Коли штучний інтелект зробить нас багатшими? Головоломка продуктивності

Метью Періш

Неділя, 13 вересня 2026 року

У революції штучного інтелекту є щось особливе. Майже кожен, хто використовує найскладніші форми штучного інтелекту, може побачити, що ця технологія є надзвичайною. Компетентна модель великої мови може складати документи, аналізувати дані, писати комп'ютерний код, перекладати мови, узагальнювати величезні обсяги матеріалів, проводити дослідження та виконувати інтелектуальні завдання за лічені хвилини, які раніше могли б займати людину годинами або навіть днями. Однак, якщо штучний інтелект вже здатний виконувати все це, можна резонно запитати, чому економічна статистика розвинених країн не демонструє такої ж надзвичайної революції продуктивності. Відповідь може полягати в тому, що ми ставимо це питання занадто рано. Історія технологічних революцій свідчить про те, що винахід трансформаційної технології та прояв її повних наслідків у національній статистиці продуктивності – це дві дуже різні події.

Ця очевидна суперечність є давньою. У 1987 році економіст Роберт Солоу зробив відоме зауваження, що епоху комп'ютерів можна побачити скрізь, окрім статистики продуктивності. Комп'ютери поширювалися в офісах і на фабриках, величезні суми витрачалися на інформаційні технології, а підприємства наполягали на тому, що комп'ютеризація змінює спосіб їхньої роботи. Проте сукупне зростання продуктивності залишалося невтішним. Зрештою, парадокс суттєво вирішився сам собою. Комп'ютери стали підключатися до мереж, бази даних стандартизувалися, підприємства реорганізувалися навколо електронної інформації, і, перш за все, Інтернет перетворив комп'ютер з ізольованого обчислювального пристрою на комунікаційну інфраструктуру. За цим послідувало підвищення продуктивності. Штучний інтелект, можливо, зараз переживає аналогічний період, коли технологія є помітною, але її макроекономічні наслідки залишаються надзвичайно важкими для вимірювання.

Дійсно, історія сягає набагато далі. Парова машина не миттєво створила промислову революцію. Ранні парові машини були дорогими, неефективними та корисними головним чином для певних застосувань, таких як викачування води з шахт. Знадобилися десятиліття інженерних удосконалень, капіталовкладень та додаткових інновацій, перш ніж парова сила трансформувала виробництво та транспорт. Електрика є ще більш яскравим прикладом. Встановлення електродвигуна на заводі дев'ятнадцятого століття, спроектованому на основі парової енергії, не обов'язково призвело до вражаючих покращень продуктивності. Сам завод довелося перепроектувати. Парові заводи, як правило, розташовували обладнання навколо центральних валів та ременів, оскільки механічна енергія мала фізично передаватися по всій будівлі. Зрештою, електродвигуни дозволили розподіляти обладнання відповідно до логіки виробництва, а не геометрії передачі енергії. Заводи стали легшими, чистішими, безпечнішими та радикально ефективнішими. Але ці переваги залежали як від організаційних інновацій, так і від самої електроенергії.

Це історичне явище іноді описують як J-подібну криву продуктивності. Підприємства спочатку витрачають гроші на впровадження нової технології, одночасно несучи витрати на реорганізацію навколо неї. Тому виміряна продуктивність може стагнувати або навіть знижуватися, перш ніж згодом прискорюватися. Дослідження промислового штучного інтелекту в американському виробництві вже виявили докази, що узгоджуються саме з такою закономірністю: впровадження може призвести до короткострокових витрат, тоді як попередні технології згодом демонструють сильніше зростання. Федеральна резервна система аналогічно наголошувала на тому, що попередні технології загального призначення вимагали змін у бізнес-практиках, управлінні та навичках працівників, перш ніж їхні переваги стали очевидними.

