Штучний інтелект, дезагреговане безробіття та сталий розвиток у Південній Африці: чи пояснює динаміку гіпотеза рутинно-зміщеного технологічного прогресу?
DOI:
https://doi.org/10.58423/2786-6742/2026-13-13-32Ключові слова:
штучний інтелект, дезагреговане безробіття, сталий розвиток, Південна АфрикаАнотація
У цьому дослідженні вивчається взаємозв'язок між впровадженням штучного інтелекту (ШІ) та дезагрегованим безробіттям у контексті визначення сталого розвитку Південної Африки на основі теоретичної концепції рутинно-зміщеного технологічного прогресу (RBTC). З використанням річних часових рядів за період 2003–2024 років та методу авторегресійних розподілених лагів (ARDL) у дослідженні одночасно оцінюються короткострокові та довгострокові коефіцієнти з метою відображення повної динаміки розвитку. Емпіричні результати підтверджують існування довгострокової рівноважної залежності між впровадженням ШІ, дезагрегованим за рівнем освіти безробіттям та сталим розвитком. У короткостроковому періоді впровадження ШІ негативно впливає на розвиток внаслідок витрат адаптації, пов'язаних із заміщенням рутинних завдань, жорсткістю ринку праці та невідповідністю навичок. У довгостроковому періоді ШІ робить позитивний і статистично значущий внесок у розвиток завдяки зростанню продуктивності та інноваційним ефектам після завершення структурних перетворень. Щодо безробіття за кваліфікаційними групами, безробіття серед висококваліфікованих працівників стабільно стримує розвиток в обох часових горизонтах, відображаючи витрати продуктивності від неефективного використання людського капіталу з високим рівнем освіти. Безробіття серед менш освічених працівників демонструє позитивну довгострокову залежність, що свідчить про ефекти структурного перерозподілу праці, узгоджені з положеннями концепції RBTC. Сукупне безробіття виявляється статистично незначущим, підтверджуючи, що агреговані показники приховують суттєві розподільчі відмінності між кваліфікаційними групами та валідуючи ключову теоретичну тезу про те, що рутинно-зміщений технологічний прогрес діє через гетерогенні канали, які залишаються невидимими на агрегованому рівні. Отримані результати є особливо актуальними для органів державної політики країн із ринками, що розвиваються, які стикаються з подвійним викликом прискорення технологічних трансформацій та стійкого структурного безробіття. Дослідження рекомендує впровадження інтегрованих політичних механізмів, що поєднують стимули для розвитку ШІ, реформування ринку праці та вдосконалення системи освіти, з метою забезпечення того, щоб технологічний прогрес сприяв інклюзивному та сталому розвитку.
Посилання
1. Acemoglu, D., & Autor, D. (2011). Skills, tasks and technologies: Implications for employment and earnings. In D. Card & O. Ashenfelter (Eds.), Handbook of labor economics (Vol. 4, pp. 1043–1171). Elsevier. https://doi.org/10.1016/S0169-7218(11)02410-5 DOI: https://doi.org/10.1016/S0169-7218(11)02410-5
2. Acemoglu, D., & Restrepo, P. (2018). Artificial intelligence, automation and work (NBER Working Paper No. 24196). National Bureau of Economic Research. http://www.nber.org/papers/w24196 DOI: https://doi.org/10.3386/w24196
3. Autor, D. H., Levy, F., & Murnane, R. J. (2003). The skill content of recent technological change: An empirical exploration. The Quarterly Journal of Economics, 118(4), 1279–1333. https://doi.org/10.1162/003355303322552801 DOI: https://doi.org/10.1162/003355303322552801
4. Bhorat, H., Hill, R., Köhler, T., Monnakgotla, J., & Steenkamp, F. (2023). Who are the robots coming for? The evolving task content of employment in South Africa (SARChI Industrial Development Working Paper No. 2023/06).
5. Giwa, F., & Ngepah, N. (2024). The relationship between artificial intelligence and low-skilled employment in South Africa. Heliyon, 10, Article e40640. https://doi.org/10.1016/j.heliyon.2024.e40640 DOI: https://doi.org/10.1016/j.heliyon.2024.e40640
6. Pieters, J., Kujundzic, A., Burger, R., & Gondwe, J. (2025). Inequality at risk of automation? Gender differences in routine tasks intensity in developing country labor markets (arXiv preprint arXiv:2504.07689). https://doi.org/10.48550/arXiv.2504.07689
