Во многом это объяснялось тем, что компьютеры нередко не ускоряли работу, а лишь производили ещё больше информации: сверхподробные отчёты, бесконечные распечатки, новые бюрократические слои. То, что обещало стать двигателем эффективности, на какое-то время превратилось скорее в её тормоз. Так возникло понятие парадокса производительности Солоу.

“Компьютерную эпоху видно повсюду, кроме статистики производительности”, — писал Солоу в 1987 году в рецензии для New York Times Book Review.

Сегодня данные о том, как топ-менеджеры используют — или не используют — искусственный интеллект, показывают, что история во многом повторяется. Это ставит под вопрос громкие обещания экономистов и технологических предпринимателей о том, что ИИ быстро изменит рынок труда и всю экономику. По данным анализа Financial Times, с сентября 2024 по 2025 год о внедрении ИИ на звонках с инвесторами упомянули 374 компании из индекса S&P 500, и большинство говорило об этом исключительно в положительном ключе. Однако эти “успешные внедрения” пока почти не отражаются в общей статистике производительности.

Исследование, опубликованное в феврале Национальным бюро экономических исследований (NBER), показало: среди 6000 генеральных директоров, финансовых директоров и других руководителей компаний из США, Великобритании, Германии и Австралии подавляющее большинство не видит заметного влияния ИИ на повседневную деятельность бизнеса. Примерно две трети респондентов сообщили, что используют ИИ, но в среднем речь шла лишь о 1,5 часа в неделю. Четверть опрошенных вообще заявили, что не используют ИИ на работе. Почти 90% компаний сообщили, что за последние три года ИИ никак не повлиял ни на занятость, ни на производительность.

При этом ожидания остаются весьма высокими. Руководители прогнозируют, что в ближайшие три года ИИ повысит производительность на 1,4%, а объём выпуска — на 0,8%. Компании в среднем ожидают сокращения занятости на 0,7%, тогда как сами работники, которых тоже опрашивали, наоборот, предполагают рост занятости на 0,5%.

Действительно ли ИИ делает людей продуктивнее?

В 2023 году исследователи MIT заявили, что использование ИИ может повысить эффективность сотрудника почти на 40% по сравнению с теми, кто этой технологией не пользуется. Однако новые данные, не подтверждающие столь впечатляющих эффектов, заставляют экономистов задаваться вопросом: когда — и произойдёт ли вообще — реальная отдача от корпоративных инвестиций в ИИ, которые в 2024 году превысили 250 млрд долларов.

Главный экономист Apollo Торстен Слок в одном из своих блог-постов прямо отсылает к знаменитому наблюдению Солоу:
“ИИ повсюду — кроме входящих макроэкономических данных”.

По словам Слока, сегодня влияние ИИ не видно ни в данных по занятости, ни в статистике производительности, ни в инфляции. Более того, за пределами так называемой Magnificent Seven — крупнейших технологических гигантов —, как он считает, нет и явных признаков влияния ИИ на рентабельность или ожидания по прибыли.

Слок приводит целый ряд академических работ, и вместе они рисуют довольно противоречивую картину. Так, Федеральный резервный банк Сент-Луиса в ноябре прошлого года в своём отчёте State of Generative AI Adoption сообщил, что с момента появления ChatGPT в конце 2022 года наблюдался рост совокупной избыточной производительности на 1,9%. Но исследование MIT 2024 года пришло к гораздо более скромной оценке: 0,5% роста производительности за следующее десятилетие.

“Я не думаю, что 0,5% за десять лет — это мало. Это всё же лучше, чем ноль, — говорил тогда автор исследования и нобелевский лауреат Дарон Аджемоглу. — Но это явно разочаровывает по сравнению с теми обещаниями, которые звучат от индустрии и техножурналистики”.