Штучний інтелект надзвичайно добре вписується в цю історичну категорію того, що економісти називають «технологією загального призначення»: інновація, здатна багаторазово вдосконалюватися, поширюючись по більшій частині економіки та генеруючи подальші інновації навколо себе. Парова енергія, електрика та інформаційні технології були технологіями загального призначення. Штучний інтелект може бути надзвичайно потужним прикладом, оскільки його основна економічна функція полягає не просто у виконанні певної фізичної операції дешевше. Він потенційно знижує вартість самого пізнання. Якби пара помножила людські м'язи, а електрика дозволила б ефективно транспортувати енергію, штучний інтелект міг би помножити деякі категорії людського мислення. Ця відмінність важлива, оскільки мислення, аналіз, проектування, обчислення, комунікація та організація є вхідними даними практично кожної складної економічної діяльності. Історичні дослідження технологій загального призначення, отже, показують, що найважливіші ефекти продуктивності від ШІ можуть ще чекати попереду.

Вже існують переконливі докази суттєвого покращення продуктивності на рівні окремих завдань. Одне впливове дослідження, проведене за участю понад 5000 працівників служби підтримки клієнтів, показало, що доступ до генеративного помічника на основі штучного інтелекту підвищив продуктивність у середньому приблизно на 14 відсотків. Цікаво, що покращення були значно більшими серед менш досвідчених та низькопродуктивних працівників, що свідчить про те, що штучний інтелект може частково функціонувати, розподіляючи накопичені знання та методи найкомпетентніших працівників по всій організації. Інший великий польовий експеримент, у якому взяли участь понад 7000 працівників інтелектуальної роботи з 66 фірм, показав, що працівники, які використовують генеративний штучний інтелект, витрачали приблизно на дві години менше щотижня на електронну пошту. Це не гіпотетичні прогнози про якийсь віддалений суперінтелект. Це вимірювані наслідки технологій, які вже існують.

Тим не менш, існує величезна відстань між пришвидшенням виконання окремих завдань та суттєвим підвищенням продуктивності економіки. Нещодавні дослідження розробки програмного забезпечення за допомогою штучного інтелекту особливо добре ілюструють цю різницю. Інструменти кодування на основі штучного інтелекту можуть забезпечити вражаюче збільшення активності кодування, але ці переваги зменшуються в міру просування по ланцюжку від написання коду до створення готового програмного забезпечення, яке люди фактично використовують. Дослідження 2026 року, проведене серед понад 500 000 розробників, виявило значне збільшення кількості комітів, пов'язаних зі все більш потужними системами кодування на основі штучного інтелекту, але значно менше збільшення кількості проектів та фактичних релізів. Вузьке місце просто змістилося. Комп'ютери могли генерувати код швидше, але людям все ще доводилося контролювати, інтегрувати, тестувати, затверджувати, продавати та розгортати отримані продукти.

Це, мабуть, центральна економічна проблема, з якою зіткнеться штучний інтелект у 2026 році. Адвокат, який може скласти меморандум у чотири рази швидше, не обов'язково призведе до того, що юридична фірма вироблятиме в чотири рази більше економічно цінної юридичної роботи. Меморандум все одно потрібно перевіряти, стратегічні рішення все одно потрібно приймати, клієнтів все одно потрібно залучати, а судді та контрагенти вперто залишаються людьми. Лікар, який може аналізувати медичні записи швидше, не обов'язково може лікувати в чотири рази більше пацієнтів, оскільки лікарні, операційні, медсестри, ліки та регуляторні процедури залишаються обмеженими. Архітектор, який може створити двадцять проєктів за час, який раніше був потрібен для створення одного, не призведе до того, що будівлі будуть будуватися в двадцять разів швидше. Продуктивність одного компонента виробничого процесу може значно зрости, тоді як продуктивність усього процесу зросте лише незначно.

Таким чином, штучний інтелект створює те, що можна назвати мігруючими вузькими місцями. Якщо складання креслень стає практично миттєвим, перевірка стає вузьким місцем. Якщо комп'ютерне програмування стає практично миттєвим, проектування та тестування продукту стають вузькими місцями. Якщо огляди наукової літератури стають миттєвими, лабораторні експерименти залишаються повільними. Якщо адміністративний аналіз стає миттєвим, прийняття управлінських рішень може стати обмеженням. Це явище пояснює, як надзвичайні покращення продуктивності окремих інтелектуальних завдань можуть співіснувати з відносно звичайними покращеннями виміряної національної продуктивності. Машина прискорює одну ділянку економічного конвеєра, доки не зіткнеться з наступною ділянкою, яка ще не прискорилася.

