Перераспределение прибыли в 4,7 трлн долларов, обусловленное ИИ: победители и проигравшие в разрезе отраслей и стратегии реагирования для средних держав

Резюме

Сумма в 4,7 трлн долларов, представленная компанией Bain & Company, представляет собой не создание новой добавленной стоимости, а масштаб перераспределения в рамках существующего пула промышленной прибыли. Такие показатели, как инвестиции в инфраструктуру ИИ со стороны облачных провайдеров в размере почти 7 трлн долларов, рекордно низкая доля труда в доходе США (52,8%) и рекордно высокая корпоративная маржа (14,9%), свидетельствуют о том, что это перераспределение уже идет, искажая распределение между капиталом и трудом. В секторах, где построение доверия имеет решающее значение, таких как здравоохранение и финансы, разрыв между скоростью внедрения ИИ и оценкой эффективности создает временной лаг в этом сдвиге прибыли. Между тем, финансовая индустрия Китая открыто использует переход на ИИ в секторе управления активами США в качестве ориентира для повышения собственной конкурентоспособности. Поскольку Южная Корея в этом перераспределении позиционируется как промышленный пользователь, а не как поставщик платформы, ей необходимо разработать двуединую стратегию: общую ось реагирования для защиты своей отечественной промышленной базы независимо от того, какой сценарий реализуется, и условные, отраслевые меры реагирования для таких секторов, как здравоохранение и финансы. Ключевые задачи включают реформирование систем регулирования и возмещения расходов, реализацию целевой промышленной политики и создание системы защиты на переходный период для малых и средних предприятий (МСП) и стартапов, отстающих из-за разрыва во внедрении.

I. Ситуационный анализ

Перераспределение прибыли в 4,7 трлн долларов, обусловленное ИИ: анализ победителей и проигравших в разрезе отраслей

1. Предпосылки и развитие событий

Ключевой момент в отношении суммы в 4,7 трлн долларов, представленной компанией Bain & Company, заключается в том, что она представляет собой не создание новой добавленной стоимости, а масштаб перераспределения в рамках существующего пула промышленной прибыли [4]. Диагноз компании Bain состоит в том, что это повторяет ту же модель, что и в прошлые технологические переходы, такие как эпохи ПК, интернета, мобильных устройств и облачных технологий. Согласно Bain, каждый переход сопровождался как перегретым оптимизмом, так и скептицизмом, в то время как фактический сдвиг прибыли становился заметным лишь постепенно в течение нескольких лет [4].

Материальная основа для этого перераспределения уже заложена. Банк международных расчётов (БМР) отмечает, что бум ИИ стимулирует резкий рост крупномасштабных инвестиций, финансируемых за счет заемных средств [12]. Инвестиции в инфраструктуру ИИ со стороны поставщиков облачных услуг оцениваются примерно в 7 трлн долларов [13]. Эти инвестиции привели к буму строительства центров обработки данных, при этом выручка 400 крупнейших строительных компаний США в 2025 году достигнет 671,4 млрд долларов, что на 11,8% больше [13]. Это означает, что последствия для торговой и экономической безопасности, в частности, касающиеся промышленной политики и распределения инвестиций, проявляются уже на данном этапе.

В самих Соединенных Штатах высказываются опасения, что этот инвестиционный бум искажает структуру распределения трудовых доходов. Доля труда в доходе США упала до 52,8%, самого низкого уровня с начала ведения статистики в 1947 году, в то время как корпоративная маржа достигла рекордно высокого уровня в 14,9% ВВП [5]. Хотя министр финансов Скотт Бессент и председатель ФРС Кевин Уорш надеются, что рост производительности, обусловленный ИИ, облегчит бремя государственного долга в 40 трлн долларов, местные СМИ отмечают, что статистика не подтверждает такой оптимизм [5].

2. Текущая ситуация

Темпы внедрения ИИ неоднородны в разных отраслях. Согласно исследованию венчурной компании Menlo Ventures, темпы внедрения ИИ в секторе здравоохранения США в 2,2 раза превышают средний показатель по экономике [15]. Программное обеспечение, специализирующееся на клинической документации и прецизионной медицине, такое как OpenEvidence, Abridge и Tempus AI, распространяется под руководством систем здравоохранения [15]. Однако сама отрасль здравоохранения признает, что с помощью традиционных финансовых показателей трудно в полной мере измерить затраты и выгоды от внедрения ИИ [15]. Это полностью соответствует тезису компании Bain о том, что «уровень построения доверия» определяет скорость перераспределения прибыли в каждой отрасли.

