С 1980 по 2016 год американские фирмы вкладывали реальный капитал в автоматизацию работников, получавших самые высокие ренты — координаторов, ревизоров, аналитиков среднего звена, чья оплата превышала их предельный продукт — и теряли от 60 до 90 процентов прироста производительности, который автоматизация принесла бы иначе. Это центральный показатель статьи Daron Acemoglu и Pascual Restrepo в Quarterly Journal of Economics, Automation and Rent Dissipation: Implications for Wages, Inequality, and Productivity, опубликованной в выпуске за май 2026 года (т. 141, вып. 2, с. 1521) (Acemoglu & Restrepo, QJE, 2026). В той же статье 52 процента роста неравенства доходов в США за период приписываются этой неверной аллокации, причём около 10 процентных пунктов — конкретно замещению надбавки к зарплате (Acemoglu & Restrepo, NBER w32536, 2024).
Сорокалетняя история наконец-то стала числом. Вопрос 2026 года для Head of Operations компании на 200 FTE — повторяет ли роудмап агентного ИИ на столе в этом квартале ту же ошибку с более высоким разрешением. Доказательства говорят: по умолчанию — да.
Механизм Acemoglu–Restrepo: рассеивание ренты, не вытеснение
Главный вывод, известный большинству читателей по более ранней литературе Acemoglu, состоит в том, что автоматизация вытеснила работников рутинного труда и сжала зарплаты внизу. Статья QJE 2026 года — более острое утверждение и заслуживает самостоятельного прочтения. Авторы расширяют свою модель вытеснения задач 2022 года, чтобы включить ренты работников — разрыв между тем, что работнику платят, и предельным продуктом его труда — и показывают, что при автоматизации фирмы предпочтительно нацеливаются на задачи с наивысшими рентами, а не на задачи с наивысшим потолком производительности (Acemoglu & Restrepo, NBER w32536, 2024).
Механизм: координатор, получающий на 25 процентов выше своего предельного продукта, выглядит как 25-процентная экономия в таблице в тот момент, когда поступает питч автоматизации. Фронт-лайн работник, выполняющий работу с высоким рычагом и с более тесным соотношением оплаты-к-выпуску, выглядит как меньшая экономия. Капитал течёт к большей экономии. Прирост производительности — разница между тем, что может автоматизация, и тем, что делалось — меньше в первом случае, потому что роли, извлекающие ренту, по определению те, где оплата завышает выпуск. Чистый результат — паттерн развёртывания, который максимизирует видимое облегчение фонда оплаты труда, минимизируя реальный прирост производительности.
Acemoglu и Restrepo формализуют это как рассеивание ренты: капитал тратится на то, чтобы убрать оплату, которую не нужно было снижать, чтобы выросла производительность, при этом гораздо большие выгоды от автоматизации работы, где выпуск действительно движется, остаются на столе. Количественно оценивая 49 отраслей и 500 демографических групп с использованием данных BEA, ONET и Census с 1980 по 2016 год, они обнаруживают, что от двух третей до девяти десятых дивиденда производительности было потеряно из-за этой динамики (рабочая статья Washington State University, 2024). Со стороны неравенства та же неверная аллокация объясняет основную часть сдвига зарплатной структуры: «снижение зарплат работников, специализированных на рутинных задачах с высокой подверженностью автоматизации, объясняет от 50 до 70 процентов изменений в зарплатной структуре США между 1980 и 2016 годами» (WorkRise, 2021) — цифра, которую статья QJE теперь разлагает на компоненты ренты и производительности.
Вывод, который авторы помещают в статью, а не в пресс-релиз: когда вы нацеливаете автоматизацию на людей, а не на выпуск, вы можете захватить неравенство, не захватив производительность. Это эмпирический паттерн американской автоматизации с 1980 по 2016 год.
Почему развёртывание агентного ИИ 2026 года повторяет паттерн
Естественная реакция в ops-ревью: индустриальная автоматизация 1980–2016 — не то же, что агентный ИИ 2026 — другая технология, другая экономика, другой график. Экономика отличается. Логика таргетинга — нет.
