی کن و بگو به چه دلایلی این مقاله رو انتخاب کردی؟

دکتر حامد قدوسی:

سلام عرض می‌کنم خدمت شما. مقاله‌ای که این شماره انتخاب کردم از همین شماره‌ی آخر «اکونومیست» هست هفته‌ی دوم فوریه‌ی ۲۰۲۲ به عنوان The next crisis. What would happen if financial markets crashed. سؤالی که مطرح می‌کند این است که اگر بازار سهام دوباره یک سقوط بزرگی را تجربه کند پیامدهای اقتصاد کلانش چه چیزهایی خواهد بود؟ طبعاً می‌دانید دیگر، وقتی ما راجع به نوسانات بازارهای مالی صحبت می‌کنیم، عده‌ای خریده‌اند، یک عده ضرر می‌کنند، یک عده سود می‌کنند، به اصطلاح یک باز توزیعی است بین بازیگران مختلف بازار. این موضوع به خودی خود مسئله‌ی اقتصاددان‌ها نیست، آدم‌ها شرط بسته‌اند روی جهت حرکت دارایی‌های مختلف و حالا یک پدیده‌ی تصادفی هست که تحققش به نفع عده‌ای و به ضرر عده‌ی دیگری است. منتها اگر بازار مالی سقوطش باعث این شود که یکسری از واسطه‌های مالی دچار مشکل شوند، یا یکسری از بازیگرها به معرض ورشکستگی برسند، اون وقت ما یک مسئله‌ی ریسک‌های سیستمی، نه سیستماتیک، سیستمی، مواجه می‌شویم و این مقاله سعی می‌کند این را بررسی کند، هنوز به اون نقطه نرسیده‌ایم، ولی دارد سعی می‌کند که نگاه کوچکی بیندازد به اینکه آیا ممکن است که آمریکا یک بحران مالی جدیدی را تجربه کند؟ به نحوی تاریخ هم به ما می‌گوید انگار هر ده سال یکبار یک بحران مالی رخ می‌دهد، ۸۷ (میلادی) یک بحران مالی بزرگ بود، ۲۰۰۱ حباب دات کام (Dot-Com Bubble) یکی دیگر بود، ۲۰۰۹ یکی دیگر بود و الان ده سالی هست که  بحران مالی نبوده، بیشتر از ده سال، نزدیک دوازده سال، است که بحران مالی نبوده و اگر فکر کنیم که مثل قبل هر ده سال ممکن است یک بحران داشته باشیم، شاید فکر کنیم که این اتفاقاتی که بعد از بالا و پایین رفتن بازارهای مالی در دوره‌ی بعد از کووید می‌بینیم محرک چنین ریسکی باشد، مقاله این را بحث می‌کند که آیا چیزی عوض شده یا چیزی عوض نشده؟ من خوشم آمد که مقدمه‌اش را با آن جمله‌ی معروفی که می‌گوید که برای تاریخ‌دان‌ها هر اتفاق تاریخی یک چیز منحصر به فرد است، یعنی اینطور نیست که ما یک پدیده‌های مشابه به هم و تکرارشونده را مشاهده می‌کنیم، این جمله‌ی معروفی است که در مورد بحران‌های مالی زیاد به کار می‌بریم که هر بحران مالی یک مشخصه‌هایی دارد که از قبلی متفاوت است، ۲۰۰۹ را بازار مسکن بود که پیش برد، ۲۰۰۱ را رشد شدید شرکت‌های فناوری پیش برد، ۸۷ را فروش زیاد ابزارهای مدیریتِ ریسک و شرط‌بندی غلط روی نرخ بهره پیش‌ برد، ۱۹۲۹ را ضعف در کیفیت دارایی‌های مالی و واکنش نامناسب بانک مرکزی پیش برد. خلاصه هرکدام‌شان یک DNA متفاوتی دارند و مقاله با این شروع می‌کند که ما به عنوان اقتصاددان از یک طرف می‌خواهیم یک قواعد کلی بگوییم، احتمالا مردم می‌گویند شما چه تخصصی دارید که نمی‌توانید اتفاق بعدی را پیش‌بینی کنید، وقتی بحران اتفاق می‌افتد نگاه می‌کنیم می‌بینیم که این یکی ویژگی‌هایی داشت که به این مورد دیگر فکر نکرده بودیم، با این مقدمه شروع می‌کند و نکته‌های جالبی را مطرح می‌کند که در ادامه می‌گویم خدمت‌تان.

مهران بهنیا:

به نظر باید مقاله بسیار جذابی را باید بشنویم. ممنون می‌شوم نکات اصلی متن را برامون تعریف کنی و بگی چه نشانه‌هایی از بحران را این مقاله بهش اشاره می‌کنه.

دکتر حامد قدوسی:

اجازه بدهید با این  مقدمه‌ی مختصر بگوییم که چه شواهدی را می‌گذارد یا چه مقدماتی را می‌چیند. ببینید یک نکته‌ی واضح این است که بحران باعث تغییرات نسبتاً جدی در نظام مالی آمریکا شد، از جهت درجه‌ی Risk Exposure به ریسک که یک مقررات خیلی طولانی Dodd-Frank را که نوشتند یکسری از آن منابع ریسک را کمتر کرد، خیلی از دارایی‌هایی که به اصطلاح  Over the Counter یعنی خارج از بازارهای بورس معامله می‌شدند را مشمول یکسری شفافیت بیشتر کرد، به مؤسسات مالی مثل Invesment Banks بانک‌های سرمایه‌گذاری دیگر اجازه نمی‌دهد که با پول خودشان معاملات ریسکی بکنند یا خیلی محدودشان کرد به اصطلاح prop trading این‌ها را جلوگیری کرد و مقررات وام دادن برای مسکن را محتاط‌‌‌‌‌تر کرد و این‌ها خلاصه سعی کردند که با درسی که از آن بحران گرفتند یه کاری بکنند که ضربه‌گیری‌های نظام قوی‌تر شود و آسیب‌پذیری‌اش کمتر شود. حالا همه‌ی Dodd-Frank فکر کنم چند هزار تبصره دارد کامل پیاده‌سازی نشده، ولی به هر حال قدم‌های مهمی برداشته شده؛ پس یک مقدمه این است که سیستم مالی شبیه گذشته نیست، سعی کردند که یک مقدار محکم‌ترش بکنند ولی از طرف دیگر اتفاقاتی که فکر کنم دوستانی هم که دنبال می‌کنند می‌بینند که در این چند ماه اخیر می‌بینیم، به نحوی آن رفتارهای هیجانی که در پیش از بحران قبلی داشتیم را تا اندازه‌ای دیدیم، دیگر مثلاً اون گیم استاپ که دیگه پارسال تبدیل شد به یک مثال کتاب درسی که چطور شما می‌تونید با  فشار فروش استقراضی Short Squeeze و بهره بردن از این مسئله‌ای که در ریزساختار بازار هست و پلتفرمایی مثل Reddit قیمت را یک دفعه انقدر جابه‌جا بکنید به نسبت فاندامنتال، این یکی از مثال‌هاست، دیگر اینکه می‌گوید بازار خیلی نسبت به آینده‌ی شرکت‌های Tech هیجان زیادی داشت، دیدید که در این دوره‌ تسلا و آمازون و این‌ها چقدر رشد کردند، که البته تسلا افتاد سهامش، فیسبوک همین هفته‌ی پیش بود که یک دفعه یکی از بالاترین سقوط‌ها را در تاریخ تجربه کرد، سهم‌های بزرگ بیست و خورده‌ای درصد افتادند، این‌ها یک مقدار در واقع هیجاناتی بوده‌اند که در بازار بوجود آمدند، از طرف یگر این افتی که در بازارهای رمزارزها داشتیم که بیت‌کوین رفت تا شصت و خرده‌ای و بعد افتاد، چند سیکل نوسانی بزرگ در بیت‌کوین داشتیم و می‌گوید که یک دوره هیجان داشتیم پارسال، الان حس بازار راجع به Tech اومده پایین و یک حس غم و غصه دارد، این‌طور توصیف می‌کند، پس یک اتفاقاتی در حال گذر است، بعد حالا ببینیم که این اتفاقات را چطور می‌توانیم وصلش بکنیم به روند بلندمدت نظام مالی.

مهران بهنیا:

بنابراین این جور که من متوجه شدم یک شواهد کوتاه‌مدتی در بازارهای مالی وجود داره که هشداردهنده هستند و این مقاله می‌خواهد ببینه این نشانه‌ها اثرات بلندمدتی بر ساختار نظام مالی دارن و می‌تونن منجر به یک بحران در یک افق بلندمدت‌تر بشن یا نه. خُب، پس خوبه که اینجا یک مقداری متن رو بیشتر برامون باز کنی. اینکه سمت و سوی سرمایه‌گذاری‌ها و ترکیب آنها چگونه است و چه ریسک‌هایی وجود داره؟

حامد قدوسی:

