Экономистам редко удается точно предсказать будущее. А в Кремниевой долине новые многообещающие технологии вновь и вновь порождают цикл надежд и разочарований. В этом смысле здоровый скептицизм относительно любых заявлений о грядущих изменениях экономики под влиянием искусственного интеллекта (ИИ) вполне оправдан. Тем не менее есть все основания всерьез воспринимать растущий потенциал ИИ — систем, демонстрирующих способность к разумному поведению, в том числе обучению, построению рассуждений, решению проблем,— в контексте преобразования экономики, особенно учитывая невероятный технический прогресс последнего года.
Помимо экономики ИИ может повлиять на общество в целом ряде областей, включая национальную безопасность, политику и культуру. В данной статье рассматривается влияние ИИ на три обширные области макроэкономического интереса: рост производительности труда, рынок труда и отраслевую концентрацию. У ИИ нет предопределенного будущего. Варианты его развития могут выглядеть совершенно по-разному. Реальность будет зависеть от множества факторов и не в последнюю очередь — от технологических и политических решений сегодняшнего дня. В каждой из упомянутых областей мы представляем развилку: два пути, ведущих к совершенно разным вариантам будущего ИИ и экономики. Неблагоприятное будущее в каждом случае представляет собой путь наименьшего сопротивления. Для достижения благоприятного будущего потребуется грамотная политика, в том числе:
Первая развилка касается будущего экономического роста, который во многом связан с ростом производительности труда. В течение последних 50 лет, если не считать кратковременного подъема в конце 1990-х — начале 2000-х годов, экономика США пребывала в состоянии тревожно низкого роста производительности труда (Brynjolfsson, Rock, and Syverson, 2019). Ту же проблему сейчас испытывает большинство стран с развитой экономикой. Производительность труда (выпуск продукции на единицу затрат) как никакой другой фактор определяет богатство страны и уровень жизни ее населения. Повышение производительности труда позволяет гораздо успешнее решать проблемы, связанные с дефицитом бюджета, бедностью, здравоохранением, окружающей средой. Возможно, именно повышение производительности труда представляет собой самую важную экономическую задачу для всего мира.
Согласно одному из вариантов изменения производительности, воздействие ИИ ограничено. Несмотря на стремительное улучшение технических возможностей ИИ, его внедрение в частном секторе происходит медленно, ограничиваясь крупными компаниями (Zolas et al., 2021). Его экономическая специализация при этом оказывается крайне узкой, сводясь к сокращению трудозатрат («тривиальные технологии», по выражению Дарона Аджемоглу и Саймона Джонсона; к таким можно отнести автоматизированную кассу в продуктовом магазине), хотя работники могли бы использовать его для инноваций и достижения более впечатляющих результатов (см. статью «Перебалансировка ИИ» в этом выпуске ФиР). Оказавшиеся лишними работники могут в непропорционально большой степени переходить на еще менее производительную и менее творческую работу, что еще больше снижает суммарный эффект для долгосрочного роста производительности труда в экономике.
Как и в случае со многими другими недавними технологическими увлечениями Кремниевой долины (3D-принтеры, самоуправляемые автомобили, виртуальная реальность), может оказаться, что технология ИИ менее перспективна или пригодна для выхода на рынок, чем предполагалось. Как это нередко случается, лишь спустя многие десятилетия после первых признаков технологических перспектив статистика может отразить реальные экономические выгоды, какими бы скромными они не были. Знаменитый парадокс, отмеченный экономистом Робертом Солоу в 1987 году, — «мы видим влияние эры компьютеров везде, но только не в статистике производительности» — может достигнуть более крайних форм: казалось бы, у каждого есть чат-бот на основе ИИ, которым можно похвастаться перед друзьями, но на предприятиях не наблюдается роста производительности за счет более активного использования искусственного интеллекта. Компании, рискуют еще больше ограничить экономические выгоды от ИИ, если не разберутся, какие организационные и управленческие изменения необходимы для его наиболее эффективного применения.
