Расходы на инфраструктуру для искусственного интеллекта подталкивают вверх цены на электроэнергию, микрочипы, программное обеспечение и ёмкости для центров обработки данных. В то же время ожидаемая волна роста производительности ещё не покрыла эти издержки, что создаёт нелёгкую задачу для регуляторов и финансовых рынков.

Инвестиции растут, выгоды запаздывают

Аналитики и участники рынка отмечают, что капитальные вложения в инфраструктуру ИИ достигают триллионных масштабов: по оценке Goldman Sachs Research, размах затрат в США может составлять порядка $581 миллиардов в текущем году, а в мире — до $1 триллиона. В США эти вложения уже равны приблизительно 1,8% валового внутреннего продукта и, как ожидают авторы оценки, могут вырасти до 2,8% к 2028 году.

При этом корпоративное применение ИИ остаётся неравномерным: согласно опросу Бюро переписи населения, от 17% до 20% американских компаний сообщили о применении технологий ИИ, причём распространённость выше в крупных фирмах и ниже — в малых.

Почему рост затрат заметнее, чем эффект от ИИ

Часть причин очевидна. Строительство энергоёмких дата‑центров повышает спрос на электроэнергию, что отражается в росте тарифов для домохозяйств. За два года до июля индекс цен на электроэнергию вырос на 10% — быстрее общего роста потребительских цен в 6,2% за тот же период. Параллельно возникают узкие места в поставках серверных чипов: производители не успевают удвоить или утроить выпуск, а покупатели выкупают доступные объёмы, что толкает цены вверх — по оценке JPMorgan Chase, стоимость DRAM к концу года может вырасти на 400% по сравнению с предыдущим годом.

  • Энергия и эксплуатация дата‑центров — рост тарифов и нагрузка на сеть;
  • Чипы и память — дефицит и скачки цен;
  • Программное обеспечение и данные — подорожание услуг и платформ;
  • Кадры и изменение рабочих процессов — необходимость обучения и перестройки бизнеса.

Эти расходы несут компании и, в конечном счёте, потребители, причём ощутимые эффекты замены человеческого труда автоматизацией появляются нерегулярно и в основном у «передовых» фирм, которые реорганизуют рабочие процессы вокруг ИИ.

Слабые звенья и ограниченная автоматизация

Экономисты используют термин «слабые звенья» для описания задач в профессиональных ролях, которые сложнее автоматизировать. В реальности рабочие места состоят из набора таких задач: часть из них можно поручить моделям ИИ (например, анализ изображений), тогда как другие — общение с пациентами, командная работа, принятие решений в нестандартных ситуациях — остаются за людьми. Это объясняет, почему в некоторых областях число специалистов не сокращается, а их роль меняется и становится ценнее.

Наблюдения внутри компаний подтверждают: успешные внедрения требуют не только технологии, но и перестройки процессов, обучения персонала и выстраивания доверия к моделям. Тот же эффект усиливает разрыв между лидерами внедрения и остальными организациями: «передовые» пользователи применяют ИИ в разы активнее.

Для центробанков и регуляторов ситуация осложняется тем, что нынешние инвестиции создают инфляционное давление сегодня, в то время как дискаунт и рост производительности могут настать лишь со временем. В числе обсуждаемых эффектов — повышение цен на программное обеспечение (по данным CPI, стоимость ПО и аксессуаров выросла на 22,4% с июля прошлого года) и рост потребления вычислительных ресурсов.

В результате формируется дилемма: учитывать будущие потенциальные выгоды от ИИ в прогнозах роста и монетарной политике или реагировать на уже проявляющееся инфляционное давление, связанное с текущими инвестициями и дефицитами? Ответы пока разнятся среди экономистов и чиновников, что отражает неопределённость в оценке временных горизонтов и масштаба эффекта.

Вкратце, развитие ИИ остаётся мощным трансформационным фактором, но на данном этапе оно сопровождается значительными затратами и несинхронной отдачей: пока инфраструктура и спрос на вычислительные ресурсы толкают вверх цены, массовое повышение производительности, способное компенсировать эти расходы, ещё не стало очевидным для всей экономики.