Когда мы почувствуем эффект big data

Чтобы результат внедрения новых технологий был заметен на уровне макроэкономики, нужно много времени и средств
Главное – не разочароваться в технологиях из-за отсутствия быстрого и легко измеримого результата

Могут ли большие данные, big data, стать тем локомотивом, который вытянет стагнирующую российскую экономику из болота и обеспечит долгожданный рост? Авторы обсуждавшейся на прошлой неделе стратегии развития рынка big data настроены оптимистично и ожидают, что эти технологии могут обеспечить 0,3% роста ВВП, или 2,9 трлн руб., до 2024 г.

Но что мы на самом деле знаем о том, какое влияние оказывают новые технологии на экономический рост? Парадоксально, но если посмотреть на цифры, то наблюдаемый в последние годы бурный прогресс в роботизации, автоматизации и методах, связанных с искусственным интеллектом (ИИ), не находит отражения в экономической статистике. Практически во всем мире последние 10 лет наблюдается не рост, а падение производительности. Ситуация напоминает конец прошлого века, когда аналогичный процесс происходил с компьютеризацией. В 1987 г. нобелевский лауреат по экономике Роберт Солоу сказал: «Век компьютеров можно наблюдать везде, кроме статистики по производительности».

В своей недавней работе известнейшие специалисты по производительности и цифровой экономике Эрик Бриньолфссон, Дэниел Рок и Чад Сиверсон пытаются разобраться, почему мы не замечаем эффекта от внедрения новых технологий. Существует несколько возможных объяснений.

Прежде всего, это могут быть ложные ожидания. Новые технологии привлекают массу внимания, и о них много говорят, но их реальный эффект в действительности может быть гораздо меньше, чем мы думаем. Правда, это объяснение противоречит конкретным примерам крайне эффективных новых технологий, которые действительно существенно увеличивают производительность. Кроме того, сложно поверить, что наиболее профессиональные инвесторы вкладывают огромные деньги в технологические компании, не ожидая от них высоких показателей в будущем.

Второе объяснение – эффект существует, но его не видно в официальной статистике, так как многие новые технологии предоставляют очень полезные услуги бесплатно и не попадают в официальную статистику по производству. К примеру, ни у кого не вызывает сомнений, что поисковые системы и электронные карты приносят огромную выгоду пользователям. Но поскольку в статистике ценность услуг зависит от их рыночной стоимости, то и любые бесплатные сервисы формально проходят по статье абсолютно бесполезных. Кроме того, на это накладываются стимулы технологических гигантов занижать свою прибыльность ради минимизации доходов. Это объяснение весьма популярно среди специалистов, но, как показывает Сиверсон в другой своей работе, оно вряд ли может адекватно объяснить низкий рост производительности, так как недоучет важных секторов экономики в ВВП – явление далеко не новое. И масштабы происходящих изменений по своим размерам никак не соотносятся с возможными проблемами статистического учета.

Еще одно объяснение связано с тем, что увеличение эффективности и производительности одних компаний, оказывающихся победителями в технологической гонке, полностью компенсируется расточительными расходами других. Отстающие фирмы тратят огромные средства, чтобы добиться лидерских позиций, но проигрывают и полностью теряют все свои вложения. В ситуации, когда победитель получает все, усилия остальных участников уходят в песок. Этот эффект очень ярко наблюдался в XIX в. в США, когда железнодорожные компании из-за жесткой конкуренции зачастую прокладывали параллельные пути, которые впоследствии оказались никому не нужны. Но, опять же, это предположение, хотя и вполне реалистичное, не может в полной мере объяснить всю проблему. Примеры пустых инвестиций существуют, но их масштаб несопоставим со вкладом в развитие экономики победивших технологических гигантов.

Наиболее правдоподобным объяснением выглядит предположение, что эффект от изменений носит запаздывающий характер. Новые направления, в особенности те, что связаны с ИИ и big data, – это пример технологий общего назначения. Это означает, что от них выигрывают не конкретные индустрии, а практически все отрасли экономики, которые учатся правильно их использовать. Чтобы технологии оказали действительно значимое влияние, заметное на уровне макроэкономики, должны быть выполнены два условия. Во-первых, объемы инвестиций в ИИ и big data должны достигнуть определенного порогового значения – выйти за пределы отдельных фирм и отраслей и стать уже действительно новой реальностью для всей экономики. Во-вторых, практически все они требуют перестройки существующих бизнес-процессов и существенных дополнительных инвестиций, которые позволили бы в полной мере воспользоваться благами новых технологий.

И то и другое требует значительных средств и времени. Когда оба этих условия выполнены – экономика совершает действительно значимый прорыв. Именно это не так давно произошло с распространением компьютеров. Эффект от компьютеризации был заметен не сразу, но через какое-то время технологии полностью изменили устройство большинства экономик мира и существенно повысили их производительность.

Так что использование big data, скорее всего, будет иметь очень похожее влияние на экономику: эффект станет ощутим далеко не сразу, аккуратно измерить его будет очень сложно, но рано или поздно он станет очень значимым. Так что главное – не разочароваться в технологиях из-за отсутствия быстрого и легко измеримого результата.

Автор — ректор Российской экономической школы