Чем лучше ИИ, тем меньше его доля в экономике – Alex Imas and Phil Trammell

Коротко

Алекс Имас и Фил Траммелл утверждают, что центральный вопрос экономики ИИ — не прогноз («что будет с занятостью»), а сценарное моделирование: задаёшь исход (labor share → 0 или остаётся высокой) и выясняешь, какое измерение дефицита его порождает. Их ключевой парадокс: чем лучше ИИ, тем меньше может стать доля человеческой экономики, потому что машинный сектор плодит бесконечное разнообразие товаров (von Neumann probes, дата-центры), а спрос на «человеческое» (relational sector) насыщается и в долях падает до нуля — даже если в абсолюте остаётся. Они показывают, что «messy middle» (массовые увольнения без роста пирога) и сценарий отрицательного роста от Citrini требуют почти невозможных условий, потому что при сингулярности падает цена капитальных благ и растёт процентная ставка. Главный практический совет бедным странам и уволенным — не переобучение и не «постройте дата-центр», а индексировать экономику AGI (купить индекс), при условии что ИИ окажется как электричество, а не как соцсети. И сквозной рефрен Имаса: у нас просто нет данных — нужен «Манхэттенский проект для данных» об эластичности спроса и о том, готовы ли люди доплачивать за человека в цепочке.

Главный тезис

Экономисты системно проваливают прогнозы об автоматизации (Рикардо был прав про автоматизацию конкретных работ и полностью неправ про итог), поэтому надо не угадывать будущее, а перечислять сценарии и выводить, какое измерение дефицита — и какие недостающие данные — за каждым стоит; при этом самый недооценённый механизм в том, что улучшение ИИ может сжать долю человеческой экономики из-за насыщения спроса на человеческое при безграничном разнообразии машинного.

Ключевые идеи

• 0:44 — relational sector: блага, где сам факт участия человека в петле является частью ценности продукта; люди дефицитны от природы, поэтому остаточный дефицит концентрируется там.
• 3:02 — экономисты катастрофически плохи в прогнозах; вместо индивидуальных прогнозов нужны prediction markets и wisdom of the crowd.
• 3:54 — Рикардо был прав, что все доходные работы его времени автоматизируют, но проспал, что освободившиеся деньги уйдут в услуги (lump of labor fallacy) и занятость достигнет максимума.
• 5:40 — нет данных: ни об эластичности потребительского спроса, ни о создании/уничтожении рабочих мест (база O-Net устарела и низкого качества); нужен «Манхэттенский проект для данных».
• 6:46 — labor share ~60% держится стабильно столетиями; это настолько удивительно, что некоторые подозревают учётную ошибку (Kaldor fact).
• 8:22 — по network-adjusted меркам ничто ещё не автоматизировано полностью: труд добавляет ценность вниз по цепочке поставок (электроника в США — ~50% капитала, не 100%).
• 9:43 — если автоматизировать всё «не-балерин», количество уходит в бесконечность, но предельная полезность падает быстрее, чем растёт количество, и доля сектора всё равно стремится к нулю.
• 12:33 — аналогия с монгольскими экономистами 1400 года: они решили бы, что насытятся юртами и йогуртом и будут тратить всё на певцов; ошиблись, потому что разнообразие не-певцов выросло, а доля певцов осталась ничтожной.
• 15:14 — пессимистичная формулировка закона Мура: каждые 18 месяцев ценность вычислений падает вдвое, потому что мы быстро исчерпываем применения; с ИИ это, возможно, впервые перестаёт быть верным.
• 15:32 — H100 дороже в аренду, чем три года назад: с ростом ума моделей растёт альтернативная стоимость компьюта (increasing variety спроса на капитал).
• 10:10 — task-based model: работа = набор задач; автоматизируешь большинство, и если потребитель доплачивает за человека в одной оставшейся задаче (диагноз врача) — это relational job.
• 17:27 — эксперимент с арт-принтом: за человеческое произведение платят дороже, и цена падает при тираже 500 (теряется «связь с художником»), а у ИИ-версии разницы нет — ИИ уже воспринимается как commodity.
• 18:09 — вся relational-история держится на том, что человек — не лошадь: замена человека снижает ценность выхода, а не просто меняет взаимозаменяемый вход.
• 22:10 — 2–3% рост безработицы меняет политические ветры и превращается в нацчрезвычайную ситуацию (как фискальный ответ на COVID), если происходит быстро.
• 22:10 — худший сценарий — «drip»: не массовая безработица, а переток в низкооплачиваемые сектора (как телефонистки 1920–40: автоматизация заняла 20 лет, людей реабсорбировали на меньших зарплатах).
• 37:25 — отрицательный рост от ИИ требует жёстко ограниченного спроса богатых + отказа реинвестировать; при сингулярности не строить дата-центры — абсурд, поэтому сценарий рецессии Citrini неправдоподобен.
• 1:09:17 — главный совет: не переобучение, а купить индекс AGI; работает, если ИИ как электричество (выгода у пользователей), а не как соцсети (рента у платформы).

