Кто зарабатывает на ИИ и кто теряет работу: экономика искусственного интеллекта в цифрах
Сбербанк публично заявил, что внедрение ИИ-инструментов позволило сэкономить более 300 млрд рублей за три года. Это не маркетинг: автоматизация кредитного скоринга, распознавание документов, чат-боты поддержки — каждый инструмент поддаётся точному расчёту экономии трудочасов. В банковском и страховом секторах экономический эффект от ИИ уже измеримый и повторяемый.
Но у этой экономии есть обратная сторона. McKinsey оценивает, что к 2030 году автоматизация затронет до 30% задач примерно в половине профессий. В России под наибольшим давлением оказываются операционисты, бухгалтеры первичного учёта, операторы колл-центров и водители. По прогнозу HeadHunter, к 2027 году спрос на ряд административных специальностей упадёт на 20–40%.
Где ИИ создаёт стоимость
Производительность — главный экономический аргумент в пользу ИИ. Программист, использующий GitHub Copilot или аналоги, пишет на 30–55% больше рабочего кода за тот же рабочий день. Юрист с ИИ-ассистентом обрабатывает в два раза больше договоров. Маркетолог генерирует A/B-варианты рекламных текстов за минуты вместо часов. Это не замена человека, а рычаг: один сотрудник производит столько, сколько раньше давала команда.
Для малого и среднего бизнеса ИИ снизил порог входа в задачи, которые раньше требовали дорогих специалистов. Интернет-магазин на Wildberries теперь может автоматически генерировать и тестировать карточки товаров, подбирать ключевые слова и отвечать на отзывы без найма отдельного контент-менеджера. Годовая экономия для среднего селлера — 400–700 тыс. рублей.
Риски, которые принято недооценивать
Галлюцинации языковых моделей — это экономический риск, а не просто технический курьёз. Юридическая фирма, доверившая ИИ подготовку процессуальных документов без проверки, может ссылаться на несуществующие прецеденты. Медицинский сервис, использующий модель для диагностических подсказок, несёт регуляторную и репутационную ответственность за ошибку алгоритма.
Концентрация выгод от ИИ тоже порождает структурный дисбаланс. Крупные компании с IT-бюджетами внедряют дорогостоящие корпоративные решения и наращивают отрыв от конкурентов. Небольшие игроки пользуются публичными инструментами, но без fine-tuning на своих данных получают меньший эффект. В итоге ИИ работает как усилитель уже существующего неравенства на рынке. Те, кто успеет обучить модели на собственных данных и выстроить процессы, получат преимущество на годы вперёд; те, кто откладывает, постепенно будут вытесняться более эффективными конкурентами.
