Ang pinakamakapangyarihang bahagi ng AI ay hindi ito nagbibigay ng sagot sa mga mahihirap.

Kabaligtaran nito, ito ang nagbibigay ng sagot sa bawat isa.

Ibinibigay nito ang mga balangkas ng thesis para sa mga mag-aaral, mga template ng email para sa mga empleyado, mga negosyo plan para sa mga entrepreneur, at mga paliwanag sa batas, payo sa pag-invest, at plano sa karera para sa karaniwang tao. Para sa unang pagkakataon, ang mga sagot ay napakababa ang halaga, napakarami, at napakatotoo.

Ngunit ang problema ay nandito rin: kapag ang mga sagot ay accessible sa lahat, ang totoong kakulangan ay hindi na ang mga sagot, kundi ang kakayahang magpasya kung alin ang tamang sagot.

Ang bagong mahihirap ay hindi ang mga taong pinipigilan mula sa AI, kundi ang mga taong nakuha na ang sagot, ngunit walang kakayahan na matukoy ang katotohanan ng sagot o walang kondisyon na ilapat ang sagot sa totoong pagkakataon.

Sa panahon ng internet, ang mga mahihirap sa impormasyon ay ang mga taong ekskludido mula sa network. Ang solusyon ay tila malinaw: i-connect ang mga kable, palaganapin ang mga aparato, at pataasin ang antas ng pagkakabasa. Ang panahon ng search engine ay kaunti lang mas kumplikado—kailangan mong matutunan kung paano i-extract ang mga keyword, i-screen ang mga pinagkukunan, at masuri ang kapanipaniwalaan, at mas mainam kung alam mo ang kaunting Ingles. Ngunit ang hadlang ay nakikita at makukwenta.

Ang impormasyong pagkakaiba sa panahon ng AI ay iba ang istruktura.

Hindi ang malalaking modelo ng wika isang search engine; ito ay direktang bumubuo ng konklusyon para sa iyo. Hindi ka na kailangang "hanapin" ang sagot—ang sagot ay isasama sa magagandang talata, malinaw na mga hakbang, at may tiyak na tono, at direktang ipinapadala sa iyo. Sa mukha, bumaba ang hadlang. Ngunit mayroong isang malupit na istruktura dito: kapag naging murang ang mga sagot, naging murang din ang mga mali; at ang kakayahang matukoy kung "kakayahan ba ng sagot na ito" ay mas kakaunti at mas mahal kaysa kailanman.

Sa bawat pagkalat ng isang pangkalahatang teknolohiya sa kasaysayan, sumusunod ito sa parehong lohika: ang mga bagong teknolohiya ay una ring nagbibigay ng benepisyo sa mga may komplementarong kapital. Ang pagsasalin ng teknolohiya ay nagbigay ng unang benepisyo sa mga nakakabasa; ang mga computer ay nagbigay ng unang benepisyo sa mga nakakaalam ng software sa opisina at pag-program; ang internet ay nagbigay ng unang benepisyo sa mga may malakas na kakayahan sa Ingles at kasanayan sa paghahanap. Ang komplementarong kapital ng AI ay kasama ang edukasyon, propesyonal na kaalaman, kritikal na pag-iisip, pagpapahintulot sa organisasyon, kakayahang magbayad, at ang pinakamahirap masukat—ang pagpapasya.

Ang mga bagong teknolohiya ay kung saan ay hindi nagbibigay ng mga benepisyo sa mga pinakakailangan nito. Karaniwan itong nagbibigay ng mga benepisyo sa mga makakapaggamit nito nang pinakamabisaya.

Ang unang pagkakabagabag ng kawalan ng pantay-pantay ay nakaayos bago mo buksan ang app.

Noong Abril 2026, ang AI research institute na Epoch AI at ang survey company na Ipsos ay naglabas ng isang survey na kinabibilangan ng higit sa 5,000 na mga adulto sa Estados Unidos. Ang tatlong round ng survey ay nagtanong ng isang simpleng tanong: Noong nakaraang linggo, anong mga AI service ang iyong ginamit? Ngunit ang mga sagot ay hindi nagpapakita ng simpleng pagpili ng produkto, kundi isang mapa na naglalaman ng kita, entry point, at distribution na nauugnay sa isa’t isa.

Sa mga aktibong user ni Claude bawat linggo, halos 80% ay mula sa mga pamilya na may taunang kita ng higit sa $100,000; sa mga user ni Meta AI, ang proporsyon ay lamang 37%. Sa kabilang banda, sa mga user ni Meta AI, halos 32% ay mula sa mga pamilya na may taunang kita ng mas mababa sa $50,000, habang sa mga user ni Claude, ang proporsyon ay lamang 7%.