Почему это важно

Это спор о том, кому достанется богатство пост-AGI мира за $100+ трлн: владельцам капитала или людям через зарплаты и долю. Игроки названы прямо — Google DeepMind и EPOC/Stanford как площадки авторов, лабы (Anthropic, OpenAI) как кандидаты на концентрацию ренты, Nvidia/H100, SK Hynix, TSMC, ASML как узкие места железа, и государства вне цепочки (Индия, Нигерия), которым грозит остаться без consumer market. Ставка для богатых стран — устроить ли UBI, negative income tax, universal basic capital или wealth tax так, чтобы это было политически устойчиво и не отдало граждан на милость избранных чиновников. Для лабов вопрос коммодитизации — это одновременно вопрос широкого распределения выгод, безопасности (tech race dynamics) и политической уязвимости (угроза Defense Production Act против Anthropic).

Идеи

• Прогноз отдельного экономиста почти бесполезен; ценность — в агрегированном прогнозе рынка предсказаний.
• Свежий блогпост (Фредкин, ДеБерри, Ко) показал тотальное несогласие экономистов о рынке труда «во всех направлениях» — аргумент в пользу crowd-методов.
• Можно работать «задом наперёд»: постулируешь labor share = 0 и пишешь модель, что должно было произойти, чтобы это случилось.
• Цель сценарного анализа — не предсказать, а понять, какие данные собирать под каждый исход.
• Учётные изменения за 30–40 лет искажают labor share; Аткинсон показал, что при постоянном учёте она вообще не падала.
• Капитал и труд — комплементы: если для любого дела нужны оба, логично платить обоим, и доля держится.
• Качественный сдвиг впереди: появятся блага, у которых network-adjusted capital share уйдёт к 100%, потому что вся цепочка автоматизирована и нигде не нужен человек.
• Влияние этого сдвига на общую capital share неоднозначно из-за насыщения.
• Conjoint-анализ willingness-to-pay за человека в петле — конкретный недостающий замер, без которого нельзя классифицировать relational jobs.
• Многих благ ещё не существует (лекарство, делающее здоровее) — данные о спросе на них собрать сейчас невозможно в принципе.
• Растущее разнообразие капитала спасает от насыщения: пока появляются новые виды товаров, доход не утекает целиком в человеческий сектор.
• Чад Джонс: доля экономики, идущая на оплату транзисторов/компьюта, исторически снижалась.
• Pareto-improvement тривиально возможен (сэкономленные деньги существуют в экономике), но есть allocative inefficiency — государство не знает, кого именно уволил ИИ.
• Политическая проблема: устойчиво ли платить уволенному из Meta инженеру $200K, когда работающие получают меньше.
• O-ring/O-ring automation (Gans & Goldfarb): если автоматизировать 9/10 задач, но хуже по качеству — не станешь автоматизировать вовсе; симметрично — человека выкинут, если он тянет вниз качество/скорость ИИ-конвейера.
• Будущие производственные потоки будут организованы под ИИ-труд («говорят на neuralese», думают в тысячи раз быстрее) — интегрировать человека дорого из-за transaction costs.
• Регуляторика (лицензии, судьи, присяжные) держит профессии человеческими по причинам, не связанным со способностями; Траммелл считает это переходным.
• Эволюционный отбор будет благоприятствовать фирмам/агентам, которые растут и не насыщаются в потреблении капитала.
• У человека, не насыщающегося в капитале, выше норма сбережений → в долгом счёте у него большая часть богатства → общая capital share = его доля капитала ≈ почти вся.
• Цукерберг мог бы превратить акции Meta в дивиденды и потреблять, но предпочитает компаундить и строить дата-центры — «ник-ландианское» предпочтение ускорять капитал.
• Маск говорит о mass drivers на Луне — пример богатейшего человека, не насыщающегося в капитале, который вдобавок быстро размножается.
• Эволюционный аргумент за сохранение человеческих предпочтений: «моральная эмоция» против оффлоадинга соцвзаимодействий ИИ коррелирует с репродукцией (Хайдт, Райх о продолжающемся естественном отборе).
• «Investment-specific technical change»: цена капитальных благ падает относительно потребительских быстрее, чем растёт капитальный запас — то, что большинство макромоделей игнорируют.
• В единицах роботов процентная ставка может быть 10 000%, но цена роботов падает, и реальная ставка в потребительских благах — другая.
• Дотком/индекс-аргумент: Рокфеллеры не владеют всем, потому что до индекс-фондов было физически трудно «проиндексировать экономику».
• Возможно, было короткое «золотое окно» от появления индекс-фондов до ~5 лет назад, когда индексирование реально работало; сейчас рост ушёл в концентрированные частные компании.
• Дом — капитал, уникально плохо подходящий как комплемент к производству ИИ; Georgist land tax не соберёт достаточно для обсуждаемых программ.
• Эффект leapfrogging в развивающихся странах (мобильный банкинг в Нигерии распространённее, чем в Германии) — теоретический шанс перескочить ступень.
• von Neumann probe — реальный пример предельно «жадного» оптимизатора с высокой предельной ценностью каждой солнечной системы; но как он попадает в GDP — вопрос учёта.