Аналогичная картина наблюдается в индустрии управления финансовыми активами. Китайское издание Caixin сообщило, что крупные американские компании по управлению активами перешли к этапу систематического внедрения ИИ во всех областях — инвестиционный анализ, формирование портфеля, обслуживание клиентов и соблюдение нормативных требований — и подробно проанализировало случай реорганизации руководства в области ИИ в компании T. Rowe Price [14]. Тот факт, что Caixin рассматривает это как прецедент для китайской индустрии управления активами, показывает, что Китай воспринимает обусловленное ИИ перераспределение в американских отраслях как ориентир для обеспечения конкурентоспособности собственной финансовой индустрии [14].

Структура корпоративных расходов на ИТ также подвергается перераспределению. IDC прогнозирует, что к 2026 году корпоративные расходы на технологии достигнут 4,25 трлн долларов, анализируя, что большая часть этого роста обусловлена ИИ [9]. В то же время другое исследование показало, что годовой регулярный доход (ARR) стартапов стал гораздо более нестабильным, чем в прошлом [9]. Это означает, что ИИ оказывает двойственный эффект: создает возможности для новых участников рынка, одновременно подрывая стабильность существующих бизнес-моделей.

Отдельный пул прибыли формируется в секторе климата и устойчивого развития. Совместное исследование Boston Consulting Group (BCG) и Temasek показало, что применение текущих возможностей ИИ в отраслях, связанных с климатом, может приносить около 600 млрд долларов годовой экономической ценности к 2028 году [1]. Бразильское издание Exame сообщило, что среди этих секторов производство считается крупнейшим потенциальным бенефициаром [1]. BCG подчеркнула, что «ИИ — это больше, чем просто инструмент повышения эффективности», сигнализируя о промышленных структурных изменениях, выходящих за рамки простой автоматизации [1].

С точки зрения Глобального Юга, существуют серьезные опасения, что выгоды от перераспределения будут распределены неравномерно. Хотя ЮНКТАД прогнозирует, что рынок ИИ вырастет в 25 раз за 10 лет и достигнет 4,8 трлн долларов к 2033 году, она также уточнила, что обеспечение равномерного распределения плодов этого роста среди развивающихся стран является ключевой частью повестки дня в области развития [6]. Местные СМИ в таких странах, как Филиппины и Кувейт, также проявляют интерес к применимости ИИ в своих отраслях, наряду с умеренным прогнозом, что ИИ скорее изменит структуру рабочих мест, чем уничтожит их [16][17].

3. Ключевые акторы и их интересы

Крупные американские технологические компании и поставщики облачных услуг являются основными инвесторами в этом перераспределении. Их стратегия заключается в том, чтобы заблаговременно занять значительную часть пула прибыли от ИИ за счет инвестиций в инфраструктуру в размере около 7 трлн долларов [13]. Как отмечает БМР, эти инвестиции финансируются за счет заемных средств, что имеет побочный эффект в виде искажения сигналов делового цикла и усложнения решений в области денежно-кредитной политики [12].

Казначейство США и Федеральная резервная система стремятся использовать рост производительности, обусловленный ИИ, для решения проблемы государственного долга, однако фактические данные показывают, что прибыль направляется в корпоративную маржу, а не на оплату труда [5]. Это означает, что перераспределение прибыли, обусловленное ИИ, может перерасти в конфликт по поводу распределения во внутренней политике США.

Финансовая индустрия и сектор управления активами Китая наблюдают за американским опытом и используют его в качестве ориентира для своей стратегии перехода на ИИ [14]. Это говорит о том, что технологическое соперничество между США и Китаем не ограничивается передовыми полупроводниками или производительностью моделей, а распространяется на разрыв в возможностях внедрения на уровне отдельных отраслей.

