Tytułowy paradoks wziął nazwę od swojego autora, Williama Jevonsa, który w XIX wieku zauważył, że choć maszyny stają się coraz wydajniejsze, dzięki czemu mogą zużywać mniej ropy i węgla, to w praktyce zużywają ich coraz więcej, bo postęp technologiczny nie idzie w kierunku oszczędzania paliwa, tylko zwiększania mocy.

Potem to spostrzeżenie rozszerzyło się na wszelkie surowce i przybrało kształt zasady: im bardziej rośnie efektywność wykorzystania danego surowca, tym bardziej rośnie jego zużycie. Efektywniejsze wykorzystanie oznacza bowiem wyższą opłacalność, a to – zgodnie z prawem podaży i popytu – koniec końców zwiększa zapotrzebowanie.

Jeśli więc wynajdziemy np. kable zawierające mniej miedzi, to wdrożenie tego wynalazku nie sprawi, że producenci kabli zaczną zużywać mniej miedzi – tylko zaczną produkować więcej kabli. A skoro kable stanieją, to będzie się ich używać więcej i w efekcie globalne zużycie miedzi jeszcze wzrośnie.

No i podobnie, choć może w mniejszym stopniu, jest z pracą. Miały nam ją zabrać maszyny tkackie, potem rewolucja przemysłowa, potem komputery, teraz AI – a jednak ciągle pracujemy z grubsza tyle samo co sto lat temu, z tych samych przyczyn, dla których ciągle zużywamy coraz więcej surowców: efektem większej wydajności nie jest redukowanie ilości pracy, tylko wzrost produkcji.

Wzrost, dodajmy, nie tylko ilościowy, ale i jakościowy. W moim przypadku nawet bardziej ten drugi, bo patrząc na liczbę tasków, wcale nie mam wrażenia, żebym ich robił jakoś znacząco więcej niż w czasach przed AI – natomiast dużo większa jest otoczka typu testy czy dokumentacja, przedtem traktowana po macoszemu (programista, który lubi pisać testy i dokumentację, to gatunek równie rzadki jak budowlaniec abstynent), a teraz z pełną powagą, bo AI zawsze wszystkiego dopilnuje, a przede wszystkim odwali czarną robotę. W efekcie małe taski potrafią zajmować nawet więcej czasu niż kiedyś przy ręcznym kodowaniu, za to są dużo lepiej dopieszczone (często na zasadzie „zmienione pięć linijek kodu, dodane dwieście linijek testów”).

Wszystko to nie zmienia faktu, że pracy w branży IT na razie ubywa – wynika to jednak w dużej mierze z krótkowzrocznego cięcia kosztów na zasadzie „niech jeden programista z AI robi to, co dziesięciu kodowało ręcznie” (co już niektórym firmom zaczęło się odbijać czkawką, gdy się okazało, że ten jeden programista nie jest w stanie porządnie ogarniać tego, co dotychczas ogarniało dziesięciu, a ogarnianie po łebkach skutkuje ogólnym bajzlem) oraz trwania przy starym paradygmacie, tzn. robimy to samo co przed AI, tylko szybciej.

Tymczasem AI otwiera nowe możliwości, których branża jeszcze nie zbadała i nie nauczyła się wykorzystywać – ale jak już się nauczy, to z czasem się okaże, że nie tylko kodujemy więcej i lepiej, ale także robimy rzeczy, o których wcześniej w ogóle byśmy nie pomyśleli lub nie miałyby one ekonomicznego sensu. A to znowu będzie oznaczało więcej pracy – co jeszcze raz nam potwierdzi wspomniany paradoks.