اجازه بده دو ویژگی که استخراج کرده‌ام از متن که می‌گوید که به لحاظ اقتصادی وضعیت پرتفولیو سرمایه‌گذاری و نهادهای مالی کجاست؟ دو ویژگی که بیان می‌کند یکی‌اش این است که مقدار زیادی از سرمایه‌گذاران بزرگ مثل صندوق‌های سرمایه‌گذاری بازنشستگی و الی آخر این‌ها پورتفولیویی دارند که در آن دارایی‌های با عمر زیاد یا به اصطلاح Long Duration هست، یعنی چه؟ یعنی دارایی‌هایی که الان لزوماً جریان نقدی تولید نمی‌کنند ولی خریده‌ایم به امید رشد بزرگ جریان نقدی در آینده و اینطور دارایی‌ها پتانسیلی دارند که P/E آنها به اصطلاح بالا باشد، چون شما دارید شرط می‌بندید روی رشد، حالا فکر کنید که یک پرتفولیویی داریم که عمدتاً از این جنس است، این چیزی است که وقتی که Fixed Income درس می‌دهیم خیلی بحث می‌کنیم که شما درجه‌ی حساسیت‌تان به نرخ بهره چقدر است در پرتفولیو سرمایه‌گذاری‌تان، پورتفولیویی که به اصطلاح Long Duration باشند یا به عنوان افق بلندمدت باشند نسبت به نرخ بهره ارزش‌گذاری‌شان خیلی حساس است چرا؟ فکر کنید که شما یک نرخ تنزیل دارید، این نرخ تنزیل وقتی به جریان نقدی در بلندمدت اعمال می‌شود این توانی که در ضریب تنزیل‌تان می‌آید مدام بیشتر و بیشتر می‌شود؛ بنابراین اثر نرخ تنزیل در آن خیلی پررنگ می‌شود و به اصطلاح اگر دارایی‌تان کوتاه‌مدت باشد یعنی افقی که جریان نقدی را گذاشتید برای ارزش‌گذاری کوتاه باشد، نوسانات نرخ بهره‌ی کوتاه‌مدت آنقدر بزرگ نیست و آنقدر آن توان ضریب تنزیل‌ش هم بزرگ نیست، پس یک خطر این است که با توجه به این بحث‌هایی که بارها در «فارکست» هم داشتیم که تورم در حال افزایش است و بانک‌های مرکزی ممکن هست به سمت سیاست‌های انقباضی بروند برای کنترل تورم، این ممکن است که نرخ‌های بهره را بالا ببرد و می‌تواند خیلی آسیب بزند به ارزش‌گذاری دارایی‌های با عمر طولانی، پس این یک ویژگی که الان درگیرش هستیم؛ از طرف دیگر یک نکته‌ای که به نظرم مثبت هست این است که ریسک گرفتن داخل بانک‌ها کمتر شده، دلایلش را هم در مقدمه عرض کردم خدمت‌تان، که خب این مقررات یک مقدار بانک‌ها را مجبور کرده که  سرمایه‌گذاری ریسکی را روی ترازنامه‌ی خودشان قرار ندهند، به علاوه یک وجه مثبتی هم مقاله برای فناوری اسم می‌برد و می‌گوید بیشتر و بیشتر الگوریتم‌ها دارند جایگزین معامله‌گران فردی می‌شوند والگوریتم‌ها کمتر به احساسات و رفتارهای واکنشی حساس هستند، حالا البته تحلیل Sentiment را خوب انجام می‌دهند و می‌گوید که ممکن است باعث شود که کمتر در نوسانات بازار ما ببینیم که دستورات عجیب و غریب گذاشته می‌شود از طرف معامله‌گران، این نوع تغییرات را به عنوان یک وجه مثبت اسم می‌برد. می‌گوید که این تغییرات که نظام مالی در این ده سال گذشته از یک طرف به دلیل فناوری و از یک طرف به دلیل مقررات‌گذاری ساختارش را تغییر داده، ببینیم آیا آسیب‌پذیری ما را بیشتر کرده یا کمتر کرده؟ دو نکته‌ راجع به آسیب‌پذیری می‌گوییم. از طرفی خوب است که ریسک از بانک‌ها بیرون رفته ولی همانطور که در بحران قبلی هم دیدیم ما به موازات نظام بانکی رسمی ظهورِ جدی بانکداری سایه یا Shadow banking را داشتیم، یعنی به جای اینکه بروید در یک بانک سنتی سپرده بگذارید و بعد یک شرکتی بیاید از این بانک وام بگیرد، تعداد زیادی واسطه‌های جدید درست شدند از جنس Hedg Fundها حتی ETFها، همچنین پلتفرم‌هایی که وام می‌دهند و الی آخر، که این‌ها به معنی حقوقی نیستند، بانک نیستند، تحت آن مقررات نظارتی بانکی نیستند ولی دارند تامین مالی می‌کنند، اینا کسایی هستند که از یک طرف فکر کنید مثلاً یک صندوق بازنشستگی بزرگ هست که حجم زیادی پول دارد و باید این را یک جایی سرمایه‌گذاری کند و از طرف دیگر یک شرکتی که پروژه‌های بزرگی دارد، حالا به جای اینکه این دو سراغ یک بانک بروند، یکی از این واسطه‌های بانکداری سایه می‌آید و این‌ها را به یکدیگر وصل می‌کند، این باعث شده که میزان به اصطلاح وام‌گیری و اهرم در بین بانکداری سایه خیلی بالا باشد، می‌گوید که مثلاً از ۳۲ درصد رفته به ۴۳ درصد تولید ناخالص داخلی رسیده و اگر اینجا یک نکول اتفاق بیفتد آن کسانی که بهشون وام داده‌اند مثل صندوق‌های بازنشستگی دچار زیان‌های خیلی بزرگی خواهند شد. پس بانک‌های رسمی اوضاع‌شان بد نیست ولی بانکداری سایه در واقع ممکن است که دچار مشکل بشود. زاویه‌ی دیگری که مطرح می‌‌کند این است که با توجه به بحث‌های غیرمتمرکز شدن و Defi و این‌ها، ما بازیگران‌مان غیرمتمرکزتر شده‌اند ولی هنوز اتاق‌های تسویه و چیزهایی از این نوع هنوز تعدادشان محدود است و متمرکز هستند، حالا ویژگی‌ای که دارند این است که، البته ممکن است توضیحش خارج از شاید وقت این اپیزود باشد، ولی نظام مالی شما چند لایه‌ی تسویه دارد از وقتی که شما یک سفارش را می‌گذارید این سفارش به دست کارگزارتان می‌رسد، او ممکن است که به بازار گردان بدهد و بعد باید برود در هسته معاملات و این‌ها، اتفاقی که میفتد این است که وقتی که نوسانات در بازار زیاد می‌شود درجه‌ای که این گره‌های مرکزی می‌توانند پردازش بکنند سفارش‌های زیاد را یک قیدی پیدا می‌کند؛ بنابراین اگر مثلا قیمت سهام یک دفعه بیفتد پایین و عده‌ی زیادی بخواهند پوزیشن فروش بگیرند یا دچار مثلا Margin Call شوند و اتفاقاتی از این جنس، آن گره‌های مرکزی در لحظه باید تعداد زیادی سفارش را پردازش کنند،  اگر نتوانند، این به صورت یک ریسک تقویت شده در سیستم خواهد بود. این یک نگرانی است که گویا که هنوز سیستم ممکن است که برای پردازش حجم بزرگی از بازتنظیم پورتفولیو یا Rebalancing و مواردی از این جنس آمادگی نداشته باشد و بعد با اتفاقاتی مثل گیم استاپ بتواند سیستم را به بازی بگیرد با افزایش شدید حجم سفارشاتی که ممکن است در سیستم درست بکنند.

مهران‌ بهنیا:

خب حالا برگردیم به سؤال اصلی، آیا باید منتظر بحران مالی دیگه‌ای باشیم؟

دکتر حامد قدوسی:

اجازه بده یک جمع‌بندی بکنم، پس مقاله چه می‌گوید؟ می‌گوید که ما نظام مالی را سعی کردیم که باز طراحی بکنیم. اجازه ندهیم که مؤسسات مالی با پول مردم خیلی زیاد ریسک بردارند این اتفاق مثبتی بود که رخ داده، ولی از طرفی یک trade off داریم و آن این است که  بانک‌های مرکزی برای کنترل تورم ممکن است که نرخ بهره را ببرند بالا، ولی این می‌تواند موجب دینامیک‌هایی بشود که در قسمت قبلی عرض کردم و این ممکن است که قرض گرفتن را برای شهروندان و برای بنگاه‌ها مشکل‌تر کند، برای اینکه اگر بخشی از این واسطه‌هایی که  به عنوان بانکداری سایه عمل می‌کنند MBS تولید می‌کنند، دارایی‌ها را رهنی‌سازی می‌کنند و الی آخر در اثر این تغییرات قیمت دارایی ورشکست شوند، قدرت وام‌دهی در کل جامعه پایین می‌آید. با این نکته‌ی مثبت و منفی به پایان می‌برد که ما بازیگران خیلی ریسک‌جو و سرکشی مثل Lehman Brothers و بریستن که ورشکست شدند در جریان بحران مالی اوایل دهه‌ی ۲۰۰۰ نداریم، و این را هم می‌گوید که ما با یک تست خیلی سخت مواجه هستیم که واقعیت به ما خواهد گفت که آیا این اصلاحات توانسته بوده نظام مالی را مستحکم کند یا از یک جای دیگر آسیب‌پذیر بودند. خیلی متشکر، امیدوارم که ادامه بدهیم این بحث را باز هم.

 

میل به ولخرجی در پساکرونا

مهران بهنیا:

سلام آقای دکتر فاطمی. آقای برای این هفته چه مقاله‌ای را برای مخاطبین «فارکست» انتخاب کرده‌اید و دلایل انتخاب‌تان چه بوده؟

دکتر فرشاد فاطمی:

سلام. اتفاقاً ما این هفته برگشتیم به مقاله‌ای که از هفته‌ی پیش جا مونده بود از ارائه‌های ما، این مقاله‌ در شماره‌ی ۵ فوریه منتشر شده و عنوانش هستThe urge to splurge  یعنی «تمایل به ولخرجی» که در مورد سرعت سرمایه‌گذاری پس از همه‌گیری کرونا صحبت می‌کند. مقاله از این جهت مهم است که مقایسه می‌کند بازگشت به نرخ‌های سرمایه‌گذاری را در دوره‌ی کرونا با بحران مالی قبلی و بحران‌های قبلی که برای اقتصاد اتفاق افتاده، مقاله می‌گوید که این بار به نظر می‌آید بازگشت به نرخ‌های سرمایه‌گذاریِ قبل از بحران سریع‌تر از بحران‌های قبلی، به طور خاص بحران مالی سال ۲۰۰۹، اتفاق افتاده؛ می‌گوید که سرمایه‌گذاری الان که تقریباً هشت فصل از شروع بحران کرونا گذشته، تنها ۵ درصد پایین‌تر از سطح آن در قبل از دوره‌ی کروناست، در حالی که بعد از هشت فصل در بحران مالی ۲۰۰۹ این عدد ۲۵ درصد پایین‌تر بوده، یعنی بازگشت نرخ‌های سرمایه‌گذاری به نرخ‌های قبل از بحران، الان خیلی سریع‌تر اتفاق افتاده.

