Gubernator Rezerwy Federalnej Michael S. Barr ostrzegł, że zyski ze sztucznej inteligencji mogą być podzielone węziej niż korzyści z wcześniejszych rewolucji technologicznych — w wykładzie przedstawiającym nowe dane wskazujące, że nierówności majątkowe i dochodowe w Stanach Zjednoczonych należą obecnie do najwyższych w ostatnim stuleciu.

W wystąpieniu pt. „Amerykańskie nierówności i przyszłość AI", wygłoszonym na Uniwersytecie Yale w New Haven w stanie Connecticut 12 listopada 2026 r., Barr argumentował, że nierówności są cechą każdej gospodarki, a zrozumienie ich skali i ewolucji w USA może pomóc w ukształtowaniu jasnego obrazu perspektyw gospodarczych i tego, jak gospodarka prawdopodobnie zareaguje na nowe zjawiska. Powiedział, że pogłębianie nierówności może również — w zależności od wielu czynników — odzwierciedlać spadek szans ekonomicznych dla wielu ludzi, co może ograniczać zdolności produkcyjne gospodarki.

Wystąpienie nawiązywało do wcześniejszych uwag Barra, w których badał scenariusze, w jakich AI może wpływać na nierówności ekonomiczne — na lepsze lub gorsze. Tym razem odwrócił perspektywę: najpierw podsumował obecny stan nierówności ekonomicznych w USA na podstawie nowych wyników wieloletniego badania gospodarstw domowych Rezerwy Federalnej, następnie umieścił dane w kontekście historycznym ostatniego stulecia, a wreszcie przeanalizował siły kształtujące nierówności i to, co mogą sugerować o wpływie AI na podział majątku i dochodów.

„Według mojej oceny, teraz jest czas, aby społeczeństwo zaczęło rozważać, jak sprostać tym potencjalnym wyzwaniom — gdy adopcja AI jest jeszcze na relatywnie wczesnym etapie — abyśmy mogli zrealizować długoterminowe korzyści dla społeczeństwa” — powiedział Barr.

Koncentracja majątku i dochodów dziś

Najbardziej aktualne i szczegółowe informacje o nierównościach w USA pochodzą z najnowszej edycji trzyletniego Badania Finansów Konsumentów Rezerwy Federalnej, przeprowadzonego w 2025 r. i opublikowanego w październiku 2026 r. Wywiad przeprowadzono z blisko 4500 jednoosobowymi gospodarstwami domowymi i rodzinami. Badanie potwierdza, że zarówno majątek, jak i dochody są wysoce skoncentrowane, a nierówności są większe w przypadku majątku niż dochodów.

Gospodarstwa domowe z górnych 10% pod względem dochodów otrzymują niemal połowę wszystkich dochodów w USA, a górne 1% otrzymuje około jednej piątej. Jeśli chodzi o majątek, najbogatsze 10% gospodarstw posiada niemal trzy czwarte całego majątku, a górne 1% — około jednej trzeciej, czyli blisko 60 bilionów dolarów. Natomiast cała dolna połowa gospodarstw, mierzona posiadaniem majątku, ma jedynie 2% majątku. Barr zauważył, że niski majątek utrudnia także codzienne funkcjonowanie: coroczne badanie Fed dotyczące ekonomii i podejmowania decyzji w gospodarstwach domowych wykazało, że 31% respondentów w 2025 r. nie miało gotówki na pokrycie nieprzewidzianego wydatku w wysokości 500 dolarów lub więcej.

Koncentracja jest jeszcze wyraźniejsza na samym szczycie. Górne 0,1% gospodarstw domowych — zaledwie 135 tysięcy osób i rodzin — posiada jedną szóstą majątku narodu. Gospodarstwo na dolnej granicy górnego 1% ma 75 razy więcej majątku niż gospodarstwo medianowe: 16,3 miliona dolarów wobec 215 tysięcy dolarów. Gospodarstwo na dolnej granicy najbogatszych 0,1% ma 300 razy więcej majątku niż gospodarstwo medianowe.

