.png)
Искусственный интеллект (ИИ) быстро стал одной из самых обсуждаемых «персон» в исследованиях. Главный вопрос – как его внедрение скажется на экономике – пока остается без ответа. Инвесторы, взвинчивающие до небес акции связанных с ИИ компаний, похоже, полны оптимизма. Экономисты же предупреждают, что ожидания от этой технологии могут быть сильно завышены. Эксперты МВФ в свежем исследовании сделали акцент на межстрановых различиях и условиях, от которых зависит, смогут ли страны воспользоваться ИИ-дивидендом.
Михаил Оверченко
Оценки воздействия ИИ на совокупную факторную производительность (СФП) существенно расходятся. Один из самых больших скептиков – нобелевский лауреат Дарон Аджемоглу, профессор Массачусетского технологического института (MIT). По его расчетам, внедрение ИИ обеспечит рост СФП в США менее чем на 0,7% за десятилетие, т. е. всего на 0,064 процентного пункта (п. п.) в год. Такой скромный результат объясняется очень узкой, по его мнению, областью реального применения технологий:
с экономической точки зрения выгодно автоматизировать лишь 4,6% задач;
экономия затрат на рабочую силу – 27%.
ИИ будет использоваться в основном для частичной автоматизации отдельных рутинных функций, не затрагивая ключевые производственные процессы и не создавая масштабного мультипликативного эффекта, считает Аджемоглу.
Противоположную точку зрения высказывают Филипп Агийон (INSEAD и Лондонская школа экономики) и Симон Бунель (Банк Франции). По их мнению:
в развитых странах воздействию ИИ потенциально подвержено до 60% задач, и примерно половину из них в перспективе станет экономически выгодно автоматизировать в результате быстрого снижения вычислительных издержек;
экономия на трудозатратах может достигать 40% (с учетом недавних эмпирических исследований).
Их расчеты с использованием той же формулы, что у Аджемоглу, но с другими вводными дают совокупный рост СФП в диапазоне от 0,7 до 12,4% за 10 лет (медиана – 6,8%, или 0,68 п. п. в год).
Агийон и Бунель не ограничиваются узкими задачами, а рассматривают ИИ как продолжение крупных технологических революций прошлого – электрификации и цифровизации. Они считают вероятным, что ИИ будет не только заменять труд в производстве, но и ускорять создание новых идей, т. е. перманентно влиять на инновационный процесс. Этот расширенный подход во многом и объясняет их высокие прогнозы роста.
В условиях столь высокой вариативности и неопределенности экономисты МВФ придерживаются «умеренных» оценок в работе «Глобальное влияние искусственного интеллекта: почувствуйте разницу». Они опирались на результаты симуляций, проведенных в исследованиях по Великобритании, где 10-летний прирост СФП оценивается в пределах 1,3–3,4%. В пересчете для США с учетом подверженности экономики воздействию ИИ, готовности к его внедрению и отраслевой структуры это дает 1,5–4,3%. На основе этих оценок МВФ рассчитал «низкий» и «высокий» сценарии роста производительности под влиянием ИИ: в первом оценка в 2 раза превышает прогноз Аджемоглу, а во втором ближе к медианному показателю Агийона и Бунеля, хотя и остается значительно ниже него.
Результаты моделирования МВФ показывают, что глобальные последствия внедрения ИИ могут быть значительными, но крайне неоднородными. Шоки, связанные с изменением СФП, зависят от готовности каждой страны к внедрению ИИ, доступа к необходимым технологиям, знаниям и навыкам, отраслевой структуры экономики и подверженности секторов воздействию ИИ (большее влияние он может оказать на услуги, чем на производство, и на неторгуемую продукцию, чем на торгуемую).