مهران بهنیا:

چیزی که من در مقاله دیدم مقایسه بین سال ۲۰۲۰ و ۲۰۱۰ هست و این را چند جا اشاره می‌کند. چه شباهت‌ها و تفاوت‌هایی بین این دو سال وجود دارد؟

دکتر فرشاد فاطمی:

یک نکته‌اش این است که به هر حال آن نزدیک‌ترین بحران عمیق اقتصادی بوده که جهان را فرا گرفته، به هر حال هر دو بحران بوده‌اند، در عین حال مقاله می‌گوید این بار بازگشتِ ما تقریباً سریع‌ترین نرخ بازگشت سرمایه‌گذاری بوده بین همه‌ی بحران‌هایی که اطلاعات آنها ثبت شده، در مثلاً صد یا صد و بیست سالِ گذشته، به همین دلیل این از این جنبه مهم است که بفهمیم این بار چه اتفاقی در حال رخ دادن است. البته یک تفاوتی که مقاله خیلی بر آن تمرکز نکرده این است که بحران‌های قبلی یا حداقل بحران ۲۰۰۹ بحرانی بود که از بازارهای مالی شروع شده بود، بحران فعلی لزوماً از بازارهای مالی شروع نشده، پس یکی از دلایل تفاوت در بازگشت به حالت قبل این است که منشأ بحران فعلی با بحران‌های قبلی متفاوت است، حداقل در صد سال گذشته یک بحران دیگر که به خاطر همه‌گیری یک بیماری بوده را کمتر به خاطر داریم و به همین دلیل یکی از دلایل تفاوت ممکن است تفاوت در منشأ بحران باشد. البته خود ابعاد بحران کرونا روی اینکه سرمایه‌گذاری کجاها انجام می‌شود هم تأثیر گذاشته که حالا بهش خواهیم پرداخت.

مهران بهنیا:

مقاله چه دلایلی می‌آورد که بازگشت سرمایه‌گذاری در پساکرونا خیلی سریع‌تر بوده نسبت به بحران‌های قبلی؟

دکتر فرشاد فاطمی:

اول از همه مقاله دو شاهد می‌آورد از دو صنعت خاص که کرونا نشان داده به صاحبان کسب و کار که آنجا باید سرمایه‌گذاری کنند؛ یک شاهدش از صنعت کامپیوتر یا به طور خاص  صنعت ساخت چیپ‌های رایانه‌ای است. به طور خاص مقاله می‌گوید که به خاطر همه‌گیری کرونا اتکای ما به نرم‌افزارها و سخت‌افزارهای کامپیوتری افزایش پیدا کرد و مثلاً سرمایه‌گذاری در صنعت کامپیوتر در آمریکا الان ۱۷ درصد بیش از روند بلندمدت قبل از کروناست، یا مثلاً شرکت ساختِ نیمه هادی‌های تایوان taiwan semiconductor manufacturing corporation، پیش‌بینی کرده بود که ۱۰۰ میلیارد دلار در سه سال آینده سرمایه‌گذاری خواهد کرد، در ژانویه‌ی ۲۰۲۲ اعلام کرده که در یک سال آینده ۴۴-۴۰ میلیارد دلار سرمایه‌گذاری خواهد کرد، همزمان اینتل هم گفته که تقریباً ۲۰ میلیارد دلار در صنعت تراشه‌های رایانه‌ای سرمایه‌گذاری می‌کند؛ پس یک بخش اینجاست. صنعت دیگری که مثال می‌زند صنعت زنجیره‌ی تأمین یا همان Supply Chain است، که می‌گوید که به دلیل اختلالی که در انتقال کالاها اتفاق افتاد در دنیا، که حالا بعضاً نهاده‌ها‌ی تولید بودن و بعضاً کالای ساخته شده بودند، عملاً شرکت‌ها و به خصوص کمپانی‌های حمل و نقل دریایی حجم زیادی سرمایه‌گذاری کردند در این صنعت، مثلاً تنها در سال ۲۰۲۱ حدود ۴/۲ میلیون عدد کانتینر بیست فوتی سفارش داده شده، و این یکی دیگر سرمایه‌گذاری‌های متأثر از اتفاق کرونا بوده.

مهران بهنیا:

مقاله سه حوزه یا سه دلیل مشخص می‌آورد که چرا خوش‌بینی به آینده در پس از بحرانی که ما سال ۲۰۲۰ داشتیم خیلی فراتر از اون چیزی بود که پس از سال ۲۰۱۰ داشتیم و به نوعی بازگشت نرخ‌های سرمایه‌گذاری در پساکرونا خیلی سریع‌تر خواهد بود نسبت به بحران‌های قبلی. ممنون می‌شوم که این سه دلیل را برای ما توضیح بدهید.

دکتر فرشاد فاطمی:

دقیقاً! مقاله می‌گوید که به سه دلیل که لزوماً این دلایل ۱۰۰ درصد هم وابسته به خود کرونا نیستند و بعضاً به شرایط روز برمی‌گردند، سرمایه‌گذاری شدیدتر است. دلیل اولش اینکه شرکت‌ها درحال سرمایه‌گذاری بیشتری هستند روی همان موردی که گفتیم صنعت زنجیرهای تأمین، که می‌دانیم که در دوران بحران، کارخانه‌ها تعطیل می‌شدند یا نقل و انتقال کالا مختل می‌شدند، مقاله می‌گوید هر چند این سرمایه‌گذاری ممکن است سرمایه‌گذاریِ بیش از اندازه به نظر برسد و اینطور بنظر بیاید که زیاده سرمایه‌گذاری می‌کنیم یا سرمایه‌گذاری‌مان غیر کاراست منتهی به هر حال ارقام افزایش حجم سرمایه را در این صنعت رؤیت می‌شوند. دلیل دومی که دلیل جذابی هم هست اینکه مجددا روی آوردن به فناوری‌هایی که بتوانند در آینده ایجاد رشد بکنند گسترش پیدا کرده، شواهدی می‌آورد مثل اینکه پنج شرکت بزرگ فناوری که در یکی از «فارکست»‌های قبلی هم به آن پرداختیم، تنها در سال ۲۰۲۱، ۱۴۹ میلیارد دلار خرج R&D کرده‌اند، یا مثلاً اینکه سرمایه‌گذاری در حقوق مالکیت معنوی یعنی چیزهایی که به پتنت و حق مالکیت معنویِ حاصل از اختراعات برمی‌گردد، تقریباً ۴۱ درصد از سرمایه‌گذاری غیرشخصی یا ۴۱ درصد از سرمایه‌گذاری شرکتی را در آمریکا تشکیل می‌دهد در بخش خصوصی، که این عدد قبل از دوره‌ی کرونا تنها ۳۶ درصد بود. علاوه بر این مثال‌های دیگری هم می‌آورد از زمینه‌‌های دیگر فناوری که سرمایه‌گذاری در آنها زیاد شده که البته در بعضی موارد مرتبط با کروناست، مثلا سرمایه‌گذاری روی RNAهایی که ویروس‌های وابسته به کرونا بر مبنای آن ساخته شدند، یا سرمایه‌گذاری توی Decentralized Finance همان تامین مالی گسترده یا غیرمتمرکز و همچنین سرمایه‌گذاری در Virtual Reality یعنی واقعیت مجازی. به هر حال در موارد مختلف این سرمایه‌گذاری در حال انجام است در تکنولوژی‌های نویی که بعداً منجر به رشد خواهند شد. دلیل سومی اینکه کشورهایی که به خصوص در کلوپ کشورهایی هستند که بیش از ۹۰ درصد آلودگی هوا را تولید می‌کنند، این کشورها به سرعت می‌خواهند سرمایه‌گذاری کنند به سمت یک اقتصاد بدون کربن یا غیرکربنی کردن تولید اقتصادی و آنها هم اگر روی قول و قرار خودشان باقی بمانند حجم سرمایه‌گذاری که برای این کار لازمه خیلی خیلی حجم بالایی خواهد بود. مقاله می‌گوید حجم سرمایه‌ی موجود در فصل چهارم ۲۰۲۱ که تو این زمینه هست، منظور سرمایه‌گذاری نیست، حجم کل سرمایه‌ها ۲/۷ دهم تریلیون دلار هست، یعنی ۲/۷ هزار میلیارد دلار سرمایه‌ اینجا انباشته شده برای کار کردن در این حوزه و می‌گوید حجم سرمایه‌گذاری جدید تنها در سال گذشته در این حوزه ۷۵۵ میلیارد دلار بوده، یعنی می‌خواهد نشان بدهد هم حجم سرمایه زیاد است و هم ورودی سرمایه جدید در این زمینه قابل توجه است، و اینکه اگر که کشورها بخواهند پایبند بمانند به قول و قرارشان مبنی بر اینکه می‌خواهیم به سمت اقتصاد بدون کربن حرکت کنیم، آن وقت حجم سرمایه‌گذاری که اینجا نیاز هست خیلی خیلی ارقام بزرگی خواهد بود و این ارقام بزرگ نیازمند این است که کشورها منابع‌شان را از سایر موارد خرج کردن‌ها به سمت سرمایه‌گذاری در این زمینه منتقل کنند و اینجا سرمایه‌گذاری انجام بدهند.

مهران بهنیا:

بنابراین مقاله سه حوزه را برای رشد سرمایه‌گذاری در آینده ذکر می‌کند. یکی بحث زنجیره‌ی تأمین هست، یکی تکنولوژی‌های دیجیتال و دیگری هم رسیدن به اهداف محیط زیستی مثل کربن‌زدایی؛ این سه حوزه حوزه‌هایی هستند که سرمایه‌گذاری را در آینده جذب خواهند کرد و منجر به بازگشت سریع‌تر از کرونا خواهند شد، درست است؟

دکتر فرشاد فاطمی:

دقیقاً، یعنی این‌ها مواردی هستند که رشد را سریع‌تر برمی‌گردانند و پیش‌بینی‌ها این است که ما خیلی سریع‌تر از بازگشتِ بعد از بحران قبلی به مقادیر رشدِ قبل از بحران کرونا برسیم.