Участники сектора здравоохранения (больничные системы, стартапы) лидируют по скорости внедрения, но каждый из них повторяет отдельные эксперименты в отсутствие стандартизированных метрик для измерения эффективности по отношению к инвестициям [15]. Консалтинговые фирмы (Bain, BCG) диагностируют, что в условиях этой неопределенности уровень уверенности в отраслевых стратегиях построения доверия и внедрения будет определять корпоративную конкурентоспособность. Спрос на сам консалтинг становится новым источником прибыли в виде рынка консультационных услуг по переходу на ИИ [4][8].

Блок развивающихся стран во главе с ЮНКТАД сосредоточен на формировании норм, обеспечивающих, чтобы выгоды от рынка, который, по прогнозам, вырастет до 4,8 трлн долларов, не были сконцентрированы в определенных развитых странах и корпорациях [6]. Это может быть использовано в качестве основы для Глобального Юга для выражения своего мнения в дискуссиях о международных режимах регулирования.

4. Ключевые вопросы

Первый вопрос вытекает из того факта, что перераспределение прибыли является «сдвигом», а не «созданием» стоимости. Поскольку эта структура четко разделяет победителей и проигравших в отраслях, решения в области промышленной политики на национальном уровне о том, куда направить инвестиции в ИИ, напрямую связаны с вопросами торговой и экономической безопасности. Такие переменные, как зависимость от цепочек поставок полупроводников и центров обработки данных, а также степень локализации облачной инфраструктуры, будут определять долю каждой страны в перераспределенной прибыли.

Второй вопрос — это асимметрия в «скорости построения доверия» в разных отраслях. Существует значительная разница в темпах перераспределения между такими отраслями, как здравоохранение, где внедрение происходит быстро, но системы оценки эффективности неадекватны, и такими отраслями, как финансы, где структуры соблюдения нормативных требований и управления рисками уже созданы. Это означает, что то, насколько быстро страна сможет создать инфраструктуру доверия к ИИ в своей отечественной промышленности (например, управление данными, стандартизированные метрики эффективности), становится переменной в ее национальной конкурентоспособности.

Третий вопрос — это политика распределения. Как видно на примере США, если тенденция, при которой выгоды от производительности ИИ направляются в корпоративную маржу, а не в трудовые доходы, сохранится, это может привести к внутриполитической негативной реакции и протекционистскому давлению. С точки зрения средней державы, ограничения, которые этот конфликт по поводу распределения может наложить на ее собственный рынок труда и разработку промышленной политики, являются ощутимой политической переменной.

Четвертый вопрос — это опасения по поводу исключения Глобального Юга. Если перераспределение пула прибыли от ИИ будет происходить с упором на крупные платформы и капитал из развитых стран, развивающиеся страны рискуют остаться теми, кто принимает правила, а не бенефициарами перераспределения. В этом контексте аргументы о справедливости, выдвигаемые ЮНКТАД, могут послужить обоснованием, которое средние державы смогут использовать в будущих международных переговорах по управлению ИИ.

II. Углубленный анализ

Перераспределение прибыли в 4,7 трлн долларов, обусловленное ИИ: углубленный анализ

1. Анализ первопричин

Первопричина перераспределения в 4,7 трлн долларов заключается не в новой добавленной стоимости, создаваемой ИИ. Скорее, она кроется в перераспределении существующего пула прибыли [4]. Bain определяет это как имеющее ту же структуру, что и прошлые технологические переходы, такие как эпохи ПК, интернета, мобильных устройств и облачных технологий [4]. Диагноз компании Bain состоит в том, что каждый переходный период сопровождался как перегретым оптимизмом, так и скептицизмом [4]. Общей чертой является то, что фактический сдвиг прибыли происходил постепенно и неравномерно [4].

Физическим драйвером, запускающим это перераспределение, является масштаб и скорость капиталовложений. Банк международных расчётов (БМР) анализирует, что бум ИИ стимулирует резкий рост крупномасштабных инвестиций, финансируемых за счет заемных средств [12]. Капитал, вложенный поставщиками облачных услуг в создание инфраструктуры ИИ, оценивается примерно в 7 трлн долларов [13]. Когда капитал такого масштаба сконцентрирован на определенной технологической траектории, сам метод его распределения становится основной переменной, определяющей победителей и проигравших в разных отраслях. IDC прогнозирует, что к 2026 году корпоративные расходы на технологии достигнут 4,25 трлн долларов, заявляя, что большая часть этого роста будет обусловлена ИИ [9]. Это означает, что направление расходов уже сильно смещено в сторону определенного сектора.