Mahalaga ang mga numero hindi dahil patotoo nito na “mayaman ay gumagamit ng advanced AI, mahirap ay gumagamit ng libreng AI.” Iyon ay ang pinakamababang antas ng pag-unawa. Mas mahalaga tanungin: bakit iba’t ibang tao ay nakakakita ng iba’t ibang AI sa kanilang araw-araw na buhay?

Isang tao ay humihingi sa AI na magbigay ng isang kainan para sa natirang pagkain sa ref, i-adjust ang liwanag sa background ng isang litrato, at i-revise ang isang text message upang maging mas maayos. Ang isa pang tao ay humihingi sa AI na ayusin ang mga interbyu ng kliyente, ihambing ang mga tawag mula sa mga supplier, at matukoy ang mga mahinang asumpsyon sa isang ulat. Parehong gumagamit ng iisang teknolohiya. Ngunit ang isa ay tumatigil sa kahalagahan lamang, habang ang isa ay pumasok sa siklo ng kita, posisyon, at kapangyarihan sa negosasyon.

Hindi lamang ang mga gumagamit ang nagkakaiba, kundi pati ang mga entry point. Kailangan ng paghahanap nang aktibo, paghahambing ng mga produkto, pag-unawa sa pagkakaiba ng kakayahan, pagpili ng bayad, at pag-embed ng tool sa workflow ni Claude—bawat hakbang ay nagsisilbing filter. Sa kabilang banda, ang path ni Meta AI ay halos kabaligtaran: ito ay nakabuilt sa mga social platform, libre, mababaw ang friction, at madalas ay nakakatagpo ang mga gumagamit nito nang pasibong habang nag-sroll, nagpapadala ng mensahe, o tumitingin ng mga larawan.

Hindi ito isang merkado tungkol sa pagkakaroon ng lasa, kundi isang merkado tungkol sa pagkakaroon ng distribusyon. Ang mga gumagamit ay tila nagpapasya kung anong kasangkapan ang pipiliin, samantalang ang presyo at pagsasali ng mga kasangkapan ay nagpapasya rin kung sino ang mga gumagamit.

Pinagmulan: epoch.ai

Kahit na makahanap ka ng isang mabuting AI tool, ang ikalawang paghahati ay nakaantay sa iyong kumpanya.

Sa karaniwang tanggapan, ang pagdating ng AI ay kadalasang hindi nagmumula sa isang “notice ng pagpapabaya.” Una itong kumukuha ng mga tala sa pagpupulong, mga draf ng email, pag-ayos ng mga talahanayan, pagkaklasipikasyon ng mga kliyente, at mga unang draft ng ulat. Para sa mga tagapamahala, ang mga awtomatikong proseso na ito ay naglalabas ng oras upang gawin ang mga desisyon; ngunit para sa mga baguhan at mga empleyado sa antas ng base, ang mga awtomatikong proseso na ito ay kumukuha ng eksaktong mga pagkakataon na kanilang kailangan upang patunayan ang kanilang kakayahan, pagsasanay sa paggawa ng desisyon, at pagpasok sa mas mataas na antas ng trabaho.

Mas malamig ang datos kaysa sa senaryong ito: Ang pag-aaral na pinagsamang ginawa ng Financial Times at isang institusyon ng pag-aaral tungkol sa pagsubaybay sa AI sa puwersa ng paggawa sa UK at US (Pebrero–Marso 2026, na sumasakop sa higit sa apat na libong respondent sa UK at US) ay nagpakita na ang 63% ng mga manggagawa sa pinakamataas na antas ng suweldo ay gumagamit ng AI sa karaniwang araw ng trabaho, habang ang mga proporsyon sa dalawang pinakamababang antas ay 17% at 16% lamang. Hindi ito isang mabagal na pagsabog—ito ay isang klawis.

Mas mahalaga ang mga natuklasan tungkol sa mga drive. Ipinakita ng regression analysis sa survey sa paggawa na ang suweldo ay halos nawala ang epekto nito sa paggamit ng AI pagkatapos kontrolin ang iba pang mga variable—ang tunay na nakikilala ay apat na salik: edad, karanasan, industriya, at pagsasanay. Ang pinakamalaking epekto ay ang pagsasanay: ang isang kumpanya na nagbibigay ng pormal na pagsasanay sa AI ay may 37 porsyento mas mataas na araw-arawong paggamit ng AI ng mga empleyado kumpara sa mga katulad na kumpanya na walang pagsasanay. Kahit ang di-pormal na gabay lamang, may 24 porsyento na pagtaas.