مهران بهنیا:

آیا این سه حوزه اثراتی بر بهره‌وری یا سایر شاخص‌های اقتصادی دارند که حتی کیفیت رشد را نسبت به گذشته تحت تاثیر قرار بدهند؟

دکتر فرشاد فاطمی:

بله! مقاله در جمع‌بندی خودش اشاره می‌کند که امیدواری هست که این نوع سرمایه‌گذاری‌ها سرمایه‌گذاری‌هایی  باشند که بتوانند رشد TFP^۱ ایجاد بکنند، رشدِ حاصل از بهره‌وریِ عوامل تولید ایجاد کنند، که اگر بخواهیم ساده تعریفش بکنیم می‌شود رشدی که منشا آن نه افزایش سرمایه یا افزایش نیروی کار بلکه افزایش بهره‌وری است، و اگر این اتفاق بیفتد مسیرِ رشد بلندمدت دنیا را تغییر می‌دهد. اگر بخواهیم به یک رقم اشاره بکنیم، مقاله می‌گوید بین سال ۱۸۸۰ تا سال ۲۰۲۰ یعنی یک دوره‌ی صد و چهل ساله نرخ رشد TFP به طور متوسط ۱/۲ درصد بوده، در دهه‌ی گذشته در دهه‌ی ۲۰۱۰ این رشد رسیده به ۰/۵ درصد، می‌گوید اگر این اتفاقاتی که جدیدا رخ می‌دهد منجر به این بشود که TFP برگردد به همان متوسط ۱۴۰ ساله، مسیر رشد اقتصادی دنیا مسیر متفاوتی می‌شود. البته یک مقداری زود هست که بخواهیم در مورد این برآورد به جمع بندی نهایی برسیم، منتها اگه TFP افزایش پیدا بکند و بهره‌وری عوامل تولید بالاتر برود حتماً کیفیت رشدی هم که اتفاق میفتد کیفیت بهتری خواهد بود.

مهران بهنیا:

بنابراین اگر بخواهیم خوشبین باشیم می‌توانیم اینطور جمع‌بندی کنیم که کرونا با وجود همه‌ی هزینه‌هایی که برای اقتصاد جهانی داشت و افراد زیادی را تحت تأثیر قرار داد، اما از جهاتی اثرات مثبتی هم داشته، یک مورد این بوده که ممکن است ما به رشدهای بالاتری در دوره‌ی پساکرونا برسیم و رشد سرمایه‌گذاری به حوزه‌هایی برود که نه تنها افزایش عدد رشد را خواهیم داشت، افزایش کیفیت رشد را هم در پی خواهد داشت.

دکتر فرشاد فاطمی:

دقیقاً و مهم‌تر از همه اینکه در کوتاه‌مدت بیرون اومدن از بحران این بار خیلی سریع‌تر از بحران‌های قبلی بوده، البته در بحران ۲۰۰۹ هم ما می‌دانیم که بازگشت اقتصاد یا ریکاوری اقتصاد به نسبت خیلی سریع اتفاق افتاد به خاطر تمهیداتی که کشورهای مختلف به خصوص آمریکا انجام دادند، به همین خاطر به نظر می‌آید که ظاهراً در سیاست‌گذاری و در استفاده از ابزارهای اقتصادی هم دنیا دارد یاد می‌گیرد که چقدر سریع‌تر بتواند بحران اقتصادی را پشت سر بگذارد.

مهران بهنیا:

خیلی متشکر از شما.

 

چین در کلوپ کشورهای با درآمد بالا

مهران بهنیا:

امروز آقای «علیرضا ساعدی» مهمان من هستن. آقای «ساعدی» از پژوهشگران حوزه‌ی توسعه و اقتصاد بین‌الملل هستند، خیلی خوشحالی هستیم که به جمع مهمانان «فارکست» پیوسته‌اند. آقای «ساعدی» سلام.

علیرضا ساعدی:

سلام مهران جان. من هم سلام عرض می‌کنم خدمت شما و از اینکه من را دعوت کردید که در این گروه باشم و بتوانم به تدریج مطالبی را که می‌خوانم، خدمت شما و شنوندگان بیان کنم، اگر مفید باشد، خوشحال هستم.

مهران بهنیا:

خیلی ممنون از شما آقای «ساعدی». برای این اپیزود چه مقاله‌ای برای مخاطبین «فارکست» آماده کردید و چرا؟

علیرضا ساعدی:

با توجه به اینکه ما می‌خواهیم مطالب را کوتاه مطرح کنیم تا شنوندگان بتوانند در فرصتی کوتاه نکاتی را دریافت کنند، من یک مقاله مختصری را از «اکونومیست» انتخاب کردم که در تاریخ 5 فوریه منتشر شده؛ در مورد این که آیا چین که بعد از اینکه توسعه پیدا کرده از سطح کشورهای با درآمد کم و سطح جمعیت بسیار بزرگِ فقیر توانسته خودش را توسعه بدهد و الان ما آن را به عنوان کشورِ در حال رشدِ خیلی سریع می‌شناسیمش، آیا در تله‌ی درآمد متوسط قرار گرفته و ادامه می‌دهد این وضعیت را؟ یا اینکه خارج شده و وارد کشورهای با درآمد بالا می‌شود؟ این سؤالی که هست در محافل بین‌المللی مطرح می‌شود.

مهران بهنیا:

لطف می‌کنید این مفهوم «تله‌ی درآمد متوسط» را برای ما توضیح بدهید؟

علیرضا ساعدی:

آخر دهه‌ی ۸۰، در سال ۱۹۸۹ دو اقتصاددان که مطرح هم هستند در بانک جهانی به اسم «گیل» و «خاراس»، که هنوز هم آقای «ایندرمیت گیل» در بانک جهانی فعال هست و اتفاقاً در مورد برابری درآمد هم کار می‌کند، این‌ها در آن سال یک تعریفی دادند، که البته این تعریف لزوماً آکادمیک نیست، یک شاخص عددی است که خود محققین بانک جهانی معرفی کردند، سال  ۱۹۸۷ وارد این بررسی‌ها شدند و نهایتاً براساس شاخص قیمت‌های جهانی در سال ۱۹۸۹ این درآمد ۶ هزار دلار محاسبه شد، که کشورهایی که درآمد سرانه‌‌شان بالاتر از ۶ هزار دلار بود، این‌ها را جزو کشورهای ثروتمند لحاظ کردند، و پایین‌تر از آن را جزو کشورهای درآمد متوسط، و البته از یک حدی به پایین‌تر را کشورهای فقیر دسته‌بندی کردند، این شاخص کماکان به روز شده و الان که ما در سال‌های ۲۰۲۰ و ۲۰۲۱ هستیم، بازنگری‌هایی نسبت بهش شده که حالا عرض می‌کنم در ادامه‌ی مباحث.

مهران بهنیا:

می‌فرمایید که الان رقم این شاخص برای سال ۲۰۲۰ یا ۲۰۲۱ چه عددی هست؟

علیرضا ساعدی:

 بله این‌ محاسبات بر اساس شاخص قیمت‌های جاری در کشورهایی که مورد هدف هستند برای طبقه‌بندی و البته یک روابطی که با نرخ‌های ارز پایه و در واقع ارزهای جهان‌روایی که بیشترین تجارت را دارند، انجام می‌شود، ارزهایی مانند یورو و دلار و پوند انگلیس و البته یوآن چین هم وارد شده به این سبد، آخرین جمع‌بندی که این‌ها داشته‌اند، ۱۲ هزار و ۶۷۵ دلار بوده و البته مطالعات نشان می‌دهد که چینی‌ها در سال ۲۰۲۲ که سالِ «ببر» چینی‌ها هست، این محققین پیش‌بینی می‌کنند که چینی‌ها عبور کرده‌اند از این و ما یک گربه‌ی چاقی داریم به اسم چین که از حالا به بعد به کلوپ ثروتمندان جهان پیوسته.

مهران بهنیا:

یعنی از این به بعد ما می‌توانیم چین را به عنوان یکی از کشورهای ثروتمند تلقی کنیم؟

علیرضا ساعدی:

بله طبق بررسی‌های من، که مستند هستند به مطالعه‌ای که در آن پیش‌بینی‌شان این هست که در سال ۲۰۲۵ به ویژه چینی‌ها در مقطعی که بقیه‌ی کلوپ ثروتمند به طور میانگین در سطح ۱۵ هزار دلار [درآمد سرانه] خواهند بود، درآمد سرانه‌ی چینی‌ها به ۱۷ هزار دلار خواهد رسید، ۲ هزار دلار تفاوت درآمد هست نسبت به بقیه و حتی شاید در بالاترین حد در میان کشورهای ثروتمند قرار بگیرند.

