Искусственный интеллект позиционируют как начало новой экономической эры. Нам обещают, что технология разорвет зависимость между ростом благосостояния и объемом человеческого труда, открыв путь к бесконечному процветанию. Именно эта концепция легла в основу гигантских инвестиций: в прошлом году технологические гиганты направили на развитие ИИ около $400 миллиардов. Этой суммы хватило бы, чтобы полностью ликвидировать проблему голода на планете на ближайшие десять лет. Однако аппетиты корпораций растут, и в текущем году расходы могут достичь уже $700 миллиардов.
Ряд экспертов утверждает, что такие вливания стали локомотивом для экономики США. Так, аналитики из Deutsche Bank полагают, что практически весь прирост американского ВВП обязан именно ИИ-индустрии — без этого фактора страна оказалась бы в состоянии затяжной рецессии. Эту точку зрения разделяет и профессор Гарварда Джейсон Фурман, отметивший, что ИИ обеспечил невероятные 92% экономического роста Штатов в первом полугодии 2025 года.
Но стал ли ИИ тем самым «экономическим граалем»? Реальность оказывается куда прозаичнее. Экономисты, заглянувшие за фасад маркетинговых отчетов, обнаруживают, что колоссальные затраты на практике почти не влияют на реальный сектор.
Об этом открыто говорит Ян Хациус, главный экономист Goldman Sachs. В своем выступлении для Atlantic Council он подчеркнул, что вклад ИИ-сектора в рост ВВП США в 2025 году был «фактически нулевым». Хациус утверждает, что стимулирующий эффект этих инвестиций сильно преувеличен в медийном пространстве, а реальные цифры бесконечно далеки от транслируемого оптимизма.
В чем причина столь резкого расхождения в оценках?
Все дело в анализе структуры расходов. Львиная доля миллиардных бюджетов уходит на закупку микрочипов за рубежом. Таким образом, Хациус делает логичный вывод: эти деньги работают на экономику Тайваня и Южной Кореи, а не США. По сути, происходит масштабный отток капитала, который мог бы быть использован для внутреннего развития страны.
Однако в этой логике есть один нюанс. Теоретически ИИ должен повышать эффективность за счет автоматизации и расширения человеческих возможностей, а рост продуктивности — это прямой путь к экономическому подъему. Если сами по себе закупки железа не растят ВВП, то внедренные нейросети обязаны это сделать. Почему же Хациус игнорирует этот фактор?
Причина в том, что на глобальном уровне ИИ до сих пор не продемонстрировал значимого влияния на производительность труда, а значит, и на ВВП.
Экспертное сообщество понимает это уже давно.
Даже оптимистичные прогнозы Goldman Sachs обещают рост продуктивности в США лишь на 15%. Но и эти ожидания могут быть завышены. Аналитики ING в 2024 году предсказывали прибавку всего в 1%. Для сравнения: компьютерная революция и появление интернета обеспечили около 45% прироста эффективности с 1980 года. Если ПК и интернет дали чистый профит в 27% при ежегодных затратах в $310 млрд (в пересчете на современные деньги), то ИИ обходится вдвое дороже, обещая при этом лишь крошечную долю того результата. В худшем сценарии его эффективность составит менее 4% от достижений цифровой эпохи прошлого века.
Но даже эти скромные цифры кажутся сомнительными. Свежая статистика подтверждает: ИИ пока не стал панацеей для бизнеса.
Согласно отчету Университета Карнеги-Меллона, даже продвинутые ИИ-агенты терпят крах в 70% элементарных сценариев. Другое исследование показало, что нейросети не справляются с 97,5% реальных задач на фриланс-биржах. Специалисты METR выяснили, что генеративный ИИ снижает скорость работы профессиональных разработчиков на 19%: время, затраченное на исправление ошибок кода, перекрывает выгоду от его генерации. Harvard Business Review подтверждает: технология не упрощает работу, а лишь делает её более напряженной. Пока ИИ скорее способствует выгоранию сотрудников, чем реальной оптимизации.
Как не затеряться в потоке ИИ-хайпа
Провал корпоративных стратегий часто связан с попыткой заменить человека машиной там, где ИИ должен быть лишь инструментом. Использование нейросетей для простого ускорения привычных действий — это путь потребителя, а не создателя.
Чтобы попасть в 5% лидеров, освоивших технологию, нужно изменить парадигму. Вместо вопроса «Как заставить ИИ сделать это за меня?» стоит спросить: «Как с помощью этого инструмента автоматизировать рутину, чтобы сосредоточиться на масштабировании смыслов и переосмыслении рабочих процессов?»
Для этого необходим доступ к лучшим решениям. Попытки ограничиться базовым функционалом одного сервиса тормозят развитие.
Платформа BotHub открывает доступ к целой экосистеме передовых моделей в рамках одного интерфейса — от работы с текстом до сложной аналитики. Это дает возможность тестировать разные подходы, сравнивать результаты и выстраивать уникальные рабочие связки, которые делают специалиста востребованным вне зависимости от рыночных колебаний.
Сервис полностью доступен в России без ограничений и сложностей с оплатой.
Воспользуйтесь ссылкой, чтобы получить приветственные 300 000 токенов и оцените возможности нейросетей на практике уже сегодня!
Скепсис подтверждается и цифрами из бизнес-среды. По данным MIT, 95% корпоративных экспериментов с ИИ заканчиваются неудачей. Согласно опросам PwC, лишь 12% организаций увидели реальную прибыль от внедрения технологии. Исследование BCG показывает, что ценность извлекли только 5% компаний, а Forrester Research заявляет о росте доходов всего у 15% респондентов.
Более того, наметился тренд на сворачивание активности. The Economist отмечает снижение интереса к ИИ среди крупнейших игроков рынка, а по информации S&P Global, количество отмененных ИИ-инициатив выросло с 17% до 42% всего за год.
Это находит отражение и в рынке труда. Вопреки прогнозам о массовых сокращениях, исследование Oxford Economics указывает на отсутствие реальных увольнений, связанных исключительно с автоматизацией через ИИ. Хациус не обсуждал влияние ИИ на продуктивность просто потому, что обсуждать пока нечего — значимого эффекта не зафиксировано.
Но главная проблема глубже: технология может упереться в потолок своего развития.
Анализ от OpenAI подтверждает, что простое увеличение объемов данных и мощностей не избавляет модели от «галлюцинаций». Надежного способа сделать ИИ абсолютно точным пока не существует. Ученые Вишал и Варин Сикки математически обосновали, что современные архитектуры не способны решать задачи выше определенного уровня сложности. Эти выводы подтверждаются и другими теоретическими работами, указывающими на системные лимиты текущего подхода.
Следовательно, инвестиции в $700 миллиардов не гарантируют качественного рывка. Прогноз ING о росте на 1% может даже оказаться чрезмерно радужным.
В итоге мы видим, как колоссальные средства вливаются в индустрию, которая не решает фундаментальных проблем надежности и продуктивности. Вместо экономического прорыва мы рискуем получить финансовый пузырь беспрецедентных масштабов.
Сегодня ИИ-сфера напоминает закрытую систему, где корпорации перераспределяют капитал между собой, оправдывая это красивыми лозунгами для внешнего мира. Такое «круговое финансирование» редко приводит к устойчивому росту, и последствия этого процесса могут оказаться весьма болезненными для глобальной экономики.
