Ознакомительная версия. Доступно 21 страниц из 101
В этом споре я сам исхожу из того, что профессиональные экономисты — у каждого из которых есть доступ к одним и тем же объективным данным — совершенно не способны прийти к соглашению по вопросу, который я бы назвал наиглавнейшим вопросом экономики: ведет ли падение спроса к замедлению экономического роста, а если ведет, то влияет ли неравенство доходов на степень серьезности этой проблемы? Подозреваю, что по отсутствию консенсуса в данном вопросе уже можно судить о том, чего можно ожидать от профессиональных экономистов в случае, если описанная на страницах этой книги технологическая революция действительно произойдет. Допуская возможность различного толкования одних и тех же данных двумя разными «учеными», приходится признать, что расхождения во мнениях в экономической науке нередко четко отражают сложившиеся у их авторов политические предпочтения. Идеологическая позиция, занимаемая конкретным экономистом, зачастую определяет его суждения в большей степени, чем какая бы то ни было информация, содержащаяся в изучаемых им данных. Другими словами, если вы надеетесь получить от экономистов более-менее четкий вывод относительно влияния процесса развития технологий на экономику, ждать вам придется очень долго.
Помимо идеологической ангажированности, в экономической науке существует еще одна проблема — засилье количественных методов. После Второй мировой войны лицо экономической науки стало определяться ее математическим аппаратом, применяемым к данным. Несмотря на множество очевидных преимуществ такого подхода, важно помнить, что получить экономические данные из будущего невозможно. Анализ с помощью количественных методов основывается на собранной в прошлом информации; причем в некоторых случаях это могут быть данные, полученные многие годы или даже десятилетия назад. Экономисты используют всю эту информацию для построения сложных математических моделей, однако большинство этих данных уходят корнями в экономику XX столетия. Ограниченность имеющихся у экономистов моделей стала очевидной, когда практически никто из представителей данной профессии не сумел предсказать мировой финансовый кризис 2008 г. В 2009 г. Пол Кругман опубликовал статью под названием «Почему экономисты так сильно ошиблись?» (How Did Economists Get It So Wrong?), в которой написал, что «неумение прогнозировать — далеко не самая серьезная проблема этой области знания. Важнее то, что представители профессии не способны осознать саму возможность наступления в рыночной экономике кризиса, ведущего к катастрофическим последствиям»{274}.
Я думаю, на фоне того, как экспоненциальный рост информационных технологий полностью меняет лицо современной экономики, будет совсем нелишним задуматься о надежности математических моделей экономистов. Проблема усугубляется еще тем, что в основе многих из этих моделей лежат упрощенные — а в некоторых случаях и вовсе абсурдные — допущения о формах поведения и взаимодействия потребителей, работников и компаний. Наверное, лучше всех эту мысль выразил Джон Мейнард Кейнс, когда почти 80 лет назад написал в «Общей теории занятости, процента и денег»[56] (The General Theory of Employment, Interest and Money) — книге, благодаря которой, экономика приобрела черты современной области знания: «Слишком большая доля современной „математической экономии“ представляет собой, по существу, простую мешанину, столь же неточную, как и те первоначальные допущения, на которых она основывается, причем авторы получают возможность забывать о сложных отношениях и взаимосвязях действительного мира, замыкаясь в лабиринте претенциозных и бесполезных символов»{275}.
Сложности, эффект обратной связи, потребительское поведение, а где же резкий рост производительности?
Экономика — чрезвычайно сложная система, представляющая собой ужасно запутанный клубок взаимозависимостей и обратных связей. Изменение всего одной переменной чревато множественным эффектом, последовательно проявляющимся на всех уровнях системы; причем некоторые из переменных могут снижать результат первоначального сдвига, а то и вовсе вступать с ним в противоречие.
Несомненно, эта предрасположенность экономики к самоограничению, обеспечиваемому за счет эффекта обратной связи, отчасти объясняет, почему роль технологий в усугублении неравенства остается предметом споров. Скептики среди экономистов, не находящие следов значительного влияния технологий и автоматизации на ситуацию в экономике, часто указывают на тот факт, что данные о производительности, в особенности в краткосрочной перспективе, не дают четкого ответа на вопрос о последствиях внедрения роботов. Например, в последнем квартале 2013 г. производительность в США упала всего лишь на 1,8 % в годовом исчислении, что намного меньше куда более масштабной цифры 3,5 % за третий квартал{276}. Напомню — производительность вычисляется путем деления выпуска на количество отработанных часов. Таким образом, если бы машины и ПО действительно стремительно заменяли собой человеческий труд, количество отработанных часов резко снизилось бы, а производительность, в свою очередь, пошла бы вверх.
У этого допущения есть один недостаток — в реальной экономике все совсем не так просто. Производительность отражает не то, сколько компания могла бы произвести за один час, а то, сколько она действительно производит. Другими словами, производительность напрямую зависит от спроса: ведь в числителе в формуле для вычисления производительности стоит не что иное, как выпуск готовой продукции. Это особенно важно, если вспомнить, что большую часть экономики развитых стран сегодня составляет сфера услуг. Если экономика, в которой преобладает промышленное производство, при ослаблении спроса вполне может сохранить большой объем производства товаров (компании просто будут заполнять ими собственные склады и склады дилеров), в сфере услуг это невозможно. Она мгновенно реагирует на изменения спроса, и любая компания, столкнувшаяся с ослаблением спроса на оказываемые ею услуги, скорее всего, не сможет обеспечить рост производительности, если только оперативно не сократит штат или не уменьшит количество рабочих часов до значения, достаточного для поддержания показателей на приемлемом уровне.
Представьте, что вы владеете небольшой компанией, предоставляющей аналитические услуги большим корпорациям. У вас десять сотрудников, работающих полный день. Внезапно появляется новое мощное приложение, благодаря которому с работой для 10 человек теперь справляются 8. Итак, вы покупаете эту новую программу и избавляетесь от двух рабочих мест. Революция роботов приближается! Производительность вот-вот взлетит до небес. Но давайте не будем спешить и представим, что ваш самый важный клиент прогнозирует снижение спроса на его продукцию или услуги. Договор, который вы должны были подписать на этой неделе, приходится заморозить. Ваше ближайшее будущее выглядит печально. Вы только что уволили двух сотрудников, поэтому не хотите деморализовать свой штат немедленным сокращением еще нескольких рабочих мест. Восемь оставшихся работников тотчас станут проводить значительную часть своего рабочего времени за просмотром видеороликов на YouTube — и все это за ваш счет. А производительность-то падает! Более того, так было во время большинства спадов в экономике США. Как правило, рецессия сопровождалась падением производительности, поскольку выпуск сокращался намного больше, чем количество отработанных часов.
Ознакомительная версия. Доступно 21 страниц из 101
