Статья опубликована в рамках: CLXVII Международной научно-практической конференции «Научное сообщество студентов XXI столетия. ЭКОНОМИЧЕСКИЕ НАУКИ» (Россия, г. Новосибирск, 02 ноября 2026 г.)
Наука: Экономика
Скачать книгу(-и): Скачать книгу
дипломов
ИИ КАК НОВЫЙ ФАКТОР ПРОИЗВОДСТВА: ТРАНСФОРМАЦИЯ СТРУКТУРЫ ДОБАВЛЕННОЙ СТОИМОСТИ
AI AS A NEW FACTOR OF PRODUCTION: TRANSFORMATION OF THE VALUE-ADDED STRUCTURE
Аннотация
В статье рассматривается генеративный искусственный интеллект не как угроза массовой безработицы, а как принципиально новый фактор производства. Анализируется трансформация цепочек создания стоимости под влиянием ИИ-инструментов. Делается вывод о том, что внедрение генеративного ИИ смещает структуру добавленной стоимости от рутинного исполнения к этапам оркестрации, валидации данных и стратегического управления, что требует пересмотра подходов к человеческому капиталу.
Abstract
The article considers generative artificial intelligence not as a threat of mass unemployment, but as a fundamentally new factor of production. The transformation of value chains under the influence of AI tools is analyzed. It is concluded that the introduction of generative AI shifts the structure of added value from routine execution to the stages of orchestration, data validation and strategic management, which requires a revision of approaches to human capital.
Ключевые слова: искусственный интеллект, факторы производства, добавленная стоимость, генеративный ИИ, производительность труда, человеческий капитал.
Keywords: artificial intelligence, factors of production, value added, generative AI, labor productivity, human capital.
Традиционный экономический дискурс последних лет вокруг искусственного интеллекта (ИИ) чаще всего сводился к дихотомии «заменит ли робот человека». Однако с массовым распространением генеративных моделей (Large Language Models, LLM) становится очевидным, что постановка вопроса требует смещения акцента. Генеративный ИИ перестает быть просто инструментом автоматизации и превращается в самостоятельный фактор производства, сопоставимый по значимости с трудом и капиталом. В связи с этим ключевым исследовательским вопросом становится не проблема вытеснения рабочей силы, а то, как именно меняется структура добавленной стоимости в отраслях, внедряющих ИИ-решения [1, с. 45].
Классическая экономическая теория выделяет четыре основных фактора производства: земля, труд, капитал и предпринимательские способности. В последние десятилетия в этот перечень устойчиво добавляют информацию и технологии. Генеративный ИИ представляет собой качественно новый этап: он выступает как «когнитивный капитал», способный выполнять задачи, которые ранее считались исключительно прерогативой человеческого интеллекта - написание текстов, генерация кода, создание изображений, анализ массивов данных. С экономической точки зрения это означает снижение предельных издержек на производство единицы интеллектуального продукта.
Если рассматривать ИИ как фактор производства, то он обладает свойством универсальности. В отличие от узкоспециализированного оборудования, генеративные модели могут применяться в маркетинге, юриспруденции, программировании и дизайне. Это приводит к перестройке производственных функций компаний. Традиционная модель, где выпуск зависит от количества затраченного труда и физического капитала, трансформируется: теперь выпуск зависит от качества данных, вычислительных мощностей и способности человека формулировать задачи (промпт-инжиниринг).
Ответ на вопрос «заменит ли робот человека» в контексте генеративного ИИ звучит скорее как «переопределит его роль». ИИ не заменяет человека целиком, он замещает отдельные трудовые операции. Это приводит к феномену, который можно назвать «аугментацией» (дополнением) труда. Сотрудник, вооруженный генеративным ИИ, становится кратно производительнее, выполняя роль «оператора» или «редактора» алгоритмов. Однако структурные сдвиги на рынке труда неизбежны: спрос падает на рутинные когнитивные профессии (базовый копирайтинг, первичный анализ данных, стандартный код), но растет на специалистов, способных интегрировать ИИ в бизнес-процессы и нести ответственность за конечный результат [2].
Наиболее интересные изменения происходят в структуре добавленной стоимости. В традиционных производственных цепочках добавленная стоимость распределялась между этапами разработки, производства, маркетинга и продаж. Внедрение генеративного ИИ «сжимает» этапы, связанные с непосредственным созданием контента или продукта. Если раньше создание рекламного макета или написание типового договора требовало значительных временных затрат человеческого труда, то теперь эти этапы становятся почти бесплатными.
Добавленная стоимость смещается к двум полюсам. Первый полюс - это владельцы данных и инфраструктуры. Компании, обладающие уникальными датасетами для обучения моделей или контролирующие вычислительные мощности (дата-центры), получают ренту, аналогичную ренте за природные ресурсы. Второй полюс - это интеллектуальный капитал высокого уровня. Поскольку рутинное создание продукта дешевеет, возрастает ценность уникальных идей, стратегического видения, бренда и доверия потребителей.
Кроме того, меняется цепочка валидации. Генеративный ИИ склонен к «галлюцинациям» (выдаче недостоверной информации), поэтому критически важным этапом, генерирующим добавленную стоимость, становится верификация данных и контроль качества. Человек в новой структуре стоимости занимает позицию «надзирателя» или эксперта, подтверждающего корректность работы алгоритмов. Профессии, связанные с аудитом, комплаенсом и экспертным ревью, становятся более ценными, так как они минимизируют риски, создаваемые автоматизированными системами [3].
Таким образом, внедрение генеративного ИИ ведет к перераспределению добавленной стоимости от исполнительского звена к управленческому, верификационному и инфраструктурному. Компании, которые просто используют ИИ для сокращения штата исполнителей, могут столкнуться с падением качества и потерей конкурентных преимуществ. Устойчивое развитие в новых условиях достигается за счет реорганизации бизнес-процессов, где ИИ берет на себя рутину, а человеческий капитал концентрируется на стратегии, креативе и контроле.
Подводя итог, можно сказать, что генеративный ИИ не столько угрожает человеку как биологическому виду работников, сколько предъявляет новые требования к его компетенциям. Экономическая ценность смещается в сторону тех, кто умеет эффективно управлять новым фактором производства. Государственная политика в этой сфере должна быть направлена не на сдерживание технологий, а на переподготовку кадров, развитие цифровой инфраструктуры и формирование этических норм использования ИИ, что обеспечит устойчивый рост добавленной стоимости в национальной экономике.
Список литературы
- Березовин Н.А. Экономика искусственного интеллекта: учеб. пособие. – М.: Новое знание, 2023. – 336 с.
- Мижериков В.А., Юзефавичус Т.А. Введение в цифровые технологии и трансформация рынка труда: учеб. пособие. – М.: Информатика, 2024. – 352 с.
- Сабиров В.Ш. Предмет исследования внедрения генеративных моделей в бизнес-процессы // Экономический вестник. – 2024. – № 6. – URL: http://www.ec-vestnik.ru/
article.php?no=317 (дата обращения: 12.10.2026).
дипломов

