Роботы для работы. Почему ИИ сделает общество богаче вопреки апокалиптическим прогнозам 

Чему нас учит история

Исторический опыт человечества свидетельствует: новые технологии и автоматизация не приводят к тотальной безработице. Исследования долгосрочных изменений на рынке труда подтверждают: вклад автоматизации позитивен. 

Например, сельское хозяйство в США: в 1900 году в аграрном секторе трудился 41% всех работников страны, а к 2000 году этот показатель снизился до 2%. После появления комбайнов и прочей спецтехники люди ушли с полей, но не стали безработными — они перешли на заводы и в сферу услуг, которые тогда быстро росли. Кроме того, механизация резко удешевила еду, благодаря чему осталось больше денег на другие нужды.

Изобретение стандартного морского контейнера в 1950-х годах снизило стоимость погрузки одной тонны с $5,86 до $0,16, то есть более чем в 36 раз. Профессия классического портового грузчика почти исчезла. Зато перевозки стали настолько дешевыми, что мировая торговля выросла сильнее, чем от всех межгосударственных соглашений послевоенного времени.

Появление персональных компьютеров привело к закрытию машинописных бюро. С появлением АТС исчезли операторы телефонных станций. При этом появились десятки миллионов новых рабочих мест: программисты, системные аналитики, маркетологи и дизайнеры.

Данные платформы Our World in Data показывают: с начала нашей эры и вплоть до 1820 года среднемировой доход на человека оставался практически неизменным — около 1100–1300 международных долларов в год. 

Перелом случился в ходе промышленной революции: за счет механизации труда выпуск продукции впервые стал опережать рост населения. В результате всего за два последующих столетия мировой подушевой ВВП вырос в 15 раз, превысив отметку в $18 тысяч. 

В технологически передовых странах, где индустриализация началась раньше всего (в Великобритании, а затем в США и странах Западной Европы), отрыв оказался еще более впечатляющим: их подушевой ВВП с 1820 года по сегодняшний день вырос не в 15, а в 25–30 раз (с $2000–$3000 до современных $60 000 – $75 000).

При создании графика использован ИИ

Вопреки некоторым устоявшимся штампам статистика показывает, что кратный рост производства за последние два столетия сопровождался вовсе не усилением «эксплуатации трудящихся», а наоборот, устойчивым сокращением отработанных часов на человека и увеличением оплачиваемого досуга.

В XIX веке, на начальном этапе промышленной революции, преобладало мнение, что фабричное производство требует от работников непрерывного и изнурительного труда. В 1870-х годах в странах Европы и США рабочий день обычно длился 10–12 часов при шестидневной рабочей неделе, а общее рабочее время составляло более 3000 часов в год на человека без права на отпуск. Рабочие соглашались на такие условия просто потому, что альтернатива в виде крестьянской работы в поле была еще тяжелее.

По мере механизации и автоматизации эта траектория изменилась. Сегодня в большинстве развитых экономик среднее рабочее время снизилось почти в два раза — примерно до 1400–1700 часов в год. Стандартом стала 40-часовая (а в ряде стран — 35- или 38-часовая) пятидневная рабочая неделя.

Появились институты, которых практически не существовало в доиндустриальную эпоху: оплачиваемые регулярные и декретные отпуска, больничные, государственные праздничные дни, запрет детского труда и пенсия по возрасту.

Откуда в таком случае взялись опасения, что развитие алгоритмов на этот раз оставит без работы почти половину населения? Это неправильно понятая оценка исследователей из Оксфордского университета, опубликованная в 2013 году. Они утверждали, что под угрозой исчезновения из-за ИИ находятся 47% рабочих мест в США. 

Однако сами исследователи подчеркивали: 47% — это лишь доля рабочих задач, которые компьютеры способны выполнять чисто технически, а вовсе не прогноз того, что половину людей действительно уволят. Другими словами, речь шла о принципиальной возможности заменить человека алгоритмом в отдельных операциях, а не о реальной потере рабочих мест.