Инсайты

• Архитектура «прогноз» в принципе неподходящий инструмент для радикальной неопределённости — продуктивнее обратная задача: от желаемого исхода к необходимым условиям и недостающим данным.
• Дефицит — это не свойство товара, а свойство предпочтений: ценность утекает туда, где спрос не насыщается, а не туда, где «нужен человек».
• Доля сектора и абсолютный объём сектора движутся в разные стороны: можно получить сколько угодно «человеческого» и при этом нулевую labor share.
• Технологический прогресс исторически не сжимал долю труда не потому, что труд незаменим, а потому что разнообразие новых благ опережало насыщение — это эмпирическая удача, а не закон.
• Jevons paradox не универсален: рост потребления при удешевлении возникает только при высокой эластичности спроса, иначе долю съедает насыщение (инсулин, еда, нефть в краткосроке).
• Опасность «messy middle» — не в нехватке богатства, а в политэкономии: распределение технологически тривиально, политически — нет.
• Отрицательный рост при изобилии почти невозможен: депрессия — это незастывший фронтир, а ИИ-мир расширяет фронтир, и для рецессии нужен коллапс и спроса, и инвестиций одновременно.
• Концентрация богатства самоусиливается через дифференциал нормы сбережений: достаточно нескольких ненасыщающихся агентов, чтобы их предпочтения определили всю экономику.
• Историческое рассеяние богатства (наследники-транжиры, фонды, смерть) — не закон природы, а артефакт смертности; долгая жизнь снимает главный тормоз концентрации.
• Относительные цены, а не агрегированный «output», определяют распределение в мире, где капитал дешевеет быстрее потребления — стандартная макро-абстракция здесь ломается.
• Доступ к выгодам технологии определяется тем, кому достаётся рента — пользователю (электричество) или платформе (соцсети); это, а не мощность технологии, решает, будет ли процветание широким.
• Индексируемость — скрытая инфраструктура справедливости: способность обычного человека и бедной страны «прицепиться» к росту зависит от ликвидности и публичности активов, а не от их труда.
• Коммодитизация фронтира и безопасность не обязательно в трейд-оффе: можно иметь разрыв лидера и отстающих при публичном, широко распределённом владении.
• Нарратив асимметричен: потерю существующего вообразить легче, чем выгоду несуществующего, поэтому пессимизм про ИИ структурно громче оптимизма.

