Новое исследование Федерального резервного банка Сент-Луиса, в котором были проанализированы почти 490 000 стенограмм корпоративных отчетных звонков, подтверждает то, на что официальные данные указывали в течение трех лет: искусственный интеллект пока не обеспечил измеримого увеличения совокупной производительности. Поскольку рост производительности является главным долгосрочным фактором роста заработной платы и уровня жизни, отсутствие такого эффекта имеет серьезные последствия для того, насколько широко и когда будут распределяться выгоды от ИИ. Однако один из авторов работы выдвинул более тревожную версию: ИИ уже может генерировать реальные выгоды, которые структурно остаются невидимыми, потому что сама технология снижает ценность тех результатов, которые сделала массово доступными.

Механизм прост. Когда ИИ радикально удешевляет производство определенного результата, этот результат одновременно становится менее ценным. Арифметика производительности фактически сама себя обнуляет: прирост в одной части баланса компенсируется падением цен в другой. Теперь любой может по нажатию клавиши создать маркетинговые материалы, анимацию или даже вполне приемлемую новостную заметку — но если это может сделать каждый, ни один из этих результатов уже не стоит того, что раньше. Работа стала проще; результат стал дешевле. Где-то в этом обмене реальный выигрыш исчез из статистики, так и не отразившись как потери. Это напоминает давно известную проблему национального учета: статистика ВВП и производительности создавалась для индустриальной экономики, где выпуск — это физические товары, продаваемые по рыночным ценам, и она всегда с трудом учитывала ценность бесплатных или почти бесплатных цифровых услуг.

«Некоторые вещи станут более доступными», — сказал Сердар Озкан, один из авторов исследования. «Это означает, что они, вероятно, также станут менее ценными».

Что показывают данные

Экономисты Озкан и Акааш Кальяни, а также научный сотрудник Николас Салливан, проанализировали примерно 490 000 стенограмм отчетных звонков 5 198 публичных компаний США за период с 2000 по 2025 год. Они использовали модель ИИ для разметки предложений, в которых упоминались производительность и ИИ. Доля комментариев о производительности, связанных с ИИ, выросла с почти нулевого уровня до запуска ChatGPT в конце 2022 года до примерно 15% всего обсуждения производительности к концу 2025 года.

Примерно 95% предложений о производительности, связанных с ИИ, описывают ожидаемые в будущем улучшения, а не уже реализованные — и эта доля остается стабильной с 2023 года. Когда руководители все же описывают влияние ИИ, тон почти единодушно оптимистичный: 95% таких высказываний говорят о росте производительности, против 75% в комментариях, не связанных с ИИ.

Исследователи говорят, что история именно этого и ожидает

Озкан сказал, что будущая форма этих выводов его не удивила, поскольку совокупные данные уже показывали отсутствие заметного роста производительности после учета капитальных вложений. Он сослался на известную реплику экономиста Роберта Солоу: «компьютерную эпоху видно везде, кроме статистики производительности», проведя прямую параллель с электрификацией, которая, по его словам, потребовала «нескольких десятилетий», чтобы перестроить фабрики, переобучить работников и изменить рабочие процессы, прежде чем ее вклад в производительность стал заметен в данных.

Экономист Стэнфорда Эрик Бриньолфссон назвал это явление «парадоксом производительности» в работе 1993 года для MIT и в последнее время описывает нынешнюю ситуацию как современное продолжение этого сюжета.

Кальяни, который отдельно изучал закономерности распространения технологий общего назначения, сказал, что после первоначального всплеска энтузиазма после ChatGPT в профессиональном сообществе в значительной степени сложился консенсус по этому вопросу: «Совокупный эффект будет в будущем, а сейчас мы видим много инвестиций, много воодушевления и оптимизма относительно будущего».

