Digitální technologie zásadně transformují nejen výrobní procesy, ale také naše vnímání času a produktivity, zvláště v sektoru služeb. Na rozdíl od přechodu z domácí výroby na trh, který proběhl v padesátých a šedesátých letech díky spotřební technice, dnešní digitalizace často znamená posun v rámci hranice produkce mezi tržní a domácí sférou. Tento posun ovlivňuje měření produktivity založené na tržní ekonomice, jež často ignoruje časové náklady a využití času.
Zlepšení procesů prostřednictvím digitalizace, například v právních službách (automatizace sumarizace rozsáhlé dokumentace) nebo zdravotnictví (telemedicína, analýza snímků), může vést k rychlejšímu provedení rutinních úkonů, podobně jako tomu bylo u automatizace výrobních operací. Přesto však konvenční statistiky produktivity služeb většinou nezaznamenávají zlepšení, ba některé digitálně intenzivní sektory, například finance, vykazují spíše horší výsledky.
Měření produktivity ve službách je komplikované, protože neexistuje standardní jednotka objemu a kvalita služeb je obtížně kvantifikovatelná. Například počet stránek prezentace konzultantské firmy není adekvátním ukazatelem množství ani kvality poskytnutých služeb. Některé časové úspory z automatizace navíc nejsou skutečným snížením práce, ale jen přenesením časových nároků na domácnosti. Typickým příkladem jsou call centra nebo samoobslužné pokladny, které zvyšují časové nároky zákazníků. Tento jev bývá označován jako „časová daň“ a dosud není plně kompenzován ani novými generativními AI službami.
Analýza produktivity založená na čase rozděluje činnosti podle dvou kritérií: zda jsou vykonávány na trhu nebo v domácnosti a zda jsou rutinní nebo nerutinní. Rutinní aktivity mohou být automatizovány, což vede ke zrychlení jejich provedení a tím i k ekonomickým přínosům. Nerutinní aktivity často přinášejí zlepšení kvality nebo personalizace služby, což má také hodnotu, která se však obtížně měří.
Například v účetnictví či právních službách umožňuje strojové učení automatizovat rutinní úkony jako audit nebo rešerši, což snižuje náklady a teoreticky zrychluje poskytování služeb. Tyto procesní inovace se však nepromítají přímo do HDP ani běžných statistik produktivity, protože vyžadují složité úpravy kvality a zohlednění časových úspor.
Z pohledu spotřebitele je důležité hodnotit „plný příjem“ z hlediska času, protože spotřeba není jen o finančních nákladech, ale i o času, který lidé věnují získání a využití služeb. Spotřebitelé v podstatě soutěží o čas a pozornost, což se promítá do formování nabídky i poptávky na trhu. Hodnota času domácností může být kalkulována různými způsoby – buď podle tržní mzdy, tedy příležitostných nákladů volného času, nebo podle mzdy domácích pracovníků. Oba přístupy mají své limity, zvláště pokud vezmeme v úvahu změny mezd v čase a individuální vnímání užitku z různých činností.
Dále je nezbytné pochopit, že hodnota a užitek produktů nejsou konstantní. Technologie a změny ve způsobu domácí spotřeby ovlivňují schopnost produktů přinášet užitek. Kvalita služeb i zboží se může zlepšovat, což vyžaduje odpovídající korekce v měření cen a produktivity. Například hodnocení restaurací na internetu zvyšuje schopnost zákazníků lépe vybírat, což zlepšuje efektivitu trhu a může ovlivnit i vnímání hodnoty služby.
Pochopení těchto aspektů je klíčové pro správné vyhodnocení ekonomického pokroku a produktivity v éře digitalizace, kdy tradiční statistiky často zachycují pouze část reality a nezahrnují změny v čase a kvalitě, které mají zásadní dopad na naše životy a ekonomiku.
Jak digitalizace a domácí produkce mění spotřebu a produktivitu ekonomiky?
Spotřeba a volný čas lze modelovat pomocí funkce CES (constant elasticity of substitution), kde uživatelé volí mezi tržní spotřebou a domácí spotřebou, přičemž čas strávený prací na trhu i doma tvoří celkový časový rozpočet. Spotřeba c_t je složená z tržní spotřeby c_mt a netržní (domácí) spotřeby c_nt, zatímco n_t označuje součet času věnovaného práci na trhu a práci v domácnosti. Produkce, ať už tržní nebo domácí, je rovněž modelována funkcí CES, která zahrnuje technologický růst γ. Tento jednoduchý model intuitivně naznačuje, že přechod k domácí produkci bude pravděpodobnější, čím vyšší je substituovatelnost mezi domácí a tržní spotřebou (parametr ε) a čím nižší je podíl domácího kapitálu (parametr φ). Technologický pokrok, který přibližuje tyto dvě činnosti, nebo snižuje potřebu investic do domácího kapitálu (například pokles cen laptopů, internetové konektivity nebo levnější holicí strojky), takový přechod výrazně podporuje.