Позже исследователи ОЭСР подошли к вопросу точнее: они разложили каждую специальность на конкретные повторяющиеся операции. Изучив структуру труда тысяч работников в 21 развитой стране, исследователи выяснили, что люди, занимающие, казалось бы, одинаковые должности, часто выполняют принципиально разные задачи. 

Расчет показал, что реальному риску полного замещения машинами подвержены не 47%, а лишь 9% рабочих мест, с разбросом от 6% в Южной Корее до 12% в Австрии. Для подавляющего большинства людей технологии не отменяют профессию целиком, а берут на себя рутинные функции и дополняют человеческий труд.

Риску полного замещения машинами подвержены не 47%, а лишь 9% рабочих мест, с разбросом от 6% в Южной Корее до 12% в Австрии

В мировой истории ни одна страна не могла добиться устойчивого роста доходов своего населения без регулярного внедрения крупных технических изобретений, таких как паровой двигатель, электричество, двигатель внутреннего сгорания или компьютеры. 

Но технологии не единственный фактор роста. Они дают результат только вместе с качественным образованием, инвестициями и государственными институтами. Переходный период всегда сопровождается трудностями, которые требуют эффективного управления.

Как ИИ меняет рынок труда

Искусственный интеллект во многом повторяет путь прежних технологических революций, но есть и принципиальные отличия.

Главное сходство в том, что технологии почти никогда не уничтожают профессии мгновенно. Любая работа состоит из множества мелких операций, и если машина начинает выполнять две-три из них, то это вовсе не заменяет человека.

Эксперты Организации экономического сотрудничества и развития (ОЭСР) подчеркивают: автоматизация отдельных задач просто меняет структуру рабочего дня. Расчеты ОЭСР показали, что около 27% рабочих мест в развитых странах находятся в профессиях с высокой долей потенциально автоматизируемых операций. Однако даже в них алгоритмы берут на себя лишь от 20% до 40% конкретных рутинных обязанностей, тогда как задачи, требующие критической оценки, коммуникации и персональной ответственности, остаются за человеком: он продолжает отвечать за постановку цели, принимать решения в спорных или нестандартных ситуациях.

Человек продолжает отвечать за постановку цели, принимать решения в спорных или нестандартных ситуациях

Связь между снижением себестоимости и ростом спроса хорошо видна на рынке языковых переводов и цифровых услуг. По данным отраслевых ассоциаций, появление систем машинного перевода сократило стоимость черновой обработки одной страницы текста более чем на 70%! Уничтожило ли это профессию переводчика? Нет, это привело к значительному росту объемов обрабатываемого материала: компании начали переводить в десятки раз больше внутренней документации, инструкций и отзывов клиентов, на что раньше бюджет не выделялся вообще. В результате общая занятость в сфере локализации и редактирования… выросла, сместившись с механического перевода на проверку, смысловую адаптацию и фактчекинг.

Удешевление таких услуг, как составление программного кода, юридический и финансовый консалтинг, делает их доступными для тех, кто раньше не мог их себе позволить. В итоге рынок расширяется и спрос на труд остается.

Так же как и технологиям, ИИ нужно время, чтобы привести к взрывному росту макроэкономических показателей. Экономист Пол Дэвид описал эту закономерность в исследовании 1990 года на примере электрификации фабрик. Между появлением надежных электродвигателей в 1880-х годах и взлетом производительности труда в обрабатывающей промышленности США прошло около 30 лет. Доля электрифицированных заводов превысила 50% только к 1920 году, а ежегодный прирост выработки фабрик долгое время не превышал 1,5%.

Предприятия поначалу просто меняли паровой котел на один электромотор, сохраняя старую планировку и ременные передачи. Реальный скачок производительности до рекордных 5% в год начался лишь тогда, когда владельцы фабрик полностью перестроили среду: возвели просторные одноэтажные цеха, подвели индивидуальный двигатель к каждому станку и обучили управленцев новым схемам работы.