Існує ще одна складність. Бізнес ледве почав реорганізуватися навколо штучного інтелекту. Більшість організацій наразі використовують ШІ як додаток до установ, розроблених для світу без нього. Працівники використовують мовні моделі для складання електронних листів, підсумовування зустрічей, підготовки презентацій або написання фрагментів комп'ютерного коду, але основні організаційні структури залишаються здебільшого незмінними. Компанії продовжують мати приблизно ті самі відділи, ієрархії управління, процедури затвердження та адміністративні процеси. У цьому сенсі сучасний бізнес може нагадувати фабрики, які замінили паровий двигун електродвигуном, залишивши всі старі ремені та вали на місці. Трансформаційний ефект продуктивності виникне лише тоді, коли бізнес перестане запитувати, як ШІ може допомогти існуючим робочим місцям, і почне запитувати, як слід проектувати організації, якщо з самого початку передбачається існування недорогого машинного інтелекту.

Цей процес, можливо, вже розпочався, але впровадження залишається напрочуд поверхневим. Дослідження, проведене у серпні 2026 року на основі національно репрезентативного американського опитування, показало, що генеративний штучний інтелект використовується в широкому спектрі професій та завдань, проте в більшості цих професій менше половини працівників фактично його використовують. Тому знайомство зі штучним інтелектом та його фактичне впровадження – це зовсім різні речі. Це має величезне значення. Технологія не може змінити національну продуктивність лише тому, що вона існує. Вона має стати частиною звичайної економічної поведінки.

Тим не менш, є попередні ознаки того, що щось може змінюватися. Опитування ОЕСР щодо продуктивності праці 2026 року зазначило, що нещодавні показники продуктивності праці в Америці, разом із покращенням багатофакторної продуктивності в деяких сферах послуг, можуть бути ранніми сигналами, що узгоджуються з тим, що ШІ починає мати вимірюваний вплив, хоча докази ще далекі від остаточних. Продуктивність праці в США поза сільським господарством у другому кварталі 2026 року була на 2,2 відсотка вищою, ніж роком раніше. Було б передчасно пояснювати ці показники переважно штучним інтелектом, але стає дедалі важче стверджувати, що ШІ взагалі не може суттєво впливати на продуктивність.

Тому цікавіше питання — це питання часу. Тут історичні дані не свідчать ні про миттєву трансформацію, ні про необхідність чекати півстоліття. Парогенерація та електрика потребували десятиліть, перш ніж їхній економічний потенціал став повністю очевидним. Інформаційні технології розвивалися швидше. Штучний інтелект, ймовірно, знову має розвиватися швидше, оскільки інфраструктура, необхідна для його поширення, вже існує. Мільярди людей мають підключені до Інтернету комп'ютери або смартфони. Програмне забезпечення може поширюватися по всьому світу майже миттєво. Хмарні обчислення дозволяють підприємствам використовувати можливості, не будуючи власні обчислювальні центри, а співробітники вже мають десятиліття досвіду адаптації до цифрових технологій. Тому додаткова інфраструктура, за допомогою якої може поширюватися ШІ, є значно зрілішою, ніж інфраструктура, доступна під час попередніх технологічних революцій.

Моделювання ОЕСР надає корисне уявлення про правдоподібний масштаб. Її оцінки показують, що штучний інтелект може додати приблизно від 0,4 до 1,3 відсоткових пунктів до річного зростання продуктивності праці протягом наступного десятиліття у країнах з високим рівнем ризику, таких як Сполучені Штати та Велика Британія, з меншим приростом в інших країнах, залежно від економічної структури та темпів впровадження. Інші дослідження генерують ширші діапазони, що саме по собі демонструє надзвичайну невизначеність навколо цього питання. Додатковий відсотковий пункт зростання продуктивності може здатися невражаючим поруч із твердженнями, що штучний інтелект трансформує цивілізацію, але в масштабах економіки він є величезним. Економіка, що зростає на три відсотки, а не на два, приблизно подвоюється приблизно на покоління раніше.

