《2028 глобальный кризис интеллекта》глубокий анализ

Подзаголовок: Когда «ум» перестает быть дефицитом, какая из самых уязвимых линий финансовой системы порвется первой?

Эта статья основана на сценарных предположениях Citrini Research, опубликованных 22.02.2026 в рамках сценарного анализа «THE 2028 GLOBAL INTELLIGENCE CRISIS» (сокращенно «2028GIC»). В оригинале ясно подчеркивается: «Это сценарий (scenario), а не прогноз (prediction).» Ее ценность не в «предсказании будущего», а в том, чтобы с помощью максимально замкнутой цепочки объяснить недооцененный левый хвост риска: если ИИ станет слишком успешным, он может не только «повысить производительность», но и разрушить предположение о дефиците человеческого интеллекта, что в свою очередь может привести к переоценке и перестройке ценовых и кредитных структур в финансовой системе.

1. Чем занимается эта статья: «Макро-меморандум из 2028 года»

Оригинальный стиль написания — «воспоминания из истории финансов»: предполагается дата 30.06.2028, и используется тон «квартального макро-меморандума» для анализа того, как кризис, начавшийся в 2026 году с «отраслевых потрясений», постепенно перерос в системный финансовый кризис: уровень безработицы 10.2%, индекс S&P с октября 2026 года откатился на 38% (с намеком на более глубокий откат) — это типичный сценарий: использование «уже случившегося будущего» снижает когнитивную нагрузку читателя при понимании сложных причинно-следственных связей, позволяя сосредоточиться на «механизмах», а не на «цифрах прогноза».

Плюсы такого подхода:

• Раскрытие «промежуточных процессов»: финансовый кризис не возникает за один день, он проходит через этапы «локальных проблем → рефинансирование рисков → связанное раскрытие балансов → регуляторные/ликвидные триггеры → системный кризис».
• Усиление «уязвимых точек»: даже если конечный сценарий не совпадет полностью, можно яснее увидеть, какие рынки первыми потеряют устойчивость при разрушении базовых предпосылок.

Минусы:

• «Плавный нарратив» ≠ высокая вероятность. Сценарии часто предполагают ускорение событий в ключевых точках, создавая драматические обратные связи.
• Легко принять «наративную силу» за «определенность».

Правильный подход к чтению: воспринимать это как «скрипт стресс-тестирования», задавая себе вопросы:

Какие звенья цепочки наиболее вероятны? Какие — наименее? Если произойдет только 30% из этого, как рынок оценит ситуацию?

2. Три ключевых концепции: Intelligence Premium, Ghost GDP, Friction→0

Самое вдохновляющее в оригинале — это перенос воздействия ИИ с уровня «инструмента повышения эффективности» на уровень «дефицитных активов».

2.1 «Интеллектуальная премия» (Intelligence Premium): человеческий интеллект — дефицитный ресурс

В статье отмечается: современная экономика долгое время исходила из базового факта — человеческий интеллект является самым дефицитным входным ресурсом, поэтому в оценке зарплат, активов и системах регулирования заложена стабильная «премия за ум» для «умных людей/белых воротничков/знаний работников». Даже прямо говорится: от рынка труда до ипотечных кредитов и налоговой системы — все построено на предположении «дефицита интеллекта».

Если ИИ сделает «аналитику, принятие решений, творчество, убеждение, координацию» воспроизводимыми и масштабируемыми, эта премия исчезнет, и в финансовой системе начнется болезненная переоценка:

Ранее «высокий FICO, высокий доход, стабильная профессия» были «камнем» риск-моделей; Но если структурные ожидания по доходам из этих профессий нарушатся, базовые предпосылки риск-моделей рухнут.

2.2 «Призрачный ВВП» (Ghost GDP): производительность растет, деньги не циркулируют

Введено понятие Ghost GDP — «производство, отображающееся в национальных счетах, но не циркулирующее в реальной экономике». Описывается структура, которая кажется противоречивой, но не нова в истории финансов:

Прибыль компаний за счет сокращения штатов и автоматизации краткосрочно растет, доходы капитала (особенно у «владельцев вычислительных мощностей») взлетают; Но рост зарплат падает, потребление снижается, спрос слабее; В результате «макроэкономические показатели выглядят очень хорошо (производительность, прибыль)», а ощущение у обычных людей и уровень потребления — наоборот, плохие.