Как и в случае с самоуправляемыми автомобилями, технологические проблемы, связанные с переходом от многообещающего экспериментального образца к надежному продукту, могут быть усугублены правовым режимом, не приспособленным к новым технологиям и создающим серьезные барьеры для их развития. В случае с ИИ совершенно неясно, как действующие законы об интеллектуальной собственности соотносятся с обучением моделей на миллионах точек данных, которые могут включать охраняемые объекты чужой интеллектуальной собственности. В результате законодательство об интеллектуальной собственности может выстроить своего рода «патентный частокол», фактически не позволяющий обучать модели на данных, на которые у разработчиков нет ясно оформленных прав. В то же время неверные решения могут отнять у творческих профессионалов всякое желание создавать новый контент, который необходим системам машинного обучения для совершенствования.
Кроме того, национальные регулирующие органы, руководствуясь различными соображениями, могут ввести жесткие правила, замедляющие темпы разработки и распространения ИИ. Их могут даже подтолкнуть к этому первопроходцы в сфере ИИ, стремящиеся защитить свои лидирующие позиции. Более того, некоторые страны, компании и другие организации могут полностью запретить ИИ.
Однако возможен и альтернативный сценарий, при котором ИИ приведет к будущему с более высокой производительностью труда. ИИ можно задействовать в выполнении значительной части задач большинства работников (Eloundou et al., 2023), существенно повысив производительность труда в этих задачах. В этом сценарии будущего ИИ оправдывает возложенные на него надежды и становится самым крупным технологическим прорывом за многие десятилетия. Более того, в итоге он не заменяет работников, а становится для них ценным дополнением, высвобождающим время для нестандартной, творческой и изобретательской деятельности. ИИ фиксирует и вбирает в себя неформальные знания (приобретаемые с опытом, но с трудом поддающиеся определению) людей и организаций, опираясь на огромные объемы свежих оцифрованных данных. Все это позволяет работникам сосредоточиться на новых проблемах, и все большая часть рабочей силы начинает напоминать некое сообщество ученых-исследователей и новаторов. В результате экономика не просто выходит на более высокий уровень производительности, но и постоянно демонстрирует более высокие темпы ее роста.
Это будущее также предполагает успешную интеграцию ИИ с роботами, благодаря которой связанный с ИИ прогресс охватывает гораздо больше сегментов экономики. Вместе с ИИ общество не просто эффективнее осуществляет привычные действия, но и делает и придумывает то, что раньше невозможно было себе представить. Медицинские исследования с применением ИИ позволяют радикально продвинуться в познании биологии человека и разработке лекарств. ИИ становится инструментом для сфер, полных творческой мысли и научных открытий, — математики, естественных наук, дальнейшего развития ИИ. Рождается рекурсия самосовершенствования, о которой еще недавно позволяли себе размышлять только фантасты.
Рост неравенства доходов между отдельными работниками за последние 40 лет вызывает серьезную обеспокоенность. Большой объем эмпирических исследований в области экономики труда свидетельствует о том, что компьютеры и другие виды информационных технологий, возможно, способствуют неравенству доходов за счет вытеснения автоматизацией рабочих мест с рутинными задачами и средним уровнем доходов, из-за чего происходит разделение рабочей силы на высокооплачиваемых и низкооплачиваемых работников. Директор и дворник еще сохраняют свои позиции, но компьютеры уже частично заменяют среднее звено офисных работников (Autor, Levy, and Murnane, 2003). Мы рассматриваем два сценария влияния ИИ на неравенство.
В первом сценарии ИИ приводит к росту неравенства доходов. Технологи и менеджеры разрабатывают и внедряют ИИ, чтобы непосредственно заменить многие виды человеческого труда, что приводит к снижению заработной платы многих работников. Более того, генеративный ИИ начинает создавать тексты, изображения и звуки, то есть выполнять задачи, которые раньше считались нестандартными и даже творческими, что позволит машинам взаимодействовать с клиентами и создавать контент для маркетинговых кампаний. В итоге угроза конкуренции со стороны ИИ нависает над гораздо большим числом рабочих мест. Происходит коренная перестройка целых отраслей, в которых становится все меньше человеческого труда (предвестник этой угрозы — недавние забастовки сценаристов и актеров в США, потребовавших от киностудий ограничить использование ИИ).