Таким чином, розумний централізований сценарій може розділити революцію продуктивності штучного інтелекту на три фази. Перша, яка триває приблизно від появи генеративного штучного інтелекту для масового ринку у 2022 році до середини або кінця цього десятиліття, є переважно періодом експериментів. Люди відкривають для себе вражаючі застосування, окремі професії зазнають суттєвого покращення продуктивності на рівні завдань, а корпорації витрачають величезні суми на вивчення того, що працює. Проте сукупний вплив на продуктивність залишається порівняно скромним, оскільки організації не були перепроектовані, а вузькі місця в інших частинах виробництва обмежують цінність прискореної інтелектуальної роботи.

Другий етап, який, ймовірно, триватиме приблизно з 2027 або 2028 року до початку 2030-х років, може бути значно важливішим. Агенти ШІ, ймовірно, стануть дедалі більш здатними виконувати послідовності завдань, а не просто давати окремі відповіді. Корпоративні бази даних будуть дедалі більше структуровані для машинного використання. Бізнес-програмне забезпечення буде перероблено навколо ШІ, а не просто вбудовуватиме кнопки ШІ в уже існуючі програми. Менеджери набудуть досвіду в управлінні комбінаціями людської та машинної праці. Цілі адміністративні процеси можуть бути автоматизовані, а не окремі їх компоненти. Якщо сучасне покоління штучного інтелекту має призвести до суттєвого макроекономічного прискорення продуктивності, саме в цей період можна обґрунтовано очікувати, що воно стане безпомилковим.

Третя фаза є більш спекулятивною, але потенційно набагато важливішою. Штучний інтелект відрізняється від електрики тим, що ШІ може прискорити процес, за допомогою якого винаходяться подальші технології. Якщо машинний інтелект суттєво покращує наукові дослідження, фармацевтичні розробки, інженерію, математику, матеріалознавство та сам дизайн наступних поколінь штучного інтелекту, тоді ШІ перестає бути просто черговою технологією підвищення продуктивності. Він стає технологією для підвищення продуктивності технологічного прогресу. Дослідники Федеральної резервної системи визначили саме це питання — чи генеративний ШІ зрештою нагадує тимчасовий винахід, що підвищує продуктивність, чи універсальну технологію, здатну генерувати постійні хвилі інновацій — як центральне для розуміння його довгострокового економічного значення.

Якби цей ефект другого порядку став суттєвим протягом 2030-х років, історичні порівняння могли б почати руйнуватися. Електрика зробила фабрики більш продуктивними, але сама по собі електрика не проводила експериментів, спрямованих на відкриття кращих форм електроенергії. Достатньо складна система штучного інтелекту могла б допомогти інженерам проектувати кращі процесори, вченим розробляти нові енергетичні технології, а фахівцям з інформатики створювати кращі системи штучного інтелекту. Тоді наслідки для продуктивності стали б рекурсивними. Більш потужний ШІ прискорив би дослідження; прискорені дослідження створили б більш потужні технології; кращі технології підвищили б продуктивність і забезпечили б більше ресурсів для подальших досліджень. Ця можливість пояснює, чому, здавалося б, скромні оцінки впливу ШІ протягом наступного десятиліття не обов'язково слід інтерпретувати як оцінки його кінцевого економічного значення.

Існують вагомі причини для обережності. Деякі завдання є за своєю суттю фізичними. Людям все ще доводиться будувати будинки, ремонтувати дороги, доглядати за літніми людьми, збирати врожай, виробляти машини та транспортувати товари. Регулювання може уповільнити впровадження в медицині, юриспруденції, фінансах та уряді. Штучний інтелект може генерувати переконливі помилки, що призводять до значних витрат на перевірку. Дешева інтелектуальна продукція може створювати величезну кількість низькоякісного матеріалу, який людям доведеться просіювати. Організації можуть реагувати на збільшення виробничих потужностей не збільшенням виробництва, а збільшенням кількості зустрічей, звітів та бюрократії. Також можливі ефекти, подібні до ефекту Джевонса: коли проведення аналізу стає дешевшим, організації можуть просто вимагати значно більше аналізу. Підвищення продуктивності, виміряне на рівні завдань, може, як наслідок, зникнути в розширених очікуваннях.