Можно понять так: повышение эффективности предложения + дисбаланс в распределении → недостаточный реальный спрос. Это отличается от классической рецессии, вызванной высокими ставками, — здесь причина в «обесценивании человеческого труда».

2.3 «Фрикции к нулю» (When Friction Went to Zero): посреднические барьеры — это и есть фрикции

В статье много внимания уделяется «распаду посреднических слоев»: за последние 50 лет экономика США строилась на «огромном» «рентном слое» — времени, терпении, информации, бренде, лени сравнивать цены… все это монетизировалось платформами и посредниками. Когда ИИ-агенты заменяют вас в поиске, сравнении, принятии решений и исполнении, «фрикционные издержки» исчезают, и многие бизнес-модели, основанные на «барьерах», оказываются уязвимыми.

Эта логика хорошо объясняет многие интернет-, платежные и платформенные компании: причина не в ухудшении продукта, а в снижении «затрат на принятие решений» пользователями.

3. Анализ сценарной цепочки: от «отраслевых потрясений» к «системной кризисной ситуации»

Разделим по этапам, как в оригинале, выделяя ключевые предпосылки каждого.

Этап А (2026): сокращение штатов сначала улучшает показатели прибыли, рынок ошибочно воспринимает это как позитив

Начинается все с острого предположения: первая волна сокращений в белых воротничках из-за ИИ началась в начале 2026. Но на уровне отчетности это выглядит как «хорошо»:

Снижение затрат на персонал → рост маржи; Переоценка прибыли → рост акций; Компании реинвестируют прибыль в развитие ИИ → возможности ИИ усиливаются.

Это классическая «положительная обратная связь»: краткосрочные улучшения в отчетах скрывают долгосрочные проблемы спроса. Ключевое предположение: негативные эффекты сокращений не сразу отражаются в выручке, рынок использует «нарратив повышения производительности» для оценки.

Этап B (2027): распространение агентных технологий, «слой ренты» посредников начинает разрушаться

В статье описывается, что к 2027 году использование ИИ-агентов становится стандартом: как автоматическое дополнение текста, так и более сложные задачи. В результате происходит цепная реакция «фрикционного нуля»:

SaaS (особенно процессы/координация/интеграция) сталкивается с конкуренцией внутренних инструментов; Комиссии платежных сетей и карт (2-3%) обходятся через агенты по другим каналам; Платформы, где пользователи не хотят заморачиваться, вынуждены снижать цены.

Ключевое предположение: агенты действительно могут выполнять «сквозные» операции между приложениями и платформами, и регуляции/безопасность не станут серьезным препятствием. На практике это реализуется не так быстро, но уже заставляет переосмыслить, насколько «барьеры» основаны на «ленивости» пользователей.

Этап C (2027 Q3): «software LBO» в частных кредитах начинает показывать признаки кризиса

Это самый «финансовый» и серьезный раздел. В нем приводится конкретная цифра: объем частных кредитов вырос с менее 1 трлн долларов в 2015 до более 2,5 трлн в 2026, причем значительная часть — в сфере программного обеспечения и технологий, особенно с использованием «ARR» — стабильных отложенных потоков.

Приводится пример Zendesk как «дымовой пистолет»: когда ИИ-агенты начинают заменять «создание заявок — распределение — ручная обработка», доходы по моделям ARR перестают быть «регулярными», а становятся «еще не потерянными доходами».

В статье отмечается, что изначально рынок считал это управляемым, поскольку у частных кредитов есть «заморозка» и «вечный капитал» (permanent capital), не вызывающий паники. Но затем происходит обратное:

Крупные альтернативные управляющие используют страховые компании как «фонды» (долгосрочные обязательства), чтобы держать частные кредиты; Когда активы перестают быть «многомиллионными», регуляции требуют увеличения капитала, и страховые компании вынуждены докапитализироваться или продавать активы; В результате структура, которая казалась «неподверженной панике», оказывается под давлением регуляций и требований к капиталу.

Ключевое предположение: кредитные потери в сфере программных и информационных сервисов достаточно велики и создают синергию с регуляторными требованиями к капиталу. Это не фантазия, а отражение реальных тенденций, когда «финансовая система» разрывается на границах сроков и регуляторных арбитражей.

Этап D (2028): «Потери» и «признание потерь» — критическая точка кризиса

Здесь приводится знаменитая цитата:

Не причина кризиса — убытки, а признание убытков.

В центре — рынок ипотеки на 13 трлн долларов в США.