Но процесс адаптации современных офисных и сервисных работников протекает значительно мягче, чем историческая ломка прошлых эпох. И это важное отличие среды внедрения ИИ от классических технологий. В XIX веке массовый уход неграмотных крестьян на заводы сопровождался тяжелым бытовым сломом и потребовал создания школьного образования. 

Сегодня порог перехода из одной профессии в другую внутри сферы услуг и работы с информацией несоизмеримо ниже. Большинство специалистов уже владеют базовой грамотностью, навыками поиска информации, деловой коммуникации и логики, что позволяет им осваивать смежные направления без многолетней паузы.

Отличие ИИ от более ранних технологий еще и в том, что сами ИИ-алгоритмы помогают человеку осваивать новые обязанности, то есть берут на себя роль персонального инструктора. Исследования применения программных помощников в корпоративной поддержке показали, что наименее опытные сотрудники при подсказках моделей выходят на уровень квалифицированных специалистов всего за два месяца, а не за полгода, как раньше. Скорость и успешность решения рабочих задач у них возрастает на 34%.

Пока есть микроэффект и вера в будущее

Чтобы объективно оценить влияние ИИ на современную экономику, исследователи разделяют имеющиеся данные на три разных уровня.

Первый — прямые замеры внутри отдельных предприятий, где можно экспериментально сопоставить результаты сотрудников с использованием нейросети и без него.

Второй — это общая статистика национальных рынков труда за первые годы после появления массовых чат-ботов, показывающая изменения в реальных зарплатах, отработанных часах и найме специалистов. 

Наконец, третий уровень — прогнозные макроэкономические расчеты, которые моделируют влияние технологии на совокупную производительность и ВВП страны на годы вперед.

Наиболее точные доказательства реального роста продуктивности сегодня получены на микроуровне, то есть внутри конкретных фирм. В исследовании, опубликованном в журнале Quarterly Journal of Economics, проанализирована работа службы поддержки клиентов крупной технологической компании. Авторы наблюдали за 5172 сотрудниками, обработали около 3 млн диалогов при поэтапном подключении программного ассистента на базе модели GPT-3. В базовом расчете число успешно решенных обращений в час выросло на 15%. Программа фактически аккумулировала лучшие формулировки опытных специалистов и передавала их новичкам.

В PwC подсчитали, что рост производительности на 40% выше в компаниях, наиболее подверженных влиянию ИИ. С 2022 года компании, наиболее активно использующие ИИ, утроили отрыв в росте производительности труда по сравнению с теми, которые его почти не внедряли. Также была установлена связь с ростом заработной платы и численности персонала: они растут быстрее в компаниях, где широко применяется ИИ.  

Если обратиться к фактическим данным рынка труда за первые годы после появления ChatGPT, макроэкономическая картина выглядит более сдержанной. Исследователи изучили данные социологических опросов и официального государственного реестра занятости в Дании, представив выводы в работе Национального бюро экономических исследований. 

Анализ показал: хотя сотрудники стали активно использовать алгоритмы для решения задач и положительно оценивали их удобство, это не оказало статистически значимого влияния на их заработки или зарегистрированные рабочие часы за первые два года.

В то же время исследование Лаборатории цифровой экономики Стэнфордского университета зафиксировало тревожную тенденцию на рынке труда США. Массовых увольнений среди уже работающих граждан не произошло, однако занятость молодежи в возрасте от 22 до 25 лет в профессиях, наиболее подверженных автоматизации, заметно отстала от других направлений. 

К июню 2026 года этот разрыв в найме составил 19% по сравнению с профессиями, мало затронутыми технологией. Авторы из Стэнфорда отдельно подчеркивают: эта связь носит описательный характер и не доказывает прямой вины алгоритмов. Однако она служит важным сигналом о трудностях для начинающих специалистов на старте карьеры.

На уровне долгосрочных макроэкономических сценариев выводы ученых существенно расходятся. Модель ОЭСР от 2024 года предполагает: применение ИИ может приносить экономике США дополнительный прирост производительности труда на 0,4–0,9 процентного пункта ежегодно на протяжении десяти лет. 

