У лютому 2026 року дослідницький звіт під назвою «Глобальна криза інтелекту 2028 року» привернув широку увагу фінансових ринків. Його опублікувала Citrini Research. Це макросценарій, що моделює економічну траєкторію від сьогодення до 2028 року: рівень безробіття у Сполучених Штатах перевищує 10 %, індекс S&P 500 падає на 38 % від піку, а структурна криза, спричинена штучним інтелектом, розгортається непомітно.
Звіт змальовує стриману картину: коли агенти штучного інтелекту виконують складні офісні завдання з майже нульовою граничною собівартістю, бізнес-моделі у сфері програмних сервісів, фінансового посередництва та професійного консалтингу системно руйнуються. Компанії використовують кошти, зекономлені на скороченні персоналу, для придбання більшої обчислювальної потужності AI, що призводить до нових скорочень — «петля зворотного зв’язку без природних обмежень». Хоча економічний випуск продовжує зростати, він більше не спрямовується на сектори людського споживання — звіт називає це явище «Примарний ВВП».
Вражаючим цей звіт робить не точність прогнозів, а акцент на фундаментальному питанні: коли машинний інтелект поступово замінює людський — колись найдефіцитніший виробничий чинник — чи залишаються чинними існуючі економічні теорії? Співавтор Аруп Шах у інтерв’ю підкреслив: «Це не прогноз, а стрес-тест на основі довгострокових моделей — якщо AI дійсно ставатиме сильнішим, як усі очікують, які бізнес-логіки зламаються першими?»
Використовуючи це як відправну точку, ця стаття вибудовує аналітичну схему «Виклик–Тренд–Вплив–Відповідь», зосереджуючись на «періоді міжпоколінного переходу» з 2025 по 2075 рік. Ми досліджуємо, як змінюється структура дефіциту виробничих чинників, коли вартість «виконання» наближається до нуля, і як можуть еволюціонувати розподіл багатства та соціальний контракт.
Переоцінка дефіциту: зміна дефіциту виробничих чинників
Тренд зниження вартості виконання
«Виконання» означає повторювані інтелектуальні та ручні завдання, які можна алгоритмізувати та стандартизувати — базове програмування, фінансовий облік, створення контенту тощо. Штучний інтелект знижує граничну собівартість такого виконання до нуля. У сценарії, описаному у «Глобальній кризі інтелекту 2028 року»: індустрія IT-послуг Індії, яка приносить понад 200 мільярдів доларів експортного доходу щорічно, стикається з потрясінням, оскільки глобальні клієнти переходять до AI-кодуючих агентів, чия собівартість фактично дорівнює лише вартості електроенергії. Звіт зазначає: «Уся модель будується на одній ціннісній пропозиції — індійські розробники коштують значно менше, ніж їхні американські колеги. Але гранична собівартість AI-кодуючих агентів впала до ціни електроенергії».
Цей тренд вже підтверджується даними. Зайнятість у IT-секторі США знизилася на 8 % з піку 2022 року до початку 2026-го. Сектор є лідером проникнення AI. Шах підкреслює: «Чим легше галузі передати завдання AI, тим очевидніші втрати робочих місць. І найбільш замінними є офісні професії». Обробка інформації, аналіз даних, погодження робочих процесів — завдання, які раніше вимагали високої освіти та високої оплати, тепер виконуються AI з мінімальною собівартістю.
З економічної точки зору це — структурне коригування відносного дефіциту виробничих чинників. У статті для Financial Review Чжан Сяоцзін та Лі Цзінцзін стверджують, що AI спричиняє «зміщення дефіциту» — зміну структури дефіциту домінуючих ресурсів у процесі технологічних трансформацій. Це означає, що нематеріальний капітал (дані, алгоритми, обчислювальна потужність тощо) набирає вагу, а дефіцитність деяких факторів праці знижується.
Зростання цінності дефіциту у прийнятті рішень
Зі зниженням вартості виконання зростає цінність «влади прийняття рішень». Прийняття рішень включає: взяття ризику за умов неповної інформації, розподіл ресурсів, постановку цілей, вирішення етичних дилем, критичну оцінку та фінальне затвердження результатів AI.
Економічні теорії підприємництва давно показують, що прийняття рішень і ризик — фундаментальні джерела прибутку. Коли пропозиція виконання необмежена, його ціна (зарплата) прямує до нуля, і «прийняття рішень» стає вузьким місцем, а його цінність (рентний дохід/прибуток) неминуче зростає. Це інша сторона «зміщення дефіциту» — AI автоматизує складні когнітивні завдання, зменшуючи дефіцит людської праці у сфері обробки інформації, але водночас створює нові джерела дефіциту.