Он отметил, что распространение технологий по регионам, профессиям и компаниям происходит «крайне медленно», обычно в течение 20–30 лет. Сократить лаг ИИ до трех-пяти лет «было бы огромным отклонением» от исторического опыта. Компьютеры, как и предсказывал Солоу, не появились в данных о производительности до конца 1990-х и начала 2000-х годов.

Консенсус о медленном распространении

Эта картина совпадает с другими исследованиями ФРС 2026 года. Анализ ФРС Канзас-Сити показал, что недавний рост производительности в официальных данных «пока не является широким», а основная часть прироста приходится на небольшое число отраслей, несмотря на расширение внедрения ИИ. Отдельно председатель ФРС Кевин Уорш заявил Конгрессу в июле, что ИИ «пока не вытеснил работников» и сделал их «чуть более продуктивными», но предупредил, что «долгосрочный эффект может проявиться очень нескоро».

Предыдущее исследование ФРС Сент-Луиса также оценило, что генеративный ИИ обеспечил лишь 1,1% прироста производительности к концу 2024 года по сравнению с 2022 годом — скромно на фоне общего роста производительности на 2,3% и 1,6%, который экономика США показала в 2024 и 2023 годах соответственно.

Компании подкрепляют оптимизм деньгами

Важный момент: команда ФРС Сент-Луиса утверждает, что это не пустые разговоры. Кальяни сказал, что исследователи доверяют действиям, а не словам: «мы доверяем тому, что люди делают, а не тому, что они говорят». Компании, которые положительно говорят об ИИ, также увеличили расходы на исследования и разработки, капитальные затраты и общий объем инвестиций — корреляция, которой не было, когда команда впервые изучала упоминания ИИ в более ранней публикации 2024 года под скептическим названием «AI Hype or Reality?», но которая с тех пор усилилась.

Связанное исследование ФРС Сан-Франциско показало, что компании с позитивным отношением к ИИ к 2025 году демонстрировали существенно более высокий рост инвестиций и расходов на R&D, чем другие публичные компании, причем прирост был сосредоточен среди крупнейших технологических фирм, строящих инфраструктуру ИИ.

Что статистика не может уловить

Аргумент Озкана о росте изобилия дополняется вторым ограничением: узкими местами, которые ИИ просто не может устранить. Как бы быстро ИИ ни ускорял исследования, подготовку текстов или анализ, двум людям все равно нужно назначить встречу и прийти на нее — и этот шаг движется с той же скоростью, что и четыре года назад. Производительность — это не одна цифра; это результат всей цепочки, и ИИ ускорил лишь некоторые ее звенья.

На вопрос о том, какой сигнал окончательно подтвердил бы, что прирост производительности от ИИ материализовался, Кальяни признал, что честный ответ — никто этого заранее не знает. Полезное приложение технологии обнаруживается методом проб и ошибок, распространяется от компании к компании и от работника к работнику в процессе, который со стороны выглядит почти случайным, хотя в сумме и дает нечто измеримое.

Он привел пример Google Maps и таксомоторного медальона. Картографическое приложение на короткое время сделало владение нью-йоркским таксомоторным медальоном одним из самых ценных активов в городе. Затем появился Uber и в течение нескольких лет разрушил всю систему. Никто не предсказал, какое именно навигационное приложение подорвет таксомоторные монополии. Этот паттерн повторяется с каждой технологией общего назначения: победители и проигравшие определяются хаотичным, децентрализованным процессом, который не поддается прогнозированию, даже если в ретроспективе очевидна последующая значимость технологии.

В этом и состоит главный вывод, скрытый почти в полумиллионе размеченных предложений об оптимизме на отчетных звонках. Дело не в том, что руководители ошибаются, ожидая отдачи от ИИ. Вопрос в том, проявится ли эта отдача в виде измеримого роста производительности или просто растворится в более дешевом, более массовом и менее ценном выпуске — и это может остаться неизвестным до того момента, когда все уже произойдет.

Эта история впервые была опубликована на Fortune.com.