## Перебалансировка ИИ

## Source details

**Canonical URL:** [Перебалансировка ИИ](https://www.imf.org/ru/publications/fandd/issues/2023/12/rebalancing-ai-acemoglu-johnson)

## Other formats

- [Markdown version](/ru/publications/fandd/issues/2023/12/rebalancing-ai-acemoglu-johnson/index.md)
- [Structured JSON version](/ru/publications/fandd/issues/2023/12/rebalancing-ai-acemoglu-johnson/index.json)
- [Bundle manifest](/ru/publications/fandd/issues/2023/12/rebalancing-ai-acemoglu-johnson/bundle-manifest.json)

## Bibliographic details
- Authors: DARON ACEMOGLU, SIMON JOHNSON
- Published: December 6, 2023

---

### Краткое содержание и ключевые тезисы
- Стремление к автоматизации опасно — для содействия всеобщему процветанию ИИ должен дополнять работников, а не заменять их.
- Оптимистичные оценки вклада ИИ в рост: по данным Goldman Sachs, внедрение ИИ может стимулировать рост производительности на 1,5 процентных пункта в год в течение 10-летнего периода и увеличить мировой ВВП на 7 percent (дополнительный объем производства в размере 7 триллионов долларов США).
- Отраслевые оценки включают предполагаемую 10-процентную вероятность сценария «взрывного роста», при котором мировой объем производства будет расти более чем на 30 процентов в год.
- Основной контраргумент: «повозка производительности» (вера в то, что технологические изменения ведут к росту чистой заработной платы и всеобщему процветанию) не является неизбежной и исторические данные не подтверждают автоматический переход к всеобщему благу.

### Производительность, предельная производительность и автоматизация
- Стандартная метрика производительности: «средний объем производства на одного работника» — общий объем производства, деленный на число занятых.
- Для работодателей важна предельная производительность — вклад нового работника; средняя производительность может расти, а предельная — оставаться неизменной или снижаться.
- Многие новые технологии расширяют задачи машин и алгоритмов, вытесняя работников; автоматизация повышает среднюю производительность, но не обязательно предельную.
- За последние четыре десятилетия автоматизация повысила производительность и увеличила прибыль корпораций, но не привела к всеобщему процветанию в промышленно развитых странах.
- Примеры различий:
  - Программные инструменты, помогающие автомеханикам, повышают предельную производительность работника.
  - Кассы самообслуживания: сокращают число кассиров, но не дают заметного прироста общей производительности — пример «посредственной автоматизации».

### Создание новых задач и продуктивная автоматизация
- Создание новых задач повышает предельную производительность работников и может привести к росту занятости (исторические примеры: автомобильная промышленность и развитие смежных отраслей в первой половине XX века).
- Новые профессии, не существовавшие 80 лет назад, включают: рентгенологи МРТ, сетевые инженеры, операторы станков с использованием компьютеров, программисты, специалисты по информационной безопасности и аналитики данных.
- Продуктивная автоматизация, сопровождаемая созданием новых задач, может стимулировать расширение рабочих мест как в отрасли, так и в смежных секторах.
- Но даже значимый прирост производительности от автоматизации может привести к длительному спаду в регионах (пример: быстрое внедрение роботов на Среднем Западе США привело к массовым увольнениям и длительному спаду).
- Усиленный контроль и наблюдение за работниками дают лишь небольшое повышение производительности и чаще направлены на извлечение большего труда.

