ИИ уже делает работу, которую экономика плохо умеет считать

SemiAnalysis предложила удобное название для проблемы, о которой рынок ИИ всё чаще спорит на ощупь: «тёмный выпуск». Так авторы называют экономическую ценность, которую создаёт ИИ, но которую национальная статистика плохо видит или искажённо записывает в ВВП, цены, занятость и отраслевые отчёты.

Идея важна не только экономистам. Сегодня расходы на ИИ считаются довольно хорошо: дата-центры, графические процессоры, электричество, вода, облачные счета, токены и сокращения сотрудников видны почти сразу. А вот результат часто растворяется. Если компания раньше покупала у подрядчика юридическую справку, аналитический обзор или HR-услугу за тысячи долларов, а теперь делает то же внутри за несколько долларов токенов, рыночная сделка исчезает. Работа могла быть выполнена, но привычный счётчик экономики видит в основном расход на ИИ-сервис.

Почему токены не похожи на станки

SemiAnalysis сравнивает ситуацию с компьютерной революцией: технологии были «везде», но в статистике производительности долго выглядели слабее, чем в реальной жизни. С ИИ проблема может быть острее, потому что большая часть эффекта возникает в услугах и умственном труде, где нет понятной единицы измерения. У экономики есть тонны стали, баррели нефти и количество произведённых машин, но нет стандартной «тонны консультаций» или «литра код-ревью».

Токены тоже не решают задачу. Один миллион токенов может произвести мусор, полезное резюме почты, юридический черновик, поиск ошибок в коде или решение, которое меняет стратегию компании. Ценность зависит не от размера текста, а от того, какую работу он заменил или создал.

Авторы делят «тёмный выпуск» на два типа. Первый — замещение: ИИ делает работу, которую раньше выполнял человек или внешний поставщик. Второй — новая работа, которая раньше просто не делалась, потому что была слишком дорогой. Например, персональный обзор литературы перед каждой встречей, анализ шести месяцев переписки по одной теме или быстрый черновик внутреннего документа могут быть полезны, но раньше никто не покупал бы их как отдельную услугу.

Почему спор об ИИ-буме становится сложнее

В материале SemiAnalysis есть важная осторожность: оценка примерно $1,5 трлн относится не к уже исчезнувшей зарплате и не к доказанному «скрытому ВВП», а к трудовым затратам в задачах, где у нынешнего ИИ есть убедительный потенциал замещения или усиления. Это скорее карта давления, чем прогноз массовых увольнений.

Но именно такая карта нужна рынку. Если статистика видит стоимость чипов и электричества, но плохо видит внутреннюю работу, выполненную ИИ, то один и тот же процесс может выглядеть как дорогой пузырь, падение выпуска или странная инфляция в услугах. Например, если простые задачи уходят к ИИ, а в профессии остаются более дорогие специалисты, средняя зарплата может расти без реального повышения оплаты у конкретных людей.

Для обычного читателя практический вывод простой: судить об ИИ только по видимым расходам опасно, но и верить в магическую производительность без измерений тоже нельзя. Бизнесу придётся учиться считать не только токены и подписки, но и то, какие задачи реально закрыты, сколько времени сэкономлено, какая работа появилась впервые и где ценность просто переехала из рыночной сделки во внутренний процесс. Иначе часть ИИ-экономики будет уже работать, пока официальные приборы всё ещё показывают туман.