В феврале 2026 года исследовательский доклад под названием «Глобальный кризис интеллекта 2028 года» привлёк широкое внимание на финансовых рынках. Выпущенный компанией Citrini Research, этот макроэкономический сценарий моделирует развитие экономики с настоящего времени до 2028 года: уровень безработицы в США превышает 10 %, индекс S&P 500 падает на 38 % от максимума, а структурный кризис, вызванный искусственным интеллектом, развивается незаметно.
В докладе представлена тревожная картина: по мере того как агенты ИИ выполняют сложные задачи белых воротничков практически с нулевыми предельными издержками, бизнес-модели в сфере программного обеспечения, финансового посредничества и профессионального консалтинга систематически разрушаются. Компании направляют сэкономленные на сокращениях средства на покупку новых вычислительных мощностей ИИ, что приводит к новым увольнениям — формируется «петля обратной связи без естественного тормоза». Хотя экономический выпуск продолжает расти, он больше не поступает в сектора потребления — этот феномен в докладе назван «Призрачный ВВП».
Важность этого доклада заключается не в точности прогнозов, а в постановке фундаментального вопроса: сохраняют ли свою актуальность существующие экономические теории, если машинный интеллект постепенно вытесняет человеческий — некогда самый дефицитный производственный фактор? Как отметил соавтор Аруп Шах в интервью: «Это не прогноз, а стресс-тест, основанный на долгосрочных моделях — если ИИ действительно будет становиться всё мощнее, как все ожидают, какие бизнес-логики разрушатся в первую очередь?»
Исходя из этого, в статье выстраивается аналитическая схема «Вызов — Тренд — Влияние — Ответ» с фокусом на «переходный период между поколениями» с 2025 по 2075 год. Мы рассматриваем, как меняется структура дефицитности производственных факторов по мере снижения стоимости «исполнения» до нуля, а также как могут трансформироваться распределение богатства и общественный договор.
Новая ценность дефицита: изменение структуры дефицитности факторов производства
Тренд снижения издержек на исполнение
«Исполнение» — это повторяющиеся интеллектуальные и ручные задачи, которые можно алгоритмизировать и формализовать: базовое программирование, финансовый учёт, генерация контента и т. д. ИИ снижает предельную стоимость такого исполнения практически до нуля. В сценарии, описанном в «Глобальном кризисе интеллекта 2028 года», индустрия ИТ-услуг Индии с экспортной выручкой свыше 200 млрд долларов в год сталкивается с потрясением: глобальные клиенты переходят на ИИ-агентов для программирования, чьи затраты сводятся к цене электроэнергии. В докладе отмечается: «Вся модель строится на одном ценностном предложении — индийские разработчики стоят в разы дешевле американских. Но предельная стоимость ИИ-агентов для программирования фактически упала до цены электричества».
Эта тенденция уже подтверждается статистикой. Занятость в ИТ-секторе США с 2022 года по начало 2026 года сократилась на 8 %. Этот сектор — на передовой внедрения ИИ. Шах отмечает: «Чем проще отрасли передавать задачи ИИ, тем очевиднее сокращения рабочих мест. И в первую очередь замещаются рабочие места белых воротничков». Обработка информации, анализ данных, согласование процессов — задачи, которые раньше требовали высокообразованных и высокооплачиваемых специалистов, теперь могут выполняться ИИ с минимальными издержками.
С экономической точки зрения это структурная перестройка относительной дефицитности факторов производства. В статье для Financial Review Чжан Сяоцзин и Ли Цзинцзин утверждают, что ИИ вызывает «сдвиг дефицита» — изменение структуры относительной дефицитности ключевых ресурсов на фоне технологических преобразований. Это означает, что нематериальный капитал (данные, алгоритмы, вычислительные мощности и пр.) приобретает всё большее значение, а дефицитность некоторых видов труда снижается.
Рост ценности дефицитности в принятии решений
По мере снижения издержек на исполнение возрастает ценность «силы принятия решений». Принятие решений включает: принятие риска при неполной информации, распределение ресурсов, постановку целей, решение этических дилемм, критическую оценку и вынесение окончательных суждений по результатам ИИ.
Экономические теории предпринимательства давно показывают: источником прибыли являются именно принятие решений и готовность к риску. Когда предложение исполнения становится неограниченным, его цена (заработная плата) стремится к нулю, а «принятие решений» становится узким местом, и его ценность (рента, прибыль) неизбежно растёт. Это обратная сторона «сдвига дефицита»: ИИ автоматизирует сложные когнитивные задачи, снижая дефицитность человеческого труда в обработке информации, но одновременно формируя новые источники дефицита.