مهران بهنیا:

بنابراین انتظاری که داریم این هست که رشد درآمد سرانه در چین تداوم داشته باشد در سال‌های آینده، چه پیشران‌هایی وجود دارند یا چه محرک‌هایی هستند که این تداوم رشد چین را محقق میکنند؟

علیرضا ساعدی:

در مورد چین این سؤال مطرح هست که بالاخره چقدر این پیش‌بینی‌ها پایدار خواهد بود؟ و این وضعیت می‌تواند ادامه پیدا کند یا نه؟ یک سناریو این است که  می‌گویند که الان اعداد به ما نشان می‌دهند بین ۱۰۱۵ تا ۲۰۱۹ در مجموع چینی‌ها ۴۳ درصد بوده نسبت سرمایه‌گذاری به GDP شان، که این خیلی بالاست نسبت به بقیه‌ی کشورهای ثروتمند، دو برابر نسبت سرمایه‌گذاری در آن‌هاست؛ دوم این که بهره‌وری‌شان در حال بهبود بوده دائما، یعنی چینی‌ها بر اساس شاخص ICOR یا The Incremental Capital Output Ratio یا اگر به فارسی ترجمه کنیم «نسبت فزاینده‌ی سرمایه‌گذاری به تولید» که حاصل تقسیم نسبتِ سرمایه‌گذاری به GDP تقسیم بر درصد رشد اقتصادی هست، چینی‌ها در این موضوع خیلی وضعیت بهتری دارند نسبت به بقیه، مثلاً در اروپا یعنی در کشورهای ثروتمند این شاخص حدود ۱۰ است، در چین ۶/۵، نشان می‌دهد که در چین اوضاع بهتر پیش می‌رود، یا در رابطه با ضریب بهره‌وری کشورشان کماکان وضعیت خوبی دارد، البته چین نسبت به دهه‌ی قبل‌تر نسبت به خودش بهره‌وری‌اش کمتر شده، اما در قیاس با سایر کشورها کماکان سرمایه‌گذاری‌اش با خروجی خیلی خوبی نسبت به ایجاد رشد کار می‌کند، منتها یک ملاحظاتی هم مطرح هست از یک طرف که آیا واقعاً این می‌تواند ادامه پیدا کند؟ این بخاطر موضوع دخالت دولت در بنگاه‌هاشان هست، کماکان بنگاه‌های بزرگی هستند که  دولت در آنها دخالت دارد یا مالکیت دارد، اصطلاحاً State Owned هستند، و کماکان چینی‌ها نتوانسته‌اند در این موضوع اصلاحات ساختاری متناسب با بازار ایجاد کنند و این موارد منجر می‌شود به انباشت نیروی انسانی و کاهش رقابت‌پذیری و امثالهم که انتظار می‌رود از آن زاویه این روند رشدی که ما فکر می‌کنیم در بهره‌وری دارند طی می‌کنند شاید متوقف شود؛ این ملاحظات کماکان در مورد چین مطرح هست.

مهران بهنیا:

می‌دانیم که ترکیب اشتغال در چین تفاوت‌هایی با کشورهای ثروتمند دارد، به عنوان مثال سهم اشتغال در بخش کشاورزی در چین بیشتر هست، آیا از این مسیر هم اثراتی بر تداوم این رشد می‌توانیم متصور باشیم؟

علیرضا ساعدی:

بله اتفاقا ترکیب اشتغال چین قابل توجه هست، از این جهت که در کشورهای ثروتمند، الان درصد نیروی کاری که در بخش ساخت و ساز هستند خیلی بیشتر هست و جالب اینکه در چین انقدر نیست، یا اینکه در بخش اشتغال صنعتی چین ۱۹ درصد و کشورهای ثروتمند ۱۳ درصد به طور میانگین دارند، و از همه جالب‌تر که خیلی شگفت‌انگیز هست اینکه یک چهارم نیروی کار چین هنوز در بخش کشاورزی فعال هستند، ۲۵ درصد نیروی کارشان در بخش کشاورزی و روستایی مستقراند، این در حالی است که در کشورهای ثروتمند این میانگین ۳ درصد هست و حتی این سؤال مطرح است که اگر این نیروی کشاورزی را بشود با آموزش خوب، که البته چینی‌ها در این زمینه سرمایه‌گذاری کرده‌اند، اگر بشود آنها را تبدیل کرد به نیروی کارِ آچار به دستی که وارد حوزه‌های بهره‌ورتری نسبت به کشاورزی بشوند آن وقت معلوم نیست چه اتفاقی اصلاً برای ادامه‌ی روند چین می‌افتد، اما در این مقطع عجالتاً ترکیب نیروی کار در چین ترکیب بکری هست، البته من این را عرض می‌کنم در ادامه اگر فرصت باشد، که در کشاورزی چه ملاحظاتی می‌تواند مطرح شود.

مهران بهنیا:

ممنون می‌شوم لطف کنید بفرمایید آیا این می‌تواند از جهتی تهدیدی برای رشد چین باشد یا بیشتر به عنوان یک فرصتی مطرح هست که منجر به رشدهای بیشتری در چین خواهد شد؟

علیرضا ساعدی:

باز اینجا هم تحلیل‌ها دوگانه است، به خاطر این که یک گروه باور دارند این 25 درصدی که در کشاورزی شاغل هستند نتوانسته‌اند به بخش‌های دیگر که درآمد بیشتر دارند وارد شوند؛ به‌علاوه اینکه ما می‌دانیم که در چین جابه‌جایی‌های نیروی کار مدیریت شده است؛ هنوز آن میزان آزادی‌ها وجود ندارد که مثلاً در اقتصادی مثل ایالات متحده که جابه‌جایی نیروی کار به راحتی انجام می‌شود، در چین کماکان مجوزهایی هست برای جابه‌جایی از مناطق به مناطق، یک عده‌ای معتقدند که این یک مانع بزرگ بوده؛ عده‌ای دیگر معتقدند که کشاورزان لزوماً قابلیت این را نداشته‌اند که بتوانند آن مهارت‌ها و سطح سوادی که لازم است برا ی ورود به امور جدیدتری که در اقتصاد چین در حال پیشتازی هستند، و البته به دلیل اینکه کماکان مالکیت زمین در مناطق زیادی در داخل چین در mainLand چین اصطلاحاً به صورت تعاونی اداره می‌شود و می‌دانیم که افرادی هستند که دو نسل یا سه نسل آنجا مالکیت‌های مشاع داشته‌اند، در آن اراضی کشاورزی کرده‌اند و هنوز به این امید هستند که آن اراضی را بتوانند تملک کنند در پروسه‌های بعدیِ خصوصی‌سازی، بنابراین هزینه فرصت‌شان این را ایجاب می‌کند که کماکان بمانند و وارد بخش مثلاً غیر کشاورزی نشوند، این سؤال برای آنها وجود دارد، ضمن اینکه در بخش کشاورزی یک عمده نیروهای دیگری هم که الان هستند سنین بالایی دارند و با میانگین تحصیلات پایین‌تر، این‌ها شاید واقعاً برای‌شان دشوار باشد جابه‌جایی به بازار کار جدیدی که در چین شکل گرفته.

مهران بهنیا:

همانطور که از تله‌ی درآمد متوسط گفتید، مفهوم دیگری هم هست به نام «تله‌ی درآمد بالا» که تجربه‌ی ژاپن نشان می‌دهد کاهش جمعیت همراه با افزایش سن منجر به کاهش هزینه‌ها و کاهش مصرف می‌شود و این سبب می‌شود که سرمایه‌گذاری خانوارها افزایش پیدا کند و در نتیجه نرخ بهره را کاهش بدهد، آیا چین هم ممکن هست با تله‌ی درآمد بالا مواجه بشود؟

علیرضا ساعدی:

بله اتفاقا این سؤالی که می‌فرمایید از ملاحظات اصلی مقاله هم هست، من دیدم که «رابرت بارو» با یک آقایی به اسم «جونگ والی» از اقتصاددان‌های کره‌ای، اخیراً یک بررسی کرده‌اند در رابطه با اینکه سطح تحصیلات در چین به چه صورت هست و مثلاً میانگین تحصیلاتشان چه کیفیتی دارد، الان صحبت از این هست که این درآمدهای بالا اگر وارد شدند، مثل ژاپن که مثال زدید، چقدر می‌تواند ادامه پیدا کند، که به هر حال چینی‌ها میانگین سطح تحصیلات‌شان در مجموع ۹/۹ سال بوده، در حالی که در کشورهای ثروتمند این فاکتور ۵/۱۱ سال هست، بنابراین کماکان سطح تحصیلات کمتر توانسته به عنوان خدمت عمومی در چین توسعه پیدا کند، اما چینی‌ها یک شانسی که دارند، که البته نمی‌توانیم بگوییم شانس، ولی این حرکت دارد رخ می‌دهد، و آن این است که نیروی کارِ کمتر ماهر و کمتر تحصیل‌کرده‌شان سنین بالا دارند و انتظار دارند مثلاً ظرف چندین سال آینده این‌ها از بازار کار خارج بشوند و پیش‌بینی‌ها این است که چینی‌ها میانگین تحصیلات‌شان به ۱۳/۱ سال خواهد رسید که این خیلی بالاست، منتها این کیفیتِ تحصیل کماکان در چین قابل بحث است، همین بررسی‌هایی که عرض کردم نشان می‌دهد که کیفیت مثلاً ۱۳/۱ سال تحصیل در چین برابری می‌کند با ۱۰ سال آموزش در سنگاپور که نزدیک هم هستند و تقریباً یک فرهنگ دارند، خب ولی با این حال میانگینِ۱۰ سال بالاست برای چینی‌ها، و می‌توانند به این مرحله برسند؛ پس آموزش نسل جدید می‌تواند موتور محرک باشد که کماکان در باشگاه ثروتمندان بمانند؛ اما یک مسئله‌ی دیگر هم هست، و آن مسئله‌ی والدینِ جوانِ چینی است و سیاست تک فرزندی، که البته سال‌های دشواری که این‌ها با کار مداوم توانستند رشد کنند خانواده‌ها را سوق داده به اینکه اصلاً شاید هم فرزند نداشته باشند، الان نرخ رشد سالانه جمعیتی که در گزارش می‌بینیم ۰/۰۳ درصد ذکر شده که این خیلی ناچیز هست و به خاطر همین معلوم نیست که واقعاً در آینده این مشعل ثروت و توسعه را چه کسانی در چین می‌خواهند به دست بگیرند و ممکن هست چین خیلی سریع وارد چرخه‌ی سالخوردگی بشود نسبت به بقیه‌ی کشورهای ثروتمندی که کماکان توانسته بودند نسل جوانِ آماده به کارِ خودشان را داشته باشند.

مهران بهنیا:

بنابراین همانطور که از یک طرف عواملی داریم که منجر به افزایش درآمد خانوارهای چینی می‌شود و این رشدِ درآمد در چین تداوم پیدا می‌کند، از طرفی هم عواملی هست که ممکن است این درآمدها را کاهش بدهد.

