What 122 Universal Basic Income Experiments Actually Show

อะไร 122 การทดลองรายได้พื้นฐานถ้วนหน้า (Universal Basic Income) แสดงให้เห็นจริงๆ

Authroed โดย Vance Ginn ผ่าน the Daily Economy,

ปัญญาประดิษฐ์ (Artificial intelligence) ได้กลายเป็นข้ออ้างล่าสุดสำหรับการฟื้นคืนชีพของแนวคิดที่แย่ที่สุดอย่างหนึ่งในนโยบายเศรษฐกิจ: รายได้พื้นฐานถ้วนหน้า (universal basic income) บทความล่าสุดใน Newsweek, LSE Business Review และ Fortune ต่างก็ช่วยผลักดันแนวคิดที่ว่า AI อาจจะเข้ามาทำลายงานจำนวนมากจน Washington จะต้องส่งเช็คให้ทุกคน
Image Credit: Shutterstock

นั่นทำให้เป็นหัวข้อข่าวที่น่าสนใจ มันก็ทำให้เป็นเศรษฐศาสตร์ที่แย่

คำถามที่ถูกต้องไม่ใช่ว่า AI จะเข้ามาเปลี่ยนแปลงงานหรือไม่ แน่นอนว่ามันจะทำ คำถามที่ถูกต้องคืออะไร: หลังจากมีการทดลองรายได้ที่ได้รับการค้ำประกัน (guaranteed-income) ในระดับท้องถิ่นมากกว่า 100 ครั้งแล้ว เราได้เรียนรู้อะไรบ้างจริงๆ?

คำตอบนั้นไม่เป็นที่น่าพอใจต่อผู้สนับสนุน UBI มากกว่าที่พวกเขาต้องการ

สิ่งที่ 122 การทดลองสไตล์ UBI แสดงให้เห็น

รายงานการทำงานของ AEI โดย Kevin Corinth และ Hannah Mayhew ให้ภาพรวมของหลักฐานล่าสุดที่ดีที่สุด การศึกษาของพวกเขาพบว่ามีการทดลองรายได้ที่ได้รับการค้ำประกันขั้นพื้นฐาน 122 ครั้งใน 33 รัฐและ District of Columbia ระหว่างปี 2017 ถึง 2025 การทดลองเหล่านั้นจัดสรรเงินโอน (transfers) ประมาณ 481.4 ล้านดอลลาร์สหรัฐฯ ให้กับผู้รับ 40,921 คน โดยมีผู้เข้าร่วมทั้งหมด 61,664 คน รวมถึงกลุ่มควบคุม ผู้รับแต่ละคนได้รับเงินเฉลี่ยประมาณ 11,765 ดอลลาร์สหรัฐฯ การทดลองแต่ละครั้งใช้เวลาเฉลี่ย 18.4 เดือน และการจ่ายเงินรายเดือนเฉลี่ยคือ 616 ดอลลาร์สหรัฐฯ

นั่นฟังดูเหมือนเป็นหลักฐานจำนวนมหาศาล แต่มันไม่ใช่

จากการทดลอง 122 ครั้งนั้น มีเพียง 52 ครั้งที่มีผลลัพธ์ที่เผยแพร่เท่านั้น มีเพียง 35 ครั้งที่ใช้การออกแบบแบบสุ่ม (randomized designs) มีเพียง 30 ครั้งที่รายงานผลลัพธ์ด้านการจ้างงาน ดังนั้นกรณีสำหรับ UBI จึงไม่ได้ถูกสร้างขึ้นจากกองหลักฐานที่ชัดเจนและสะอาดจำนวนมาก แต่มันถูกสร้างขึ้นจากชุดของการศึกษาที่เล็กกว่าหลายชุด ซึ่งหลายชุดนั้นอ่อนแอ จำกัด หรือเวลาไม่เหมาะสม

และนี่คือประเด็นสำคัญ ในบรรดาการทดลองแบบสุ่ม 30 ครั้งที่มีผลลัพธ์ด้านการจ้างงานที่เผยแพร่ ผลกระทบเฉลี่ยคือการเพิ่มขึ้นของการจ้างงาน 0.8 เปอร์เซ็นต์ ผู้สนับสนุน UBI จะรีบโบกมือไปที่เรื่องนี้ พวกเขาควรชะลอตัวลง