Digitalizace výrazně mění charakter mezičlánků v ekonomice. Například internetový nákup snižuje čas strávený cestováním do obchodu a čekáním ve frontách, ale může vyžadovat více času při vracení zboží, pokud nesplňuje očekávání. Tento proces disintermediace (odstraňování prostředníků) není úplný – mnoho tradičních zprostředkovatelů, jako jsou banky, cestovní kanceláře nebo personální agentury, přešlo do online prostředí, kde fungují jako další distribuční kanály. V důsledku toho se mix služeb na trhu mění – banky například uzavírají pobočky a přesouvají se ke konzultačním službám, cestovní agentury rozšiřují nabídku služeb včetně balíčků, zatímco domácnosti sami zajišťují části služeb nákupem domácího kapitálu (routery, laptopy) a platbou za připojení k internetu.
Tento posun je viditelný i ve statistikách. Například počet bankovních poboček ve Velké Británii mezi roky 2012 a 2022 klesl o 40 %, přičemž využívání online bankovnictví prudce vzrostlo. Podobný trend je i v USA, i když s mírně nižším poklesem poboček a nárůstem online uživatelů. Pokles produktivity v sektoru financí, který je klíčovou součástí celkové produktivity ekonomiky, může být do určité míry vysvětlen právě touto neúplnou měřitelností domácí produkce spojené s digitalizací. Online bankovnictví přináší významné zlepšení v rychlosti a pohodlí služeb, což tradiční statistiky produktivity nemusí dostatečně zachytit.
Rychlý růst online nakupování je dalším příkladem. Ve Velké Británii tvořily internetové prodeje více než čtvrtinu maloobchodních tržeb v polovině roku 2023, přičemž pandemie tento podíl dočasně zvýšila až na 40 %. V USA dosahuje online prodej zhruba 15 % tržeb, přičemž segment potravin online nakupovaných roste pomaleji, ale stále na vyšší úrovni než před pandemií. Platformy pro doručování jídla, které zprostředkovávají spojení mezi restauracemi, kurýry a zákazníky, zaznamenaly mezi lety 2017 a 2021 trojnásobný nárůst, s ještě rychlejším růstem v některých anglosaských zemích. Tento fenomén vyústil v tzv. „dark kitchens“ – restaurace bez obsluhy a zařízení pro příjem zákazníků, což výrazně snižuje náklady. Stejně tak supermarketové řetězce začínají využívat bezobslužné prodejny jako distribuční centra pro online objednávky, často vybavené sofistikovanou robotikou.
Tyto změny jsou možné díky investicím do domácího kapitálu – tradiční domácí spotřebiče doplňují digitální přístroje připojené do sítí, které umožňují přístup k digitálním službám a aplikacím. S rostoucím stárnutím populace a potřebou péče v domácnostech lze očekávat další rozvoj domácí robotiky a digitálních asistentů. Sdílená ekonomika, umožňující výměnu služeb a majetku přes platformy, rovněž zvyšuje význam měření spotřebitelského kapitálu.
Digitální zařízení a služby výrazně mění obsah spotřeby – nahrazují fyzické produkty jako DVD, kamery či rádio. Mnohé aplikace, dostupné od poloviny 2000 let, konsolidují dřívější jednotlivé nákupy, zatímco nárůst datové spotřeby svědčí o stále širším využití online služeb v domácnostech i firmách. Tento vývoj zatím není plně zachycen v národních účtech, což znamená, že skutečný rozsah a dopad digitální domácí produkce a spotřeby může být podhodnocen.
Je důležité chápat, že technologické změny nejen mění způsob, jakým lidé spotřebovávají a pracují, ale také jak měříme ekonomickou produktivitu a blahobyt. Posun od tržní k domácí produkci vyžaduje nové přístupy k měření výkonnosti ekonomik a vyvolává otázky, jak započítat hodnotu domácí práce a digitálních služeb, které tradiční statistiky často přehlížejí. Tato problematika je klíčová pro pochopení moderních ekonomických trendů a pro tvorbu politik, které reagují na změny v technologii a spotřebě.
Jak lze měřit národní bohatství a jeho vliv na sociální blahobyt?
Reálný národní důchod a sociální blahobyt lze spolehlivě hodnotit tehdy, pokud při odhadu skutečné hodnoty statků a služeb používáme stínové ceny, nikoli tržní ceny. Tento koncept poprvé systematicky rozpracoval Weitzman v roce 1998 v rámci dynamického modelu, kdy využil Ramseyho formuli pro diskontování blahobytu všech budoucích generací. Dasgupta a Maler v roce 2000 pak rozšířili tento přístup o předpoklad, že blahobyt je nelineární funkcí spotřeby, a prokázali, že v dynamické ekonomice odpovídají změny v celkovém bohatství, nikoli pouze vyšší příjmy nebo produkční toky, skutečným změnám v mezigeneračním blahobytu.
