Влияние широкого внедрения ИИ — по трем направлениям: производительность, концентрация рынка, распределение доходов; затем — политики смягчения.
1) Производительность
- Механизм: ИИ действует как повышение технологического параметра в производственной функции, например $Y=A\cdot F(K,L)$. Увеличение эффективности ИИ выражается в росте $A$ и/или в эффективности факторов (комплементарность с капиталом/трудом).
- Рост ВВП на душу: по разложению роста $\Delta \ln Y=\Delta \ln A+\alpha \Delta \ln K+(1-\alpha )\Delta \ln L$ основное влияние идёт через $\Delta \ln A$ и через качественный сдвиг в производительности труда.
- Различие по типу задач: ИИ усиливает производительность в задачах, где он дополняет рабочих; одновременно автоматизирует рутинные задачи, сокращая спрос на низкоквалифицированный труд.
2) Концентрация рыночной власти
- Силы, усиливающие концентрацию: экономия от масштаба, сети данных и эффект «победитель получает всё», высокая фиксированная стоимость разработки ИИ. Индекс концентрации: $HHI={\sum }_i{s}_i^2$ (доля рынка $s_i$).
- Маржинальные ренты: высокая способность генерировать сверхприбыль (маржа $\mu$) позволяет лидерам удерживать долю прибыли; при высоких $\mu$ снижается доля труда в доходе, например в простом моделировании с Кобб–Дуглас $Y=K^{\alpha }{L}^{1-\alpha }$ и постоянной маржой $\mu$ можно получить трудовую долю приближённо $\frac{1-\alpha }{\mu }$.
- Результат: усиление рыночной власти платформ и фирм-лидеров, рост прибыльной доли (profit share) и барьеры для входа новых игроков.
3) Распределение доходов (развитые vs развивающиеся экономики)
- В развитых экономиках:
- Более высокий потенциал автоматизации и быстрая интеграция ИИ в сервисы привели к росту спроса на высококвалифицированный труд и капитал, снижению спроса на средний/низкий квалифицированный труд → рост неравенства заработков и рост доли капитала в доходе.
- «Суперзвёздный» эффект: выигрывают крупные платформы и владельцы данных/капитала.
- В развивающихся экономиках:
- Два противоположных эффекта: если ИИ требует квалифицированных навыков и цифровой инфраструктуры, развивающиеся страны могут отстать и получить меньше прироста производительности; это ухудшит относительное положение их трудовых ресурсов.
- Но если ИИ позволяет «прыжок через этапы» (leapfrogging) — автоматизация рутинной низкооплачиваемой работы может сократить традиционные экспортные преимущества труда, вызывая деиндустриализацию и ухудшение занятости в секторах с низкой квалификацией.
- Важен уровень человеческого капитала и доступ к данным/инфраструктуре: при их недостатке выигрыш от ИИ будет в основном у имущих международных компаний и локальных элит.
4) Ключевые каналы перераспределения
- Снижение трудовой доли: трудовая доля $\frac{wL}{Y}$ падает при повышении маржи и автоматизации.
- Разница в доходности навыков: рост премии за навыки, Wage premium $=\frac{w_{high}}{w_{low}}$ увеличивается.
- Географическая концентрация: центры с данными/талантами захватывают большую часть ренты.
5) Политики для смягчения негативных распределительных эффектов
- Образование и переобучение:
- массовые программы повышения цифровых навыков, модульное обучение; субсидии обучению задач, комплементарных ИИ.
- Активная политика рынка труда:
- ваучеры на переквалификацию, целевые стажировки, программы трудоустройства.
- Налогообложение и перераспределение ренты:
- налог на сверхприбыль/избыточные ренты, прогрессивное налогообложение доходов и капитала; простая бюджетная балансировка для базового дохода $tY=NB$ (налоговая ставка $t$, население $N$, базовый доход $B$).
- Антимонопольная политика и регулирование платформ:
- усиление контроля слияний, регулирование доступа к данным, интероперабельность, правила недискриминации для платформ.
- Политика данных и публичные инфраструктуры:
- открытые данные, публичные платформы ИИ и инвестиции в цифровую инфраструктуру, чтобы снизить барьеры входа и дать возможность локальным фирмам конкурировать.
- Социальная защита и переходные меры:
- временные пособия по безработице, переносимые пособия, гарантированные минимумы дохода, страхование потери навыков.
- Международная кооперация и помощь развивающимся странам:
- технологическая помощь, финансирование цифровой инфраструктуры, содействие в создании локальных AI-компетенций и правовой базе для данных.
6) Практические принципы политики
- Сочетание активных мер (скиллы, инфраструктура) с пассивными (соцзащита, перераспределение).
- Оценка и мониторинг: измерять эффекты через трудовую долю $\frac{wL}{Y}$, HHI, коэффициент Джини; корректировать политику на основе данных.
- Учет контекста: в развивающихся странах приоритет — базовая цифровая инфраструктура и доступ к навыкам; в развитых — перераспределение рент и регулирование платформ.
Краткое резюме: ИИ может существенно повысить производительность, но одновременно усилить концентрацию и неравенство, особенно там, где концентрация данных/капитала и дефицит навыков. Смягчение требует комбинации налогово-бюджетных, антимонопольных, образовательных и социальной политики, а также международной поддержки для развивающихся стран.