Временной лаг от инноваций до взрыва производительности: важные уроки революции информационно-коммуникационных технологий для эпохи искусственного интеллекта

Рост производительности, вызванный AI, возможно, реален, однако скорость его отражения в макроэкономических данных может не соответствовать самым оптимистичным ожиданиям рынка. Опыт революции в области информационно-коммуникационных технологий (ИКТ) показывает, что между коммерциализацией новых технологий, расширением инвестиций и всплеском производительности обычно существует значительная временная задержка.

По данным Chasing Traders, в исследовании, опубликованном 1 июля американской экономической исследовательской группой Goldman Sachs под руководством Elsie Peng,«Мы ожидаем, что AI существенно ускорит рост производительности в течение следующего десятилетия». Эта оценка подразумевает, что основной переменной AI является не только вопрос повышения эффективности, но и то, когда это повышение будет зафиксировано в макростатистике.

Ключевой вопрос сместился с «Полезен ли AI?» к «Когда AI трансформируется в наблюдаемый рост производительности?». На уровне компаний и экспериментов уже собраны многочисленные доказательства повышения эффективности, однако макроданные начинают это отражать только после завершения перестройки процессов, обучения персонала и организационных изменений.

ИКТ предоставляют важный ориентир. Персональные компьютеры были коммерциализированы около 1981 года, инвестиции в ИКТ начали расти с начала 1980-х, но реальное ускорение производительности в США произошло только во второй половине 1990-х, то есть с задержкой примерно на 15 лет.AI, возможно, внедрится быстрее, но не сможет обойти этап организационного притирки.

Основной урок ИКТ: инвестиции идут впереди, производительность запаздывает

В начале 1980-х коммерциализация ПК вызвала волну инноваций в сфере ИКТ. Количество патентов на душу населения в области прорывных ИКТ технологий стремительно росло в конце 80-х и начале 90-х годов, а инвестиции в ИКТ заметно увеличились уже с 80-х. Крупнейшими ранними инвесторами были профессиональные сервисы, оптовая торговля, транспорт и финансовые отрасли.

Однако производительность не росла синхронно.

Панельные показатели по отраслям показывают: при увеличении доли инвестиций в ИКТ в капитальных активах на 1 процентный пункт, наращивание производительности в первые четыре года минимально либо даже отрицательно. Положительное влияние становится отчетливым примерно через 8 лет и достигает пика к 12-му году — около 0,6 процентного пункта.

Это так называемая «J-кривая» внедрения новых технологий:Компании сначала вкладываются в оборудование, перестраивают процессы, несут издержки на адаптацию, а только затем могут рассчитывать на прирост эффективности. Особенно когда технология меняет потоки информации, процессы принятия решений и способы совместной работы сотрудников, статистика сначала фиксирует рост затрат, а не продукции.

Три сдерживающих фактора: издержки, сетевые эффекты и нематериальный капитал

Запаздывание роста производительности в ИКТ прежде всего связано с издержками. В 80-х годах цены на полупроводники и коммуникационное оборудование оставались высокими, а заметное удешевление началось только с усилением конкуренции и дерегуляцией в 90-е. Закон о телекоммуникациях США 1996 года открыл рынок оборудования, в сфере микросхем появилось больше конкурентов, что дополнительно снизило стоимость ключевых компонентов.

Вторым фактором являются сетевые эффекты. Возможности интернет и мобильных коммуникаций реализуются полностью только при достижении определенного масштаба пользователей. Эффект повышения производительности в США четче прослеживается после экспоненциального роста проникновения интернет и мобильной связи во второй половине 90-х.

И наконец, ключевую роль играет нематериальный капитал. Организациям требуется перестроить внутренние процессы, переобучить персонал, изменить структуру, внедрить программные и дата-системы. Оценки показывают, чтона каждый 1 доллар инвестиций в оборудование для ИКТ приходится не менее 1,7 доллара дополнительных вложений в нематериальные активы, из которых примерно две трети тратится на софт и базы данных, а остальное — на переустройство трудовой организации.

Это особенно важно для AI.GPU, дата-центры и компетенции моделей находятся в фокусе внимание рынка, а вот организационные преобразования малозаметны. История показывает, что именно они определяют, когда рост производительности появится в бухгалтерских отчетах.

