কাহান একাডেমি অসংখ্য উৎকৃষ্ট কোর্সকে বিনামূল্যে ইন্টারনেটে প্রকাশ করেছে, কিন্তু বিশ্ববিদ্যালয়গুলিকে ব্যবসা হারাতে পারেনি। AI-ও সম্ভবত একই ভাগ্যের সম্মুখীন হবে। মার্কিন রাজনৈতিক মন্তব্যকারী রিচার্ড হানানিয়া সম্প্রতি একটি নিবন্ধ লিখেছেন, যেখানে তিনি একটি চ্যালেঞ্জিং দৃষ্টিভঙ্গি উপস্থাপন করেছেন: আমরা সম্ভবত AI-এর অর্থনৈতিক বিপ্লবের প্রভাবকে অতিরঞ্জিতভাবে মূল্যায়ন করছি। AI-এর ক্ষমতা সত্যিই দ্রুত উন্নতি হচ্ছে, কিন্তু এটি চূড়ান্তভাবে যে অর্থনৈতিক পরিবর্তন আনবে, তা অন্যান্য সাধারণ প্রযুক্তির চেয়ে বেশি হওয়ার সম্ভাবনা কম। তাঁর যুক্তি খুবই সরল: যদি AI একটি মানবজাতির ভাগ্যকে পুনর্গঠন করতে চলা বিপ্লব হয়, তবে কেন অর্থনৈতিক ডেটা AI-এর আগমনকেই প্রতিফলিত করছে না? হানানিয়া কয়েকটি অসঙ্গতির দিকে ইঙ্গিত করেছেন: প্রথমত, বিশ্বব্যাপী অর্থনৈতিক বৃদ্ধি 3%এর প্রায় একই হারেই চলছে, এবং ভবিষ্যদ্বাণীও স্পষ্টভাবে ত্বরান্বিত হচ্ছে না। AI-এর মডেলগুলির ক্ষমতা নিয়মিতভাবে রেকর্ডভঙ্গ করছে, কিন্তুউৎপাদনশীলতা এবং GDP-এর সঙ্গেও 1:1-এরও 1:1-এরও 1:1-এরও 1:1-এরও 1:1-এরও 1:1-এরও 1:1-এরও 1:1-এরও 1:1-এরও 1:1-এরও 1:1-এরও 1:1-এরও 1:1-এরও 1:1-এরও 1:1-এরও 1:1-এরও 1:1-এরও 1:1-এরও 1:1-এরও 1:1-এরও 1:1-এরও 1:1-এরও 1:1-এরও 1:1-এরও 1:1-এরও 1:1-এরও 1:1-এরও 1:1-এরও 1:1-এরও 1:1-এরও 1:1-এরও 1:1-এরও 1:1-এরও 1:1-এরও 1:1-এরও 1:1-এরও 1:1-এরও 1:1-এরও 1:1-এরও 1:1-এরও 1:1-এরও 1:1-এরও 1:1-এরও 1:1-এরও 1:1-এরও 1:1-এরও 1:1-এরও 1:1-এরও 1:1-এরও 1:1-এরও 1:1-এরও 1:1-এরও 1:1-এরও 1:1-এরও 1:1-এরও 1:1-এরও 1:1-এরও 1:1-এরও 1:1-এরও 1:1-এরও 1:1-এরও 1:1-এরও 1:1-এরও 1:1-এরও 1:1-এরও 1:1-এরও 1:1-এরও 2024/05/27 প্রথমত, Global economic growth still hovers around ~3% annually, with no clear acceleration in future forecasts. AI model capabilities keep breaking records, yet productivity and GDP have not taken off in tandem. Second, financial markets show no signs of anticipating radical change. According to his reasoning, if AI were about to make society exponentially wealthier, people would rush to borrow and spend future wealth, pushing interest rates up; if AI were about to destroy humanity, long-term lending risk would skyrocket. But actual interest rates remain within historically normal ranges, and stock markets show no indication of impending explosive wealth growth. Finally, employment. Despite AI’s ability to code, write, research, and handle vast professional tasks, macro employment data has not yet shown large-scale labor displacement—let alone the “end of work” repeatedly predicted by Silicon Valley. This creates a paradox: AI optimists accurately predicted how smart machines would become, but may have wrongly predicted how much human society would change as a result. Hanania uses the relationship between Khan Academy and universities to explain this. The internet made vast quantities of high-quality educational content freely available; logically, with knowledge acquisition costs plummeting, expensive university education should have suffered. Yet universities persist; elite degrees remain scarce. Because people aren’t just paying for knowledge—they’re paying for diplomas, social recognition, identity signaling, and networks. Even the best free courses cannot automatically replace these things. AI may face a similar fate. It can draft better legal opinions than most humans—but clients still need someone to take responsibility. It can complete complex research—but whether those conclusions are adopted still depends on institutions, trust, and decision-making authority. It can generate infinite artworks—but people may still prefer to pay for works by specific human artists. Technology can make something easier—but it doesn’t mean society will suddenly redefine what is valuable. I think this is Hanania’s most compelling insight: Silicon Valley may have mistaken “intelligence” for the economy’s biggest bottleneck. A large part of real-world value doesn’t come from objective productivity—but from human preferences, identity signals, power structures, and who is authorized to provide a service. Of course, it’s still too early to claim AI won’t bring massive change. Technology diffusion takes time; macro statistics may lag. But these data at least remind us that growth in model capabilities and economic transformation are far from a simple proportional relationship. For years, the AI industry has been focused on proving how many human tasks machines can do. But what may truly determine economic transformation is another question entirely: Once machines can do these tasks, how much of it will humans actually let them take over? After all, universities have never been merely places for imparting knowledge; companies have never been merely organizations for completing tasks. We can turn intelligence into a cheap commodity—but we may not be able to devalue the social order built upon it.