Финансово-экономические последствия распространения искусственного интеллекта как технологии широкого применения

Актуальность статьи обоснована возрастающим вниманием государства и корпораций к технологиям искусственного интеллекта, выражающемся в формировании стратегий и росте инвестиций в технологию. Цель статьи — исследование широкого применения технологии искусственного интеллекта, особенностей ее распространения и подходов к оценке и моделированию ее влияния на производство, финансы организации и экономику. Использованы методы качественного анализа искусственного интеллекта по классификации технологий широкого применения, регрессионного анализа факторов производства фирмы. Автором проанализированы данные 21 публичной российской компании в индустрии добычи углеводородов, горной добычи и производства металла за 2014–2018 гг. Предложена модель оценки влияния технологии искусственного интеллекта на производство, финансы организации и экономику. По результатам корреляционного анализа доказано, что капитальные расходы и рыночная стоимость компаний имеют тесную связь. Выявлена низкая производительность активов российских компаний. На каждый вложенный в активы фирмы рубль инвестор рассчитывает получить 28 копеек, тогда как на зарубежных рынках наблюдается соотношение один к одному. Исследование позволило наблюдать цикличность изменения производительности факторов фирмы. Сигналы распространения технологий широкого применения на наблюдаемом временном интервале не были выявлены. Сделан вывод, что искусственный интеллект можно качественно классифицировать как технологию широкого применения, однако эмпирически наблюдать экономический эффект распространения технологии на данном этапе не удается. Модель, предложенная в исследовании, может применяться для изучения влияния искусственного интеллекта на финансы фирмы и экономику. Возможные последствия монополизации рынков ввиду распространения технологий искусственного интеллекта позволяют выдвинуть аргумент в пользу государственного регулирования процесса адаптации технологии бизнесом.

технологии широко применения, искусственный интеллект, парадокс Солоу, J-кривая, анализ факторов производства, финансово-экономический анализ

1. Bresnahan T. F., Trajtenberg M. General purpose technologies “Engines of growth”? Journal of Econometrics. 1995;65(1):83–108. DOI: 10.1016/0304–4076(94)01598-T

2. Lipsey R. G., Carlaw K. I., Bekar C. T. Economic transformations: General purpose technologies and long-term economic growth. Oxford, New York: Oxford University Press; 2006. 624 p.

3. Muro M., Andes S. Robots seem to be improving productivity, not costing jobs. Harvard Business Review. June 16, 2015. URL: https://hbr.org/2015/06/robots-seem-to-be-improving-productivity-not-costingjobs

4. Bergeaud A., Cette G., Lecat R. Productivity trends in advanced countries between 1890 and 2012. The Review of Income and Wealth. 2016;62(3):420–444. DOI: 10.1111/roiw.12185

5. Van Zanden J. L., van Leeuwen B. The character of growth before ‘modern economic growth’. The GDP of Holland between 1347 and 1807. Centre for Global Economic History. Utrecht University. CGEH Working Paper. 2011;(4). URL: https://warwick.ac.uk/fac/soc/economics/seminars/seminars/conferences/venice3/programme/hollandvenice12march2011.pdf

6. Kelnar D., Kostadinov A. The state of AI 2019: Divergence. London: MMC Ventures; 2019. 151 p. URL: https://www.mmcventures.com/wp-content/uploads/2019/02/The-State-of-AI-2019-Divergence.pdf

7. Agrawal A., Gans J., Goldfarb A. Prediction machines: The simple economics of artificial intelligence. Boston, MA: Harvard Business Review Press; 2018. 272 p.

8. Gardner H. et al. The theory of multiple intelligences. In: Sternberg R. J., Kaufman S. B., eds. Cambridge handbook of intelligence. Cambridge, New York: Cambridge University Press; 2011:485–503.

9. Solow R. We’d better watch out. New York Times Book Review. New York Times. 1987;(July12):36. URL: http://www.standupeconomist.com/pdf/misc/solow-computer-productivity.pdf

10. Syverson C. Why hasn’t technology sped up productivity? Chicago Booth Review. Feb. 05, 2018. URL: http://review.chicagobooth.edu/economics/2018/article/why-hasn-t-technology-sped-productivity

11. Gordon R. J. Is U. S. economic growth over? Faltering innovation confronts the six headwinds. NBER Working Paper. 2012;(18315). URL: https://www.nber.org/papers/w18315.pdf

12. Autor D., Dorn D., Katz L. F., Patterson C., Reenen J. V. The fall of the labor share and the rise of superstar firms. NBER Working Paper. 2017;(23396). URL: https://www.nber.org/papers/w23396.pdf

13. Цветкова Л. А. Технологии искусственного интеллекта как фактор цифровизации экономики России и мира. Экономика науки. 2017;3(2):126–144.

14. Dutton T. An overview of national AI strategies. Medium. Politics + AI. June 28, 2018. URL: https://medium.com/politics-ai/an-overview-of-national-ai-strategies-2a70ec6edfd

15. Brynjolfsson E., Rock D., Syverson C. The productivity J-curve: How intangibles complement General Purpose Technologies. NBER Working Paper. 2018;(25148). URL: https://economics.stanford.edu/sites/g/files/sbiybj9386/f/brynrocksyv_j-curve_final.pdf

16. Feenstra R., Taylor A. International macroeconomics. 3 rd ed. New York: Worth Publishers; 2014. 576 p.

17. Ison S., Wall S. Economics. 4 th ed. Harlow: Pearson Education Ltd; 2007. 564 p.

18. Easterbrook F. H. Limits of antitrust. Texas Law Review. 1984;63(1):1–40. URL: https://chicagounbound.uchicago.edu/cgi/viewcontent.cgi?article=2152&context=journal_articles

19. Дуненкова Е. Н. Искусственный интеллект как фактор развития производства старопромышленных регионов. Мат. II Междунар. науч. форума «Шаг в будущее: Искусственный интеллект и цифровая экономика. Революция в управлении: новая цифровая экономика или новый мир машин». М.: Изд. дом ГУУ; 2018:169–176.

20. Кораблев А. Ю., Булатов Р. Б. Машинное обучение в бизнесе. Азимут научных исследований: экономика и управление. 2018;7(2):68–72.

21. Синева Н. Л., Вагин Д. Ю., Лебедева О. А., Туманова А. О., Оленина Л. А. Инновационно-технологическое развитие и искусственный интеллект. Инновационная экономика: перспективы развития и совершенствования. 2019;(2):397–404.

22. Королев О. Л., Апатова Н. В., Круликовский А. П. «Большие данные» как фактор изменения процессов принятия решений в экономике. Научно-технические ведомости Санкт-Петербургского государственного политехнического университета. Экономические науки. 2017;10(4):31–38. DOI:10.18721/JE.10403

23. Понкин И. В., Редькина А. И. Искусственный интеллект с точки зрения права. Вестник Российского университета дружбы народов. Серия: Юридические науки. 2018;22(1):91–109. DOI: 10.22363/23132337–2018–22–1–91–109

24. Lucas R. E., Jr. Adjustment costs and the theory of supply. Journal of Political Economy. 1967;75(4,Pt. 1):321–334. URL: https://pdfs.semanticscholar.org/608b/2f6c950c7f2d841e016f4ea53b850fd9cbd5.pdf