Намного более осторожную оценку дает экономист Дарон Аджемоглу. По его базовым расчетам, прирост совокупной факторной производительности (СФП) по итогам десятилетия составит всего до 0,66%, то есть менее 0,1% в год. Хотя с учетом инвестиций в основной капитал влияние на общий ВВП окажется несколько выше, считает ученый. 

Для корректного сравнения этих моделей важно использовать один показатель: у ОЭСР соответствующий расчет СФП дает от 0,25 до 0,6 процентных пункта дополнительного роста каждый год. Это заметно превосходит оценку Аджемоглу.

Это расхождение в цифрах наглядно демонстрирует предмет современных дискуссий. Экономисты больше не спорят о том, способны ли алгоритмы ускорить выполнение конкретных интеллектуальных операций: на уровне отдельных рабочих задач прирост производительности уже надежно зафиксирован и измерен. Сейчас главный вопрос состоит в том, как быстро и полно польза от программ на отдельных рабочих местах сможет перейти на уровень всей страны. 

На общих показателях — реальных зарплатах, числе рабочих мест и росте ВВП — эффект пока едва заметен. Результаты выглядят скромно, проявляются не везде одинаково и во многом опираются лишь на предварительные теоретические расчеты. 

Эта противоречивость фактов заставляет исследователей быть аккуратнее в прогнозах. Но это вовсе не значит, что в будущем технология не сможет стать основой для мощного долгосрочного развития.

Как роботы закрывают демографическую яму

Оптимистичный сценарий внедрения искусственного интеллекта вовсе не означает, что рынок труда автоматически подстроится под новые условия сам по себе. Положительный результат возможен только при сочетании объективных демографических процессов и продуманных действий со стороны государства и бизнеса, которые способны смягчить потерю рабочих мест и помочь людям найти новые роли в экономике.

Важнейшим фоном для нынешней автоматизации становится демографический кризис в развитых странах. Согласно аналитическому докладу Employment Outlook 2025, во многих государствах ОЭСР численность трудоспособного населения пошла на спад. По демографическим прогнозам, к 2030 году в странах Евросоюза численность людей в возрасте от 20 до 64 лет уменьшится более чем на 10 млн человек. А, например, в Японии или Германии дефицит рабочих рук уже сейчас сдерживает развитие бизнеса. 

В таких условиях внедрение программных алгоритмов помогает восполнить нехватку кадров и удержать прежний объем производства. Автоматизация берет на себя выполнение задач, для которых на рынке физически не хватает людей. Однако нехватка сотрудников распределяется по секторам и регионам крайне неравномерно. Наибольший дефицит кадров сегодня наблюдается в здравоохранении, патронажном уходе, строительстве и технических ремеслах. А генеративные модели активнее всего внедряются в корпоративном секторе, маркетинге, базовом программировании и документообороте.

Генеративные модели активнее всего внедряются в корпоративном секторе, маркетинге, базовом программировании и документообороте

Острый дефицит медсестер или рабочих, разумеется, не гарантирует, что сокращенный офисный аналитик или юрист сможет легко сменить профессию и занять эту вакансию. Без организованной помощи разрыв между тем, где людей не хватает, и тем, где они освобождаются, не исчезнет, для этого нужна целенаправленная государственная политика. Но не ограничительная: попытки законодательно запретить технологии или искусственно обязать предприятия сохранять ненужные рабочие места лишь тормозят рост производительности всей страны. 

Эффективная же стратегия заключается в поддержке специалистов во время перемен: гарантированном страховании дохода при потере работы, бесплатных программах переобучения и компенсации расходов на переезд в регионы с высоким спросом на кадры. Например, в Дании ежегодно около 20% работников меняют профессию или работодателя, но благодаря адресным выплатам и краткосрочным курсам переподготовки этот процесс не приводит к затяжной безработице и социальному кризису.

