ИИ как новый дизраптор производительности: возможности и риски

Искусственный интеллект становится новым дизраптором производительности труда в мире

Каждая крупная технологическая волна меняла не только то, как мы работаем, но и то, чей труд становится ненужным. Индустриализация и автоматизация однотипных операций резко сократили потребность в рабочих профессиях на заводах и фабриках. Нынешняя волна ИИ затрагивает другой слой занятости: административный и офисный труд, который до последнего времени почти не поддавался автоматизации. Следующим этапом станет соединение ИИ с гуманоидными роботами, что даст дополнительный прирост производительности там, где на производстве еще сохраняется ручной труд.

Первые признаки этого сдвига уже видны в данных. По оценке МВФ, влиянию ИИ подвержены около 40% рабочих мест в мире и около 60% в развитых экономиках. Исследование Стэнфордского университета, построенное на зарплатных данных миллионов американских работников, показывает, что занятость молодых специалистов 22–25 лет в профессиях, наиболее подверженных ИИ (разработка программного обеспечения, клиентская поддержка), уже на 19% ниже, чем если бы она росла темпами их сверстников в менее затронутых профессиях. Показательно, что это происходит не через увольнения, а через сокращение найма: компании просто перестают брать начинающих специалистов. Массовых сокращений в масштабах всей экономики пока нет, но, по моей оценке, в горизонте 5–10 лет они станут заметными. Временной отрезок пока слишком короток, чтобы оценить эффект ИИ в статистике: у технологий общего назначения отдача сначала уходит в перестройку процессов и обучение людей, и рост производительности становится заметен с лагом, как это было с электричеством и компьютерами.

Главный макроэкономический риск я вижу в спросе. ИИ снижает затраты на труд и увеличивает предложение товаров и услуг, а доходы, из которых оплачивается спрос, перераспределяются от работников к владельцам капитала и технологий. История уже знает такой сценарий. В 1920-е годы электрификация и конвейер резко подняли производительность, но доходы распределялись все более неравномерно, и спрос все больше держался на кредите. Когда долговая нагрузка стала непосильной, начался кризис заемщиков, падение цен увеличивало реальное бремя долгов, а волна банкротств банков превратила спад в Великую депрессию. Кейнс в 1930 году первой среди причин назвал то, что техническая эффективность растет быстрее, чем экономика успевает поглощать высвобождаемый труд, и ввел для этого термин «технологическая безработица». Позже, в «Общей теории», он обосновал стимулирование совокупного спроса через государство. Поэтому вопрос о том, как поддерживать покупательский спрос на фоне сокращения трудовых затрат, нужно ставить уже сейчас.

Процесс будет идти крайне неравномерно по странам. Те, кто отстанет во внедрении инноваций и ИИ, рискуют проиграть глобальную конкуренцию, попасть в технологическую зависимость от лидеров и беднеть. В этом смысле курс Президента на внедрение ИИ как часть государственной политики я считаю стратегически верным.

Однако у этого курса есть и вторая сторона, которую важно проговорить заранее. Пенсионная система и ОСМС в Казахстане построены на взносах с заработной платы, а ИПН является одним из основных источников доходов местных бюджетов. Если доля оплаты труда в доходах экономики начнет сокращаться, вместе с ней будет сужаться и эта база. Поэтому параллельно с внедрением ИИ нужно заранее прорабатывать постепенное смещение налоговой нагрузки с труда на капитал и ренту, массовое переобучение работников и подготовку молодежи, которая должна выходить на рынок труда не только с дипломом, но и с навыками работы с ИИ.

Мы в Solva Group также активно внедряем ИИ. Опыт показывает, что компания становится AI-native только тогда, когда первый руководитель сам является активным пользователем ИИ. Я пользуюсь ИИ каждый день и при этом понимаю, что задействую едва ли 1% его возможностей.