Кроме того, действует вторая фундаментальная переменная: «скорость построения доверия» в каждой отрасли. В таких отраслях, как здравоохранение, где цена ошибочного диагноза или суждения высока, возникает двойственная модель: быстрое внедрение ИИ сочетается с отложенной оценкой эффективности [15]. Согласно венчурной компании Menlo Ventures, темпы внедрения ИИ в секторе здравоохранения США в 2,2 раза превышают средний показатель по экономике [15]. Однако сама отрасль признает, что традиционные финансовые показатели не могут полностью отразить затраты и выгоды от внедрения ИИ [15]. Разрыв между скоростью внедрения и скоростью подтверждения доверия является фундаментальным механизмом, создающим временной лаг в перераспределении прибыли.

2. Структурный контекст

Экономическая структура: искажение в распределении между капиталом и трудом

В экономике США есть явные признаки того, что инвестиционный бум в ИИ уже искажает распределение доходов между капиталом и трудом. Доля труда в доходе США упала до 52,8%, самого низкого уровня с начала ведения статистики в 1947 году [5]. И наоборот, корпоративная маржа достигла рекордно высокого уровня в 14,9% ВВП [5]. Министр финансов Скотт Бессент и председатель ФРС Кевин Уорш надеются, что рост производительности, обусловленный ИИ, облегчит бремя государственного долга в 40 трлн долларов [5]. Однако местное издание The News International отмечает, что статистические данные, подтверждающие этот оптимизм, слабы [5]. Это говорит о том, что перераспределение прибыли в 4,7 трлн долларов является не просто горизонтальным сдвигом между отраслями, но и происходит одновременно по вертикальной оси капитала и труда. С точки зрения торговой и экономической безопасности, это искажение в распределении доходов может действовать как фактор, увеличивающий политическую нагрузку на национальную промышленную и социальную политику.

Политическая структура: национальный бенчмаркинг и конкурентное позиционирование

Финансовая индустрия Китая открыто использует переход на ИИ в секторе управления активами США в качестве ориентира. Caixin оценил, что крупные американские компании по управлению активами вошли в стадию систематического внедрения ИИ во всех областях — инвестиционный анализ, формирование портфеля и соблюдение нормативных требований — и подробно проанализировал случай реорганизации руководства в области ИИ в компании T. Rowe Price, представив его как «точку отсчета для китайских институтов по управлению активами» [14]. Это показывает, что перераспределение промышленной прибыли переходит от конкуренции на уровне отдельных фирм к стратегии обеспечения конкурентоспособности национальной финансовой индустрии. Это напрямую связано с проблемной областью межгосударственной конкуренции за ИИ. Однако этот случай показывает не столько прямое противостояние государство-государство, сколько модель, при которой преимущества, накопленные на уровне отдельных отраслей и фирм, ретроактивно реконструируются в дискурс о национальной конкурентоспособности.

Структура безопасности: инвестиции в инфраструктуру и риски в цепочках поставок

Бум строительства центров обработки данных, который составляет материальную основу перераспределения прибыли от ИИ, уже вызывает структурные изменения в реальном секторе экономики. Вследствие резкого роста спроса на производство электроэнергии и инфраструктуру, выручка 400 крупнейших строительных компаний США в 2025 году достигла 671,4 млрд долларов, что на 11,8% больше [13]. Однако отрасль обеспокоена разрывом, при котором строительные мощности, включая развитие рабочей силы, не поспевают за этим спросом [13]. Это показывает, что промышленное перераспределение, обусловленное ИИ, переплетено с многочисленными узкими местами в цепочках поставок, в том числе в полупроводниках, электросетях и строительной рабочей силе. Это создает структуру, в которой риски, связанные с критически важными минералами и цепочками поставок, обычно рассматриваемые в сфере торговой и экономической безопасности, распространяются по всему реальному сектору экономики через канал инвестиций в инфраструктуру ИИ.