На рівні організацій AI трансформує механізми прийняття рішень. Рішення, що базуються на правилах, багаті на дані та повторювані, найпростіше замінюються AI. Для більш ризикованих, відповідальних рішень AI виступає як «партнер для мислення». Дослідження методом Монте-Карло показує, що у складних сценаріях співпраця людини та AI дає найвищу економічну ефективність, але лише за умови справжнього «посилення»; без синергії така співпраця може бути гіршою, ніж чисто машинна чи чисто людська стратегія.
Структурна фазова зміна: еволюція розподілу доходів
Від доходу праці до доходу капіталу та прийняття рішень
AI трансформує базову структуру розподілу доходів. Аналіз IPPR показує, що робочі місця у Великій Британії з потенціалом автоматизації становлять 290 мільярдів фунтів зарплат — близько третини загального фонду заробітної плати. Якщо автоматизація призведе до зниження середньої зарплати чи скорочення робочих годин, значна частка національного доходу перейде від праці до капіталу.
Звіт «Глобальна криза інтелекту 2028 року» прогнозує крайній результат цього тренду: частка праці у ВВП падає з 56 % у 2024 році до 46 % у сценарії 2028-го. Багатство дедалі більше концентрується у руках «власників обчислювальної потужності та капіталу», а дохід праці скорочується. Це не просто черговий раунд технологічного безробіття — це роз’єднання створення цінності та її розподілу. «Машини не витрачають гроші на споживання». Коли зростання випуску більше не перетворюється на купівельну спроможність, основа економічного циклу починає руйнуватися.
Поляризація розподілу у епоху AI коріниться у дефіциті нового нематеріального капіталу, чия зростаюча гранична цінність і концентроване володіння переписують логіку сучасного розподілу економічних чинників. Коли власність на капітал сильно нерівномірна, зростання частки доходу капіталу неминуче поглиблює нерівність — «хто володіє роботами, той отримує дедалі більшу частку національного багатства».
Цей вплив поширюється з окремих галузей на всю економіку. Шах зазначає, що верхні 20 % отримувачів доходу забезпечують близько 65 % споживчих витрат у США. Якщо доходи офісних працівників падають, весь ланцюг споживання опиняється під тиском. Звіт моделює сценарій: зростання безробіття серед офісних працівників на 5 % може спричинити падіння споживання значно більше за 5 % — менеджер продукту з річним доходом 150 тисяч доларів, який втрачає роботу і переходить до фрілансу, може втратити понад 70 % доходу.
Дебати щодо соціалізації прибутків AI
Коли AI стає ключовою продуктивною силою суспільства, чи слід його величезні прибутки розподіляти через певний механізм? Це питання набуває актуальності. Експерти Baker Tilly підкреслюють: «Щоб економіка, керована AI, процвітала, суспільство має забезпечити збереження купівельної спроможності споживачів. Певна форма універсального базового доходу чи його варіанти може стати страховкою».
Технологічні гіганти висувають схожі пропозиції. CEO OpenAI Сем Альтман запропонував «Фонд американської справедливості», який передбачає оподаткування великих корпорацій та приватної землі на 2,5 % для виплати щорічних дивідендів кожному дорослому американцю. Мустафа Сулейман, керівник споживчого AI у Microsoft, виступає за «Універсальні базові сервіси», розглядаючи доступ до потужних AI-систем як базове право.
Однак ці пропозиції викликають значний скепсис. Детальніше розглянувши, видно, що план Альтмана не передбачає контролю працівників над OpenAI чи державної власності AI-інфраструктури — він лише сподівається на соціалізацію прибутків урядом, тоді як чипи, алгоритми та платформи, що генерують багатство, залишаються у руках невеликої групи надбагатих осіб. Японські медіа ставлять фундаментальне питання: коли така частка цінності вже перетворена на акції та успадковане багатство, чи можуть дивіденди реально допомогти пересічним людям?
Крім того, для більшості країн без провідних AI-компаній, якщо місцеві робочі місця автоматизуються, а прибутки концентруються за кордоном, хто платитиме доходи їхнім громадянам? Одним із можливих рішень є створення «Міжнародного фонду дивідендів AI», який би обкладав помірними податками прибутки найбільших AI-компаній для підтримки країн, найбільш постраждалих від цих змін.
Адаптивні стратегії: закріплення цінності у перехідний період
Індивідуальний рівень: від конкуренції навичок до грамотності у прийнятті рішень
Оскільки запам’ятовування та збереження знань стають абсолютною перевагою AI, освіта має змінитися. Основна конкурентоспроможність людей та організацій у майбутньому буде не у тому, скільки вони пам’ятають, а у тому, як швидко вони можуть навчатися новому та адаптуватися до змін.