На уровне организаций ИИ меняет механизмы принятия решений. Решения, основанные на правилах, большом объёме данных и повторяемости, легче всего автоматизируются. В более рискованных и ответственных ситуациях ИИ выступает скорее как «мыслящий партнёр». По результатам моделирования методом Монте-Карло, в сложных сценариях наибольшую экономическую отдачу даёт сотрудничество человека и ИИ, но только при условии настоящей синергии; при отсутствии слаженности совместная работа может быть менее эффективной, чем чисто машинные или чисто человеческие стратегии.
Структурная трансформация: эволюция распределения доходов
От доходов от труда — к доходам от капитала и принятия решений
ИИ меняет фундаментальную структуру распределения доходов. По данным IPPR, рабочие места в Великобритании с потенциалом автоматизации обеспечивают 290 млрд фунтов стерлингов заработной платы — примерно треть от общего фонда оплаты труда. Если автоматизация приведёт к снижению средней зарплаты или сокращению рабочего времени, значительная часть национального дохода перейдёт от труда к капиталу.
В докладе «Глобальный кризис интеллекта 2028 года» описан крайний сценарий: доля труда в ВВП падает с 56 % в 2024 году до 46 % в 2028 году. Богатство концентрируется в руках «владельцев вычислительных мощностей и капитала», а доходы от труда продолжают сокращаться. Это не просто очередной виток технологической безработицы — это разрыв между созданием и распределением стоимости. «Машины не тратят деньги на потребление». Когда рост выпуска больше не приводит к росту покупательной способности, под угрозой оказывается основа экономического цикла.
Поляризация распределения в эпоху ИИ связана с дефицитностью нового нематериального капитала, чья растущая предельная ценность и концентрированное владение меняют логику распределения факторов современной экономики. При высокой неравномерности владения капиталом рост его доли в доходах лишь усиливает неравенство — «кто владеет роботами, тот получает всё большую часть национального богатства».
Это влияние распространяется из отдельных отраслей на всю экономику. Шах отмечает, что на 20 % самых обеспеченных приходится около 65 % потребительских расходов в США. Если доходы белых воротничков падают, под угрозой оказывается вся цепочка потребления. В докладе смоделирована ситуация: рост безработицы среди белых воротничков на 5 % может привести к падению потребления более чем на 5 % — менеджер по продукту с доходом 150 000 долларов в год, потеряв работу и перейдя на подработки, может лишиться более 70 % дохода.
Дискуссии о социализации выгод от ИИ
По мере того как ИИ становится ключевой производительной силой общества, возникает вопрос: следует ли перераспределять его колоссальные выгоды через специальные механизмы? Эта тема набирает актуальность. Эксперты Baker Tilly отмечают: «Чтобы экономика, основанная на ИИ, процветала, общество должно поддерживать покупательную способность потребителей. Универсальный базовый доход или его аналоги могут стать такой страховкой».
Технологические гиганты выдвигают схожие инициативы. Генеральный директор OpenAI Сэм Альтман предложил создать «Фонд американского равенства», который будет облагать крупные корпорации и частную землю налогом в 2,5 % и выплачивать ежегодные дивиденды каждому взрослому американцу. Глава потребительского направления ИИ Microsoft Мустафа Сулейман выступает за «универсальные базовые услуги», считая доступ к мощным системам ИИ базовым правом.
Однако эти предложения вызывают серьёзный скептицизм. При ближайшем рассмотрении видно, что план Альтмана не предполагает передачи контроля над OpenAI работникам или государственной собственности на инфраструктуру ИИ — он лишь рассчитывает на социализацию выгод через государство, в то время как чипы, алгоритмы и платформы, генерирующие богатство, остаются в руках узкой группы сверхбогатых. Японские СМИ задают фундаментальный вопрос: если большая часть стоимости уже конвертирована в акции и наследуемое богатство, смогут ли дивиденды реально помочь обычным людям?
Кроме того, в большинстве стран, не имеющих ведущих ИИ-компаний, если местные рабочие места автоматизируются, а прибыль уходит за рубеж, кто будет платить доход их гражданам? Один из возможных вариантов — создание «Международного фонда дивидендов от ИИ», который будет взимать умеренные налоги с прибыли крупнейших ИИ-компаний для поддержки стран, наиболее пострадавших от таких шоков.
Адаптивные стратегии: закрепление ценности в переходный период
Индивидуальный уровень: от конкуренции навыков — к грамотности в принятии решений
Поскольку хранение знаний и память становятся абсолютным преимуществом ИИ, образование должно меняться. Ключевая конкурентоспособность людей и организаций в будущем будет зависеть не от объёма усвоенной информации, а от скорости освоения нового и адаптации к переменам.