Важный вопрос — «The Mortgage Question»: если доходы белых воротничков структурно снижаются, остаются ли «качественные заемщики» (FICO 780, 20% первоначальный взнос, хорошая кредитная история) «многомиллионными»?

В отличие от 2008, когда кредиты были изначально плохими, в 2028 году ситуация иная: кредиты изначально хорошие, но мир изменился, и люди берут кредиты на будущее, которое они уже не уверены смогут оплатить.

Это создает второй ускоритель: при падении цен на жилье, покупатели с доходами тоже страдают, цены падают еще сильнее, а эффект богатства дополнительно тормозит потребление. В итоге, по сценарию, индекс рынка акций может упасть до уровня, схожего с Глобальным финансовым кризисом — около 57% снижения.

Ключевое предположение: доходы белых воротничков снижаются системно и продолжительно, что влияет на ипотечные платежи; и что снижение цен на жилье в технологичных городах вызывает системные риски.

Этап E (политика и общество): традиционные инструменты не работают, «налоговая база — человеческое время» — противоречие

Здесь вводится концепция «жесткого ограничения»: доходы государства в основном формируются за счет «человеческого времени» (зарплаты, налоги, занятость). Когда ИИ повышает производительность, но снижает занятость и зарплаты, налоговые поступления падают, а социальные расходы растут. Возникает дилемма: «нужно давать деньги, но налогов не хватает». Это приводит к социальным протестам (Occupy Silicon Valley) и расколу общества из-за концентрации богатства и недоверия.

4. Три ключевых вывода, которые я считаю наиболее сильными

4.1 Он подчеркивает, что «воздействие ИИ — это прежде всего вопрос перераспределения, а не только повышение эффективности»

Многие сценарии фокусируются на «повышении производительности», но игнорируют, кто получает эти выгоды. Концепция Ghost GDP точно фиксирует риск: если выгоды сосредоточены у капитала и владельцев вычислительных мощностей, а не у работников, макроэкономические показатели и субъективные ощущения будут расходиться, создавая риск структурной нестабильности «высокой производительности — низкого спроса».

4.2 Он показывает, что цепочка «частные кредиты — страховые фонды — регуляторные требования» очень похожа на реальную

Кризисы часто начинаются там, где «казалось, что паники не будет». Частные кредиты с их «заморозками» и «нестандартными активами» считались менее подверженными панике, но при связке с долгосрочными фондами и регуляциями они могут стать «точкой разрыва». Эта цепочка очень реалистична.

4.3 Он напоминает, что главное в ипотечном рынке — не «можно ли сейчас платить», а «будет ли доход стабильным в будущем»

Самое опасное — не «большие просрочки», а «структурные сомнения в доходах хороших заемщиков». Даже если сейчас они могут обслуживать кредиты за счет сбережений или кредитных линий, их потребление уже начнет падать, что усугубит рецессию.

5. Три слабых места сценария, которые требуют критики

5.1 «Фрикции к нулю» реализуются слишком быстро: реальные фрикции — не только регуляторные, но и институциональные

Многие реальные фрикции связаны с регуляциями, соответствием, данными, ответственностью, мошенничеством, офлайн-операциями. Даже при очень умных агентах потребуется межорганизационное взаимодействие. Поэтому «ускоренное исчезновение фрикций» — скорее гиперболизация.

5.2 Скорость замещения белых воротничков вызывает сомнения: вероятнее — «снижение входных позиций и рост премий за опыт»

Исследование Далласа (Davis, 2026-02-24) показывает, что ИИ скорее заменяет «знания и кодируемые задачи», а не всю работу целиком. В ряде отраслей, где много скрытых знаний, занятость может снизиться только у молодых специалистов, а не у всех подряд.

5.3 Использование криптовалют для расчетов агентами — скорее сценарий усиления, чем необходимость

Идея о том, что агенты будут обходить традиционные платежные системы и искать более дешевые пути — не обязательно условие кризиса. Главное — снижение барьеров посредничества и переоценка прибыли. Поэтому не стоит считать, что «перевод всех платежей в крипту» — обязательный сценарий.

6. Как превратить сценарий в «операционный мониторинг»: что отслеживать?

