Investeren in AI

Amsterdam Data Science (ADS) en de AI Technology for People Amsterdam hebben SEO Economisch Onderzoek gevraagd om een raamwerk te ontwikkelen dat de maatschappelijke kosten en baten van publieke investeringen in Artificial Intelligence (AI) in kaart brengt, met specifieke aandacht voor de toegevoegde waarde van investeringen in AI voor de regio Amsterdam.

AI is een zogeheten General Purpose Technologie: een algemeen toepasbare technologie. De verwachting is dat ontwikkeling en adoptie van deze nieuwe technologie de komende decennia op verschillende manieren een bijdrage zal leveren aan het Nederlandse verdienvermogen:

• door bedrijven in staat te stellen efficiënter te produceren, de kwaliteit van bestaande producten en diensten te vergroten en nieuwe producten te ontwikkelen;
• door  informatiefricties en onzekerheid in markten te verminderen;
• door het proces van onderzoek en ontwikkeling te versnellen.

Het is echter niet vanzelfsprekend dat deze bijdrage zonder overheidsbetrokkenheid, bijvoorbeeld in de vorm van een subsidie, tot volle wasdom komt. Voor AI zit de rechtvaardiging voor een overheidsbijdrage vooral in het innovatieve karakter van de investeringen in deze nieuwe technologie. AI als general purpose technologie (GPT) kenmerkt zich door brede inzetbaarheid en het potentieel voor vervolginnovaties. Als een bedrijf of onderzoeksinstelling in een dergelijke technologie investeert, kunnen derde partijen vaak gratis meeprofiteren van de baten van die investeringen (dit heten spillovers). Ze kunnen bijvoorbeeld de kunst bij innovatieve bedrijven afkijken (‘leereffecten’), slimme innovaties kopiëren (‘ideeën zijn niet rivaal’) of medewerkers weglokken die waardevolle kennis en vaardigheden hebben ontwikkeld door betrokkenheid bij het innovatieproces (‘human capital is mobiel’). Als gevolg van dit marktfalen hebben innovatieactiviteiten vaak spillovers. Deze spillovers vormen enerzijds de bron van de maatschappelijke winst van innovatie en zorgen anderzijds voor te beperkte innovatieprikkels bij private partijen.

We bepalen de opbrengst van een investering in AI aan de hand van de literatuur die het effect van investeringen in R&D op economische welvaart kwantificeert. We gaan hierbij uit van een basisgetal dat we naar boven of beneden bijstellen op basis van een aantal karakteristieken van de investering.  De basismultiplier, die we baseren op onderzoek van Ugur et al. (2020) en Donselaar & Koopmans (2016), komt uit op een factor 1,9 met een bandbreedte van 1,7 tot 2,2. Dat betekent dat EUR 1 investering in AI R&D tussen de 1,7 EUR tot 2,2 EUR oplevert. Deze opbrengst is de huidige waarde van alle toekomstige extra economische welvaart als gevolg van de investering. Wanneer deze opbrengsten precies vallen, is niet te zeggen.

De economische literatuur over innovatie en spillovers wijst vervolgens op ten minste drie factoren die bepalend zijn voor de omvang van spillovers, en daarmee het effect op economische welvaart:

• Het type investering. Investeringen in fundamenteel onderzoek hebben vaak grotere spillovers dan investeringen in specifieke toepassingen. Fundamentele kennis is immers breder inzetbaar en veelal ook eerder niet-rivaal. De multiplier voor fundamenteel onderzoek is ongeveer 2 keer zo hoog als voor specifiek onderzoek.
• De geografisch locatie van de investering. Investeringen die gedaan worden binnen een geografisch cluster leveren vaak meer op omdat kennisdiffusie sneller gaat, bedrijven en instellingen van elkaar kunnen leren, en doordat er kapitaal (menselijk, organisatorisch, digitaal) geconcentreerd is. Als onderzoek in een cluster plaatsvindt, is de multiplier 20 procent hoger.
• Kenmerken van het bedrijf of de sector waar de investering plaatsvindt. Succesvolle adoptie van nieuwe technologie blijkt samen te hangen met de in het bedrijf of sector beschikbare kennis en vaardigheid op het vlak van de technologie en de kwaliteit van het menselijk kapitaal. We schalen de multiplier met 10 procent naar boven of naar beneden op basis van de verhouding van R&D uitgaven en de omvang van de sector relatief ten opzichte van de gemiddelde verhouding.