Этот сценарий подразумевает не массовую безработицу, но увеличение неравенства по мере того, как ИИ заменяет высоко- или приемлемо оплачиваемые рабочие места, вынуждая работников переходить на низкооплачиваемые должности сферы услуг — например, санитаров, нянь и швейцаров, — где изначально ценится присутствие человека, а оплата настолько низка, что предприятия не могут оправдать затраты на крупные технологические инвестиции для его замены. Последним оплотом сугубо человеческого труда могут стать как раз такие виды работ с физическим элементом. Это приведет к усилению неравенства доходов на фоне дальнейшего разделения рынка труда на небольшую категорию высококвалифицированной элиты и массовый низший класс низкооплачиваемых работников сферы услуг.
Во втором сценарии ИИ способствует уменьшению неравенства доходов: его основное воздействие на рабочую силу заключается в том, что он помогает наименее опытным или наименее компетентным работникам лучше справляться со своими обязанностями. Например, в настоящее время программисты пользуются помощью таких моделей ИИ, как Copilot, которые опираются на оптимальные методы программирования многих других программистов. В паре с Copilot неопытный или малоопытный программист начинает приближаться к высококлассному, даже если оба имеют доступ к одному и тому же ИИ. Исследование 5000 работников, выполняющих сложную работу по обслуживанию клиентов в колл-центре, показало, что среди использовавших ИИ-помощника наибольший прирост производительности показали наименее квалифицированные или недавно принятые на работу сотрудники (Brynjolfsson, Li, and Raymond, 2023). Если бы работодатели делились плодами такого прироста с работниками, распределение доходов стало бы более равномерным.
Помимо формирования будущего с меньшим неравенством доходов, ИИ может помочь труду и в другом, менее очевидном, но более глубоком смысле. Взяв на себя наиболее шаблонные виды работ и тем самым избавив человека от утомительной рутины, ИИ может оказать пользу действительно творческим и интересным задачам, улучшив базовый психологический опыт работы, а также качество выпускаемой продукции. В самом деле, исследование колл-центров показало не только прирост производительности, но и снижение текучести кадров и повышение клиентской удовлетворенности при использовании помощника ИИ.
С начала 1980-х годов в США и многих других странах с развитой экономикой резко возросла отраслевая концентрация — совокупная доля рынка, контролируемая крупнейшими компаниями в конкретном секторе. Как правило, такие крупные компании-суперзвезды отличаются от своих более мелких аналогов гораздо большей капиталоемкостью и технологической развитостью.
Здесь опять же возможны два пути воздействия искусственного интеллекта.
В первом сценарии отраслевая концентрация увеличивается, и только крупнейшие компании активно используют ИИ в своей основной деятельности. Он помогает им опережать конкурентов по производительности, прибыльности и размеру. Все более дорогостоящей становится разработка моделей ИИ, требующая огромных вычислительных мощностей и соответствующих первоначальных затрат, которые могут позволить себе только крупнейшие компании, а также обучения на огромных массивах данных, накопленных у очень крупных компаний с многочисленными клиентами и отсутствующих у мелких фирм. Более того, уже обученная и запущенная модель ИИ может оказаться затратной в эксплуатации. Например, обучение модели GPT-4 при ее первоначальной разработке обошлось более чем в 100 млн долларов, а ее эксплуатация требует около 700 000 долларов в день. В скором времени стандартная стоимость разработки крупной модели ИИ может исчисляться миллиардами долларов. Руководители ведущих компаний по разработке ИИ прогнозируют, что в обозримом будущем по-прежнему будут действовать законы масштабирования, демонстрирующие четкую зависимость между ростом затрат на обучение и повышением эффективности — то есть преимущество будет у компаний с доступом к самым большим бюджетам и базам данных.