Podstatou je, že národní bohatství je součtem hodnot všech kapitálových aktiv oceněných stínovými cenami, které zachycují skutečnou ekonomickou hodnotu nezávisle na tržních výkyvech. Změna bohatství v čase přímo reflektuje změnu mezigeneračního blahobytu, pokud se bohatství na obyvatele při konstantních stínových cenách zvyšuje. Tento vztah je vyjádřen rovnicí, kde změna mezigeneračního blahobytu odpovídá součtu produktů stínových cen a změn jednotlivých kapitálových aktiv.
Význam tohoto přístupu spočívá v tom, že místo retrospektivního hodnocení ekonomických toků, jako je HDP, umožňuje sledovat stav bohatství jako klíčový indikátor pro řízení ekonomiky a sociální politiky směrem k udržitelnosti. Otázka, co všechno by mělo být do bohatství zahrnuto a jak správně měřit jeho složky, je však komplikovaná. Zahrnuje nejen hmotný majetek, ale i přírodní kapitál, lidský kapitál a také kapitál nehmotný – sociální, institucionální a znalostní.
Světová banka klasifikuje národní bohatství do čtyř kategorií: vyrobený kapitál, přírodní kapitál, lidský kapitál a čistý finanční kapitál. Některé podnikatelské přístupy zase rozšiřují tuto škálu na šest druhů kapitálu, zahrnujících i sociální, institucionální a znalostní kapitál. Nehmotné kapitály jsou často považovány za "umožňující" faktory, které nepřímo posouvají produktivitu společnosti, ačkoli je jejich měření obtížné a často nepřímé.
Při porovnání těchto složek bohatství je patrné, že například lidský kapitál je často podceňován v národních statistikách, přestože jeho hodnota daleko převyšuje hodnotu vyrobeného kapitálu. Totéž platí o přírodním kapitálu, jehož oficiální odhady pokrývají jen část skutečného rozsahu přírodních zdrojů. Statistiky o přírodním kapitálu jsou teprve v počátcích a přestože některé země, jako Velká Británie nebo Nizozemsko, významně pokročily v jejich rozvoji, většina států taková data dosud nesbírá.
Stejně tak vyrobený kapitál není vždy plně zachycen – například historické budovy nebo kulturní statky nejsou v národních účtech zahrnuty, přestože přispívají k ekonomickým službám kulturního charakteru. Sociální kapitál, měřený například mírou důvěry nebo kvalitou institucí, hraje zásadní roli v efektivitě alokace zdrojů ve společnosti a je spojován s hospodářským rozvojem. Organizační kapitál na úrovni firem, zahrnující kvalitu řízení, efektivitu procesů a sílu značky, ovlivňuje výkonnost a konkurenceschopnost podniků.
Zásadní pro pochopení a aplikaci konceptu bohatství je uvědomit si, že oficiální statistiky a národní účty zdaleka nezachycují veškeré formy kapitálu, zejména ty nehmotné, a že jejich správné oceňování stínovými cenami je klíčem k tomu, aby měření bohatství skutečně odráželo mezigenerační blahobyt a bylo použitelné pro tvorbu udržitelné politiky.
Důležité je tedy nejen zahrnout všechny relevantní druhy kapitálu do bilance bohatství, ale také rozvíjet metody pro přesnější měření a ocenění jejich skutečné hodnoty. Pouze tak lze zajistit, že ekonomická politika bude skutečně směřovat k dlouhodobému zlepšování životních podmínek, a nikoli pouze k krátkodobému růstu ekonomických ukazatelů.
Jak efektivně hledat, hodnotit a syntetizovat vědeckou literaturu v oblasti intenzivní medicíny?
Jaké tajemství skrývá minulost Grace?
Jaké strategické a taktické principy skrývá posílení pěšcové struktury po dvojitém průlomu v centru?
Jak umělá inteligence a strojové učení mění diagnostiku rakoviny prsu
Tvorba algoritmu pro řešení úloh na směsi, roztoky a slitiny
Seznam disků školního roku 2013-2014
Anotace k pracovním programům předmětu „Geografie“
Plán zavádění státního vzdělávacího standardu základního vzdělávání pro žáky se speciálními vzdělávacími potřebami na základní škole č. 2 ve městě Makarjev, Kostromská oblast

Deutsch
Francais
Nederlands
Svenska
Norsk
Dansk
Suomi
Espanol
Italiano
Portugues
Magyar
Polski
Cestina
Русский