Не верьте хайпу вокруг AI: его влияние на экономику не так уж велико
На искусственный интеллект возлагают слишком большие надежды, считает Дарон Аджемоглу, профессор экономики Массачусетского технологического института, соавтор книги «Власть и прогресс: наша тысячелетняя борьба за технологии и процветание». В своей колонке для Project Syndicate он рассуждает о том, как прогнозы стыкуются с исследованиями и экономической теорией и приходит к выводу: не стоит безоговорочно верить в технооптимизм.
По мнению технологических лидеров, экспертов и академиков, искусственный интеллект изменит знакомый нам мир благодаря беспрецедентному росту производительности. Некоторые считают, что вскоре машины смогут выполнять все задачи, которые сейчас делают люди, что приведет к новой эре процветания. Однако другие прогнозы, например от Goldman Sachs и McKinsey, более приземленные. Goldman Sachs предсказывает, что генеративный ИИ увеличит мировой ВВП на 7% в течение следующего десятилетия, а McKinsey Global Institute ожидает, что ежегодные темпы роста ВВП могут увеличиться на 3-4 процентных пункта до 2040 года. Журнал The Economist делает прогноз, что искусственный интеллект в первую очередь улучшит благосостояние синих воротничков и запрос на рабочую силу.
Насколько эти прогнозы реалистичны? Как я отмечал в недавней статье, будущее ИИ гораздо менее предсказуемо, чем предполагают многие прогнозы. Хотя невозможно с уверенностью сказать, что будет делать ИИ через 20-30 лет, кое-что можно сказать о ближайшем десятилетии, поскольку краткосрочные экономические эффекты связаны с уже существующими технологиями и их улучшениями.
Разумно предположить, что наибольшее влияние ИИ окажет на автоматизацию некоторых задач и повышение производительности труда работников некоторых профессий. Экономическая теория дает некоторые рекомендации по оценке этих совокупных эффектов. Согласно теореме Халтена (названной в честь экономиста Чарльза Халтена), эффект, оказываемый автоматизацией задача на такой показатель как совокупная факторная производительность (total factor productivity, TFP) определяется произведением доли задач, которые автоматизированы и средней экономии затрат.
Хотя оценка средней экономии затрат сложна и варьируется в зависимости от вида деятельности, уже проведены исследования влияния ИИ на выполнение конкретных задач. Например, Шаккед Ной и Уитни Чжан изучили влияние ChatGPT на выполнение рутинных письменных задач, а Эрик Бриньольфссон, Даниэль Ли и Линдси Рэймонд оценили использование ИИ-помощников в обслуживании клиентов. Эти исследования показывают, что текущие инструменты генеративного ИИ позволяют снизить затраты на рабочую силу в среднем на 27%, а общие затраты — на 14,4%.
Какую долю задач оптимизирует ИИ и связанные с ним технологии? Опираясь на недавние исследования, я считают, что примерно 4,6%, подразумевая, что ИИ будет увеличивать TFP всего на 0,66% в течение десяти лет, или на 0,06% ежегодно. Поскольку ИИ также приведет к инвестиционному буму, рост ВВП может быть немного выше — около 1-1,5%.
Эти цифры намного ниже прогнозов Goldman Sachs и McKinsey. Чтобы получить более крупные цифры, нужно либо повысить производительность на микроуровне, либо предположить, что ИИ затронет гораздо больше задач в экономике. Но ни один из сценариев не кажется правдоподобным. Экономия затрат на рабочую силу, превышающая 27%, не подтверждается существующими исследованиями и не согласуется с эффектами других технологий, таких как промышленные роботы, которые снизили затраты на рабочую силу примерно на 30% в некоторых отраслях производства.
Аналогично, маловероятно, что ИИ будет выполнять более 4,6% задач, поскольку он все еще далек от того, чтобы выполнять большинство ручных или социальных задач (включая, казалось бы, простые функции с некоторыми социальными аспектами, такими как бухгалтерия). Опрос 2019 года, проведенный практически во всех компаниях США, показал, что лишь примерно 1,5% из них инвестировали в ИИ.
Безусловно, ИИ может оказать более значительное влияние, чем предполагает мой анализ, если он радикально изменит процесс научных открытий или создаст множество новых задач и продуктов. Недавние открытия с помощью ИИ новых кристаллических структур и достижения в области сворачивания белков действительно предполагают такие возможности. Но эти прорывы вряд ли станут основным источником экономического роста в ближайшие десять лет. Даже если бы новые разработки можно было тестировать и превращать в реальные продукты гораздо быстрее, индустрия высоких технологий в настоящее время чрезмерно сосредоточена на автоматизации и монетизации данных, а не на внедрении новых производственных задач для работников.
Более того, мои собственные оценки могут быть завышены. Раннее внедрение генеративного ИИ, естественно, происходило там, где он показывал хорошие результаты, то есть его использовали для задач с объективными показателями успеха: написания простых программ или проверки информации. Здесь модель может обучаться на основе внешней информации и легкодоступных архивных данных.
Но многие из 4,6% задач, которые можно было бы автоматизировать в течение десяти лет, — оценка заявок, диагностика проблем со здоровьем, предоставление финансовых консультаций — не имеют таких объективных показателей успеха. Они часто связаны со сложными, зависимыми от контекста переменными (то, что хорошо для одного пациента, не подходит для другого). В таких случаях учиться на основе внешних данных гораздо сложнее, и модели генеративного ИИ должны вместо этого опираться на поведение сотрудников.
При таких обстоятельствах у нас будет меньше возможностей для значительных улучшений по сравнению с человеческим трудом. Таким образом, по моим оценкам, около четверти из 4,6% задач относятся к категории «более сложных для освоения» и будут иметь меньший прирост производительности. После внесения этой корректировки рост общей факторной производительности (TFP) составит примерно 0,53% вместо 0,66%.
Как это повлияет на работников, заработную плату и неравенство? Хорошая новость заключается в том, что по сравнению с более ранними этапами автоматизации, например, с использованием роботов или программных систем, влияние искусственного интеллекта может быть распространено шире по демографическим группам. Если это так, то это не окажет такого значительного влияния на неравенство, как более ранние технологии автоматизации (я оценивал эти эффекты в своей предыдущей работе с Паскуалем Рестрепо). Однако я не нахожу доказательств того, что ИИ уменьшит неравенство или ускорит рост заработной платы. Некоторые группы — особенно белые женщины — значительно более уязвимы и подвергнутся негативному воздействию, а капитал получит больше выгоды, чем рабочие.
Экономическая теория и имеющиеся данные предполагают, что стоит придерживаться более скромных и реалистичных прогнозов в отношении ИИ. Нет серьезных оснований думать, что нам не стоит беспокоиться о регулировании, надеясь, что ИИ станет той самой силой, которая улучшит жизнь для всех. Экономисты называют ИИ технологией общего назначения, поскольку с его помощью можно сделать многое. Безусловно, существуют задачи важнее автоматизации работы и повышения прибыльности цифровой рекламы. Однако, если мы будем безоговорочно верить в технооптимизм или позволим технологической индустрии диктовать повестку дня, значительная часть потенциала ИИ может быть растрачена впустую.
Copyright: Project Syndicate, 2024.