Розподіл створює ще одну складність. Продуктивність і процвітання не є синонімами. Технологія може суттєво збільшити національний обсяг виробництва, концентруючи свої прибутки серед власників капіталу, обчислювальної інфраструктури та інтелектуальної власності. Попередні промислові революції зрештою призвели до величезного зростання рівня життя, але їхні перехідні періоди могли бути економічно жорстокими. Штучний інтелект може одночасно підвищити сукупну продуктивність, знищити певні категорії зайнятості та знизити ринкову вартість навичок, для здобуття яких потрібні були десятиліття. Економіка може збагачуватися, тоді як значна кількість її громадян тимчасово біднішає.

Однак історичний урок зрештою має схилити нас до умовного оптимізму щодо самої продуктивності. Кожна велика технологія загального призначення спочатку була неправильно зрозуміла, оскільки спостерігачі природно уявляють собі нову технологію, що працює всередині старої економіки. Глибші наслідки виникають, коли економіка реорганізовується навколо цієї технології. Залізниці не просто пришвидшили кінні подорожі; вони реорганізували міста, ринки та промислову географію. Електрика не просто замінила парові двигуни; вона змінила архітектуру заводів і, зрештою, домогосподарств. Комп'ютери не просто замінили друкарські машинки; вони створили мережі, цифрові ринки та абсолютно нові галузі промисловості.

Штучний інтелект, ймовірно, розвиватиметься за тією ж схемою. Наразі ми здебільшого використовуємо машини для дещо швидшого виконання існуючих інтелектуальних завдань. Це корисно, але навряд чи стане головним економічним наслідком машинного інтелекту. Ширша революція продуктивності розпочнеться, коли підприємства, уряди та, зрештою, суспільства перепроектують свої інституції, виходячи з припущення, що багато форм пізнання є поширеними та недорогими.

Якщо історія є корисним дороговказом, то відповідь на загадку продуктивності полягає в тому, що штучний інтелект, ймовірно, вже підвищує продуктивність, але поки що не настільки, щоб це було б навіть віддалено порівнянно з технологічним видовищем, яке його оточує. Найбільш переконливі докази наразі з'являються на рівні окремих працівників та завдань, а не цілих економік. Перехід від одного до іншого вимагає додаткових інвестицій, інституційної реконструкції, адаптації працівників та усунення вузьких місць. Ці речі займають роки, а не місяці.

Тим не менш, період очікування може бути коротшим, ніж це було для пари чи електроенергії. Правдоподібним очікуванням є те, що вимірювані прирости продуктивності, пов'язані зі штучним інтелектом, продовжуватимуть накопичуватися протягом решти 2020-х років, що значний макроекономічний ефект може стати очевидним приблизно наприкінці цього десятиліття, і що перша половина 2030-х років покаже, чи справді штучний інтелект належить поряд з електрикою та комп'ютером як одна з найвидатніших технологій загального призначення. Оцінки ОЕСР щодо потенційно значного додаткового щорічного зростання продуктивності протягом наступного десятиліття повністю сумісні з таким графіком.

Прогнозування після приблизно 2035 року стає небезпечним, оскільки центральне питання змінюється. Ми більше не будемо просто запитувати, наскільки штучний інтелект робить продуктивнішими сучасних працівників. Ми можемо натомість запитати, наскільки штучний інтелект робить продуктивнішим сам процес винаходу. Якщо відповідь «суттєво», то найбільшим економічним ефектом штучного інтелекту буде не те, що машини виконуватимуть нашу поточну роботу швидше. Він полягатиме в тому, що інтервал між однією технологічною революцією та наступною почне скорочуватися.

Це було б щось справді нове в економічній історії.