Два варианта базового сценария МВФ основаны на предпосылке, что непосредственные препятствия для внедрения ИИ отсутствуют. В «высоком» сценарии рост мировой СФП достигает 2,4% за десятилетие, что ведет к увеличению глобального ВВП дополнительно почти на 4%. В «низком» – результаты втрое меньше: соответственно 0,8 и 1,3%. В обоих случаях наибольший прирост производительности приходится на отрасли, способные интенсивно внедрять ИИ (финансовые услуги, телекоммуникации, фармацевтика), затем следуют неторгуемые секторы (образование, здравоохранение), а традиционные отрасли промышленности с торгуемой продукцией находятся на последнем месте.
Пример того, как ИИ может сильно помочь финансово-технологическому сектору, недавно продемонстрировал инвестбанк Morgan Stanley. Он разработал решение на базе ИИ DevGen.AI, чтобы разобраться с одной из сложнейших задач в корпоративном IT – модернизацией устаревшего программного кода, написанного порой десятилетия назад. Инструмент был запущен в январе, и с тех пор DevGen.AI обработал около 9 млн строчек кода, сэкономив разработчикам более 280 000 человеко-часов, рассказал в начале июня The Wall Street Journal Майк Пицци, глобальный директор банка по технологиям и операциям.
Существующие коммерческие решения хорошо пишут новый, современный код, но зачастую плохо справляются с менее популярными или устаревшими языками программирования, а также с теми, которые были специально адаптированы под нужды конкретной компании, пояснил Пицци. DevGen.AI «заточен» под уникальный код Morgan Stanley. Пока он способен переписывать относительно небольшие фрагменты и еще не умеет генерировать оптимальный код, поэтому финальную версию создают люди.
Хотя ИИ освободил программистов от рутинной работы, Morgan Stanley не планирует сокращать кадры, считая, что разработчики теперь могут заниматься более ценными и важными задачами.
«Это отличный пример того, как ИИ может повысить производительность. Модернизация кода – очень дорогостоящее дело. Зачастую дешевле начать с нуля, чем возиться с устаревшим, но работающим кодом, – говорит Йон Триси, издатель инвестиционного бюллетеня Fuller Treacy Money. – С учетом того что трудности с переносом устаревших кодов очень мешают повысить эффективность госструктур, подобные инновации реально отвечают интересам общественного блага».
Подогреваемый ИИ рост экономики должен сопровождаться изменением инфляционной динамики. В краткосрочной перспективе стимулируется инвестиционная активность и совокупный спрос (компании и государства увеличивают расходы на цифровую инфраструктуру, вычислительные мощности, обучение персонала), что может привести к некоторому ускорению инфляции. Однако в среднесрочной перспективе рост производительности и расширение совокупного предложения начнут преобладать, оказывая дезинфляционное воздействие, отмечает МВФ.
Центральные банки могут поначалу реагировать небольшим повышением процентных ставок, но их задача в условиях массового внедрения ИИ усложняется: придется балансировать денежно-кредитную политику между краткосрочным повышением цен и долгосрочными дезинфляционными тенденциями.
Подобный сценарий уже реализовывался в прошлом, отмечает МВФ. Так, во время интернет-бумa в конце 1990-х значительный рост капиталовложений в информационно-коммуникационные технологии сопровождался ускорением инфляции и перегревом рынка. Повышение ставок центробанками, прежде всего в США, где надулся интернет-пузырь, стало одним из факторов, из-за которых он лопнул. Лишь в 2000-х, когда цифровые технологии глубоко интегрировались в производственные процессы, стали проявляться устойчивые дезинфляционные эффекты, связанные с ростом эффективности и снижением издержек.
Сегодня поведение участников рынков, однако, указывает на то, что они либо не ждут от внедрения ИИ серьезного эффекта для экономики с ее разогревом и ускорением инфляции, либо ориентируются сразу на второй, долгосрочный, дезинфляционный этап.