AEI แสดงให้เห็นว่าการศึกษาที่ใหญ่ขึ้นและน่าเชื่อถือกว่านั้นบอกเล่าเรื่องราวที่แตกต่างออกไปอย่างมาก ในบรรดาการทดลองสี่ครั้งที่มีกลุ่มการรักษา (treatment groups) อย่างน้อย 500 คน ซึ่งรวมกันคิดเป็น 55 เปอร์เซ็นต์ของผู้เข้าร่วมทั้งหมดในกลุ่มการรักษา ผลกระทบเฉลี่ยต่อการจ้างงานคือลบ 3.2 เปอร์เซ็นต์ AEI ยังประมาณการความยืดหยุ่นของรายได้เฉลี่ยที่ -0.18 ซึ่งสอดคล้องกับเศรษฐศาสตร์ด้านอุปทานแรงงานมาตรฐาน

เป็นภาษาที่เข้าใจง่าย เมื่อผู้คนได้รับรายได้ที่ไม่ได้มาจากการทำงานมากขึ้น งานมีแนวโน้มที่จะลดลงที่ขอบ นั่นเป็นเรื่องน่าตกใจ ฉันรู้ เศรษฐศาสตร์ยังคงใช้งานได้
Credit: American Enterprise Institute

เหตุผลที่หลักฐานอ่อนแอกว่าที่คาดหวัง

รายงานของ AEI มีประโยชน์ไม่เพียงแต่สิ่งที่พบเจอเท่านั้น แต่ยังรวมถึงวิธีการที่อธิบายถึงจุดอ่อนในหลักฐานอย่างตรงไปตรงมา

กลุ่มการรักษาเฉลี่ยในการศึกษา 30 ครั้งนั้นมีเพียง 359 คน และค่ามัธยฐานอยู่ที่เพียง 151 คน นั่นไม่ใช่หลักฐานที่แน่นหนาสำหรับการออกแบบรัฐสวัสดิการของอเมริกาใหม่ ในบรรดาการทดลอง 26 ครั้งที่สามารถวัดอัตราการลดลง (attrition rate) ได้ อัตราการลดลงเฉลี่ยคือ 37 เปอร์เซ็นต์ นั่นเป็นสัญญาณเตือนที่ใหญ่มาก หากมีคนจำนวนมากพอที่ออกจากระบบ ผลลัพธ์ที่รายงานอาจบิดเบือนไปอย่างมาก

การศึกษาเหล่านี้ยังมีความแตกต่างกันอย่างมากในด้านขนาดการชำระเงิน ระยะเวลา องค์ประกอบตัวอย่าง และแม้แต่การวัดผลลัพธ์ การชำระเงินประจำปีเฉลี่ยคือ 7,177 ดอลลาร์สหรัฐฯ ซึ่งเท่ากับการเพิ่มรายได้เฉลี่ยประมาณ 39.5 เปอร์เซ็นต์เมื่อเทียบกับรายได้ของครัวเรือนพื้นฐานในการศึกษา บางครั้งการทดลองอาศัยข้อมูลสำรวจที่รายงานด้วยตนเองเป็นหลัก บางครั้งดำเนินการในช่วงหรือหลังช่วง COVID ทันที — เมื่อตลาดแรงงาน โปรแกรมตาข่ายความปลอดภัย และการตัดสินใจส่วนบุคคลไม่ใช่เรื่องปกติ

ข้อสรุปของ AEI เป็นไปอย่างระมัดระวัง: ข้อค้นพบเหล่านี้อาจไม่สามารถนำไปใช้ได้กับการทดลองถ้วนหน้าอย่างถาวรและทั่วประเทศภายใต้สถานการณ์ปัจจุบันหรือในอนาคต นั่นเพียงอย่างเดียวก็ควรทำให้ความตื่นตระหนกที่ขับเคลื่อนด้วย AI จำนวนมากลดลง

AI จะเข้ามาแทนที่งาน แต่มันก็จะสร้างงานด้วย

ทั้งหมดนี้ไม่ได้หมายความว่า AI จะไม่เจ็บปวด บางงานจะหดตัว งานบางอย่างจะหายไป คนงานบางคนจะต้องได้รับการฝึกฝนใหม่ ย้ายถิ่นฐาน หรือพิจารณาอาชีพของตนใหม่ นั่นคือสิ่งที่เกิดขึ้นเมื่อผลผลิตเพิ่มขึ้นและเทคโนโลยีเปลี่ยนแปลงวิธีการผลิตสินค้าและบริการ มันเกิดขึ้นกับการทำกลไกกับคอมพิวเตอร์ และกับอินเทอร์เน็ต มันจะเกิดขึ้นกับ AI

