سیستم حمل‌ونقل عمومی «بارت» در منطقه خلیج سان‌فرانسیسکو با یکی از دشوارترین بحران‌های مالی تاریخ خود روبه‌روست؛ بحرانی که به گزارش بلومبرگ دیگر فقط یک مسئله مربوط به قطار و مسافر نیست، بلکه سه نیروی بزرگ اقتصادی یعنی هوش مصنوعی، ساختار مالیات‌ها و بازار املاک را به هم گره زده است. این هم‌زمانی، پرونده‌ای را ساخته که می‌تواند الگویی برای دیگر شهرهای بزرگ جهان باشد.
بحران مالی بارت؛ از کاهش مسافر تا شکاف بودجه
بارت سال‌ها ستون فقرات جابه‌جایی روزانه صدها هزار کارمند در منطقه خلیج بود. اما همه‌گیری کرونا عادت‌های commuting را برای همیشه تغییر داد و دورکاری در بسیاری از شرکت‌های فناوری به رویه‌ای ماندگار تبدیل شد. نتیجه، افت پایدار درآمد کرایه بلیت و هم‌زمان افزایش هزینه‌های نگهداری، حقوق و بازسازی زیرساخت فرسوده است. کمک‌های اضطراری دولت فدرال نیز که مدتی این شکاف را پر می‌کرد، به پایان رسیده و مدیران بارت را با انتخاب‌های سخت میان کاهش خدمات و افزایش درآمد مواجه کرده است.
نکته مهم آن است که این بحران در خلأ رخ نمی‌دهد؛ اقتصاد منطقه خلیج به‌شدت به بازار املاک، مالیات محلی و صنعت فناوری وابسته است و هر تغییر در این سه حوزه، به‌سرعت در ترازنامه بارت بازتاب پیدا می‌کند.
هوش مصنوعی چگونه معادله را پیچیده‌تر می‌کند
گسترش ابزارهای هوش مصنوعی مولد، لایه تازه‌ای به این معادله افزوده است. وقتی شرکت‌ها بخشی از کارهای دانشی و اداری را به سیستم‌های هوشمند می‌سپارند، نیاز به حضور فیزیکی کارکنان در دفاتر مرکزی بیشتر کاهش می‌یابد. کاهش حضور در دفتر، هم تقاضای سفر با بارت را کم می‌کند و هم ارزش اجاره و قیمت املاک تجاری اطراف ایستگاه‌ها را تحت فشار می‌گذارد؛ دو روندی که هر دو به‌طور مستقیم به درآمدهای عمومی و توان مالی حمل‌ونقل عمومی ضربه می‌زنند.
در سوی دیگر، هوش مصنوعی می‌تواند بخشی از راه‌حل باشد. بهینه‌سازی زمان‌بندی قطارها، پیش‌بینی تقاضا، نگهداری پیشگیرانه ناوگان و کاهش هزینه‌های عملیاتی، از کاربردهایی است که مدیران حمل‌ونقل شهری به آن امید بسته‌اند.
- کاهش تقاضای سفر در ساعات اوج به دلیل تثبیت دورکاری و خودکارسازی کارهای اداری
- فشار بر درآمد کرایه و وابستگی بیشتر بارت به یارانه‌های دولتی
- اثرگذاری بر ارزش املاک تجاری و در نتیجه بر پایه مالیاتی شهر
- فرصت بهره‌گیری از هوش مصنوعی برای کاهش هزینه‌های عملیاتی و بهبود خدمات
مالیات، املاک و معمای تأمین مالی
بخش بزرگی از بودجه شهرها و نهادهای محلی در کالیفرنیا به مالیات بر املاک و درآمدهای مرتبط با فعالیت‌های تجاری متکی است. خالی ماندن دفاتر و کاهش ارزش ساختمان‌های تجاری، پایه مالیاتی را کوچک می‌کند؛ در حالی که هزینه‌های خدمات عمومی ثابت مانده یا افزایش یافته است. در چنین شرایطی، پیشنهاد افزایش مالیات‌های محلی یا وضع عوارض جدید برای جبران کسری بودجه بارت به بحثی سیاسی و حساس تبدیل می‌شود که رأی‌دهندگان و کسب‌وکارها را به دو سوی مقابل می‌کشاند.
به گزارش بلومبرگ، این تلاقی میان هوش مصنوعی، مالیات و املاک، تصمیم‌گیری برای نجات بارت را از یک مسئله فنی به یک پرونده اقتصادی و سیاسی تمام‌عیار تبدیل کرده است.
آینده بارت و درس‌هایی برای شهرهای دیگر
سرنوشت بارت فقط برای ساکنان منطقه خلیج اهمیت ندارد. بسیاری از شهرهای بزرگ با ترکیبی از دورکاری گسترده، خالی شدن دفاتر اداری، فرسودگی زیرساخت حمل‌ونقل و فشار بر بودجه عمومی دست‌وپنجه نرم می‌کنند. آنچه در سان‌فرانسیسکو رخ می‌دهد، آزمونی زودهنگام برای مدل‌های تأمین مالی حمل‌ونقل عمومی در اقتصاد پس از هوش مصنوعی است.
کارشناسان بر این باورند که راه‌حل پایدار، ترکیبی از تنوع بخشیدن به منابع درآمدی، بازنگری در ساختار مالیات بر املاک، جذب دوباره مسافر با خدمات باکیفیت‌تر و استفاده هوشمندانه از فناوری است. بدون چنین رویکردی، خطر آن وجود دارد که کاهش خدمات به کاهش بیشتر مسافر و سپس به بحرانی عمیق‌تر منجر شود؛ چرخه‌ای معیوب که بازگشت از آن دشوار و پرهزینه خواهد بود.
پرسش‌های پرتکرار
چرا بحران بارت سان‌فرانسیسکو اهمیت جهانی دارد؟
زیرا این بحران نشان می‌دهد دورکاری، خودکارسازی با هوش مصنوعی و افت ارزش املاک تجاری چگونه هم‌زمان می‌توانند درآمد حمل‌ونقل عمومی را تضعیف کنند؛ الگویی که بسیاری از شهرهای بزرگ با آن روبه‌رو هستند.
نقش هوش مصنوعی در این بحران چیست؟
هوش مصنوعی از یک سو با کاهش نیاز به حضور کارکنان در دفاتر، تقاضای سفر و درآمد کرایه را کم می‌کند و از سوی دیگر با بهینه‌سازی عملیات، پیش‌بینی تقاضا و نگهداری پیشگیرانه می‌تواند به کاهش هزینه‌ها و نجات مالی بارت کمک کند.