Фреймворки

• Два сценария исхода labor share (метод «работай назад от исхода»): (1) полная занятость → объясняется relational sector; (2) коллапс labor share → объясняется насыщением + растущим разнообразием капитала. Под каждый исход — свой набор данных для сбора.
• Task-based / O-ring model работы: работа = набор задач. (а) автоматизируешь 9/10, человек концентрируется на оставшейся → при эластичном спросе рост найма; (б) O-ring (Gans–Goldfarb): если оставшиеся задачи делаются хуже по качеству, не автоматизируешь вовсе — и симметрично выкидываешь человека, если он тянет качество вниз.
• Четыре инструмента редистрибуции с разными издержками и таймингами: negative income tax (работает в день принятия закона, но floor уязвим к смене власти), UBI (политэкономический риск зависимости от чека), universal basic capital (нормальное акционерство, но проблема таргетинга/индексирования), wealth tax (нет устойчивого равновесия на низкой ставке — эскалирует, как подоходный налог). Отдельно: разделять, как собирают доход (consumption/VAT, externalities, land) и как распределяют (раздача акций — предложение Дэвида Аутора, аналог приватизации Social Security).
• «Электричество vs соцсети» как развилка для распределения ренты ИИ: если как электричество — выгода у пользователей, всё индексируется через S&P; если как соцсети — рента у платформы, индексирование не спасает.

Цитаты

«because humans are naturally scarce, if we have automation where a lot of other things stop being scarce, we will still have scarcity in things that humans are kind of involved in» — 0:53 поскольку люди дефицитны от природы, при автоматизации, когда многое перестаёт быть дефицитным, дефицит останется в том, во что вовлечены люди

«we have been famously terrible at forecasting» — 3:02 мы общеизвестно ужасны в прогнозировании

«If you look at all those jobs that made money in Ricardo's time, they got automated.» — 3:54 Если посмотреть на все доходные работы времён Рикардо — они были автоматизированы.

«I've been kind of saying we need a Manhattan project for data.» — 5:42 Я повторяю, что нам нужен Манхэттенский проект для данных.

«the marginal utility in that stuff goes to zero faster than the quantities rising» — 9:43 предельная полезность этого падает к нулю быстрее, чем растёт количество

«I like the pessimistic framing of Moore's law is every 18 months, the value of computation halves.» — 15:14 Мне нравится пессимистичная формулировка закона Мура: каждые 18 месяцев ценность вычислений падает вдвое.

«an H100 costs more to rent now than it did three years ago, even though we have much superior technology» — 15:32 H100 сейчас дороже в аренду, чем три года назад, хотя технология намного превосходящая

«a human is not a horse in the sense that it is providing value from the output, where if you replace the human, the value of the output decreases» — 18:09 человек — не лошадь в том смысле, что он даёт ценность самому выходу: заменишь человека — ценность выхода падает

«If there's a 2% increase in unemployment, the political winds completely change.» — 22:10 При росте безработицы на 2% политические ветры полностью меняются.

«in some ways one of the worst scenarios is a drip scenario because of the political economy piece» — 22:10 в каком-то смысле один из худших сценариев — «капельный», из-за политэкономической составляющей

«right now we have we don't really have any evidence of a white collar bloodbath» — 32:16 прямо сейчас у нас нет никаких доказательств бойни белых воротничков

«the firm might be actually worse off after the layoffs than before the layoffs» — 31:55 фирма может оказаться в худшем положении после увольнений, чем до них

«for abundance to generate negative economic growth. That's really hard to get.» — 37:58 чтобы изобилие породило отрицательный рост — этого добиться очень трудно

«we are now at the mercy of the elected official for like basic needs» — 27:10 мы оказываемся во власти избранного чиновника в части базовых нужд

«there's no anti-electricity people out there» — 1:13:21 не бывает людей против электричества

«it's more difficult to imagine something that doesn't exist that's a good thing than losing something that exists» — 1:13:51 труднее вообразить хорошее, чего ещё нет, чем потерю того, что уже есть