Отдельное внимание требуется уделить молодым специалистам. Поскольку нейросети берут на себя составление простых отчетов, сбор данных и написание первичного кода, привычная цепочка стажировок начинает ломаться. Исследования показывают: когда исчезают механические задачи начального уровня, компаниям необходимо перестраивать программы производственной практики и наставничества. Студентов и стажеров вместо рутинной ручной работы обучают проверке сгенерированных результатов, постановке задач для алгоритмов и координации рабочих цепочек.

Наконец, ключевую роль в распределении выгод, которые приносят новые технологии, играет уровень рыночной конкуренции. Если передовые модели и инфраструктура окажутся сосредоточены в руках нескольких монополий, экономия от снижения издержек останется внутри этих корпораций в виде сверхприбыли. Напротив, активное соперничество между компаниями заставляет бизнес снижать отпускные цены на товары и услуги для конечных потребителей.

Экономическая история показывает, что снижение себестоимости вычислений и связи в конце XX века сделало компьютеры массовыми именно благодаря плотной рыночной конкуренции: потребители получили более качественные и доступные сервисы. И это расширило общий рынок и создало новые рабочие места в смежных секторах.

Еще в 2004 году Уильям Нордхаус подсчитал, что благодаря рыночной конкуренции создатели новых технологий удерживают лишь около 2% совокупной экономической ценности от своих инноваций, остальные 98% «перетекают» потребителям: резко дешевеют, но при этом становятся качественнее продукты, а значит, повышается покупательная способность населения. 

Авторы еще одного исследования математически доказали, что падение цен на компьютерные компоненты (вызванное прогрессом в полупроводниках и конкуренцией производителей) вызвало лавинообразное накопление капитала во всей экономике: банках, логистике, торговле и медиа. Это не сократило совокупный спрос на труд, а привело к буму занятости в смежных секторах — от дистрибуции до разработки прикладных программ.

Как производительность превращается в благосостояние

Связь между внедрением искусственного интеллекта и улучшением жизни людей редко бывает прямой. В реальности работает цепочка: технология повышает общую эффективность процессов, эта эффективность меняет объем производства и стоимость товаров, а цены и выпуск уже определяют заработки людей и количество их свободного времени. Результат зависит от того, как именно распределяются эти плоды между участниками экономики.

Теоретически польза от возросшей производительности может проявиться в трех формах. 

Первый путь заключается в росте потребления: люди работают прежнее количество часов, но производят и, соответственно, потребляют заметно больше полезных товаров и услуг. 

Второй путь направлен на экономию сил: общество производит прежний объем благ, но тратит на это меньше оплачиваемого рабочего времени. 

Обычно мы имеем дело с третьим вариантом, который объединяет первые два, когда часть прироста эффективности переходит в рост реальных доходов и доступность вещей, а часть позволяет сократить рабочие часы. 

Первый механизм передачи выгоды обществу работает через цены. Благосостояние человека определяется реальными, а не только номинальными доходами. Если алгоритмы снижают себестоимость услуги без потери ее качества, человек выигрывает даже при неизменной сумме в расчетном листке, так как на прежние деньги он может позволить себе больше. Здесь корректнее говорить не о падении всех цен в экономике, а об относительной стоимости: конкретные товары и услуги становятся дешевле по сравнению с тем, сколько они стоили бы без внедрения новых инструментов.

Перейдет ли экономия издержек в итоговый ценник для потребителя, зависит от внешних условий, прежде всего от конкуренции на рынке, отсутствия искусственного дефицита и реальной возможности покупателя уйти к другому поставщику.

Как уже говорилось, с конца XIX-го до середины XX века рабочее время резко сократилось в развитых странах, но затем сокращение замедлилось и почти остановилось: общество предпочло направить дальнейший рост эффективности не на увеличение доли свободного времени, а на объем и качество потребления (сложная медицина, высшее образование, электроника, улучшенное жилье и сфера услуг).