علیرضا ساعدی:

بله دقیقاً همینطور هست، عرض کردم که در نهایت هر چقدر هم سطح تحصیلات را بخواهند افزایش بدهند با توجه به اینکه بهره‌وری هم عرض کردم که در بخش دولتی به ویژه با ملاحظاتی روبرو هست گرچه سرمایه‌گذاری‌ها بالاست؛ در چین عنایت کنید که ما داریم در مورد بازار کاری حرف می‌زنیم که ۸۰۰ میلیون نفر شاغل دارد؛ این خیلی عدد بزرگی است، اما ترکیبش را باید ببینیم، در این ترکیب به نظر می‌رسد که ادامه‌ی این وضعیت مثلاً برای یک دهه یا دو دهه‌ی آینده، که خوب بالاخره یک روند دراز مدتی است، ترکیب جمعیتی ممکن است که نتواند این وضعیت را به خوبی ادامه بدهد.

مهران بهنیا:

پس همینطور که چین با سرعت وارد کلوپ کشورهای ثروتمند شد، ممکن است که با سرعت هم خارج شود.

علیرضا ساعدی:

بله در پاسخ به سؤال شما عرض کنم که چینی‌ها بعد از گذشت سه یا چهار دهه دارند وارد این باشگاه می‌شوند، به سرعت خارج شدن‌شان قابل بحث است، این مقاله که بنده عرض کردم نمی‌پردازد به این سؤالِ شما که سؤال مهمی هم هست، ولی خوب است اینجا یک مطلب دیگری هم به این مقاله بتوانیم اضافه کنیم و آن اینکه به ضریبِ جینی چین نگاه کنیم، ضریب جینیِ چین در واقع خیلی شبیه به آمریکاست ۰/۴۸ طبق آماری که عنوان می‌شود، و یکی از نابرابرترین توزیع‌های درآمد در سطح جهان محسوب می‌شود، که خود چینی‌ها اصطلاح Governmental Capitalist را مطرح می‌کنند؛ یعنی این که اگر به آمریکایی‌ها می‌گویند کاپیتالیست به این‌ها می‌گویند «کاپیتالیستِ دولتی» و دیگر اینکه توزیع درآمد خیلی در چین وضعیت بدی دارد و در عین حال نسبت به اتحادیه‌ی اروپا، بیست و هفت کشور اتحادیه اروپا که در همان باشگاه ثروتمندان محصوب می‌شوند، الان ضریب جینی‌شان حدود ۰/۰۳ است، بنابراین ۵۸ درصد ضریب جینی چین از این کشورها بالاتر است و جالب است که نسبت به آلمان به عنوان یکی از کشورهای خیلی موفق اتحادیه اروپا، که تقریباً سیاست‌های نیمه سوسیالیستی دارد که چینی‌ها هم خودشان را در آن زاویه می‌بینند، ضریب جینی چین حدود ۶۳ درصد بدتر است و این شکاف درآمدی که در چین هست خیلی سؤال ایجاد کرده و ما می‌دانیم که مباحث اخیری که در رابطه با کار اجباری مطرح شده در بعضی از رسانه‌های غربی، از جمله گماردن نیروی کار در صنایع خیلی پر ضرر مثل معدن یا صنایعی که باعث کاهش سریع طول عمر کارگر می‌شوند، این مسائل در چین هست و کسی در مورد این‌ها صحبتی نمی‌کند، فکر می‌کنم که یک مقداری در این مسائل هنوز جای بحث هست و احتمالاً مقالات دیگری هست که بتوانیم در آینده بررسی کنیم و بهتر توضیح بدهیم که فقط پیوستن به کشورهای ثروتمند عامل بهبود اوضاع چین نبوده، شاید لازم باشد که مسائل دیگر هم در چین بررسی بشود.

مهران بهنیا:

حتما! امیدواریم که این فرصت را داشته باشیم. خیلی ممنون خیلی مقاله‌ی جالبی را انتخاب کردید و با توضیحات‌تان هر دو بُعد رشدِ چین را توضیح دادید، این که از یک سو عواملی هست که می‌تواند منجر به تداوم این رشد بشود و از طرف دیگر هم نااطمینانی و ریسک‌هایی وجود دارند که می‌توانند منجر به افت رشد چین شوند؛ خیلی ممنون از توضیحات‌تان.

 

انبار فروشگاه‌ها، کندوی ربات‌هی تیز و چابک

مهران بهنیا:

سلام دکتر حسین [نیلی] عزیز همون‌طور که می‌دانید من از طرفداران بخش فناوری «فارکست» هستم، امیدوارم مثل همیشه یک مقاله‌ی جذاب دیگر از «اکونومیست» انتخاب کرده باشید.

دکتر حسین نیلی:

سلام مهران جان! ممنون از لطف شما، امیدوارم که جذاب باشد برای مخاطبین و برای خودتان. مطلبی که امروز پوشش می‌دهم یک مقاله‌ای هست که در «اکونومیست» منتشر شده، با این عنوان که ربات‌های جدید که هوشمندتر و سریع‌تر از نسخه‌های قبلی خودشان هستند در حال تسخیر انبارها هستند که اشاره‌اش به انبار فروشگاه‌های آنلاین هست، حوزه‌ای که به عنوان e-Commerce می‌شناسیم و می‌دانیم که آمازون در این حوزه خیلی خیلی پیشتاز هست، در کشور خودمان هم نمونه‌هایش را داریم که بارزترینش شرکت «دیجی‌کالا» است. این مقاله در مورد نقش ربات‌ها در انبارها و اینکه چطور کمک می‌کنند، بازدهی عملیاتی بیشتر شود صحبت می‌کند.

مهران بهنیا:

پس بحث اصلی درباره‌ی نقش ربات‌های انبار در فروشگاه‌های آنلاین هست، دقیقاً چه کار می‌کنند این ربات‌ها؟

دکتر حسین نیلی:

ببینید وضعیت الان به شکلی است که انبارهای فروشگاه‌های بزرگ آنلاین طبیعتاً پر هست از اقلامی که قرار است سفارش‌ها از بین اون‌ها انتخاب شوند و وقتی یک سفارشی می‌رسد به یک فروشگاه آنلاین این اقلام باید از جاهای مختلف انبار جمع‌آوری شوند، بارکد روی آنها اسکن شود، در یک سبد  قرار بگیرند و تحویل داده شود به آدرس گیرنده‌ی کالا، یک شرکتی مثل آمازون که در روز یک میلیون و ۶۰۰ هزار سفارش را ارسال می‌کند، می‌شود تصور کرد که انبارهایش هم چقدر بزرگ باشند، در کشور خودمان هم «دیجی‌کالا» انبارهای خیلی بزرگی دارد، کاری که نیروی انسانی انجام می‌دهد در شکل رایجش این هست که وقتی یک سفارشی می‌رسد باید اقلام مختلف را از جاهای مختلف انبار جمع‌آوری بکند و گرد هم بیاورد و آماده کند برای ارسال، می‌گویند که برای یک سفارش نسبتاً بزرگ یک نیروی انسانی در آمازون‌، حالا منظور نیروی انسانی ماهر و چابک است، حدوداً یک ساعت طول می‌کشد که اقلام یک چنین سفارشی را مرتب و آماده کند برای اسکن شدن و ارسال؛ ربات‌ها کاری که می‌کنند، بخشی که عمدتاً در آن فعال هستند  این است که بروند سبدهایی که این اقلام در آنها هستند را بلند کنند، دقیقاً این‌ها را در مسیر کف انبار حرکت بدهند، در این انبارها انگار که یک خیابان‌کشی انجام شده انگار که یکسری بزرگراه دارد که مسیرهای اصلی تردد این ربات‌هاست، یکسری هم خیابون‌های کم عرض‌تر دارد، که مثل یک سوپر مارکت است، که طبیعتاً ربات باید برود آن اقلام را پیدا کند، ربات‌ها این سبدها را میاورند به یه جایی که ایستگاه برداشتن و چیدن هست، که آنجا اقلام باید اسکن شوند که این کار را ربات الان انجام نمی‌دهد جلوتر صحبت می‌کنیم، و در نهایت سفارش آماده می‌شود برای ارسال. پس انبارها پر هستند از سبدهای پلاستیکی عمدتاً که ربات‌ها این‌ها را برمی‌دارند، حالا در آمازون مثلاً سبدها را روی خودشان می‌گذارند و می‌آورند، در مثلاً اکادو (Ocado) که یک فروشنده‌ی آنلاین بزرگ در بریتانیا است، در آنجا ربات‌ها بالای سطح هستند و سبدها پایین‌اند، سبدها را انگار که بالا می‌کشند و در قسمت پایینِ خودشان نگه می‌دارند و می‌برند، حالا این تفاوت در شکل کار هست.

مهران بهنیا:

چه جالب! چرا استفاده از ربات‌ها رشد کرده در این مدت؟ یک مقدار از آمارهایی که هست بگو که مثلاً چه تعداد ربات فعال هستند و شرکت‌ها با چه موانعی مواجه بوده‌اند که آنقدر اقبال به استفاده از ربات‌ها زیاد شده؟

دکتر حسین نیلی:

الان حدود ده سالی هست که آمازون، که بارزترین نمونه‌ست در این حوزه‌ی فروش آنلاین، شروع کرده به استفاده از ربات‌ها، الان تعداد این‌ها رسیده به ۳۵۰ هزار ربات، برای اینکه یک درک درستی داشته باشیم، تعداد نیروی کار آمازون در کل دنیا یعنی تمام کسانی که در آمازون به صورت‌های مختلف کار می‌کنند یک میلیون و ۳۰۰ هزار نفر است، یعنی نسبت چهار به یک برقرار است، به ازای هر چهار نفر نیروی انسانی در آمازون یک ربات فعال هست.