«Nigeria just needs to buy the index» — 1:09:51 Нигерии нужно просто купить индекс

«one robot now turns into many robots next year, but the number of value is the same» — 53:42 один робот сейчас превращается в много роботов в следующем году, но величина ценности та же

«every question is connected to every other» — 1:08:39 каждый вопрос связан со всеми остальными

«for safety purposes you might want fewer frontier companies so that each one has a buffer» — 1:14:14 ради безопасности можно хотеть меньше фронтир-компаний, чтобы у каждой был буфер

Факты

• Алекс Имас — Director of AGI Economics в Google DeepMind и профессор экономики Чикагского университета.
• Фил Траммелл — Head of Economics в EPOC и Research Scholar в Стэнфорде; ведущий — Dwarkesh Patel.
• Labor share держится на уровне ~60% экономики на протяжении многих сотен лет; остальное (~30–40%) — капиталу (Kaldor fact).
• Network-adjusted capital share для компьютеров и электроники в США ~50%, не 100%.
• Prime-age employment rate в 2026 — второй пик в истории после пика 2000 года (со слов спикера).
• Телефонистки в США были полностью автоматизированы между 1920 и 1940, но процесс занял ~20 лет, несмотря на наличие технологии; есть QJE-статья о реабсорбции их на меньших зарплатах (underemployed).
• H100 дороже в аренду сейчас, чем три года назад, несмотря на превосходящие технологии.
• Блогпост Фредкина, ДеБерри и Ко (вышел «вчера») зафиксировал тотальное несогласие экономистов о рынке труда.
• Энди Аткинсон — статья: при постоянном учёте labor share вообще не падала.
• Чад Джонс — результат о снижении доли экономики, идущей на оплату компьюта/транзисторов.
• Budget Lab в Йеле выпустил отчёт: даже в софт-инжиниринге «надо сильно щуриться», чтобы увидеть автоматизацию; есть слабый сигнал по найму junior-разработчиков (рост ниже тренда, но не падение уровня), при этом спрос на senior-инженеров скорее растёт.
• Спикер ссылается на эссе Molly Kinder про «messy middle», блогпост Andy Hall о политике AGI, прогноз Citrini о рецессии от автоматизации, и Andrew Koh / David Reich (последний — про продолжающийся естественный отбор).
• Маржинальная ставка подоходного налога в США ~40%, в отдельных штатах — свыше 50%; спикер хеджирует («probably on the order of»).
• Менее 20% рыночной капитализации не-крошечных компаний США — частные (т.е. индексирование пока «не так уж сложно»).
• Упомянута реальная угроза применения Defense Production Act против Anthropic как пример политической уязвимости концентрированных лабов.

Источники

• Люди/исследователи: David Ricardo, Chad Jones, Andy Atkinson (Atkeson), Molly Kinder, Andy Hall, Citrini, David Autor, David Reich, Jonathan Haidt, Rousseau, St. Augustine, Nick Bostrom (astronomical waste), John von Neumann (von Neumann probe), Andre Fredkin / Brian DeBerry / Andrew Koh, Gans & Goldfarb, Elon Musk, Mark Zuckerberg.
• Концепции/модели: lump of labor fallacy, Kaldor facts, task-based model, O-ring theory, Jevons paradox, network-adjusted factor shares, investment-specific technical change, universal basic capital, negative income tax, UBI, Georgist land tax, multimodal data transfer hypothesis.
• Организации/проекты: Google DeepMind, EPOC, Budget Lab (Yale), Anthropic, OpenAI, SK Hynix, TSMC, ASML, ComEd/Commonwealth Edison, S&P 500.
• Спонсорские вставки (не часть содержательной беседы): Jane Street (apprenticeship/boot camps), Google Gemini Omni / Flow, Cursor Composer 2.5 (Sasha Rush, RL credit assignment).

Итог

Чем мощнее ИИ, тем вероятнее, что доля человеческой экономики сожмётся — не из-за катастрофы, а из-за насыщения спроса на человеческое при бесконечном разнообразии машинного; поэтому вопрос не «выживут ли рабочие места», а «успеет ли кто-нибудь проиндексировать AGI до того, как рента сконцентрируется».