3. Исторические прецеденты и сравнение с аналогичными случаями

Сама аналитическая основа компании Bain основана на сравнении с прошлыми технологическими переходами. Все четыре перехода — ПК, интернет, мобильные устройства и облачные технологии — имеют общую модель: первоначально они встречали как «перегретый оптимизм», так и «скептицизм, указывающий на отсутствие доказательств», в то время как фактический сдвиг прибыли подтверждался лишь постепенно в течение нескольких лет [4]. Нынешний переход на ИИ отличается скоростью перераспределения и масштабом капиталовложений. Масштаб в 7 трлн долларов, инвестируемых только в облачную инфраструктуру, является уровнем, невиданным ни в один из предыдущих периодов технологических переходов [13].

В секторе климата и устойчивого развития начальная траектория перераспределения прибыли уже наблюдается в конкретных цифрах. Согласно совместному исследованию Boston Consulting Group (BCG) и Temasek, применение текущих возможностей ИИ в секторе климата и устойчивого развития может приносить мировой экономике около 600 млрд долларов в год к 2028 году [1]. Среди них промышленный сектор, как было установлено, имеет наибольший потенциальный выигрыш от применения ИИ [1]. Это является доказательством того, что цифра перераспределения прибыли в 4,7 трлн долларов, представленная компанией Bain, уже начинает количественно подтверждаться в определенных секторах.

Сравнение с прошлыми технологическими переходами также справедливо в отношении перераспределения на рынке труда. По оценкам Всемирного экономического форума, к 2030 году ожидается сокращение около 92 миллионов рабочих мест по всему миру, в то время как будет создано 170 миллионов новых типов рабочих мест [11]. Местный консультант в Кувейте диагностирует, что ИИ, скорее всего, будет действовать путем изменения состава должностных обязанностей, а не уничтожения целых профессий [17]. Однако также высказывается предостережение, что компании, использующие ИИ в основном для сокращения рабочей силы, рискуют потерять накопленные организационные ноу-хау и ослабить конвейер подготовки следующего поколения профессиональных кадров [17]. Аналогичные опасения неоднократно высказывались во время прошлых переходов к информационным технологиям и автоматизации, но этот переход отличается тем, что он включает сектор умственного труда «белых воротничков» в качестве цели для перераспределения.

4. Ключевые переменные, определяющие будущее развитие

Первая переменная, определяющая направление перераспределения прибыли, — это скорость «построения доверия» в каждой отрасли. Как подтверждено на примере здравоохранения, быстрые темпы внедрения ИИ не означают, что его эффективность будет немедленно доказана в финансовых показателях [15]. В отраслях, где построение доверия задерживается, перераспределение прибыли также, вероятно, будет отложено.

Вторая переменная — это возможность ошибочного суждения со стороны макроэкономических политиков. БМР отмечает, что, одновременно влияя как на спрос, так и на предложение, ИИ искажает сигналы делового цикла и усложняет решения центральных банков в области денежно-кредитной политики [12]. Основная оценка БМР заключается в том, что эффекты производительности ИИ на самом деле неопределенны и неравномерны по секторам и странам [12]. Если произойдет ошибка в денежно-кредитной политике, существует риск, что сам бум инвестиций в ИИ, финансируемый за счет заемных средств, может подвергнуться резкой коррекции.

Третья переменная — это то, станет ли конфликт по поводу распределения между капиталом и трудом политизированным. Статистические данные, показывающие снижение доли труда в доходе США и рекордно высокую корпоративную маржу, уже становятся политической проблемой [5]. Если этот конфликт обострится, национальные правительства могут вмешаться с помощью промышленной политики и налоговых мер для перераспределения прибыли, обусловленной ИИ, что станет переменной, которая политически скорректирует сам путь перераспределения промышленной прибыли.

Четвертая переменная — это темпы межнационального бенчмаркинга и догоняющего развития. Тот факт, что индустрия управления активами Китая тщательно анализирует американский опыт для формулирования догоняющей стратегии [14], говорит о том, что перераспределение промышленной прибыли не будет ограничиваться корпоративной конкуренцией в одной стране, а может перерасти в разрыв в промышленной конкурентоспособности между странами. С точки зрения средней державы, это означает, что задержка в переходе на ИИ в определенной отрасли может напрямую привести к потере конкурентоспособности на национальном уровне. Поэтому то, как поддерживать скорость построения доверия в отдельных отраслях на национальном уровне, как ожидается, станет ключевой переменной для будущих политических мер реагирования.