مهران بهنیا:

یعنی همچنان تعداد بیشتری نیاز هست؟

دکتر حسین نیلی:

بله! جالب اینکه اکونومیست می‌گوید همین تعداد هم، که تعداد قابل توجهی است، برای تضمین آینده‌ی آمازون کافی نیست؛ یک علتی که حالا چرا این همه ربات زیاد هست و مخصوصاً اخیراً تمایل به بکار گرفتن ربات‌ها زیاد شده، ماجرای همه‌گیری کرونا بوده، شاید شنیده باشیم در بحث‌های مختلف، فکر می‌کنم در «فارکست» هم پوشش داده شده، اختلالات عمده‌ای که در زنجیره‌ی تامین به وجود آمد در دوران همه‌گیری کرونا، و از طرف دیگر می‌دانیم که به خاطر خانه‌نشین شدن و قرنطینه‌ای که جریان داشت، سفارش‌های آنلاین خیلی زیاد شدند، فکر می‌کنم خودمان هم تجربه کردیم و پیش‌بینی می‌شود که این روند ادامه‌دار باشد، یعنی الان که دوران قرنطینه می‌شود گفت پشت سر گذاشته شده باز هم پیش‌بینی می‌شود که خیلی از افراد بخواهند خریدهاشان را به صورت آنلاین انجام بدهند، از طرف دیگر یک بحران جستجو برای نیروی کار هم در جریان هست، این موضوع را هم اتفاقاً «اکونومیست» در مقاله‌ی دیگرش پوشش داده، بحثِ جنگ در جذب نیروی کار باعث شده مثلاً یک شرکتی مثل آمازون برای اینکه نیروی کار بگیرد بعضی وقت‌ها باید پاداش‌ها و مزایای خارج از عرفی بدهد که بتواند نیروی کار را جذب بکند، همه‌ی این عوامل دست به دست هم داده و باعث شده که باری که روی فروشگاه‌های آنلاین، بار زیادی باشد از نظر تقاضا و این سرعت زیادی می‌طلبد برای اینکه کالا را به موقع به دست مشتری برسانند و به مرور زمان این چالش جدی‌تر هم می‌شود با توجه به شرایطی که عرض کردم. گفتید که به آمار هم اشاره‌ای بکنیم، مکنزی پیش‌بینی کرده که بازار اتوماسیون انبار با نرخ رشد مرکب سالانه‌ی 23 درصد که نرخ قابل توجهی هست رشد خواهد کرد و تا سال۲۰۳۰ ارزشش به ۵۰ میلیارد دلار می‌رسد، یعنی به نظر می‌آید که بازارِ کاملاً بزرگی هست، شرایطی که عرض کردم هم مزید بر علت شده که خیلی دنبال این باشند که از ربات‌ها استفاده کنند تا این سرعت عملیات را فراهم بکنند.

مهران بهنیا:

طبق توضیحاتی که دادی یک تعداد زیادی ربات در انبارها کار می‌کنند و بعضی از این‌ها طبیعی‌ست که وظایف‌شان با وظایف انسان‌ها تداخل داشته باشد، یعنی کارهایی باید مشارکتی بین انسان و ربات انجام شود، این سؤال پیش می‌آید که این تعداد زیاد ربات‌ها با هم تصادف نمی‌کنند؟ با انسان‌ها به خصوص، یعنی هیچ تداخلی به وجود نمی‌آید بین کار انسان‌ها و ربات‌ها؟

دکتر حسین نیلی:

یک چالش بزرگی این هست دقیقاً، من سعی کردم در قسمت قبلی این را روشن بکنم که یک عامل محرکه‌ی قوی برای این که اصلا این انبارهای فروشگاه‌های آنلاین به سمت به کارگیری ربات‌ها رفته‌اند سرعت بوده، خواسته‌اند سرعت را بالا ببرند، در نتیجه انتظار می‌رود حالا ربات‌هایی که برای ساخت‌شان بالاخره هزینه هم شده، بتوانند با سرعت بالایی کار بکنند، این سرعت بالا و آن تعداد زیاد همان‌طور که اشاره کردید یک زمینه‌ای فراهم می‌کند، که حالا جدا از اینکه به انسان‌ها برخورد بکنند، این است که به همدیگر هم برخورد بکنند، اینجا در واقع آن شبکه‌ی سنسوری که این ربات‌ها دارند خیلی نقش کلیدی‌ای ایفا می‌کند، این‌ها تجهیز شده‌اند به یک سری ابزار بینایی ماشین که کمک‌شان می‌کند که به نحوی ببینند محیط اطراف خودشون را و یک شبکه‌ی سنسوری و راداری دارند که کمک‌شان می‌کند بتوانند تشخیص بدهند که مثلاً دارند نزدیک می‌شوند به یک مانعی؛ حالا این مانع می‌تواند یک ربات باشد می‌تواند یک انسان باشد، می‌تواند چیز دیگری باشد؛ به کمک این شبکه‌ی سنسوری که دارند و یک سیستم کامپیوتری مبتنی بر هوش مصنوعی که در واقع حرکت این ربات‌ها را مدیریت می‌کند که خیلی هم شبیه آن چیزی هست که در فرودگاه‌ها کنترل می‌کند که مخصوصاً در فرودگاه‌های شلوغ هواپیماهایی که می‌خواهند روی باند فرودگاه بلند شوند و فرود بیایند، این زمان‌ها با هم تداخل نداشته باشد که آنجا می‌تواند اصلاً فاجعه به وجود بیاورد، یک سیستمی شبیه یه این در یک چنین انبارهایی هم کار می‌کند و کنترل و مدیریت می‌کند نوع حرکت این ربات‌ها را؛ این شبکه‌های سنسوری یک مشکلی هم که به وجود آورده این است که برای افزایش احتیاط و جلوگیری از برخورد ربات‌‌ها، عملا گاهی سرعت عملکردشان پایین می‌آید، سرعت حرکت‌شان خوب‌ است، منظور سرعت عملکردشان است که مدام باید بایستند که به چیزی برخورد نکنند. یک زمینه‌ی پژوهشی که الان کاملاً جدی هست و پیگیری می‌شود این است که در واقع یک سیستم مدیریت ریسک داشته باشند این ربات‌ها و جالب اینکه شبیه سیستم مدیریت ریسکی است که برای سرمایه‌گذاری استفاده می‌شود که بتوانند در عین اینکه ایمنی را حفظ می‌کنند سرعت‌شان هم پایین نیاید. شرکت NEC ژاپن که یک شرکت الکترونیکی خیلی معروفی هست، یک رباتی را عرضه کرده که این ربات دو برابر سرعت متوسط ربات‌های رایج در انبارهای فعلی فروشگاه‌های آنلاین حرکت می‌کند و ایمنی‌اش هم تضمین شده است، این یک عرصه‌ی فعال و یک چالش مهم است.

مهران بهنیا:

چیزی که من خاطرم می‌آید این هست که از سال‌های گذشته هم ربات‌ها در جاهای مختلف مانند فروشگاه‌ها فعال بودند، در دهه‌ی گذشته چه اتفاقی افتاده که انقدر اقبال به این‌ها زیاد شده؟ از سمت تقاضا توضیح دادی که کرونا اتفاق افتاد و تقاضای خانوارها برای سفارش‌های آنلاین‌ زیاد شد. این بار تقاضای زیاد یکی از عواملش بود ولی از اون سمت در تکنولوژی چه تحولاتی اتفاق افتاد که باعث شد این ربات‌ها به نوعی کاراتر شوند؟

دکتر حسین نیلی:

خب بحث اصلی باز می‌رسد به همین سرعت عملکرد ربات‌ها، چون مزیت به کارگیری ربات‌ها در ازای هزینه‌ای که برای ساخت‌شان صرف می‌شود، این هست که بتوانند کار را سریع‌تر انجام دهند، به خاطر همین هم خیلی از پیشرفت‌ها در راستای افزایش سرعت عملکرد ربات‌ها بوده، یک اقدام بزرگی انجام شده توسط یک شرکت فرانسوی به اسم Exotec، قبلاً در روال مرسوم این طور بوده که این ربات‌ها در واقع حرکت دو بعدی داشتند روی سطح انبارها حرکت می‌کنند، همانطور که اشاره کردم مثلاً بعضی‌هاشان زیر سبدها قرار می‌گیرند و سبد را بلند می‌کنند و  بعضی‌ها سبد را بلند می‌کنند و در قسمت پایین خودشان حمل می‌کنند، به هرحال حرکت این‌ها دو بعدی است، یک دسته ربات‌هایی به نام Skypod این شرکت اگزوتک طراحی و عرضه کرد که این ربات‌ها حرکت‌شان سه بعدی است، خب این یک تحول بزرگی بود که در همین چند سال اخیر اتفاق افتاده، اگر اشتباه نکنم در کمتر از پنج سال اخیر، این ربات‌ها ظاهر و شکل و شمایل‌شان شبیه همین ربات‌های رایج هست، منتها این‌ها می‌توانند عمودی هم حرکت کنند یعنی در واقع این‌ها می‌توانند از سبدهایی که روی هم چیده شدن بالا بروند و سبد مورد نظر را بردارند و پایین بیاورند، حالا بعد روی سطح انبار حرکت می‌کنند و سبد را می‌برند اونجایی که در واقع آن اقلام باید چیده شوند برای تحویل، این حرکت سه بعدی این امکانِ بالا رفتن و پایین آمدن خیلی کمک کرده که بتوان انبارها را فشرده‌تر طراحی کرد، یعنی وقتی حرکت فقط دوبعدی باشد خود ساختار انبارها یک مقدار فضای بیشتری اشغال می‌کند به خاطر این که ربات‌ها بتوانند راحت با همدیگر حرکت کنند و برخورد به هم نداشته باشند، اما وقتی که امکان حرکت در امتداد عمودی هم وجود داشته باشد می‌شود این انبارها را فشرده‌تر طراحی کرد. یک چالش انبارداری این فروشگاه‌ها این است که همانطور که می‌دانیم انبارها معمولا هم بیرون شهر هستند و معمولاً فضاهای خیلی بزرگ دارند، این امکان کمک کرده که بتوان به اصطلاح Micro Warehouse را ساخت که روبات‌ها می‌توانند در آنها عمودی هم حرکت بکنند این Micro Warehouseها یا این انبارهای کوچک آن وقت دیگر در مراکز شهری که خیلی نزدیک‌تر به مشتری مصرف‌کننده‌ی نهایی هست قرار بگیرند، این نزدیکی کمک می‌کند که همان فرآیندی که می‌خواهیم تسریع شود، که همان رسیدن کالا به دست مصرف‌کننده هست، تسریع شود، این فکر می‌کنم یکی از تحولات اصلی بوده که اتفاق افتاده، مشتری‌های این ربات که حرکت سه بعدی می‌کند مشتری‌های بزرگی بوده‌اند، یک سوپرمارکت زنجیره‌ای خیلی بزرگ فرانسوی هست در کشورهای دیگر هم شعبه دارد به اسم Carrefour که مشتری همین ربات‌ها هست برای استفاده در انبارهای خودش، Gap که یکی از تولیدکنندگان معروف پوشاک آمریکایی هست هم از این ربات‌ها استفاده می‌کند، ولی کلا تحول‌ها در راستای همین بوده که سرعت عملکرد این‌ها را بتوان بیشتر کرد و از سمت دیگر انبارهای جمع و جورتری داشت که صرفه اقتصادی برای احداث در مرکز شهر را هم داشته باشند.