Высокая производительность открывает пространство для роста оплаты труда. Однако медианная зарплата рядового работника вовсе не обязана автоматически расти теми же темпами. Исследование ООСЭ показало, что в 24 развитых странах за период 1995–2014 годов разрыв между ростом производительности труда и ростом реальной медианной зарплаты составил в среднем 13%. Производительность выросла примерно на 28%, а медианные выплаты работникам — лишь на 15%. 

Исследование констатирует падение доли труда в национальном доходе и рост концентрации рынка, то есть высокая отдача на капитал достается узкому кругу владельцев технологий — тех, кто контролирует сами алгоритмы, вычислительные мощности, базы данных или бизнес, внедряющий технологии. С другой стороны, развитие технологий создает новые направления деятельности, которые дополняют автоматизированные системы. Если спрос на людей с дефицитными навыками в таких смежных задачах растет, то это помогает поддерживать общий уровень занятости и оплату труда.

То, что автоматизация не просто заменяет людей, но создает комплементарные задачи, показало исследование MIT. Около 60% всех рабочих мест, на которых люди сегодня трудятся в развитых экономиках, вообще не существовало в 1940 году. Они возникли именно вследствие технологических изменений.

Выигрыш всем или избранным?

В спорах о том, кто выиграет от распространения искусственного интеллекта, часто сталкиваются два противоположных мнения. Одни считают растущее неравенство неизбежным следствием самих алгоритмов. Другие всë объясняют исключительно решениями государства. В действительности же результат зависит от совместного действия технологий и общественных институтов.

Влияние автоматизации на рынок труда подробно исследовали экономисты Дарон Аджемоглу и Паскуаль Рестрепо. В своей работе от 2022 года они показали, что от 50% до 70% роста зарплатного неравенства в США за период с 1980-го по 2016 год было связано именно с технологическим вытеснением — ситуацией, когда машины и программное обеспечение заменяли людей в рутинных операциях. 

Компьютерные системы обесценивают повторяющийся труд, но одновременно повышают ценность других навыков: умения правильно поставить задачу, перепроверить машинный результат, взять на себя юридическую или профессиональную ответственность и эффективно общаться с людьми. Внедрение алгоритмов стимулирует спрос на специалистов, которые готовят качественные данные, обучают и адаптируют системы под узкие отрасли или координируют сложные автоматизированные процессы.

Другое важное изменение касается концентрации капитала. Обучение крупных моделей и поддержание серверной инфраструктуры требуют миллиардных вложений, что дает гигантское начальное преимущество небольшому числу технологических корпораций. 

Эта монополия не гарантирована на века. Появление открытых и облегченных архитектур, а также резкое удешевление вычислений (стоимость аренды мощностей и обработки токенов за последние годы сократилась в несколько раз) создают доступные альтернативы и не позволяют узкому кругу игроков полностью закрыть рынок.

Жизнеспособность открытых архитектур (Open Source) доказывает, что сценарий тотальной монополизации рынка ИИ маловероятен. Разрыв в производительности между коммерческими гигантами и открытыми системами стремительно сократился: на ключевых бенчмарках (MMLU, HumanEval) передовые открытые модели практически сравнялись с закрытыми флагманами.

Эта демократизация подтверждается статистикой: к марту 2026 года совокупное число скачиваний открытых ИИ-моделей на Hugging Face достигло 2 млрд — рост почти в шесть раз по сравнению с 340 млн годом ранее. 

Сегодня вовсе не обязательно каждый месяц платить за подписку на ChatGPT или другие популярные нейросети. Мощный искусственный интеллект можно просто скачать из интернета и запустить на ноутбуке ценой примерно от $1500. Такая программа будет работать исключительно за счет ресурсов вашего компьютера и выдавать результаты, которые практически не уступают платным сервисам. Правило здесь очень простое: чем мощнее у вас «железо», тем более умную и сложную модель вы сможете на него установить.