Gayunpaman, ang katotohanan ay: hanggang sa unang bahagi ng 2026, lamang ang 14% ng mga empleyado ang nagsasabing nakatanggap na ng opisyal na pagsasanay sa AI mula sa kanilang employer, habang ang dalawang-katlo ay walang anumang uri ng pagsasanay.

Ang pagtuturo sa AI ay hindi isang teknikal na problema, kundi isang problema sa pagkakaloob. Sino ang napili para makatanggap ng pagtuturo, siya ang pinapahintulutan na pumasok sa track ng paglago ng produktibidad; sino ang hindi, ang mga kasangkapan ay magiging isang icon na hindi pinapahintulutan na buksan sa screen.

Ang AI ay isang aplikasyon sa konsumo, at isang pagsasakop sa lugar ng trabaho. At ang pagsasakop, hindi kailanman ginagawang pantay-pantay.

Pinagkunan: Focaldata

Ito ang pinakatagong paghahati at ang pinakamahalagang paghahati.

Isipin ang isang baguhan sa pagtatapos na nagsisimula sa isang kumpanya ng konsultasyon. Gumawa siya ng unang draft ng isang ulat sa pagsusuri ng industriya gamit ang AI—may kumpletong istruktura, sapat na datos, at tiyak na tono. Ang kanyang puno—isang taong may sampung taon ng karanasan sa industriya—tiningnan ito nang maikli at nagturo sa dalawang sanggunian sa datos na may mga defisyo sa metodolohiya, at sa ikatlong konklusyon na may maling pagkakaugnay sa sanhi at epekto. Hindi dahil mas maraming pagsisikap ang puno, kundi dahil mayroon siyang base—alamin kung saan madaling mali, alamin kung anong pagkakalantad ay tunay na pagkakalantad, at anong pagkakalantad ay ang machine na nagpapuno.

Ito ang totoong kahulugan ng hindi inaasahang natuklasan sa mga datos ng pag-aaral sa lugar ng trabaho: Ang pinakamalakas na gumagamit ng AI sa trabaho ay hindi ang pinakabata mga empleyado, kundi ang mga taong nasa kanilang kasalukuyang posisyon na 2 hanggang 10 taon. Ang ugnayan sa pagitan ng paggamit ng AI at karanasan ay patuloy na makabuluhan kahit na kontrolado ang edad. Hindi ito dahil sa pagtutol ng mga batang empleyado, kundi dahil ang halaga ng AI ay malalim na nakadepende sa kakayahan sa paghuhusga na mayroon na ang gumagamit.

Ang karanasan ay ang pinakamahalagang komplemento na kapital ng AI, at ang karanasan ay hindi maaaring i-subscribe.

Binabawasan ng AI ang gastos ng "mukhang nauunawaan," ngunit hindi naman parehong binabawasan ang gastos ng "totoong nauunawaan." Mayroon pa ring mas mapanganib na epekto: mas madaling tanggapin ng mga gumagamit na walang matibay na pundasyon ang mga output ng AI; at mas madalas silang tanggapin nang walang pag-aaral, mas mahirap umunlad ang kanilang kakayahang magpasya. Kapag nagpapasya ang isang tagapag-ayos para sa iyo, ikaw ay nagkukonsumo ng intelehensya, hindi nag-aakumula nito.

Hindi nagpapakita ng pagmamalasakit si Nobel laureate sa Ekonomiya at propesor sa MIT na si Daron Acemoglu: Ang paggamit ng mga tool na AI ay nangangailangan ng antas ng edukasyon, abstraktong pag-iisip, kakayahan sa kuantitatibong pagsusuri, at pamilyaridad sa teknolohiya. "Siguradong dadagdagan ng AI ang hindi pagkakapantay-pantay," sabi niya.

Ang bagong katotohanan ay lumalabas na ang mga mahihirap ay hindi sila ang walang AI, kundi sila ang may AI, may pagkakataon, at may sagot, ngunit kulang sa pagsasanay upang masuri ang mga sagot; may mga kasangkapan at sitwasyon, ngunit walang awtoridad upang i-convert ang mga produkto ng kasangkapan sa mga pagkakataon; araw-araw ay kumikonsyumo ng智能化, ngunit hindi nagkakaroon ng pagkakapareho ng智能化.

Ngunit ang ugnayan ng AI at pagkakaroon ng hindi pantay ay hindi lamang tumutok sa pagpapalawak ng agwat.