مهران بهنیا:

من مقاله را که می‌خواندم یک نکته‌ی جالبی دیدم اینکه هنوز ضعف‌های خیلی زیادی دارند این ربات‌ها مثل اینکه یک جایی نوشته بود که ممکن است این‌ها تخم مرغ و سیب‌زمینی را با هم اشتباه بگیرند و روی هم بگذارند؛ مثل اینکه کارهایی در حال انجام است که از طریق هوش مصنوعی قابلیت ربات‌ها برای تشخیص کالاها افزایش پیدا کند در آینده، لطفا بگو به چه سمتی می‌رود تکنولوژی ربات‌ها و در خصوص عملکرد این ربات‌ها چه مشکلاتی هست که باید حل شوند؟

دکتر حسین نیلی:

ببین یک گلوگاه بزرگ اتوماسیون فرآیند جمع‌آوری کالا از انبارها و تحویلش به مشتری که در واقع سخت‌ترین قسمت کار برای ربات‌ها است، آن زمانی پیش ‌می‌آید که کالا را جمع‌آوری کرده‌اند، مثلاً مشتری پنجاه قلم کالا سفارش داده، این‌ها را آورده‌اند یکجا و حالا باید یکی یکی بردارند و بارکدشان را اسکن کنند و در یک بسته قرار دهند و بعد از آن ببرند و تحویل مشتری بدهند، که از مرحله ارسال به بعد هم اتوماسیون خوبی صورت گرفته و می‌دانیم الان آمازون از پهپادها استفاده می‌کند برای تحویل، در همین شماره‌ی «اکونومیست» اشاره می‌کند به وسیله‌های بدون راننده‌ی کوچکی که در پیاده‌رو حرکت می‌کنند برای تحویل کالا؛ مرحله‌ی برداشتن تک‌تک کالاها است که برای ربات‌ها خیلی سخت هست و گلوگاه می‌شود. چرا سخت است؟ به خاطر تنوع خیلی بالایی که در اندازه، وزن و شکل انواع اقلامی که ما سفارش می‌دهیم وجود دارد، این تنوع بالا کار را سخت کرده به خاطر این که آن بازویی که باید بتواند بگیرد این اجسام را برای اینکه بتواند جوری آموزش ببیند که هم فرضاً کاهو را به خوبی بردارد، هم موز را، هم تخم مرغ را، هم تلویزیون بزرگ و لپ‌تاپ و غیره را، واقعاً اینکه بتواند در مورد همه‌ی این‌ها آموزش ببیند چالش بزرگی‌ست، ممکن است بگویید پانزده‌ بازوی مختلف طراحی‌ کنند، این امکانش نیست، چون هزینه‌اش خیلی زیاد است، می‌خواهند که یک بازوی یکسان باشد که بتواند همه این‌ها را بردارد نگه دارد که اسکن شوند و بعد در جای خودش قرار بدهد، مثلاً همین مسئله‌ی ساده‌ای که اشاره کردید که مثلا ربات متوجه شود که اگر تخم مرغ را گذاشت سیب‌زمینی را روی آن نگذارد چون تخم مرغ می‌شکند، این‌ها یادگیری ماشینی می‌خواهد که در حال انجام است ولی فرآیند، فرآیندِ ساده‌ای نبوده، اینجا هم در همین مقاله هم اشاره می‌کند که یک پیشرفت‌های خوبی صورت گرفته یکسری از شرکت‌ها هستند که ربات‌هایی را طراحی کرده‌اند که این‌ها بازوهای متحرک هستند، یعنی بر خلاف ربات‌هایی که مثلاً در آمازون هستند که بازو و دست ندارند یک مکعب مستطیل هستند روی چهار چرخ، اما این ربات‌های اخیراً طراحی شده بازو دارند و فعلاً گویا درصدی از کالاها را می‌توانند بردارند؛ یا مثلاً یک شرکت‌ که فکر می‌کنم Fetch Robotics بود اسمش، ربات‌ این شرکت مثلاً می‌تواند یک بخشی از کالاهایی که یکی از این سوپرمارکت‌های آنلاین بزرگ ارائه میده را بلند کند؛ بوستون داینامیکس یک شرکت رباتیک خیلی معروف مستقر در ماساچوست آمریکاست، این شرکت یک بازوهایی را طراحی کرده که می‌تواند جعبه‌ی مقوایی بردارد، فیلمش هم هست اگر علاقه‌مند باشید که ببینید، جعبه را مثل انسان بر نمی‌دارد، به این صورت که دو طرفش را بگیرد و بلند کند، یک چیزهایی دارد که می‌چسبد به بالای جعبه و جعبه را بلند می‌کند، می‌گویند که جعبه‌هایی با وزن‌های مختلف را می‌تواند بلند کند و جوری بلند می‌کند که آن مقوا فرو نرود؛ پیشرفت‌هایی در این زمینه صورت گرفته ولی یک عامل کُند شدن اتوماسیون کل فرآیند جمع‌آوری کالا و تحویلش به مشتری این قسمت کار هست که به نظر در حال رشد البته با سرعت کم است. DHL که یک شرکت معروف لجستیکی است که بسته‌ تحویل می‌دهد، گفته یکی از این ربات‌ها را از یکی از این شرکت‌ها می‌خرم و گفته تا سه سال دیگر در آمریکای شمالی این را به کار خواهیم گرفت، همین چشم‌انداز سه ساله در دنیایی که انقدر تغییرات سریع اتفاق می‌افتد یک حسی می‌دهد که این قسمت کار دارد کُند پیش می‌رود.

مهران بهنیا:

با این روندی که از کاراتر شدن ربات‌ها می‌بینیم به نظر می‌رسد که در آینده این جایگزینی که بین ربات و نیروی انسانی صورت گرفته با سرعت بیشتری اتفاق بیفتد، آیا این اشتغال انسان‌ها را تهدید نمی‌کند؟

دکتر حسین نیلی:

ببین به این معنا که در انبارهای فروشگاه‌های آنلاین شاهد حضور کمتر نیروی انسانی و حضور بیشتر ربات‌ها خواهیم بود، این به نظر می‌آید که اتفاقی است اجتناب‌ناپذیر، همانطور که «اکونومیست» اشاره کرده اتوماسیون در انبار فروشگاه آنلاین دیگر فقط مزیت نیست بلکه یک ضرورت برای ادامه‌ی حیات‌شان است که بتوانند آن سرعت تحویل کالا را فراهم بکنند برای مشتریان، به نظر می‌آید که نیروی انسانی که باقی خواهد ماند در انبارهای این فروشگاه‌ها یک تعداد محدودی تکنسین هستند که این حضور هم برای این است که این ربات‌ها را تعمیر و تنظیم بکنند، یک تعداد خیلی محدودی ناظر هستند که کنترل می‌کنند شرایط را، و می‌دونیم حتی کارهای بیرون انبار هم دارد سپرده می‌شود به ربات‌ها از جمله اشاره کردیم تحویل خود کالا که توسط پهپادها و این وسایل نقلیه‌ی بدون راننده انجام می‌شود، ولی نکته‌ای که در شماره‌ی فکر می‌کنم قبلی یا دو شماره قبل «اکونومیست» بود و در «فارکست» هم بحث جالبی بود که آقای دکتر فاطمی ارائه دادند، آنجا هم بحث شد که با ورود یک چیزی مثل رباتیک، که البته این در مورد خیلی از فناوری‌های نوین صادق هست، اتفاقی که میفتد این است که یکسری از فرایندها و فعالیت‌هایی که روتین هستند از انسان گرفته می‌شود، منتها فعالیت انسان‌ها هدایت می‌شود به سمت یکسری فعالیت‌های تخصصی‌تر و اثر خالصش چه بسا افزایش اشتغال باشد، ببینید این ربات‌ها را، با این همه پیچیدگی‌هایی که اشاره کردیم از جمله اینکه باید شرایطش مناسب‌سازی شود تا بتوانند انواع کالا را بردارند یا یادگیری ماشین برای اینکه سیب‌زمینی را روی تخم مرغ نگذارند، این‌ها را انسان باید انجام بدهد دیگر، این الگوریتم‌ها را انسان باید طراحی کند، در نتیجه تعداد زیادی نیروی متخصص استخدام شدند و خواهند شد برای این که بتوانند کارهایی از این دست را انجام بدهند، در نتیجه بله اشتغال آن بخش از نیروی انسانی که کار روتین انجام می‌دهد کم خواهد شد ولی نیروی انسانی که کاری را به کمک مغز خودش انجام می‌دهد که احتمالاً به این زودی بدیلی برایش نخواهیم داشت، در این بخش اتفاقاً چه بسا افزایش هم داشته باشد.

مهران بهنیا:

بنابراین این رباتیک‌تر شدن فعالیت‌های انسان بیشتر روی ترکیب اشتغال اثر می‌گذارد و می‌توانیم انتظار داشته باشیم که تعداد اشتغال صعودی باشد ولی ترکیبش متفاوت می‌شود؛ از بخش‌هایی کم می‌شود و به بخش‌های دیگری‌ اضافه می‌شود.

دکتر حسین نیلی:

بله به نظر همین‌طور باشد.

مهران بهنیا:

خیلی ممنونم از توضیحاتت حسین جان.

 

متن اپیزودها توسط سرویس تبدیل گفتار به نوشتار فارسی «فارس‌آوا» پیاده‌سازی شده است.