Следовательно, может случиться так, что собственный ИИ будут разрабатывать только крупнейшие компании и их деловые партнеры, как это делают Alphabet, Microsoft и OpenAI, тогда как меньшие по размеры компании не обладают такой возможностью. В результате крупные фирмы станут еще крупнее.
Есть еще одно не столь очевидное, но более важное последствие: даже в мире, где собственный ИИ не требует больших постоянных издержек, доступных только гигантам, он все равно может быть непропорционально выгоден крупнейшим компаниям, использующим его для координации своих сложных деловых операций, чего нет у более мелких и простых фирм. Вооружившись ИИ, «видимая рука» топ-менеджмента, распоряжающегося ресурсами внутри крупнейших компаний, может стать еще эффективнее, угрожая лишить малые фирмы их «хайекианского» преимущества локальных знаний в условиях децентрализованного рынка.
Тем временем в будущем с уменьшением отраслевой концентрации широкое распространение получают модели ИИ с открытым исходным кодом (такие, как LLaMA от Meta или Koala от Berkeley). Совокупными усилиями коммерческих компаний, некоммерческих организаций, ученых и отдельных программистов формируется активная экосистема ИИ с открытым исходным кодом, обеспечивающая широкий доступ к разработанным моделям ИИ. В результате небольшие компании получают возможность воспользоваться передовыми производственными технологиями, о которых раньше не могли и помыслить.
Многое из этого было предвосхищено во внутреннем документе Google, попавшем в открытый доступ в мае 2023 года, в котором один из исследователей назвал модели с открытым исходным кодом «более быстрыми, настраиваемыми, приватными и способными при равных ресурсах» по сравнению с проприетарными. Исследователь заявил, что процессы в небольших моделях с открытым исходным кодом могут быстро воспроизводиться многими людьми и в итоге оказываются лучше, чем в крупных частных моделях, медленно прорабатываемых одной командой, и что обучение моделей с открытым исходным кодом обходится дешевле. По мнению исследователя Google, ИИ с открытым исходным кодом может возобладать над дорогостоящими проприетарными моделями.
Возможно также, что ИИ поощряет децентрализованные инновации с широким охватом, которые успешнее развиваются в условиях множества небольших фирм, чем в рамках одной крупной компании. Границы фирм формируются в результате ряда компромиссных решений. Возможно, с осознанием необходимости в остаточных правах контроля над своей работой многие новаторы, использующие ИИ, решат, что владеть собственной небольшой фирмой лучше, чем быть одним из множества сотрудников крупной компании.
В результате затяжной рост отраслевой концентрации начнет сбавлять обороты, по мере того как ряд находчивых небольших фирм будет сокращать технологический разрыв с крупными или даже менять его полюса, отвоевывая свою долю рынка.
В случае каждой развилки неблагоприятный вариант будущего — это путь наименьшего сопротивления, ведущий к низкому росту производительности труда, увеличению неравенства доходов и повышению отраслевой концентрации. Выбор оптимального направления невозможен без целенаправленных усилий — дальновидных мер политики, которые помогут определить будущее технологий и экономики.
Важно также понять более общий тезис в отношении политики. Большая часть текущего дискурса вокруг регулирования ИИ прямолинейна, как гидравлическая модель: нужно ли нам больше ИИ, меньше ИИ или даже его полный запрет. Такая дискуссия возникает, когда ИИ воспринимается как некая статичная сущность с предопределенным будущим. ИИ может распространяться быстро или медленно. Его может быть больше или меньше, но в целом он таков, каков есть.