Mga maraming pagsusuri ay nagpakita na sa mga kontroladong kondisyon, mas malaki ang pagpapabuti ng AI sa mga taong may mababang kasanayan—tulad ng mga empleyado sa call center, mga baguhan sa pagsusulat, at mga entry-level na konsultante. Madaling maintindihan: may limitadong karagdagang benepisyo ang mga eksperto sa pinakamataas na antas mula sa AI; ang isang tao na kailanman ay hindi makakapagbayad para sa propesyonal na serbisyo, at ang kanyang unang paggamit ng AI upang maunawaan ang isang kontrata, ay isang malaking paglalakbay.

Ngunit may isang mahalagang pagkakaiba na dapat tukuyin: ang mga eksperimentong pag-aaral ay sumusukat sa "pagpapabuti pagkatapos ng paggamit", habang ang mga real-world na data ay sumusukat sa "sino ang aktwal na gumagamit", "sino ang pinapayagan na gumamit", at "sino ang nakakapagpapalit ng resulta sa paggamit bilang pagkakataon". Walang naglaloko ang dalawang grupo ng data; sila ay sumusukat sa lubos na iba't ibang bagay.

Isang teknolohiya na maaaring palakasin ang pagkakaiba sa loob ng isang laboratorio, samantalang palawakin ito sa mundo ng totoo—kung ang paggamit nito ay hindi pantay, kung ang mga sitwasyon ay hindi pantay, at kung ang pagpapasya ay hindi pantay.

Ang AI ay may teknikal na katangian na nagpapantay, ngunit ito ay gumagana sa isang hindi pantay na sosyal na istruktura. Parehong totoo ang dalawang ito, iyon ang tunay na anyo ng problema.

Bawat henerasyon ay may tendensya na maniwala na ang kanilang sariling panahon ng pangkalahatang teknolohiya ay magpapabagabag sa lumang orden.

Pagkatapos ng pagkakalikha ng pagsusulat, ang mga nakakabasa ang unang naging benepisyaryo sa ilang siglo. Sa unang panahon ng pagkakaroon ng computer, itinataguyod nito ang kakayahan ng mga taong nagsasagawa na ng mga software sa opisina at nagsusulat ng code. Ang mga maagang benepisyo ng internet ay tumungo sa mga taong nakakaunawa sa Ingles, nakakahanap ng impormasyon, at may oras at motibasyon upang makapag-arkila. Sa bawat alon ng teknolohiya, malakas ang mga tinig na nagsasabing “iba ito ngayon,” ngunit ang mga estruktural na pagkakahati-hati ay kadalasang kailangan ng ilang dekada upang maging makikita.

Mas mabilis ang paghahati ng AI, at mas malalim ang pagkakahati. Dahil hindi ito nakaaapekto sa isang uri ng gawain lamang, kundi sa halos lahat ng trabaho na nakasalalay sa pagpapasya at wika. At ito ang pinakamahirap na kakayahan na standardisahin o muling ipaunlad.

May ilan na naniniwala na ang pagkakaiba ay haharapin sa huli. Ang ekonomikong historian at propesor sa Oxford Internet Institute, Carl Benedikt Frey, ay may ganitong pananaw, batay sa kasaysayan: ang hindi pagkakapantay-pantay na dulot ng pagkakaroon ng computer ay natapos sa loob ng ilang dekada habang bumaba ang mga hadlang sa paggamit. Ang paghahambing na ito ay may katotohanan.

Ang problema ay, kahit tanggapin ang optimistiko na kasaysayang paghahambing, kilala rin ni Frey ang mahalagang limitasyon: "Nakasalalay ito kung gaano katagal ang panahon na kailangan upang isara ang pagkakaiba. Kung sampung taon o dalawampung taon, mas nakakalungkot."

Sampung taon o dalawampung taon, hindi isang panahon na madaling hintayin—lalo na para sa mga nangangailangan ng trabaho, pag-uusap ng suweldo, at pagkolekta ng karanasan sa loob ng panahong iyon.

Ito ay isang kakaibang panahon sa kasaysayan: una naming mayroon isang teknolohiya na nagpaparamdam sa lahat ng tao na sila ay nagsisiging mas matalino.

Ang damdaming ito, madalas ay ang wakas.

Ang problema ay, sa isang panahon na talagang tinutukoy ng paghuhusga kung sino ang mananalo, ang pagiging batay sa damdamin bilang katapusan ay maaaring ang pinakamahal na pagkakamali.