Войдите в любое ревью развёртывания агентов среднего рынка в этом квартале, и математика ROI почти всегда подаётся одинаково: роль X стоит $Y в год; агент может выполнять 60 процентов работы роли X; следовательно агент экономит 0,6 × Y. Роли, названные в этих слайдах, выбираются не по тому, где предельный прирост производительности ИИ выше всего. Они выбираются по тому, где линия фонда оплаты труда наибольшая, и где работа достаточно структурирована, чтобы агент выглядел правдоподобно — что смещает таргетинг в сторону координаторов, ревизоров, старших аналитиков и лидов customer success. Это именно те роли с надбавкой к зарплате в фреймворке Acemoglu и Restrepo: роли, где оплата превышает предельный продукт из-за внутрифирменных рент (информационная асимметрия, трудноизмеримое суждение, внутренняя переговорная сила).
Затем агент оценивается по экономии на той линии фонда оплаты труда, а не по потолку производительности, которого развёртывание могло бы достичь, если бы было нацелено иначе. Два вопроса — что экономит этот агент? и где этот агент произведёт наибольший выпуск? — это не один вопрос, и почти ни одно ревью развёртывания среднего рынка их не разделяет.
MIT Initiative on the Digital Economy уже два года выдвигает версию этого аргумента: что дивиденд производительности ИИ концентрируется в задачах, где текущий выпуск человека упирается в когнитивную пропускную способность, а не в задачах, где текущая оплата человека высока (MIT IDE, 2024). Два распределения пересекаются, но это не одно и то же распределение. Статья Acemoglu–Restrepo — первое историческое доказательство с измеренной величиной разрыва — и разрыв большой.
Цифра 60-90%, прочитанная двояко
60-90-процентный налог на производительность имеет две операционные интерпретации, и ops-функция на 50–500 FTE должна держать обе.
Консервативное прочтение: штраф за таргетинг по надбавке к зарплате, применяемый к индустриальной автоматизации, может не переноситься один к одному на агентный ИИ, потому что предельная стоимость размещения агента на другой задаче — раз агент уже построен — гораздо ниже предельной стоимости перераспределения индустриальной техники. В принципе плохо нацеленного агента можно перенацелить за один спринт, тогда как неправильно размещённый штамп — многолетнее списание капитала. Это сильный аргумент в защиту текущей практики развёртывания: стоимость ошибки в таргетинге обратима.
Агрессивное прочтение: штраф за таргетинг по надбавке к зарплате хуже в агентном случае, не лучше, потому что организационная политика по устранению смещения таргетинга сложнее. Когда C-suite получил питч развёртывания как экономию фонда оплаты труда и экономия уже заведена в план следующего года, перенаправить агента на другую (с меньшим фондом, более высокой производительностью) функцию — больше не спринт-решение. Это требует обратить вспять финансовое обязательство, защитить исходный фрейминг и объяснить, почему ранее названная роль больше не является целью. Политическая стоимость перенацеливания — это то, что заставляет паттерн 1980–2016 сохраняться сорок лет, а не корректироваться на второй год.
Оба прочтения сходятся к одной операционной импликации: решение о таргетинге в первом квартале куда более несущее, чем техническая способность агента. Правильно нацеленный слабый агент превосходит сильного, но неправильно нацеленного, потому что выгоды сильного агента рассеиваются против оплаты, которую не нужно было снижать.
Контраргумент: роли с надбавкой к зарплате — там, где живёт суждение
Самый сильный контраргумент от Head of Operations: роли с надбавкой к зарплате — это именно там, где происходит самая высокорычажная работа — что причина, по которой координаторам и старшим аналитикам платят выше их предельного продукта, в том, что они держат институциональный контекст, позволяющий компании на 200 FTE вообще работать. Нацеливать агента на эти роли — не рассеивание ренты, а по определению самая высокорычажная цель автоматизации.
Контраргумент частично верен и полностью согласуется с результатом Acemoglu–Restrepo. Причина, по которой надбавка к зарплате существует в этих ролях, — именно нагрузка суждения. И нагрузка суждения — это также там, где большинство нынешних агентных систем всё ещё проваливается способами, которые питч развёртывания не сигнализирует. Недавние рандомизированные данные об ИИ, обрабатывающем задачи с высокой нагрузкой суждения, показывают, что уверенность в выходе агента не коррелирует с точностью, особенно когда пользователь-человек больше не является доменным экспертом (Bojinov et al., HBS working paper, 2024). Таргетинг, который выглядит самым высокорычажным в слайде развёртывания, также с наибольшей вероятностью производит тихие регрессии качества, не проявляющиеся в дашборде производительности два квартала.