แต่การถูกแทนที่นั้นไม่ใช่สิ่งเดียวกันกับการว่างงานจำนวนมากถาวร นั่นคือจุดที่ข้อโต้แย้ง UBI ล้มเหลว เศรษฐกิจไม่ใช่กองงานที่คงที่ แต่เป็นระบบการค้นพบ การปรับตัว และการแลกเปลี่ยนแบบไดนามิก เมื่อต้นทุนลดลงและผลผลิตเพิ่มขึ้น ทรัพยากรจะเคลื่อนย้าย ธุรกิจจะปรับโครงสร้าง ความต้องการของผู้บริโภคจะเปลี่ยนแปลง อาชีพใหม่จะเกิดขึ้น อาชีพเก่าจะพัฒนาไป บางอาชีพจะหายไป การเปลี่ยนแปลงนั้นเป็นจริง แต่การปรับตัวก็เช่นกัน

คำตอบต่อการเปลี่ยนแปลงทางเทคโนโลยีไม่ใช่การจ่ายเงินให้ผู้คนเพื่อยอมแพ้ทางเศรษฐกิจ แต่คือการทำให้การปรับตัวง่ายขึ้น

UBI ล้มเหลมทดสอบเศรษฐศาสตร์

มีเหตุผลว่าทำไม Ryan Bourne ที่ Cato จึงโต้แย้งว่า UBI ไม่ใช่คำตอบหาก AI เข้ามาหาคุณในงานของคุณ มันสับสนระหว่างปัญหาการเปลี่ยนผ่านกับปัญหาด้านรายได้ถาวร ที่แย่กว่านั้น มันสมมติว่าการเขียนเช็คสามารถทดแทนแรงจูงใจ สัญญาณ และเงื่อนไขสถาบันที่สร้างโอกาสที่แท้จริง

UBI ยังกระทบกับข้อจำกัดด้านงบประมาณด้วย เนื่องจาก Max Gulker ที่ The Daily Economy ได้สังเกตเห็น UBI มักจะถูกขายผ่านการทดลองขนาดเล็กและภาษาเชิงจริยธรรมที่คลุมเครือ แต่การคำนวณระดับชาติเป็นเรื่องที่น่าเกลียด และดังที่ Robert Wright ชี้ให้เห็นในบทความ AIER อีกชิ้นหนึ่งว่า “universal” หมายถึงการส่งเงินให้กับผู้คนจำนวนมากที่ไม่ยากจน ในขณะเดียวกันก็สร้างต้นทุนมหาศาลให้กับผู้เสียภาษี (โปรดทราบ หนี้สาธารณะกำลังเข้าใกล้ 40 ล้านล้านดอลลาร์สหรัฐฯ อย่างรวดเร็ว)

นั่นเป็นเพียงก่อนที่จะเข้าสู่ปัญหาการเลือกสาธารณะ ในทางทฤษฎี ผู้สนับสนุน UBI บางครั้งจินตนาการถึงการแทนที่รัฐสวัสดิการด้วยการโอนเงินสดอย่างง่าย แต่ในความเป็นจริง โปรแกรมของรัฐ rarely หายไป หน่วยงานราชการปกป้องตนเอง กลุ่มผลประโยชน์ปกป้องการตัดลด นักการเมืองสัญญาว่าจะให้มากขึ้น ไม่ใช่ให้ น้อยลง ดังนั้น UBI จึงน่าจะถูกวางซ้อนอยู่บนโปรแกรมสวัสดิการส่วนใหญ่ที่มีอยู่ แทนที่จะถูกแทนที่ นั่นไม่ใช่การปฏิรูป นั่นคือภาพลวงตาทางการคลังพร้อมแบรนด์ที่ดีกว่า