### Дополнение работников ИИ и направления применения
- Новые технологии могут дополнять работников, повышая эффективность, качество работы или создавая новые задачи.
- Историческая динамика: механизация сократила сельскохозяйственную занятость, но появились новые задачи и спрос на квалифицированную рабочую силу в период между 1870 и 1970 годами.
- После примерно 1970 года баланс между автоматизацией и созданием новых задач был утрачен; в последующие пять десятилетий темпы автоматизации сохранились или ускорились, а компенсирующий эффект создания новых задач замедлился, особенно для работников без четырехлетнего высшего образования.
- Возможности ИИ:
  - ИИ способен автоматизировать задачи, требующие гибкости и рассудительности, особенно генеративный ИИ.
  - ИИ может дополнять специалистов в подготовке и переподготовке педагогов, медицинского персонала и современных ремесленников (например, электрики и сантехники).
  - ИИ может породить новые требования к человеческому опыту для контроля процессов, общения с клиентами и предоставления более сложных услуг.
- Современная исследовательская парадигма в ИИ склоняется к автоматизации (стремление к человеческому уровню выполнения когнитивных задач и созданию общего ИИ), а не к разработке технологий, специально дополняющих человека.

### Пять политических принципов для перенаправления развития ИИ
- Реформа бизнес-модели:
  - Установить для всех потребителей четкие права собственности на их данные.
  - Ввести налог на интернет-рекламу.
  - Обеспечить более широкий спектр бизнес-моделей и усилить конкуренцию.
- Налоговая система:
  - Создать более симметричную налоговую структуру, уравнивающую предельные налоговые ставки для найма (и обучения) рабочей силы и для инвестиций в оборудование и программное обеспечение.
- Мнение трудящихся:
  - Работники должны иметь право голоса в разработке ИИ.
  - Ограничить использование непроверенного (или недостаточно проверенного) ИИ в областях, подвергающих работников риску (например, кадровые решения, мониторинг и наблюдение на рабочем месте).
- Финансирование исследований, направленных на дополнение человека:
  - Поощрять конкуренцию и инвестиции в технологии, сочетающие инструменты ИИ с человеческим опытом в ключевых социальных сферах.
  - Правительства при достаточном прогрессе могут содействовать дальнейшим инвестициям, предоставляя рекомендации о применимости технологий в финансируемых государственных программах в сферах образования и здравоохранения.
- Опыт применения ИИ в органах государственного управления:
  - Создать консультативное подразделение ИИ в секторе государственного управления для более своевременных и эффективных решений ведомств и регулирующих органов.

### Потенциальный макроэкономический эффект и распределение выгод
- ИИ может увеличить мировой ВВП в течение следующих пяти лет, хотя и не так существенно, как утверждают энтузиасты.
- Он может немного повысить темпы роста ВВП в среднесрочной перспективе.
- При существующей траектории первоочередным последствием, скорее всего, будет рост неравенства в промышленно развитых странах.
- Текущая тенденция представляет большую опасность для стран со средним доходом и многих стран с низким доходом: новые капиталоемкие технологии будут применяться повсеместно, и нет гарантии, что ИИ создаст больше рабочих мест, чем ликвидирует.
- Если удастся перенаправить развитие ИИ на дополнение человека и использовать его для решения насущных социальных проблем, это принесет пользу всем странам; при преобладании простой автоматизации достижение всеобщего процветания станет ещё труднее.

### Авторы
- ДАРОН АДЖЕМОГЛУ — профессор Массачусетского технологического института.
- САЙМОН ДЖОНСОН — профессор предпринимательства имени Рональда А. Курца в Школе менеджмента Слоуна при Массачусетском технологическом институте и бывший главный экономист МВФ.

*Источник: Перебалансировка ИИ, ДАРОН АДЖЕМОГЛУ и САЙМОН ДЖОНСОН, Декабрь 2023 года.*

---

## Content in this bundle

- **glossaryr**
  - [glossaryr (Markdown version)](/external/np/term/rus/pdf/glossaryr.pdf.md){rel="alternate" type="text/markdown"}
  - [glossaryr (PDF)](/external/np/term/rus/pdf/glossaryr.pdf){rel="external" type="application/pdf"}

---

_Source: https://www.imf.org/ru/publications/fandd/issues/2023/12/rebalancing-ai-acemoglu-johnson_