Koncentracja majątku wzrosła również na samym szczycie. Łącząc zestawienie czasopisma Forbes 400 najbogatszych osób z danymi Badania Finansów Konsumentów, Barr przedstawił przybliżony szacunek, zgodnie z którym ich udział w całkowitym majątku USA wzrósł z 3% w 2022 r. do 4% w najnowszym badaniu. Forbes liczy blisko 1000 amerykańskich miliarderów.

Aktywa biznesowe napędzają majątek elit

Analizując źródła pogłębiania się nierówności, Barr powiedział, że majątek najbogatszych jest przechowywany przede wszystkim w formie aktywów biznesowych. Badania wykorzystujące dane Badania Finansów Konsumentów sięgające lat 40. XX wieku pokazują, że zwroty z udziałów w firmach były przez dziesięciolecia głównym źródłem pogłębiania nierówności majątkowych. Większość dochodów zamożnych gospodarstw stanowi dochód z kapitału — odsetki, dywidendy, zyski kapitałowe i zyski firm — a nie płace. W gospodarstwach klasy średniej, przeciwnie, większość dochodów pochodzi z wynagrodzeń, co utrudnia budowanie majątku.

Chociaż największą klasą aktywów zamożnych gospodarstw są zwykle akcje i inne aktywa finansowe, znaczna część ich dochodów kapitałowych pochodzi także z posiadania prywatnych firm. Występują one w dwóch głównych typach: aktywnie zarządzana firma — na przykład warsztat hydrauliczny, sklep detaliczny lub zakład produkcyjny — oraz bierna inwestycja w firmę, powszechnie znana jako private equity. Posiadanie i prowadzenie firmy od dawna jest drogą do zamożności, ale inwestycje private equity są zarządzane pasywnie i zazwyczaj dostępne wyłącznie dla najbogatszych osób i rodzin. Te prywatne inwestycje przynosiły właścicielom zwroty wyższe niż typowy mix aktywów posiadanych przez gospodarstwa o średnich dochodach. W najnowszym badaniu Fed inwestycje private equity stanowiły 12% aktywów najbogatszych 0,1% gospodarstw.

Dla gospodarstw powyżej mediany, ale poniżej 90. percentyla majątku, najczęstszymi aktywami są mieszkania i akcje, choć wartość kapitału mieszkaniowego rosła wolniej niż kapitału biznesowego. Około trzech czwartych gospodarstw w tej grupie posiada akcje, głównie przez konta emerytalne. Chociaż posiadanie spółek notowanych na giełdzie rozpowszechniło się w całym spektrum dochodowym wraz z upowszechnieniem planów 401(k) w ostatnich dziesięcioleciach, posiadanie akcji mierzone wartością pozostaje wysoce skoncentrowane wśród najbogatszych: gospodarstwa z zakresu 50.–90. percentyla majątku posiadają jedynie 17% wszystkich akcji publicznych mierzonych wartością.

Wreszcie, netto, gospodarstwa z dolnej połowy rozkładu majątku posiadają zaledwie nieco ponad 2% całego majątku, średnio 52 tysiące dolarów. Około 40% z nich ma kapitał w nieruchomościach, a blisko 40% posiada udziały w firmach — poprzez konto emerytalne lub własną działalność — lecz ich wartość jest niska w porównaniu z górną połową gospodarstw.

Stulecie pogłębiania się i zawężania nierówności

Według wielu szacunków obecny poziom nierówności należy do najwyższych z ostatnich 100 lat. Jednak nierówności majątkowe i dochodowe w Ameryce zmieniały się znacząco w historii kraju — pogłębiały się i niekiedy zawężały — pod wpływem boomów i załamań na rynkach finansowych, zmian strukturalnych w gospodarce oraz zmian polityki podatkowej i regulacyjnej.

