Jevons-paradoxon

angolul: Jevons paradox

haladóelterjedt

Ha valamit hatékonyabban, olcsóbban tudunk használni, gyakran nem kevesebbet fogyasztunk belőle, hanem összességében többet, mert sokkal több mindenre kezdjük használni.

Érthetően

Józan ésszel azt várnád, hogy ha egy autó feleannyi benzint fogyaszt, akkor feleannyi benzin fogy. A valóságban az olcsóbb autózás miatt többet és messzebbre vezetünk, és olyanok is autóba ülnek, akik addig nem, így a megtakarítás egy része elvész. Az autóknál a mérések szerint ez többnyire csak részleges veszteség. Ha viszont a fogyasztás végül nagyobb lesz, mint az újítás előtt – ahogy a 19. században a takarékosabb gőzgépek után a szénnel történt –, azt nevezzük Jevons-paradoxonnak.

Az AI-nál ugyanez a kérdés. Ugyanolyan minőségű válasz előállítása évről évre olcsóbb és kevesebb energiát igényel. Mégsem csökken az összes számítási igény és áramfogyasztás, mert közben sokkal több feladatra használjuk az AI-t: keresésre, ügyfélszolgálatra, programozásra, órákig önállóan dolgozó agentekre.

A fogalom a munkáról szóló vitákban is előkerül. Ha az AI olcsóbbá teszi például a szoftverírást vagy a fordítást, lehet, hogy nem kevesebb ilyen munka kell majd, hanem annyival több megrendelés lesz, hogy a szakma megmarad vagy bővül. Ez azonban lehetőség, nem törvényszerűség.

Hogyan működik

Egy technikai újítás hatékonyabbá teszi egy erőforrás használatát: ugyanahhoz az eredményhez kevesebb szén, áram, számítási kapacitás vagy munkaóra kell.
Emiatt az eredmény egységára csökken: olcsóbb lesz egy megtett kilométer, egy megvilágított szoba vagy egy AI-válasz.
Az alacsonyabb ár új keresletet hoz: a régi felhasználók többet fogyasztanak, és megjelennek olyan felhasználások, amelyek korábban nem érték meg.
Ha a kereslet erősebben nő, mint amennyit a hatékonyság megtakarít, az erőforrás összes fogyasztása emelkedik. Ezt nevezik Jevons-paradoxonnak.
Ha a kereslet csak kicsit nő, a megtakarítás egy része megmarad. Ilyenkor csak részleges visszapattanó hatásról beszélünk, nem paradoxonról.

Példa a mindennapokból

Egy webáruház eleinte csak a legfontosabb ügyfélleveleket válaszoltatta meg AI-val, mert minden kérés érezhetően pénzbe került. Amikor az ár a töredékére esett, AI-ra bízta a termékleírásokat, a fordítást, a keresőt és a rendeléseket intéző agentet is. Egy-egy kérés ma sokkal olcsóbb, a cég mégis összesen sokkal több számítást használ el, és a havi AI-számlája nagyobb, mint korábban.

Kit érint

munkavállalóHa az AI olcsóbbá teszi a munkádat, a kereslet iránta nőhet is, de ez szakmánként eltér, ezért nem biztosíték az állásodra. → Munka és HR

vállalkozó, vezetőAz AI egységára csökken, de a céged teljes AI-számlája könnyen nő, mert egyre több folyamatba és agentbe építitek be.

banki ügyfél, befektetőA chipgyártók, adatközpontok és energiacégek körüli befektetési érvek nagyrészt arra épülnek, hogy az olcsóbb AI több keresletet hoz. → Pénz

mindenkiAz AI áram- és vízigénye a hatékonyabb modellek ellenére is nőhet, ami az energiaárakat és a klímacélokat is érinti.

Gyakori félreértés

TévhitA Jevons-paradoxon természeti törvény: a hatékonyság mindig több fogyasztáshoz vezet, tehát az AI biztosan több munkát teremt, mint amennyit elvesz.

ValójábanEz csak akkor következik be, ha a kereslet nagyon érzékenyen reagál az árcsökkenésre. Sok esetben a megtakarításnak csak egy része vész el, és van, ahol a kereslet egyszerűen telítődik.

Korlátok és kockázatok

Előre nehéz megmondani, hogy egy adott területen fellép-e, mert általában csak utólag, adatokból látszik.
Gyakran használják érdekből: a „minél olcsóbb, annál több kell belőle” érv jól jön annak, aki chipet, adatközpontot vagy részvényt akar eladni.
Ha nő is a kereslet egy munka iránt, nem biztos, hogy ugyanazok az emberek, ugyanolyan feltételekkel és bérért végzik majd.
A kereslet nem nő a végtelenségig: egy idő után a piac telítődik, és a hatékonyság valóban megtakarítást hoz.

Hasonló, de nem ugyanaz

Visszapattanó hatás – A visszapattanó hatás a tágabb jelenség, amikor a megtakarítás egy része elvész; a Jevons-paradoxon ennek szélső esete, amikor a fogyasztás a korábbinál is nagyobb lesz.
Indukált kereslet – Az indukált kereslet a kínálat bővítéséből fakad (az új sáv több autót vonz), a Jevons-paradoxon a hatékonyság javulásából.
Termelékenységi paradoxon – A termelékenységi paradoxon azt jelenti, hogy az új technológia hatása nem látszik a statisztikákban, a Jevons-paradoxon pedig azt, hogy a hatékonyság növeli a fogyasztást.

Kapcsolódó fogalmak

Tágabb

Termelékenység, Automatizálás, Kereslet és kínálat

Szűkebb

–

Rokon

Visszapattanó hatás, Indukált kereslet, Számítási kapacitás, Adatközpont, AI energiaigénye

Röviden a története

William Stanley Jevons angol közgazdász 1865-ben, A szénkérdés (The Coal Question) című könyvében írta le, hogy a takarékosabb gőzgépek nem csökkentették, hanem növelték Anglia szénfogyasztását. Az AI-vitákba 2025 januárjában került be széles körben, amikor a kínai DeepSeek olcsó modellje megrázta a tőzsdét, és Satya Nadella, a Microsoft vezérigazgatója erre a paradoxonra hivatkozott.

Hol tart most

2026 végén az AI-ról szóló gazdasági és befektetési viták egyik leggyakrabban idézett fogalma, főleg a számítási kapacitás és az energiaigény kapcsán. Abban viszont nincs egyetértés, hogy az AI-nál és különösen a munkaerőpiacon mennyire érvényesül.

Állapot: 2026. november

Más nevei

Jevons-paradoxon · Jevons paradoxona · Jevons-hatás · Jevons paradox · Jevons' paradox · Jevons effect

Források

A szócikk gépi szerkesztéssel készült és gépi szakmai lektoráláson ment át; a „hírekben” rész az Agent Age sztorijaiból automatikusan frissül.