Финансовая
квинтэссенция Федор
Рогач

Несмотря на шумиху и огромные суммы, вливаемые в ИИ, у нас до сих пор нет убедительных доказательств того, что он преобразует мировую экономику или стимулирует производительность и рост. Без надежных данных о его применении и преимуществах мы не можем сказать, являемся ли мы свидетелями подлинной трансформации или очередного спекулятивного пузыря.

Неудивительно, что аналитики всё чаще задаются вопросом, не являемся ли мы свидетелями очередного технологического пузыря, напоминающего бум доткомов 1990-х годов, и не может ли он, как и раньше, в конечном итоге лопнуть и потянуть за собой фондовые рынки. Однако, как отмечает мой коллега из Кембриджа Уильям Джейнвэй, даже спекулятивные пузыри могут оставить после себя жизненно важную инфраструктуру и инновации, поддерживающие долгосрочный рост.

Если ИИ последует этой схеме, насколько сильным может быть его влияние? Бум доткомов преподносит несколько полезных уроков. Во второй половине 1990-х годов новые цифровые технологии почти удвоили рост производительности труда в США до 2,5%. Хотя прогнозы экономистов расходятся, некоторые исследования показывают, что сегодняшняя волна инвестиций в ИИ может привести к столь же значительному росту ВВП.

Самые ярые сторонники ИИ идут ещё дальше, утверждая, что скорое появление общего искусственного интеллекта (ОИИ) может иметь совершенно преобразующий эффект. Например, генеральный директор Anthropic Дарио Амодеи утверждает, что потенциал ИИ радикально недооценивается и что при условии безопасной разработки такие системы могут способствовать прорывам в биологии, нейробиологии и экономическом развитии, потенциально искоренив болезни, сократив бедность и укрепив глобальное сотрудничество.

Если такой мир изобилия действительно маячит на горизонте – даже если он материализуется лишь в отдалённом будущем – крайне важно отслеживать, как будет развиваться эта трансформация. Но, как я объясняю в своей недавней книге «Мера прогресса», традиционные экономические показатели всё ещё с трудом отражают влияние «старой» цифровой экономики, не говоря уже о формирующейся экономике, основанной на ИИ.

Рост ВВП – яркий пример. В лучшем случае, это запаздывающий индикатор структурных изменений. Экономические историки показали, что таким преобразующим технологиям, как паровая энергия и электричество, потребовались десятилетия, чтобы быть учтёнными в официальной статистике, и даже когда их влияние стало заметным, измеряемый прирост доходов был на удивление скромным. Но было бы абсурдно утверждать, что эти технологии не были преобразующими; их влияние просто проявилось в формах, которые не отражались традиционными показателями.

Когда речь заходит об ИИ, некоторые из самых базовых фактов отсутствуют или неполны. Например, сколько компаний используют генеративный ИИ и в каких секторах? Для чего они его используют? Как инструменты ИИ применяются в таких областях, как маркетинг, логистика или обслуживание клиентов? Какие компании внедряют ИИ-агентов и кто их использует?

Хотя исследования в области ИИ стремительно развиваются, сейчас необходим систематический сбор данных. Достоверная статистика не только поможет компаниям оценить спрос и возможности, но и позволит правительствам разрабатывать политику, способствующую росту и защите потребителей.

Технологические компании, такие как Anthropic и OpenAI, начали осознавать, что нынешний информационный вакуум не идёт им на пользу, особенно учитывая зависимость их продуктов от данных. Без более чёткого понимания экономического влияния ИИ общественные дебаты неизбежно будут сосредоточены на рисках и тревогах — от перспективы «апокалипсиса рабочих мест» до потенциальных психологических последствий использования человекоподобных чат-ботов. Отраслевые инициативы, направленные на устранение этого разрыва, хотя и ограничены по масштабу, крайне важны.

Тем не менее, другие индикаторы могут дать ценную информацию о преобразующем эффекте ИИ. В недавнем рабочем документе, написанном совместно с Джоном Покуизом, я утверждаю, что любой осмысленный набор индикаторов должен включать ключевые данные для разработки ИИ, в частности, энергопотребление, изменения на рынке труда и использование данных. Ещё одним важным показателем является внедрение сервисов на базе ИИ, так называемого агентного ИИ.

Данные об использовании времени, как дома, так и на работе, также могут оказаться полезными, как и структурные индикаторы, такие как изменения в структуре промышленности и организационной структуре. В более широком смысле, более полная картина структурных изменений поможет нам понять более широкие экономические эффекты ИИ, от перераспределения отраслей до изменения рабочих процессов.

К сожалению, в настоящее время таких показателей мало. Усугубляет проблему то, что многие статистические агентства, особенно в США, находятся в состоянии разброда, а большинство политиков по-прежнему чрезмерно осторожно относятся к использованию новых источников данных и методологий.

Дайан Койл
— профессор государственной политики
Кембриджского университета

Источник.