Директор лаборатории цифровой экономики Стэнфорда Эрик Бриньолфссон считает, что новые макроэкономические данные показывают: искусственный интеллект уже заметно повышает производительность труда в США. При этом он признаёт, что статистика шумная, причинно-следственную связь доказать сложно, а часть роста может объясняться крупными инвестициями в инфраструктуру для ИИ, а не реальными эффектами от его использования.
По обновлённым данным Бюро статистики труда США, рост занятости был пересмотрен вниз примерно на 403 тысячи рабочих мест, тогда как ВВП в четвёртом квартале показал устойчивый рост на 3,7 %. Об этом Бриньолфссон пишет в своей колонке для Financial Times.
По его словам, ситуация, когда меньшее число работников создаёт высокий экономический результат, «характерна для роста производительности». Он оценивает рост производительности в США в 2025 году на уровне около 2,7 %, что почти вдвое выше среднего показателя 1,4 % за предыдущее десятилетие.
Экономист напоминает о так называемой J‑кривой производительности, описанной им в ранних работах. Крупные технологии, такие как паровая машина или компьютер, не дают заметного эффекта сразу. Сначала компании перестраивают процессы, обучают сотрудников и выстраивают новые бизнес-модели. На этом этапе измеряемая производительность может падать. По мнению Бриньолфссона, свежие данные по США свидетельствуют, что «мы переходим от инвестиционного этапа к этапу отдачи, когда прошлые усилия начинают проявляться в виде измеримого результата».
В собственном исследовании прошлого года он также зафиксировал около 16 % снижения найма в секторах, связанных с ИИ. Однако он делает важную оговорку: замедление найма может объясняться и другими причинами, в том числе масштабным набором персонала в технологических компаниях в предыдущие годы и последующим сокращением затрат.
Бриньолфссон признаёт, что данные по производительности содержат много шума и для подтверждения устойчивого тренда требуется несколько кварталов наблюдений. Он также связан с индустрией ИИ: экономист является сооснователем компании Workhelix, которая помогает бизнесу внедрять технологии искусственного интеллекта.
Привязать рост производительности именно к ИИ сложно по сути. Макроэкономическая статистика показывает, в лучшем случае, корреляцию между распространением ИИ и динамикой показателей, но не причинную связь. ВВП считается важным индикатором, однако он отражает общий выпуск экономики, а не вклад конкретной технологии.
Отдельная проблема в рассуждениях Бриньолфссона, по оценке критиков, заключается в том, что рост ВВП, на который он опирается, может в значительной степени формироваться за счёт крупных вложений в инфраструктуру ИИ — дата-центры, оборудование, облачные мощности, — а не за счёт повышения эффективности от практического применения ИИ.
Кроме того, многие компании не имеют устойчивых методик для оценки продуктивности офисных сотрудников, занятых интеллектуальным трудом. Людей, которые пишут письма, формируют стратегии или готовят отчёты, нельзя просто измерить по количеству операций. Без исходной базы невозможно надёжно посчитать, насколько ИИ улучшил показатели: по сути, нет корректного сравнения «до» и «после».
Поэтому пока значительная часть заявлений о росте производительности за счёт ИИ остаётся спекулятивной и опирается на неоднозначные данные. Эта дискуссия, вероятно, ещё долго будет строиться на частных примерах и косвенных метриках — если только не начнутся массовые сокращения персонала, которые можно будет однозначно связать с внедрением ИИ.
Источник: колонка Эрика Бриньолфссона в Financial Times, данные Бюро статистики труда США.