คำตอบที่ดีกว่า: กำจัดอุปสรรคต่อการทำงาน

หาก AI หมายถึงการเปลี่ยนแปลงตลาดแรงงานมากขึ้น นโยบายควรเน้นที่การเคลื่อนย้าย ความยืดหยุ่น และการพึ่งพาตนเอง นั่นหมายถึงการออกใบอนุญาตประกอบอาชีพน้อยลง ภาษีที่ต่ำลง กฎระเบียบที่เบาลง จุดจบของผลประโยชน์น้อยลง การใช้จ่ายที่ไร้ประสิทธิภาพน้อยลง และพื้นที่มากขึ้นสำหรับผู้ประกอบการและการสร้างงาน รัฐบาลควรหยุดทำให้ผู้คนเปลี่ยนไปยากขึ้น

นั่นหมายถึงการปฏิรูปสวัสดิการอย่างถูกต้องด้วย ข้อเสนอของฉันสำหรับบัญชีเสริมพลัง (empowerment accounts) ไม่ใช่ UBI มันจะมุ่งเป้าไปที่ผู้ที่ได้รับสวัสดิการแล้ว ไม่ใช่ถ้วนหน้า มันจะรวมถึงข้อกำหนดในการทำงานสำหรับผู้ใหญ่ที่สามารถทำงานได้ ไม่ใช่การตัดขาดรายได้จากการทำงาน และจะรวมโปรแกรมที่กระจัดกระจายเข้าด้วยกันเป็นบัญชีที่ยืดหยุ่นที่ครอบครัวควบคุมโดยตรง ลดการราชการและลดการใช้จ่ายเมื่อเวลาผ่านไปเมื่อผู้รับมากขึ้นก้าวไปสู่การพึ่งพาตนเอง

นั่นทำให้มันใกล้เคียงกับภูมิปัญญาเสรีนิยมคลาสสิกมากขึ้นในการแทนที่การควบคุมทางราชการด้วยการสนับสนุนโดยตรง ในขณะเดียวกันก็หลีกเลี่ยงข้อผิดพลาดร้ายแรงในการเปลี่ยนประเทศทั้งหมดให้กลายเป็นรัฐการโอนถาวร ดังที่ Art Carden เตือนเราที่ The Daily Economy มีประวัติศาสตร์ทางปัญญาที่ยาวนานเบื้องหลังความช่วยเหลือตามเงินสด แต่การเมือง UBI ในปัจจุบันไม่ได้เกี่ยวกับลดขนาดของรัฐจริงๆ แต่มันเกี่ยวกับการขยายขนาดของรัฐส่วนใหญ่เนื่องจากชนชั้นสูงกลัว AI

อย่าทำนโยบายที่ผิดพลาดจากความกลัว

การฟื้นฟู UBI บอกเราน้อยกว่าเกี่ยวกับ AI มากกว่าเกี่ยวกับนโยบาย เทคโนโลยีใหม่ๆ เข้ามา ความไม่แน่นอนเพิ่มขึ้น และนักนโยบายจำนวนมากเกินไปเอื้อมมือไปที่เช็คของรัฐบาลกลางราวกับว่าเป็นไม้กายสิทธิ์ มันไม่ใช่

หลังจากมีการทดลองในท้องถิ่น 122 ครั้งแล้ว กรณีสำหรับ UBI ยังคงอ่อนแอ หลักฐานที่ดีที่สุดไม่ได้แสดงให้เห็นถึงการฟื้นฟูการจ้างงาน การศึกษาที่ใหญ่ขึ้นแสดงให้เห็นถึงการลดลงของการจ้างงาน ฐานหลักฐานที่กว้างขึ้นเต็มไปด้วยขนาดตัวอย่างที่เล็ก อัตราการลดลงที่สูง และความสามารถในการนำไปใช้ได้จริงที่จำกัด นั่นเป็นรากฐานที่ไม่มั่นคงสำหรับสิทธิประโยชน์ระดับชาติถาวร

AI จะเปลี่ยนแปลงงาน มันจะไม่ยกเลิกเศรษฐศาสตร์ การตอบสนองที่ดีที่สุดไม่ใช่การพึ่งพาถ้วนหน้าจากความกลัว แต่เป็นเศรษฐกิจที่เสรีขึ้นพร้อมแรงจูงใจที่แข็งแกร่งกว่าในการทำงาน ออม ลงทุน ปรับตัว และเจริญรุ่งเรือง

Tyler Durden
Fri, 03/20/2026 - 17:15