Что статья QJE добавляет в эту дискуссию — сорокалетнюю базовую ставку: когда фирмы целятся в надбавку к зарплате, прирост производительности сокращается. Присутствие нагрузки суждения в этих ролях — причина, по которой таргетинг соблазнителен — но та же нагрузка суждения — причина того, что предельный прирост производительности меньше, чем предполагает экономия фонда оплаты труда. Правильный фрейминг не «роли с надбавкой к зарплате — плохие цели», а «экономия на роли с надбавкой к зарплате — не показатель производительности, и трактовать её как таковой — сорокалетняя ошибка».
Специфика среднего рынка: что меняется для ops-функции на 200 FTE в этом квартале
Для Head of Operations, дорабатывающего цели агентов на 2026 год, статья QJE превращается в три конкретных изменения в ревью развёртывания. Ни одно не требует другого вендора или другого агента.
Один: отделите линию экономии фонда оплаты труда от линии прироста производительности. Каждое предложение развёртывания агента должно оценивать два разных показателя: валовое облегчение фонда оплаты труда, которое развёртывание делает возможным, и измеренный прирост производительности (выпуск на единицу времени-суждения), который развёртывание должно произвести. Эти два показателя не взаимозаменяемы. Когда они расходятся более чем в 2 раза, развёртывание находится в зоне рассеивания ренты — агент оправдывается экономией, а не работой. Это момент задать вопрос, не производит ли другая цель тот же прирост производительности без зависимости от надбавки к зарплате.
Два: оценивайте цели по тому, где упирается выпуск, а не где сконцентрирован фонд оплаты труда. Еженедельное закрытие, занимающее четыре дня, потому что запросы сверки занимают шесть часов на цикл — узкое место производительности. Старший аналитик, получающий $180K — концентрация фонда оплаты труда. Первое — высокоприростная цель агента; второе нет, даже если второе даёт большее номинальное сбережение. Ops-функции среднего рынка почти никогда явно не выполняют это оценочное упражнение; ревью развёртывания по умолчанию возвращается к зрелищу фонда оплаты труда, потому что это то, что CFO может посчитать на встрече.
Три: предварительно зафиксируйте протокол перенацеливания. Вывод Acemoglu и Restrepo касается отчасти устойчивости — неверная аллокация длилась сорок лет, потому что её никто не корректировал. Агентный эквивалент сохраняется, потому что исходный питч развёртывания затвердевает в финансовое обязательство в течение квартала. Хедж — записать триггер перенацеливания в само предложение развёртывания: на третий и шестой месяц прирост производительности агента измеряется относительно исходной цели; если измеренный прирост ниже 40 процентов прогнозируемого, агент переключается на другую задачу до того, как политическая стоимость перенацеливания станет запретительной. Это единственная структурная защита от устойчивости, которую измеряют Acemoglu и Restrepo.
Эти три шага не технические; это шаги процесса ревью. Они не требуют покупки другого агента или найма другой команды. Они требуют проводить ревью развёртывания в другой форме — такой, которая не сводит производительность и фонд оплаты труда в одну колонку.
Конкретный ход этого квартала
Статья QJE Acemoglu–Restrepo — первая эмпирическая работа за сорок лет, поставившая число на стоимость автоматизации против оплаты, а не против выпуска. Число — 60–90 процентов утраченного дивиденда производительности, 52 процента роста неравенства, приписываемого той же динамике — достаточно велико, чтобы перевернуть математику ROI большинства нынешних развёртываний агентов среднего рынка, если математика сделана корректно.
Решение перед Head of Operations в этом квартале узкое. Прежде чем подписать следующую цель агента, прогоните предложение развёртывания через один фильтр: выбрана ли эта цель потому, что работа там, где упирается производительность, или потому, что фонд оплаты труда там, где экономия наиболее видна? Если честный ответ — второй, историческая базовая ставка говорит, что развёртывание рассеет от двух третей до девяти десятых прироста производительности, который оно могло захватить.
Переоцените цель. Разделите колонки. Запишите триггер перенацеливания. Стоимость сделать это в первом квартале — встреча и пересмотренный шаблон. Стоимость не сделать — та, которую Acemoglu и Restrepo теперь положили в твёрдое число — и та, о которой будет написана ваша ревью производительности 2027 года.
