Chad Syverson из Чикагского, один из лучших (или просто лучший) специалист по измерениям производительности труда, написал простой и понятный текст про влияние ИИ на эту самую производительность - в США, где вовсю бушует ИИ-революция. Выводы неутешительные. Сделаю tl:dr.

1. Многочисленные исследования на микроуровне показывают, что даже предыдущие модели ИИ значительно повышают производительность. Например, исследование 2025 года показало, что благодаря ИИ только на разбор электронных писем knowledge workers (не знаю как перевести) стали тратить на два часа меньше времени в неделю. Такого рода примеры множатся по широкому фронту.

И, кажется, это отражается в макростатистике. Темпы роста производительности вот уже три года превосходят средний показатель последних 20 лет (картинка 1).

2. Производительность труда может расти по двум причинам. Первая - увеличение капитала в расчёте на одного работника. Капитал - это всё то полезное, что используется при производстве товаров и услуг: от заводских корпусов до программного обеспечения. Второй - это рост TFP, общей факторной производительности. Рост TFP обеспечивается техническим прогрессом и повышением эффективности использования уже имеющегося запаса капитала; в некотором смысле это "истинный" экономический рост.

Отделить рост производительности за счёт прироста капитала и за счёт роста TFP сложно, но можно (хоть и весьма приблизительно).

Так вот: TFP в последний год не то что не растёт быстрее - его рост упал почти до нуля (картинка 2).

3. Откуда берётся тогда высокий рост производительности труда? Американцы стали гораздо больше инвестировать? Всё гораздо хуже. Рост объясняется повышением интенсивности использования уже имеющегося капитала. То есть загрузка имеющихся мощностей существенно растёт. Само по себе это хорошо, но это не имеет долгосрочных последствий (картинка 3).

4. Вернёмся к микроуровню, точнее, отраслевому. Прирост производительности труда выше в тех отраслях, где фирмы чаще заявляют в опросах о широком применении ИИ. Одна беда: эти же отрасли имели более высокие показатели роста в 2016-19 годах, когда никакого ИИ ещё не было. Если сделать поправку на это, получится, что связи между адаптацией ИИ и темпами роста производительности в отрасли просто нет (картинка 4, по вертикали - рост производительности).

5. Но мы своими глазами видим, что ИИ упрощает работу - даже в нашей экономике, далеко не такой развитой, как американская. Почему же на макроуровне не видно почти никакого влияния?

Исследование Банка Кореи показало, что применение ИИ снижает затраты рабочего времени на 3,8%. Но это снижение почти не выливается в увеличение выпуска. Объяснение даёт ещё одно исследование, в котором рассматривалось производство софта. ИИ действительно увеличивает скорость создания кода, но на каждом следующем этапе - пул реквест, проект, готовый релиз - эффект уменьшается. Ревью, интеграция, тестирование, релиз и другие этапы становятся "узкими местами", всё ещё требующими человеческого участия. Индустрия медленно подстраивается под меняющиеся условия.

6. Новые модели появляются с бешеной скоростью, и некоторые отрасли уже начали всерьёз адаптироваться к ИИ, поэтому исследования на микроуровне успевают устаревать уже на момент выхода. Но макростатистика собирается поквартально, и особых поводов для оптимизма в ней нет.

7. (это уже от себя) В 1987 году Роберт Солоу, классик (по сути, создатель) современной теории экономического роста, Нобелевский лауреат, сказал знаменитую фразу: "Вы можете видеть наступление компьютерной эры везде, кроме статистики производительности". Это была правда: производительность труда в США росла очень медленно. В следующем десятилетии производительность труда в США начала быстро расти, притом главным фактором было именно распространение компьютеров.

Ну и скромно напомню, что ещё два года назад попытался рассказать, что может подсказать экономическая история про внедрение ИИ и, в частности, почему Солоу не "разглядел" наступления "компьютерного" роста девяностых.
ИИ: pro et contra + будущее айтишников
ИИ: неравенство + антиутопия