Эксперты объяснили причину разрыва между хайпом вокруг ИИ и реальным ростом производительности

Дискуссии об экономическом потенциале генеративного ИИ разделили экспертное сообщество на два лагеря. Инвесторы и представители IT-гигантов настаивают на смене парадигмы, утверждая, что привычные методы оценки рынка здесь не работают. В то же время аналитики указывают на отсутствие эмпирических доказательств масштабной трансформации экономики.

Отсутствие прозрачных стратегий

Профессор Уортонской школы бизнеса Итан Моллик подчеркивает: текущая ситуация характеризуется высокой степенью неопределенности. Исходя из его общения с руководством ведущих ИИ-лабораторий, у бизнеса на данный момент отсутствует выверенная методология внедрения. Если коротко, никто не обладает готовым планом, а любые заявления об обратном, согласно Моллику, являются попыткой скрыть отсутствие конкретики за маркетинговыми тезисами.

Макроэкономический диссонанс

Разрыв между хайпом вокруг технологии и ее фактическим влиянием на ВВП остается значительным. По данным Bank of America, вклад ИИ в ежегодный рост производительности составляет лишь 0,1%. Этот показатель парадоксален, учитывая, что потенциал нейросетей часто сравнивают с внедрением электричества или интернета.Аналитики Goldman Sachs подтверждают: на уровне макроэкономики корреляция между интеграцией ИИ и ростом эффективности пока не прослеживается. Однако в узких сегментах, таких как разработка программного обеспечения и клиентский сервис, наблюдается локальный прирост производительности до 30%.

Математика автоматизации

Слабость макроэкономического эффекта объясняется простым расчетом. Даже если ИИ способен оптимизировать 20% рабочих задач, коммерчески целесообразным оказывается автоматизация лишь части из них — примерно 23%. На практике это означает, что при снижении трудозатрат на 27% и с учетом того, что расходы на оплату труда составляют лишь долю от операционных издержек предприятия, итоговый прирост производительности на уровне всей экономики в теории составляет не более 0,66%.В реальности эти цифры оказываются еще ниже из-за организационной инерции: бюрократических барьеров, сопротивления внутренних структур и сложности перестройки устоявшихся бизнес-процессов. ИИ сегодня работает на уровне отдельных команд или узких профессий, но не создает кумулятивного макроэффекта.

Конфликт KPI и инноваций

Итан Моллик выделяет еще одну проблему: типизация внедрения через IT-департаменты, где приоритетом традиционно является минимизация рисков, а не экспериментальный поиск. Жесткие KPI становятся препятствием для инноваций. Попытка продемонстрировать «10% улучшения» в рамках ранних экспериментов вынуждает компании фокусироваться на инкрементальных изменениях, хотя истинная ценность ИИ может заключаться в полной замене устаревших бизнес-моделей.Сложился и своего рода технологический парадокс: разработчики моделей, декларирующие способность ИИ полностью автоматизировать офисный труд, в реальности вынуждены создавать собственные консалтинговые подразделения для обучения клиентов работе со своим же продуктом. С точки зрения Моллика, это свидетельствует об отсутствии интуитивно понятных сценариев эксплуатации систем. В конечном счете, рыночные оценки сектора зависят от двух переменных: скорости прогресса самих моделей и качества их прикладной интеграции. Пока ответов на эти вопросы нет, рынок остается в зоне риска, где ожидания могут не совпасть с реальностью.