Для бизнеса это открывает огромные возможности. Компании могут точно так же устанавливать бесплатные модели нейросетей на собственные рабочие серверы. Это значит, что любой бизнес может создавать крутые ИИ-инструменты для своих задач, вообще не завися от корпораций-гигантов и не покупая у них дорогой доступ. Всё работает прямо внутри компании, безопасно и под полным вашим контролем. Таким образом, открытый исходный код формирует мощный рыночный противовес, превращая базовые инструменты ИИ в общедоступную инфраструктуру.

Бизнес может создавать крутые ИИ-инструменты для своих задач, вообще не завися от корпораций-гигантов и не покупая у них дорогой доступ

То, как именно перераспределяются сэкономленные ресурсы, определяют институты. Антимонопольное регулирование решает, заставит ли конкуренция компании снижать цены для покупателей или позволит им удерживать технологическую ренту в виде сверхприбыли. 

Не меньшее значение имеют правила на рынке труда: там, где действуют сильные профсоюзы, прозрачная система коллективных договоров и понятный уровень минимальной оплаты, выигрыш от производительности быстрее доходит до рядовых зарплат. 

Опыт скандинавских стран показывает, что при одинаковом с США уровне внедрения цифровых инструментов развитые трудовые институты удерживают неравенство доходов на существенно более низком уровне.

Переход к новым видам деятельности требует поддержки со стороны налоговой системы и социального страхования. Доступные программы переобучения позволяют людям, чьи привычные задачи автоматизируются, освоить смежные направления без катастрофического падения дохода. Примером здесь служит датская система гибкой занятости, в которой простота найма и увольнения сочетается с высокими государственными выплатами в период поиска работы и обязательным обучением новым специальностям.

Наконец, правила профессиональной ответственности и контроля качества критически важны в таких отраслях, как здравоохранение, образование и право. Четкие стандарты не позволяют поставщикам услуг снижать качество ради экономии, что защищает потребителей от скрытых издержек автоматизации.

Исследования показывают, что сам по себе технологический уклад не ведет к поляризации доходов. Индекс неравенства стабильно ниже в высокотехнологичных государствах по сравнению с сырьевыми странами. Высокий индекс экономической сложности (Economic Complexity Index), отражающий разнообразие и технологическую наукоемкость производимых товаров, обычно означает более низкий уровень неравенства доходов. Технологическая экономика требует распределенного человеческого капитала, в то время как сырьевая концентрирует богатство вокруг узких точек извлечения ренты.

Страны с наибольшей плотностью технологий и сложным промышленным производством (Германия, Япония, Южная Корея, Тайвань, скандинавские государства) удерживают коэффициент Джини после налогов и трансфертов в диапазоне 0,26–0,33. Крупные ресурсные экспортеры (нефтяные монархии Персидского залива при учете мигрантов, сырьевые экономики Латинской Америки, а также Нигерия или Ангола) демонстрируют коэффициент Джини на уровне 0,42–0,55 и выше, с колоссальным разрывом между верхним децилем и остальным населением.

Вся история технологического развития показывает одну устойчивую закономерность: появление более эффективных инструментов неизменно делало общество богаче в целом. Даже когда целые профессии уходили в прошлое, а отдельным людям приходилось менять род занятий или сидеть без работы, итоговый уровень жизни, доступность благ и качество повседневного быта для большинства неизменно возрастали. Фундамент для обоснованного оптимизма в отношении искусственного интеллекта строится именно на этом проверенном механизме. Когда новые решения позволяют добиваться прежнего или лучшего результата с меньшими совокупными затратами, экономика получает реальный излишек ресурсов. Даже с учетом расходов на вычислительные мощности, перенастройку процессов и контроль качества чистая экономия человеческого труда и времени создает существенный запас прочности. Общество получает возможность направить этот излишек туда, где он нужнее всего: на повышение качества медицины и образования, рост доступности товаров, развитие общественных сервисов и увеличение свободного времени. Попытки же держаться за каждое привычное рабочее место и консервировать устаревшие трудовые операции исторически всегда вели в тупик.