Однако если разработчики политики поймут, что ИИ может развиваться в разных направлениях, дискуссия будет строиться по-другому. Как создать стимулы в политике для развития таких видов ИИ, которые будут дополнять, а не имитировать и заменять человеческий труд? Какие меры обеспечат процветание ИИ, доступного компаниям любого размера, а не только самым крупным? Какого рода экосистема с открытым исходным кодом может для этого потребоваться и как разработчики политики могут ее поддержать? Каким должен быть подход к разработке моделей у лабораторий ИИ и подход к его внедрению в фирмах? Как обществу получить такой ИИ, который станет источником радикальных инноваций, а не незначительных изменений в существующих товарах, услугах и системах?
Множество разных субъектов может повлиять на траекторию будущего ИИ. Крупным корпорациям придется принимать важные решения о том, как именно они будут совмещать ИИ с существующими кадрами. Крупнейшие из этих компаний также будут разрабатывать собственные модели ИИ. Разработку моделей ИИ, в том числе с открытым исходным кодом, будут вести и лаборатории по ИИ/информатике. Большое влияние окажут законодательные и регулирующие органы федерального и местного уровней. Свое слово скажут и избиратели. Профсоюзы должны решить, каким они хотят видеть взаимодействие с ИИ, и сформулировать свои требования.
В этой статье намечено несколько вариантов возможного будущего ИИ, но хочется подчеркнуть крайнюю непредсказуемость развития этой технологии, а также способность общества активно и коллективно влиять на это будущее.
Мы поставили больше вопросов, чем дали ответов, — еще одно свидетельство того, что внедрение и воздействие ИИ находится на начальной стадии. Оно также отражает углубившийся дисбаланс между исследованиями с целью расширения границ этой технологии и усилиями более ограниченного характера, направленными на понимание ее экономических и социальных последствий.
Этот дисбаланс был менее значимым, когда технология имела ограниченные макроэкономические последствия. Но сегодня, когда влияние ИИ на общество, вероятно, будет измеряться триллионами долларов, в исследования экономики ИИ следует вкладывать гораздо больше средств. Обществу необходимы инновации в понимании экономики и политики, которые будут соответствовать масштабу и охвату прорывов в самом ИИ. Переориентация исследовательских приоритетов и продуманная политика — два важных условия для продвижения общества к устойчивому и инклюзивному экономическому росту.
ЭРИК БРИНЬОЛФССОН — профессор кафедры им. Джерри Янга и Акико Ямазаки в Институте человекоцентрированного ИИ Стэнфордского университета, где он руководит Стэнфордской лабораторией цифровой экономики.
ГАБРИЭЛЬ УНГЕР — постдокторант Стэнфордской лаборатории цифровой экономики.
Autor, David, Frank Levy, and Richard Murnane. 2003. “The Skill Content of Recent Technological Change.” Quarterly Journal of Economics 118 (4): 1279–333.
Brynjolfsson, Erik, Daniel Rock, and Chad Syverson. 2019. “Artificial Intelligence and the Modern Productivity Paradox: A Clash of Expectations and Statistics.” In The Economics of Artificial Intelligence: An Agenda, edited by Ajay Agrawal, Joshua Gans, and Avi Goldfarb. Chicago: University of Chicago Press.
Brynjolfsson, Erik, Danielle Li, and Lindsay Raymond. 2023. “Generative AI at Work.” NBER Working Paper 31161, National Bureau of Economic Research, Cambridge, MA.
Eloundou, Tyna, Sam Manning, Panels Mishkin, and Daniel Rock, “GPTs Are GPTs: An Early Look at the Labor Market Impact Potential of Large Language Models.” arXiv preprint arXiv:2303.10130.
Zolas, Nicholas, Zachary Kroff, Erik Brynjolfsson, Kristina McElheran, David N. Beede, Cathy Buffington, Nathan Goldschlag, Lucia Foster, and Emin Dinlersoz. 2021. “Advanced Technologies Adoption and Use by U.S. Firms: Evidence from the Annual Business Survey.” NBER Working Paper 28290, National Bureau of Economic Research, Cambridge, MA. https://www.nber.org/papers/w28290.
© 2026 International Monetary Fund. All rights reserved.