7. Google Cloud. (2025). 2025 state of AI infrastructure report.
8. Jung, J., & Mercenier, J. (2014). Structural change, skill bias and employment dynamics. Journal of Macroeconomics, 41, 130–147. https://doi.org/10.1016/j.jmacro.2014.05.002 DOI: https://doi.org/10.1016/j.jmacro.2014.05.002
9. Mienye, I. D., Sun, Y., & Ileberi, E. (2024). Artificial intelligence and sustainable development in Africa: A comprehensive review. Machine Learning with Applications, 18, Article 100591. https://doi.org/10.1016/j.mlwa.2024.100591 DOI: https://doi.org/10.1016/j.mlwa.2024.100591
10. KPMG. (2025). The AI outlook: The role of AI in shaping tomorrow’s world. https://kpmg.com/in/en/insights/2025/09/ai-outlook-the-role-of-ai-in-shaping-tomorrows-world.html
11. Macpherson, W. E., Werner, A., & Mey, M. R. (2023). Industry 4.0: Emerging job categories and associated competencies in the automotive industry in South Africa. SA Journal of Human Resource Management, 20, Article a1916. https://doi.org/10.4102/sajhrm.v20i0.1916 DOI: https://doi.org/10.4102/sajhrm.v20i0.1916
12. Mabungela, M. (2023). Artificial intelligence and automation in the world of work: A threat to employees? Research in Social Sciences and Technology, 8(4), 135–146. https://doi.org/10.46303/ressat.2023.37 DOI: https://doi.org/10.46303/ressat.2023.37
13. Mondolo, J. (2022). The composite link between technological change and employment: A survey of the literature. Journal of Economic Surveys, 36(4), 1027–1068. https://doi.org/10.1111/joes.12484 DOI: https://doi.org/10.1111/joes.12469
14. Dauth, W., Findeisen, S., Südekum, J., & Woessner, N. (2021). The adjustment of labor markets to robots. Journal of the European Economic Association, 19(6), 3104–3153. https://doi.org/10.1093/jeea/jvab012 DOI: https://doi.org/10.1093/jeea/jvab012
15. Nzama, M. L., Epizitone, G. A., Moyane, S. P., Nkomo, N., & Mthalane, P. P. (2024). The influence of artificial intelligence on the manufacturing industry in South Africa. South African Journal of Economic and Management Sciences, 27(1), Article a5520. https://doi.org/10.4102/sajems.v27i1.5520 DOI: https://doi.org/10.4102/sajems.v27i1.5878
16. OECD. (2024). Digital economy outlook 2024: Embracing the technology frontier (Vol. 1). OECD Publishing. https://doi.org/10.1787/a1689dc5-en DOI: https://doi.org/10.1787/a1689dc5-en
17. Opesemowo, O. A. G., & Adekomaya, V. (2024). Harnessing artificial intelligence for advancing sustainable development goals in South Africa’s higher education system: A qualitative study. International Journal of Learning, Teaching and Educational Research, 23(3), 67–86. https://doi.org/10.26803/ijlter.23.3.4 DOI: https://doi.org/10.26803/ijlter.23.3.4
18. Pesaran, M. H., Shin, Y., & Smith, R. J. (2001). Bounds testing approaches to the analysis of level relationships. Journal of Applied Econometrics, 16(3), 289–326. https://doi.org/10.1002/jae.616 DOI: https://doi.org/10.1002/jae.616
19. Poisat, P., Cullen, M., & Calitz, A. P. (2024). Human resource managers’ perceptions on the impact of AI on the South African workforce. SA Journal of Human Resource Management, 22, Article a2593. https://doi.org/10.4102/sajhrm.v22i0.2593 DOI: https://doi.org/10.4102/sajhrm.v22i0.2593
20. PwC & Strategy&. (2023). Sizing the prize: What’s the real value of AI for South Africa? PwC South Africa.
21. Ramaswamy, K. V. (2018). Technological change, automation and employment: A short review of theory and evidence. International Review of Business and Economics, 2(2), 1–20. DOI: https://doi.org/10.56902/IRBE.2018.2.2.1
22. Sebastian, R., & Biagi, F. (2018). The routine-biased technical change hypothesis: A critical review. European Commission, Joint Research Centre.
23. Singh, J. P., Shehu, A., Wesson, C., & Dua, M. (2023). 2023 global artificial intelligence infrastructures report. George Mason University AI Strategies Team & Stimson Center.
24. Tinonetsana, F., Musariwa, P., & Madondo, E. (2024). Integrating AI for environmental sustainability in medium to large corporations: A case study of South Africa. International Journal of Business Ecosystem & Strategy, 6(6), 15–21. https://www.bussecon.com/ojs/index.php/ijbes DOI: https://doi.org/10.36096/ijbes.v6i6.643
25. World Bank. (2024). World development indicators.
26. Yi, M., & Choi, H. (2023). What drives the acceptance of AI technology? The role of expectations and experiences. arXiv. https://doi.org/10.48550/arXiv.2306.13670
Downloads
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2026 Felix Aberu, Tersia Botha

Ця робота ліцензується відповідно до Creative Commons Attribution-NonCommercial 4.0 International License.