Это означает, что образование должно переходить от «передачи знаний» к развитию «грамотности в принятии решений» — критического мышления, оценки системных рисков, анализа этических дилемм, а также способности «калибровать» и «отклонять» результаты работы ИИ. По прогнозу Forrester, к 2026 году 30 % крупных компаний введут обязательное обучение работе с ИИ, чтобы повысить «AIQ» сотрудников и снизить юридические риски.
Явление «заморозки найма», описанное в «Глобальном кризисе интеллекта 2028 года», заслуживает внимания: компании выбирают более тонкие стратегии — бизнес растёт, но все новые задачи поручаются ИИ, а новых сотрудников не нанимают. Это кажется безобидным, но серьёзно подрывает способность рынка труда к обновлению. Шах отмечает, что даже у финансово устойчивых компаний сегодня падают котировки акций — по простой причине: «Если все компании используют ИИ для замещения людей ради сохранения маржи, то через три года кто будет покупать их продукцию?»
Общественный уровень: поиск нового общественного договора
На институциональном уровне переходный период требует нового общественного договора. Возможные направления политики: создание индивидуальных счетов непрерывного образования, совершенствование социальных гарантий, разработка механизмов учёта и возврата стоимости за «данные как труд».
Программа развития ООН отмечает, что траекторию ИИ определяет не скорость технологического прогресса, а «то, кто получает от него выгоды». Путь не задаётся в момент изобретения, а формируется в процессе осознанного выбора — как, где и для кого применяется ИИ. На практике распространение ИИ чаще происходит не через национальные стратегии, а через ежедневные решения о закупках, выборе платформ и операционном управлении.
Макроэкономические рамки также нуждаются в обновлении. Классические модели исходят из дефицитности факторов и роста предельных издержек, но если ИИ снижает предельные издержки до нуля, измерение инфляции становится неинформативным, а на рынке труда возникает несоответствие между навыками и правилами. Некоторые эксперты предлагают включить в инструментарий такие показатели, как «уровень алгоритмического замещения» и «цифровой коэффициент Джини», смещая акцент с агрегированного регулирования на динамический баланс между издержками управления и отдачей от инноваций.
Активы: анализ с точки зрения собственности
Учитывая вывод о «перетоке богатства к капиталу и принятию решений», в переходный период ядро личного благосостояния может сместиться от «продажи труда за деньги» к «владению производительными активами». В широком смысле «производительные активы» — это не только традиционные акции компаний и недвижимость, но и новая инфраструктура экономики ИИ: вычислительные мощности, права на данные, токены управления платформами.
IPPR предлагает расширять доступ к капиталу и диверсифицировать модели владения, чтобы демократизировать «право на дивиденды автоматизированной экономики». Среди конкретных стратегий — общественные фонды благосостояния, трасты для сотрудников, новые схемы распределения прибыли. Основная идея: новые, диверсифицированные модели собственности необходимы для того, чтобы автоматизация приносила общее благо.
Этот анализ не является инвестиционной рекомендацией, а представляет собой объективную оценку макротрендов — чтобы помочь читателям понять экономическую логику изменений стоимости активов. Как отмечает ПРООН, решения о том, как генерируются, передаются, хранятся и повторно используются данные, определяют, смогут ли организации понять, как системы ИИ создают ценность, вовремя вмешиваться при возникновении проблем и повышать эффективность со временем.
Заключение: общественный выбор после сдвига дефицита
Ключевое преобразование эпохи ИИ — сдвиг ценности от «исполнения» к «принятию решений» и «владению». В период «перехода между поколениями» с 2025 по 2075 год задача состоит в том, чтобы обеспечить плавное прохождение этой структурной трансформации.
Авторы «Глобального кризиса интеллекта 2028 года» в ответ на рыночные потрясения подчеркнули: «Если рассматривать самый оптимистичный сценарий влияния ИИ, что будет дальше? Обществу необходимо осознанно задуматься об этой реальности». Ценность доклада не в точности прогнозов, а в том, что он заставляет нас задуматься о вопросах, которые обычно остаются без внимания.
Будущее общества — будет ли оно двигаться к большей «алгоритмической централизации» или к более справедливому «обществу собственности» — определит не только технология. Главный вопрос сейчас — не «развивать ли ИИ», а «как развивать ИИ» и «кто получит от него выгоды». Без эффективного управления ключевыми ресурсами, своевременной корректировки структур распределения и ответственного планирования для будущих поколений даже экспоненциальный технологический прогресс может быть нивелирован структурными рисками. В конечном итоге цель любой технологии — благо человека. Принцип «человек в центре», нацеленный на построение общества общего процветания, должен стать центральной задачей развития ИИ.