Исайя Эндрюс и Марьям Фарбуди из MIT проанализировали реакцию рынков облигаций на релизы новых версий крупнейших ИИ-моделей в 2023–2024 гг. – ChatGPT-4 от OpenAI, Gemini от Google, Claude 3 от Anthropic, Grok от xAI, R1 от DeepSeek. Рынок акций может реагировать, в том числе иррационально, на перспективы будущих прибылей конкретных компаний, связанных с распространением и внедрением ИИ. Инвесторы взвинчивают их капитализацию, и яркая иллюстрация этого оптимизма – подорожавший до $4 трлн производитель ИИ-процессоров Nvidia.
В отличие от акций рынок облигаций указывает на ожидания относительно роста экономики, инфляции и рисков (рассматривались 10-, 20- и 30-летние казначейские бумаги – обычные, а также привязанные к инфляции TIPS, плюс корпоративные).
Как выяснили Эндрюс и Фарбуди, после выхода ИИ-моделей доходности долгосрочных казначейских облигаций показывали «экономически и статистически значимое снижение» – более чем на 12 базисных пунктов в течение 15 торговых дней. Аналогично опускались доходности TIPS и корпоративных бондов. Исследователи объясняют это тем, что после выхода новых ИИ-моделей:
инвесторы не повышали, а понижали свои ожидания относительно роста потребления и экономики (и, следовательно, цен);
инвесторы снижали вероятность как «фатума» (экзистенциального риска вроде восстания машин), так и «благословения» (чрезвычайно быстрого роста, ликвидирующего материальный дефицит);
результат является комбинацией двух вышеназванных факторов.
Спреды корпоративных облигаций по отношению к государственным также не снижались, т. е. рынки не верили, что ИИ-модели позволят компаниям заметно повысить эффективность и производительность.
Дополнительное внимание МВФ уделяет межстрановым различиям. Развитые экономики обычно имеют:
более высокую долю секторов и профессий, подверженных влиянию ИИ;
развитую цифровую инфраструктуру, сильные институты и квалифицированную рабочую силу, которые способны более эффективно внедрять ИИ и извлекать из этого выгоду;
современное оборудование, центры обработки данных и глобальные связи.
Все это создает более значительный потенциал для повышения производительности.
В США при благоприятном сценарии 10-летний прирост ВВП может достигнуть 5,4%, в еврозоне – 4,4%, в других развитых странах – около 4,7%. Выгоды развивающихся стран и стран с низким доходом оказываются более скромными. В эту категорию попадает и Россия, которая в исследовании включена в группу EMA (развивающиеся экономики Азии, Центральной Азии, России и т. д.).
В базовом сценарии 10-летний прирост ВВП составит для ЕМА около 3% при «высокой» траектории роста производительности и лишь 1% – при «низкой». Главная причина отставания – ограниченная подготовленность к ИИ: хотя часть отраслей в этой группе стран (например, телекоммуникации и финансовые услуги) относительно высоко развиты, институциональная база и цифровая инфраструктура слабее, чем в США или ЕС. В частности, доля секторов, интенсивно использующих ИИ, в экономиках группы EMA составляет 10,7%, тогда как в США – 16,3%, в других развитых странах – 14,1%, в ЕС и Швейцарии – 12,9%; но эта доля выше, чем в странах с низким доходом (6,4%).
EMA может потерять значительную часть потенциальных выгод в случае ограниченного доступа к ключевым технологиям (процессорам, дата-центрам), тогда как при улучшении цифровой инфраструктуры и кадровой базы темпы роста могли бы приблизиться к среднемировым. Таким образом, для России и сопоставимых экономик основным условием успешного использования преимуществ ИИ является не только наличие отраслей с высоким потенциалом автоматизации, но также институциональные и инфраструктурные реформы, обеспечивающие реальное внедрение технологий.
Китай находится в промежуточной позиции: с одной стороны, уровень подготовленности к использованию ИИ высок, с другой – его экономика ориентирована на менее подверженное автоматизации с помощью ИИ производство, чем доминирующий на Западе сектор услуг. Для Китая ожидаемый прирост ВВП оценивается в 3,5% за десятилетие.