W epoce pozłacanej, mniej więcej od 1870 do 1910 r., dochody większości ludzi rosły silnie, ale była to również era gromadzenia wielkich fortun przez przemysłowców i ich rodziny. Przy braku podatku dochodowego i spadkowego dla najbogatszych oraz ograniczonej edukacji publicznej dla wszystkich przepaść między elitą a resztą społeczeństwa się pogłębiła.

W kolejnych dziesięcioleciach, zwłaszcza podczas New Dealu, zmiany prawne i instytucjonalne wzmocniły pozycję pracowników, a wprowadzenie i rozszerzenie progresywnych podatków dochodowych i spadkowych pomogło ograniczyć koncentrację dochodów i majątku. Nierówności zawęziły się w dekadach po II wojnie światowej — erze szybkiej ekspansji gospodarczej, z której korzystało wiele gospodarstw domowych, wspieranej poprawą edukacji publicznej, w tym GI Bill, zmianami podatkowymi czyniącymi stawki bardziej progresywnymi oraz rosnącą związkowością podnoszącą płace pracowników.

Od końca lat 70. XX wieku jednak nierówności majątkowe i dochodowe zaczęły znów rosnąć — w okresie wolniejszego wzrostu gospodarczego i niekiedy wysokiej inflacji. Najwyższe stawki podatku dochodowego spadły, a mniej gospodarstw było zobowiązanych do płacenia podatku spadkowego. Jak w latach 10. i 20., udziały biznesowe rosły jako część ogółu aktywów, pomagając najbogatszym gospodarstwom się wzbogacać. Mieszkania — typowy aktywo klasy średniej — generowały majątek, lecz wolniej niż aktywa biznesowe, a tę lukę pogłębił spadek wartości nieruchomości podczas globalnego kryzysu finansowego. W tym samym okresie płace realne rosły wolno, a przepisy o płacy minimalnej nie nadążały za inflacją i wzrostem gospodarczym.

Wnioskiem z tej historii — powiedział Barr — jest to, że poziom nierówności w społeczeństwie amerykańskim nie jest niezmienny — zmienia się w czasie. Te historyczne wzorce sugerują, że wybory polityczne odgrywają kluczową rolę w kształtowaniu poziomu nierówności, choć wzrost gospodarczy, zmiany technologiczne, edukacja i globalizacja również odgrywają ważną rolę.

Kurczący się udział pracy w dochodzie narodowym

Niektóre z tych trendów widać najwyraźniej w spadku udziału dochodu narodowego przypadającego pracy w ciągu ostatnich 25 lat. Ponieważ gospodarstwa o niższych i średnich dochodach w dużym stopniu zależą od płac, podział między dochodami z pracy a dochodami z kapitału — dywidendy, odsetki i zyski z prywatnych firm — jest użyteczną perspektywą badania nierówności, mimo że gospodarstwa z całego spektrum posiadają pewne udziały biznesowe.

Po II wojnie światowej udział pracy w dochodzie narodowym był dość stabilny między 60% a 65%, ale od 2001 r. zaczął spadać w seriach. Spadek przyspieszył po pandemii i był szczególnie stromy w ostatnim roku, osiągając rekordowo niskie 52,8% w drugim kwartale 2026 r. Barr przyznał, że część stromego powojennego spadku odzwierciedla względny wzrost branż mniej pracochłonnych, a rolę odgrywają też kwestie pomiarowe związane z tym, jak dochód jest alokowany między pracę a kapitał w czasie — jeden z artykułów badawczych szacuje, że spadek między 1986 a 2017 r. jest zawyżony o około jedną trzecią z powodu przejścia na spółki typu pass-through. Ale nawet po skorygowaniu o te czynniki — powiedział — istnieje wyraźny trend spadkowy.