AI, возможно, внедряется быстрее, но не без трений

Важное отличие AI от ИКТ — кривая снижения издержек. Стоимость использования моделей AI снижается гораздо быстрее, чем в свое время цены на ПК. Хотя некоторые передовые модели в США недавно поднимали номинальные цены в попытке увеличить маржу, в целом конкуренция и снижение издержек на вычислительные мощности ограничивают рост стоимости, и цена token'ов в целом имеет тенденцию к стабилизации.

Зависимость AI от сетевых эффектов дешевле, чем у технологий коммуникаций. Корпоративные внедрения AI не требуют глобального отраслевого или массового одновременного использования — локальные эффекты достигаются быстрее.Это дает шанс для более быстрого отражения AI в данных по производительности по сравнению с ИКТ.

Однако «медленные» переменные сохраняются. Бизнесу по-прежнему нужно перестраивать процессы, обучать сотрудников, корректировать разделение труда и структуру организации. Доля инвестиций в AI-оборудование в общем капитале уже растет быстрее, чем в эпоху ИКТ, но вложения в реконструкцию бизнес-процессов — если судить по доле зарплаты сотрудников, занятых в преобразованиях — пока выглядят медленнее.

Кроме того, официальная статистика, возможно, недооценивает объем идущих преобразований. Опрос Федерального резервного банка Атланты показал: к 2026 году нематериальные инвестиции, связанные с AI, составят примерно 280 миллиардов долларов.Оценки на базе данных компаний указывают, что затраты на персонал для AI-трансформации в США могут достигать 150 миллиардов долларов в год, а вложения в организационный капитал, связанные с распределением времени руководителей, — около 40 миллиардов долларов ежегодно.

Ранние сигналы — в четырех секторах

Искать ранние макро-сигналы роста производительности от AI нужно не по всей экономике в целом, а в секторах с высоким уровнем цифровизации, высокой степенью вовлеченности в AI и возможностью автоматизации рутинных задач.

В исследовании выделено четыре группы показателей: уже существующий уровень вовлеченности в IT, уровень внедрения AI, степень «подверженности» AI и интенсивность реструктуризации трудовых процессов с 2022 года. В топе оказались информационные и дата-сервисы, профессиональные услуги, индустрия кино и аудио, страхование, кредитные посредники, а также производство компьютеров и электроники.

Так, усреднённые оценки составляют: информационные и дата-сервисы — 1,97, профессиональные услуги — 1,48, кино и звук — 1,21, страхование — 1,09, кредитное посредничество — 0,98, производство компьютерной и электронной техники — 0,97.

Если объединить по более широким категориям, информации, профессиональные сервисы, страхование и финансы заслуживают наиболее приоритетного мониторинга. У этих отраслей развита цифровая база и наибольший потенциал автоматизации/усиления задач с помощью AI.

В то же время, необходима осторожность. За последние десятилетия эти отрасли и так показывали выдающуюся производительность — если они продолжат опережать остальных, это не обязательно можно сразу объяснить внедрением AI. Более важно — произойдет ли ускорение относительно их собственной исторической траектории.

Рынок должен следить за тремя основными факторами

Во-первых, за издержками. Пока стоимость использования моделей и цена вычислительных мощностей продолжают снижаться, барьеры для распространения AI будут ниже, чем во времена ИКТ.

Во-вторых, за организационным капиталом. Глубокая перестройка процессов, ролей и систем важнее, чем просто закупка инструментов AI. Революция ИКТ уже показала, что одного оборудования недостаточно для взрывного роста производительности.

В-третьих, за отраслевым переломным моментом производительности. Если информация, профессиональные услуги, страхование и финансы первыми начнут демонстрировать ускорение производительности сверх исторических трендов, это будет самым ранним сигналом отражения AI на макроуровне.

Однако даже по отраслям статистика по производительности публикуется с задержкой. Даже если AI уже приносит эффективность на микроуровне, подтверждения в макроданных придется ждать еще несколько лет. Главный урок от революции ИКТ для эпохи AI: технологический прорыв может быть быстрым, а рост производительности — гораздо медленнее.

~~~~~~~~~~~~~~~~~~~~~~~~

Выше представлены материалы Chasing Traders.

Для более подробного анализа, включая оперативные комментарии, эксклюзивные исследования и пр., присоединяйтесь к Годовому клубу Chasing Traders.