Це означає, що освіта має перейти від «передачі знань» до «грамотності у прийнятті рішень» — включаючи критичне мислення, оцінку системних ризиків, аналіз етичних дилем, а також здатність «калібрувати» та «ветувати» результати AI. Forrester прогнозує, що до 2026 року 30 % великих підприємств вимагатимуть навчання AI для підвищення «AIQ» співробітників та зниження ризиків відповідальності.
Варто звернути увагу на феномен «заморожування робочих місць», описаний у «Глобальній кризі інтелекту 2028 року»: компанії обирають більш тонкі підходи — бізнес зростає, але всі нові завдання передаються AI, без нових наймів. Це може виглядати безпечним, але глибоко впливає на здатність ринку праці до відновлення. Шах зазначає, що навіть компанії з хорошим фінансовим станом нині бачать падіння своїх акцій — з простої причини: «Якщо кожна компанія використовує AI для заміни людей і захисту маржі, то через три роки хто купуватиме їхні продукти?»
Суспільний рівень: пошук нового соціального контракту
На інституційному рівні період переходу потребує нового соціального контракту. Потенційні політичні напрямки включають: створення рахунків для навчання протягом життя, вдосконалення соціальних гарантій, дослідження механізмів фіксації та повернення цінності «даних як праці».
UNDP підкреслює, що траєкторія розвитку AI визначається не темпом технологічного прогресу, а тим, «хто отримує вигоду». Цей шлях не закладається у момент винаходу, а формується ретельними рішеннями про те, як, де і для кого використовується AI. На практиці поширення AI часто відбувається не через національні стратегії, а через щоденні закупівлі, платформні та операційні рішення.
Макроекономічні політичні рамки також потребують оновлення. Традиційні моделі передбачають дефіцит чинників і зростання граничних витрат, але з AI, що знижує граничні витрати до нуля, вимірювання інфляції стає ненадійним, а ринок праці стикається з «невідповідністю навичок і правил». Деякі експерти пропонують включати до політичних інструментів такі метрики, як «коефіцієнт алгоритмічної заміни» та «цифровий коефіцієнт Джині», переходячи від агрегованого контролю до динамічного балансу витрат управління та прибутків від інновацій.
Рівень активів: аналіз з точки зору власності
Враховуючи попередній висновок про «зміщення багатства до капіталу та прийняття рішень», у міжпоколінний перехідний період основа закріплення особистого багатства може зміститися від «продажу праці за гроші» до «володіння продуктивними активами». У широкому розумінні «продуктивні активи» включають не лише традиційні корпоративні акції та нерухомість, а й нову інфраструктуру AI-економіки — обчислювальну потужність, право власності на дані, токени управління платформами.
IPPR пропонує розширити розподіл капіталу та диверсифікувати моделі власності для демократизації «хто має право на дивіденди автоматизованої економіки». Конкретні стратегії включають громадські фонди багатства, трасти власності працівників, нові моделі розподілу прибутку. Основна ідея: нові, диверсифіковані моделі власності необхідні, щоб автоматизація створювала спільне процвітання.
Цей аналіз не є інвестиційною порадою, а об’єктивною оцінкою макротрендів — щоб допомогти читачам зрозуміти економічну логіку змін цінності активів. Як зазначає UNDP, рішення про те, як дані генеруються, поширюються, зберігаються та повторно використовуються, визначають, чи можуть організації зрозуміти, як AI-системи створюють вплив, втручатися у разі проблем та покращувати ефективність з часом.
Висновок: суспільний вибір після зміщення дефіциту
Фундаментальна трансформація епохи AI — це зміщення цінності від «виконання» до «прийняття рішень» і «володіння». У «міжпоколінний перехід» з 2025 по 2075 рік ключовим завданням є плавне управління цією структурною трансформацією.
Автори «Глобальної кризи інтелекту 2028 року» підкреслили у відповідь на ринкові потрясіння: «Якщо взяти найоптимістичніший погляд на руйнівний вплив AI, що буде далі? Як суспільство, ми повинні зіткнутися з цією реальністю і серйозно її обміркувати». Цінність цього звіту полягає не у точності прогнозів, а у примусі нас звернутися до питань, які ми могли б ігнорувати.
Форма майбутнього суспільства — чи воно рухатиметься до більшої «алгоритмічної централізації» чи справедливішого «суспільства власності» — не визначається лише технологіями. Головне питання нині — не «чи розвивати AI», а «як розвивати AI» і «хто отримує вигоду від AI». Без ефективного управління ключовими ресурсами, випереджаючого коригування структури розподілу та відповідального планування для майбутніх поколінь навіть експоненціальний технологічний прогрес може бути нівельований структурними ризиками. Зрештою, кінцевою метою будь-якої технології має бути людське благополуччя. Дотримання принципу «людиноцентричності» — спрямованого на створення суспільства спільного процвітання — має стати центральною метою розвитку AI.