Badania ekonomiczne wskazują trzy przyczyny wieloletniego przesunięcia od dochodów z pracy ku dochodom z kapitału, każda wysoce istotna dla potencjalnego wpływu AI na nierówności: innowacje technologiczne zmniejszające popyt na pracę i obniżające płace; koncentracja siły rynkowej w wielu branżach z udziałem niewielkiej liczby firm; oraz związane z tym osłabienie siły negocjacyjnej pracowników.

Technologia, koncentracja i pozycja pracowników

Zastępowanie pracy technologią trwa od stuleci, ale nowe technologie mogą też zwiększać produktywność istniejących stanowisk i tworzyć nowe miejsca pracy, w tym takie, których trudno wyobrazić sobie w chwili początkowej adopcji technologii — punkt, który Barr — jak powiedział — podkreślał w wielu wystąpieniach. Internet i powstałe dzięki niemu firmy zmniejszyły zatrudnienie w niektórych zawodach — na przykład agentów turystycznych — i wyeliminowały inne, jak pracowników wypożyczalni wideo. Jednak rozwój nowych technologii rozszerzył zatrudnienie w innych obszarach: miliony osób pracujących na pełny etat jako twórcy w mediach społecznościowych utrzymują się dziś z tej działalności w USA — coś niewyobrażalnego dekadę temu.

Istotne dla nierówności jest — argumentował Barr — to, jak zwroty z pracy mają się do zwrotów z kapitału przy adopcji nowych technologii. Dostępne dowody z całego świata sugerują, że postępy technologii cyfrowej obniżyły cenę inwestycji w technologię względem pracy. Gdy kapitał jest tańszy względem pracy, firmy używają go relatywnie więcej, a kapitał może zastępować pracę — na przykład przez automatyzację i roboty. Niektóre dowody pokazują, że firmy adoptujące roboty mogą stać się bardziej produktywne i rozszerzyć zatrudnienie, ale w tej ekspansji praca jest wyprzedzana przez ekspansję kapitału, widoczną w rosnących zyskach i aprecjacji kapitału, co pogłębia nierówności. Barr powiedział, że będzie ważne uważne obserwowanie tych zjawisk, biorąc pod uwagę ogromne inwestycje kapitałowe kierowane do sektora AI.

Koncentracja rynku to kolejny czynnik spadku udziału pracy. Badacze szacują, że od 2000 r. koncentracja znacząco wzrosła w trzech czwartych amerykańskich branż, a od tego czasu płace rosły wolniej niż produktywność pracy. Ponieważ większe firmy są często bardziej produktywne, nowe technologie mogą z kolei przyczyniać się do konsolidacji rynku, tworząc tzw. firmy „superstar”. Te firmy mają niższy udział pracy w dochodach, ponieważ mogą narzucać wyższe marże produktowe — różnicę między kosztami a ceną sprzedaży — tam, gdzie konkurencja cenowa jest mniejsza, a alternatywy dla klientów liczniejsze. Jednocześnie, nawet przy wyższych marżach, ich zdolność do wdrażania nowych technologii oznacza, że mogą oferować niższe ceny niż wcześniej, co może dalej zwiększać ich skalę i skutkować niższymi kosztami dla konsumentów.

Razem — powiedział Barr — zmiany technologiczne, koncentracja rynku i malejąca siła negocjacyjna pracowników mogły przyczynić się do spadku udziału dochodów z pracy w czasie — a wszystkie te zmiany sprzyjały osobom o najwyższych dochodach i majątkach, pogłębiając nierówności majątkowe.

Jak AI może zmienić udział pracy

Dyskusja o firmach „superstar” — zauważył Barr — zapewne przywołuje na myśl garstkę firm dominujących w AI: hiperskalerów i laboratoria AI na froncie badań. Sektor AI odnotował ogromne inwestycje, a ogłoszone plany sugerują, że pogłębianie kapitału w tym sektorze będzie narastać. AI może okazać się tym, co niektórzy badacze nazywają innowacją faworyzującą kapitał, w której zwroty trafiają przede wszystkim do kapitału, a nie do pracy.