Почему эффект оказывается таким ограниченным? Ответ частично дают другие исследования. Согласно Global Talent Barometer 2026 от ManpowerGroup, основанному на опросе почти 14 000 работников в 19 странах, регулярное использование ИИ в 2025 году выросло на 13%, но уверенность в его полезности при этом снизилась на 18%. Иными словами, люди стали пользоваться ИИ чаще, но доверять ему — меньше.

Более того, чрезмерное увлечение ИИ может давать и обратный эффект. Исследование Boston Consulting Group показало, что в какой-то момент рост числа используемых ИИ-инструментов начинает подрывать продуктивность — исследователи даже ввели для этого выражение AI brain fry, то есть нечто вроде “перегрева мозга от ИИ”. В опросе 1488 американских работников с полной занятостью респонденты сообщали о росте продуктивности, когда использовали не более трёх ИИ-инструментов. Но при использовании четырёх и более их самооценка эффективности резко падала: люди жаловались на “туман в голове” и учащение мелких ошибок.

Осторожнее к последствиям автоматизации начинают относиться и сами корпорации. Директор по персоналу IBM Никл Ламоро заявила в этом году, что компания утроит набор молодых сотрудников. Логика проста: если ИИ вытеснит работников начального уровня, то через несколько лет компании столкнутся с нехваткой менеджеров среднего звена, а значит — с проблемами в кадровом резерве будущих руководителей.

Что может изменить нынешнюю траекторию?

Разумеется, нынешний рисунок не обязательно сохранится. В истории уже был похожий период: IT-бум 1970-х и 1980-х вначале тоже не давал ожидаемого эффекта, но затем в 1990-х и начале 2000-х годов привёл к заметному ускорению производительности. В период с 1995 по 2005 год её рост увеличился примерно на 1,5% после долгих лет стагнации.

Экономист Эрик Бриньолфссон, руководитель Stanford Digital Economy Lab, в колонке для Financial Times предположил, что разворот, возможно, уже начинается. По его словам, рост ВВП в четвёртом квартале шёл темпом 3,7%, хотя показатели занятости были пересмотрены вниз — до 181 000 новых рабочих мест. Такая комбинация может указывать именно на рост производительности. Его собственный анализ показывает, что производительность в США в прошлом году выросла на 2,7%, и он связывает это с переходом от стадии инвестирования в ИИ к стадии извлечения выгоды из него.

Бывший глава Pimco и экономист Мохамед Эль-Эриан также отмечал, что рост занятости и рост ВВП всё больше расходятся, и одной из причин этого может быть продолжающееся внедрение ИИ. Похожую картину мир уже видел в 1990-х годах, когда офисная автоматизация начала приносить плоды.

Возможно, часть эффекта ИИ просто не попадает в привычные метрики. Исследование Stanford Institute for Economic Policy Research, основанное на данных интернет-активности 200 000 американских домохозяйств, показало, что генеративный ИИ повысил эффективность таких онлайн-задач, как поиск работы, планирование поездок или покупки, на 76—176%. Но есть нюанс: сэкономленное время люди тратили не на дополнительную работу и не на освоение новых навыков, а скорее на общение с друзьями или просмотр телевизора.

Торстен Слок считает, что влияние ИИ может развиваться по J-кривой: сначала — замедление, путаница и слабые результаты, затем — резкий ускоряющийся рост. Но произойдёт ли это, зависит не столько от самого существования технологии, сколько от того, какую ценность компании сумеют из неё извлечь.

При этом путь ИИ уже отличается от траектории прежней IT-революции. В 1980-х инновационные IT-компании могли долго удерживать монопольную ценовую власть, пока конкуренты не создавали аналогичные продукты. Сегодня же ИИ-инструменты быстро становятся доступными всем — из-за жёсткой конкуренции между разработчиками больших языковых моделей, которая давит цены вниз.

И потому, считает Слок, будущее ИИ будет определяться не самим продуктом как таковым, а тем, как именно компании встроят его в реальные рабочие процессы. Иными словами, с точки зрения макроэкономики ценность создаёт не сам генеративный ИИ, а способы его использования в разных секторах экономики.