ИИ меняет и конкурентную среду. Малый и средний бизнес получает возможности, которые раньше были доступны только крупным компаниям: создать сайт, автоматизировать процессы, отвечать на письма, вести социальные сети, писать небольшие программы, делать дизайн, продвигать товары, собирать и анализировать данные из открытых источников. Все это теперь можно сделать самостоятельно и за небольшие деньги. Крупные компании, если не начнут меняться, столкнутся с тем, что их внутренняя бюрократия станет барьером для роста, и могут проиграть конкуренцию более быстрым игрокам. При этом у крупных игроков остается серьезное преимущество в виде собственных данных и доступа к клиентам, поэтому выиграют те, кто сумеет соединить масштаб со скоростью.

Меняется и повседневная практика. С вопросами мы все чаще обращаемся к ИИ, а не к поисковику, и этот тренд продолжится. Я перешел на Android, поскольку он глубже интегрирован с ИИ: встречи, будильники и задачи у меня уже ведет Gemini. Разбор и сортировку документов, поиск по ним и ответы на почту тоже берет на себя ИИ.

Сейчас я сам создаю сайты, строю дашборды, делаю интеграции с 1С и другими системами и отслеживаю показатели напрямую, без покупных BI-систем вроде Qlik или Power BI. MCP-коннекторы позволяют не просто получать данные, но и обрабатывать их через ИИ-агентов и сразу получать нужную информацию в нужной форме. Таких областей становится все больше. Благодаря открытому API Telegram к нему можно подключить ИИ-агента, и теперь переписку в моих рабочих группах анализирует агент на базе Claude, который от моего имени отвечает коллегам на рутинные вопросы, а решения по существу я принимаю сам. Для многозадачности это очень удобно. Разобраться в этом мне помог Кайрат Ахметов, один из самых продвинутых практиков вайбкодинга, которых я знаю. Его уровень настолько высок, что в его рабочих группах его личный агент общается с агентами его сотрудников.

Сейчас я пробую писать более сложные программы, скорее для собственного развития. Я знаю уже немало людей, которые в одиночку создают целые продукты и начинают на них зарабатывать. Думаю, в ближайшие пару лет мы увидим первых соло-единорогов.

Однако у этой трансформации есть обратная сторона, и риски здесь значительные.

Первый риск, о котором я уже писал, это кризис спроса.

Второй риск: масштабный передел рынков и банкротство многих компаний, чьи продукты будут замещены ИИ.

Третий риск, долгосрочный, это утрата навыков. Чем больше знаний мы делегируем ИИ, тем меньше учимся делать что-то сами, руками и головой. Уже сейчас при вайбкодинге нередко соглашаешься с предложением ИИ, не вчитываясь, потому что считаешь его компетентнее. Так навыки постепенно утрачиваются, а зависимость от ИИ растет. На горизонте столетий это может привести к деградации.

Четвертый риск, неравенство, устроен сложнее, чем кажется на первый взгляд. Внутри профессии ИИ, напротив, выравнивает возможности: в исследовании более 5 тысяч сотрудников клиентской поддержки ИИ-ассистент повысил производительность в среднем на 14%, а у новичков и наименее квалифицированных работников на 34%, почти не повлияв на результаты опытных. Возникает парадокс: ИИ сильнее всего помогает начинающим, но именно их компании перестают нанимать. Между теми, кто освоит ИИ, и теми, кто не станет этого делать, разрыв будет расти: первые станут производительнее и будут зарабатывать больше, вторые окажутся в уязвимом положении. А самый крупный разрыв, как показывают расчеты нобелевского лауреата Дарона Аджемоглу, возникнет между доходами капитала и труда.

В итоге вопрос уже не в том, внедрять ли ИИ, а в том, кто получит выигрыш от роста производительности. Если он достанется узкому кругу владельцев технологий, мы получим и кризис спроса, и социальное напряжение. Если удастся распределить его шире через образование, переобучение и адаптацию налоговой системы, ИИ станет главным источником роста доходов и качества жизни в ближайшие десятилетия.

Было бы интересно узнать, как вы используете ИИ в своей жизни и работе.