W poprzednich wystąpieniach Barr badał scenariusze ewolucji AI jako technologii i jej wpływu na rynki pracy. Kluczowe pytania obejmują zakres, w jakim AI zastąpi pracowników lub je uzupełni, stopień tworzenia nowych miejsc pracy oraz to, jak konkurencja rynkowa i siła negocjacyjna pracowników wpłyną na udział pracy w dochodach. Istota AI — w szczególności zdolność do uczenia się wykonywania złożonych, nieryutynizowanych zadań wymagających rozległej wiedzy trudnej do osiągnięcia przez człowieka — rodzi pytanie, czy efekty AI na rynku pracy będą silniejsze niż innych technologii. Po wcześniejszym badaniu, czy przesunięcia zatrudnienia mogą być większe niż w przeszłości, Barr powiedział, że w tym wystąpieniu rozważał ryzyko, że korzyści z tej rewolucji technologicznej mogą być podzielone węziej niż wcześniejsze.

Scenariusz koncentracji

Niektórzy badacze uważają, że AI ma cechy, które w przeszłych przykładach postępów high-tech wzmacniały koncentrację siły rynkowej. AI zależy od dostępu do danych, ulepszeń modeli i mocy obliczeniowej, więc korzysta z ekonomii skali i zakresu. AI sama w sobie jest potężnym narzędziem do trenowania i przyspieszania rozwoju nowych modeli AI, w tym przez uczenie się ze samowzmocnieniem. Skala przewagi liderów AI może okazać się bezprecedensowa.

Jeśli niewielka liczba firm AI zdominuje rynek i otrzyma lwią część zwrotów z inwestycji, majątki menedżerów i właścicieli tych firm gwałtownie wzrosną — powiedział Barr. Duże firmy mogłyby pozwolić sobie na inwestycje w AI i dalej rosnąć, podczas gdy mniejsze firmy traciłyby udziały rynkowe. W tym scenariuszu ogromna większość firm i ich pracowników miałaby ograniczony dostęp do nieustannie ulepszanych zasobów AI, co oznaczałoby mniejsze zwroty. Ogólnie udział pracy w dochodach by spadł, koncentracja rynku wzrosłaby, a nierówności by pogłębiły się.

Scenariusz szerokiego dostępu

Alternatywnie konkurencja i rozproszona innowacyjność mogłyby uczynić AI tanim i wszechobecnym produktem, z powszechnie dzielonymi korzyściami. W tym przypadku większość firm miałaby dostęp do zasobów AI wystarczających do wsparcia wzrostu produktywności i dalszych innowacji, a AI mogłoby demokratyzować dostęp do umiejętności i informacji potrzebnych małym firmom do rozwoju. Niektórzy uważają, że wiele firm odkryje, iż większość ich potrzeb w zakresie AI może zaspokoić mniejsze modele językowe, które nie muszą być na najnowocześniejszym poziomie technologii — a w takim przypadku korzyści byłyby szerzej dzielone.

Jak dotąd — powiedział Barr — było relatywnie mało przesunięć pracowników przez AI, a istotne dowody wskazują, że przejście na AI zwiększa produktywność niektórych pracowników, podnosi popyt w niektórych sektorach, a nawet tworzy nowe zawody. Ożywiona konkurencja między firmami AI sprawiła, że dostęp do AI pozostaje dość szeroki. Ale tak szybko, jak AI rośnie, jej wdrożenie jest jeszcze ograniczone, i nikt nie wie, w jakim stopniu jej korzyści będą dzielone.

Objawy zastępowania pracy przez AI pojawiają się już w niektórych sektorach, zwłaszcza wśród młodszych, mniej doświadczonych pracowników. Zadania łatwe do automatyzacji, z jasnymi ramami i przewidywalnymi wynikami, mogą szybko ulec zastąpieniu pracy, podczas gdy zadania wymagające ludzkiej oceny, zarządzania, koordynacji i relacji, kreatywności lub wyników trudnych do zmierzenia mogą raczej ulec augmentacji pracy.