Ценность сценария — в его разложении на показатели. Ниже — практический чек-лист для наблюдения (без прогнозов, только по фактам):

Объекты мониторинга

Примеры индикаторов

Почему важно

На каком этапе сценария

Структура занятости белых воротничков

Занятость/зарплаты в ИИ-уязвимых отраслях, доля молодых до 25 лет, сроки заморозки найма

Проверка «сокращения входных позиций/структурных потерь доходов»

Этапы A / D

Потребление и кредитование

Баланс кредитных карт, HELOC, досрочные выплаты 401(k), уровень необязательных расходов в высокоразвитых городах

Проверка «продолжается ли ипотека, падает ли потребление»

Этап D

Рынок софтверных/консалтинговых услуг

Коэффициенты обновления подписок, ARR, прибыльность информационных сервисов и заказы

Проверка «отраслевые потрясения → кредитные проблемы»

Этапы B / C

Давление на частные кредиты

Цены на вторичные рынки, уровень дефолтов, количество реструктуризаций, отток LP

Проверка «кризис в software LBO переходит на рынок»

Этап C

Регуляция и капитал страховых компаний

Изменения в капитальных требованиях к активам с рейтингами, прогнозы рейтингов страховых компаний

Проверка «пассивное снижение долговой нагрузки»

Этап C

Региональное давление на ипотечный рынок

Ранние просрочки в городах с высокой долей ИТ/финансов, изменения цен на жилье

Проверка «пересмотр цен на качественные ипотечные кредиты»

Этап D

Макроэкономические «расхождения»

Степень расхождения между ростом производительности/прибыли и реальными зарплатами/потреблением

Проверка формирования Ghost GDP

Этапы A / E

Основная идея этого мониторинга:

Не стоит гадать, станет ли ИИ «аги» внезапно, — важнее наблюдать за признаками «распределения и кредитных рисков», описанных в оригинале.

7. Какие новые рамки для личных, корпоративных и инвестиционных решений

7.1 Для человека: ставить себя в позицию «с высоким уровнем скрытых знаний и премии за опыт»

Если предположения Далласа более точны, то опасность — «разрыв карьерной лестницы»: входные позиции заменяются ИИ, и молодым трудно накапливать опыт. Поэтому стратегия — не просто «учиться пользоваться ИИ», а:

выбирать области, где важны скрытые знания и суждения (требуют присутствия, ответственности, комплексной координации); использовать ИИ как усилитель: ускорять обработку информации, а время тратить на «качество решений, межличностное взаимодействие, понимание сложных систем».

7.2 Для компаний: менять «защиту» с «фрикций» на «доверие, данные, выполнение обязательств, экосистему»

Когда агенты снижают издержки сравнения и поиска, «барьеры» на основе каналов и информации исчезают. Тогда компании нужно сосредоточиться на:

подтверждаемом качестве и способности выполнять обязательства (офлайн, цепочки поставок, сервис); соответствии и ответственности (способность нести риски, отвечать за последствия); уникальных данных и экосистемных связях (не только информация, а закрытые процессы).

7.3 Для инвесторов: избегать «активов с высокой долговой нагрузкой, основанных на предположении стабильности»

Самое болезненное — кризис начинается не у «самых уязвимых», а у «самых доверенных» (кастомные ипотечные кредиты, ARR-займы, вечный капитал). Поэтому:

в условиях высокой неопределенности ИИ — активы с высокой долговой нагрузкой, долгим сроком и ценой на «вечный рост/стабильные платежи» требуют повышенной маржи безопасности; следить за способностью активов и пассивов противостоять снижению спроса; не верить в «структурную устойчивость к панике», регуляции и капитал могут вызвать эффект «паникующего» выхода.

8. Итог: это не «конец света», а сценарий стресс-тестирования

Самое ценное в «2028GIC» — это то, что он заставляет признать:

Если ИИ действительно сделает человеческий интеллект некритичным, многие наши системы и финансовые оценки станут несовместимы.

Но также нужно помнить, что реальные обратные связи не будут полностью соответствовать сценарию: фрикции, регуляции, социальная адаптация и создание новых рабочих мест изменят траекторию.

Поэтому наиболее зрелый подход — сохранить механические инсайты (распределение, кредит, уязвимости), снизить уверенность в точных сроках (не ставить на полное исполнение за 24 месяца), и отслеживать показатели, чтобы понять, реализуется ли сценарий частично.

Когда сценарий разбит на показатели, он превращается из «истории» в «инструмент».

Источники

Citrini Research & Alap Shah: «THE 2028 GLOBAL INTELLIGENCE CRISIS» (22 февр. 2026) Federal Reserve Bank of Dallas: J. Scott Davis, «AI is simultaneously aiding and replacing workers, wage data suggest» (24 февр. 2026)