Bijstellingen op basis van het investeringstype, de aanwezigheid van een passend cluster, en sectorale adoptiepotentieel resulteren in opbrengsten van tussen de EUR 1,5 en EUR 5,3 per geïnvesteerde euro afhankelijk van de taxatie van de kenmerken van de investering. Onderstaande figuur vat dit samen.

Uit een vergelijking met andere regio’s in Nederland komt naar voren dat de Metropool Regio Amsterdam (MRA) sectoraal gezien sterk is in o.a. financiële en zakelijke dienstverlening, informatie- en communicatietechnologie en de creatieve industrie. Op een aantal van deze gebieden scoort Amsterdam ook in internationale zin sterk. Daarnaast zijn er kennisclusters aanwezig op het vlak van dataverwerking, algoritmen en sociaal-maatschappelijke kanten van AI. Op het vlak van zorg is er een concentratie van ziekenhuizen en specialisaties in Amsterdam, hoewel de regio daarin niet uniek is in Nederland.

Naast kwantificeerbare effecten hebben investeringen in AI ook niet-kwantificeerbare kosten en baten. Op de arbeidsmarkt impliceert de ruimere inzet van AI dat er transities op de arbeidsmarkt zullen volgen doordat banen en taken veranderen. Hoewel dit beperkte gevolgen heeft voor de totale werkgelegenheid kan er wel een tweedeling ontstaan op de arbeidsmarkt doordat de vaardigheden van werkers niet aansluiten bij de taken die de AI-arbeidsmarkt verwacht. Dit speelt met name op het middensegment van de arbeidsmarkt. Sociaaleconomische ongelijkheid kan hiermee toenemen en voor werkers kunnen de kosten van omscholing en het vinden van nieuw werk hoog zijn.

Op productmarkten kan AI tot meer concentratie leiden als er schaalvoordelen aan dataverzameling en -verwerking zitten. De marktmacht die hiervan het gevolg is, kan tot hogere prijzen voor consumenten leiden. Als de grote spelers op het vlak van AI-algoritmen en bijbehorende data-infrastructuur buiten de EU zitten, kan dit tot politiek ongewenste economische afhankelijkheid leiden. Ook kan het ertoe leiden dat kennisspilovers in grotere mate in het buitenland landen. Gebruik van AI kan daarnaast negatief uitpakken voor consumenten als die nadeel ondervinden van stille algoritmische collusie en uitsluiting als gevolg van data-gedreven prijsdiscriminatie. Borging van publieke belangen kan dan ook regulering en toezicht vereisen.

Inzet van AI leidt ook tot nieuwe sociaalmaatschappelijke vraagstukken. AI vereist gebruik van data, vaak ook over personen. Grondrechten als privacy vereisen dan zorgvuldige borging. AI is een beslis- en voorspeltechnologie. Dit kan botsen met waarden zoals menselijke autonomie of tot uitkomsten leiden die maatschappelijk onwenselijk zijn. Merk op dat zulke onwenselijke uitkomsten geen gegeven zijn, maar het resultaat van keuzes in investeringen, implementatie en toezicht. Met goede keuzes kunnen ook positieve gevolgen voor brede welvaart gerealiseerd worden. De kwaliteit van quasi-collectieve goederen kan met AI een impuls krijgen, bijvoorbeeld als het gaat om zorg of onderwijs, en AI kan net zo goed een middel zijn om menselijke biases inzichtelijk te maken en menselijke fouten te voorkomen.