Tempo zmian ma znaczenie — powiedział Barr. Jeśli zmiany na rynku pracy nastąpią szybko, pracownikom będzie trudno się dostosować, a przesunięcia mogą być duże, podczas gdy bardziej stopniowa adopcja mogłaby pozwolić na bardziej uporządkowane dostosowania. Mimo to społeczeństwo powinno być przygotowane na możliwość poważnych krótkoterminowych zakłóceń na rynku pracy, które trzeba skutecznie zarządzać, aby korzyści z AI zostały zrealizowane w długim terminie. Jeśli AI okaże się zdolna do pracy zastępującej ludzi, skala zakłóceń zależeć będzie częściowo od tego, czy społeczeństwo dokona inwestycji potrzebnych w tworzeniu nowych miejsc pracy i szkoleniu pracowników, łączeniu pracowników z nowymi zadaniami oraz innych wysiłków na rzecz łagodzenia negatywnych skutków w długim okresie.

Barr zakończył stwierdzeniem, że koncentracja siły rynkowej może przyczynić się do pogłębiania nierówności obciążających amerykański sen, i że społeczeństwo powinno rozpocząć rozważanie, jak sprostać tym potencjalnym wyzwaniom już teraz, gdy adopcja AI jest na relatywnie wczesnym etapie, aby móc zrealizować długoterminowe korzyści.

Uwagi

Barr podkreślił, że wyrażone w wystąpieniu poglądy są jego własne i niekoniecznie odzwierciedlają stanowisko jego kolegów z Zarządu Rezerwy Federalnej lub Federalnego Komitetu Otwartego Rynku.

Wybrane źródła cytowane w wystąpieniu:

• Michael S. Barr (2026), „Will Artificial Intelligence Broadly Raise Living Standards or Drive Income and Wealth Inequality?” — wystąpienie na konferencji „Next-Gen Financial Inclusion”, trzeciej dorocznej konferencji Financial Inclusion organizowanej przez Zarząd Rezerwy Federalnej, Waszyngton, 14 lipca — federalreserve.gov
• Board of Governors of the Federal Reserve System (2026), Economic Well-Being of U.S. Households in 2025, Waszyngton, maj
• Chase Peterson-Withorn i Matt Durot (2026), „Forbes 400: The Definitive Ranking of America's Richest People 2026”, Forbes, 15 września,
• Moritz Kuhn, Moritz Schularick i Ulrike I. Steins (2020), „Income and Wealth Inequality in America, 1949–2016”, Journal of Political Economy, vol. 128, s. 3469–3519
• Emmanuel Saez i Gabriel Zucman (2016), „Wealth Inequality in the United States since 1913: Evidence from Capitalized Income Tax Data”, Quarterly Journal of Economics, vol. 131, s. 519–78; Vincent J. Geloso, Phillip Magness, John Moore i Philip Schlosser (2022), „How Pronounced Is the U-Curve? Revisiting Income Inequality in the United States, 1917–60”, Economic Journal, vol. 132, s. 2366–91
• Peter H. Lindert i Jeffrey G. Williamson (2016), Unequal Gains: American Growth and Inequality since 1700, Princeton University Press
• Jesse Bricker, Joseph Briggs, Sarah Friedman i Kamila Sommer (2025), „The Business Cycle Dynamics of the Wealth Distribution”, Journal of Political Economy Macroeconomics, vol. 3, s. 343–81
• Ann Harrison (2024), „Disentangling Various Explanations for the Declining Labor Share: Evidence from Millions of Firm Records”, NBER Working Paper Series 32015 — nber.org
• Richard Audoly, Miles Guerin, Srinidhi Narayanan i Rachel Schuh (2026), „The Post-COVID Decline in the Labor Share”, Federal Reserve Bank of New York, Liberty Street Economics (blog), 24 czerwca — newyorkfed.org
• Matthew Smith, Danny Yagan, Owen Zidar i Eric Zwick (2022), „The Rise of Pass-Throughs and the Decline of the Labor Share”, American Economic Review: Insights, vol. 4, s. 323–40
• Michael S. Barr (2026), „What Will Artificial Intelligence Mean for the Labor Market and the Economy?” — wystąpienie na spotkaniu New York Association for Business Economics, Nowy Jork, 17 lutego — federalreserve.gov
• Mark Schaefer (2023), „How Big Is the Creator Economy? Three Times Larger Than We Thought!”, LinkedIn, 14 listopada,
• Loukas Karabarbounis i Brent Neiman (2014), „The Global Decline of the Labor Share”, Quarterly Journal of Economics, vol. 129, s. 61–103
• Daron Acemoglu i Pascual Restrepo (2020), „Robots and Jobs: Evidence from U.S. Labor Markets”, Journal of Political Economy, vol. 128, s. 2188–2244; Daron Acemoglu, Claire Lelarge i Pascual Restrepo (2020), „Competing with Robots: Firm-Level Evidence from France”, AEA Papers and Proceedings, vol. 110, s. 383–88
• Roc Armenter (2015), „A Bit of a Miracle No More: The Decline of the Labor Share”, Federal Reserve Bank of Philadelphia, Business Review — philadelphiafed.org; Gustavo Grullon, Yelena Larkin i Roni Michaely (2019), „Are U.S. Industries Becoming More Concentrated?”, Review of Finance, vol. 23, s. 697–743
• Emin Dinlersoz i Zoltan Wolf (2024), „Automation, Labor Share, and Productivity: Plant-Level Evidence from U.S. Manufacturing”, Economics of Innovation and New Technology, vol. 33, s. 604–26
• David Autor, David Dorn, Lawrence F. Katz, Christina Patterson i John Van Reenen (2020), „The Fall of the Labor Share and the Rise of Superstar Firms”, Quarterly Journal of Economics, vol. 135, s. 645–709
• Gene M. Grossman i Ezra Oberfield (2022), „The Elusive Explanation for the Declining Labor Share”, Annual Review of Economics, vol. 14, s. 93–124; Anna Stansbury i Lawrence Summers, „The Declining Worker Power Hypothesis”
• David H. Autor (2025), „Polanyi's Paradox and the Shape of Employment Growth”, w: Re-Evaluating Labor Market Dynamics: A Symposium Sponsored by the Federal Reserve Bank of Kansas City, s. 129–77
• Anton Korinek i Jai Vipra (2025), „Concentrating Intelligence: Scaling and Market Structure in Artificial Intelligence”, Economic Policy, vol. 40, s. 225–56
• Erik Brynjolfsson, Bharat Chandar i Ruyu Chen (2026), „No Widespread Displacement, but the AI Employment Gap for Young Workers Has Widened to 19%”, Stanford Digital Economy Lab, 12 sierpnia — stanford.edu; David Autor, Caroline Chin, Anna M. Salomons i Bryan Seegmiller (2026), „What Makes New Work Different from More Work?”, NBER Working Paper 34986 — nber.org; Isabella Loaiza i Roberto Rigobon (2024), „The EPOCH of AI: Human-Machine Complementarities at Work”, MIT Sloan Research Paper No. 7236-24; Wilbur Xinyuan Chen, Suraj Srinivasan i Saleh Zakerinia (2024), „Displacement or Complementarity? The Labor Market Impact of Generative AI”, Harvard Business School Working Paper 25-039; Kathryn Bonney, Cory L. Breaux, Emin Dinlersoz, Lucia S. Foster, John C. Haltiwanger i Aditya A. Pande (2026), „The Microstructure of AI Diffusion: Evidence from Firms, Business Functions, and Worker Tasks”, NBER Working Paper 35141 — nber.org

Źródło: American Inequality and the Future of AI — wystąpienie Gubernatora Michaela S. Barra, Rezerwa Federalna