Ловушка увольнений: почему компании не остановят автоматизацию, даже если она убивает их собственный рынок

Ловушка увольнений: почему компании не остановят автоматизацию, даже если она убивает их собственный рынок

Brett Hemenway Falk (University of Pennsylvania), Gerry Tsoukalas (Boston University)

Статья по материалам: The AI Layoff Trap, март 2026.

Блок уволил 4 000 сотрудников — около 40% штата. Salesforce сократил поддержку с 9 000 до 5 000 человек. В 2025 году более 100 000 тех-работников потеряли места, и в половине случаев причиной назвали ИИ. Каждая компания видит, что происходит. Каждая понимает: уволенные люди — это утраченные покупатели.

Почему никто не жмёт на тормоз?

Ответ даёт формальная модель, и он хуже, чем кажется. Не потому что компании близоруки. Не потому что им всё равно. А потому что остановиться — значит проиграть конкурентам, которые не остановились. Дилемма заключённого с автоматизацией в роли предательства: равновесие, в котором все автоматизируют, строго доминирует над любым равновесием, в котором кто-то отказывается. И это — структурное свойство рынка, а не ошибка менеджеров.

Механика ловушки

Хеменуэй Фолк и Цукалас строят task-based модель экономики. Фирма решает, какую долю задач α автоматизировать. Автоматизированная задача стоит c, человеческая — w, экономия: s = w − c. Каждая уволенная единица труда теряет секторному спросу ℓ = λ(1 − η)w, где λ — склонность работников к потреблению в секторе, η — доля компенсированного дохода (переподготовка, пособия).

При конкурентном ценообразовании выручка каждой фирмы — D/N. Когда фирма j автоматизирует α_j, спрос падает для всех N игроков, но сама фирма j несёт лишь 1/N от потери. Отсюда — клин между равновесием Нэша и кооперативным оптимумом:

α^NE − α^CO = ℓ(1 − 1/N) / k

Монополист (N = 1) полностью интернализует экстерналию. При N → ∞ клин максимален и приближается к ℓ/k. Без трения (k → 0) — классическая Дилемма заключённого: полная автоматизация — строго доминантная стратегия, хотя совместное удержание выгоднее для всех.

Избыточная автоматизация — это не перераспределение от работников к владельцам. Это чистая потеря (deadweight loss), которая вредит обеим сторонам. Работники теряют зарплату. Владельцы теряют прибыль, потому что спрос обрушивается.

Шесть инструментов — и почему пять не работают

Авторы проверяют шесть политических инструментов, от мягких до радикальных. Пять — не работают или работают частично.

1. Переподготовка (↑η). Повышение доли компенсированного дохода сужает клин (ℓ уменьшается), но не закрывает. Пока η < 1, экстерналия остаётся. При η > 1 (дисплейсмент повышает доход) знак меняется — возникает недоавтоматизация, но в реальности η далека от единицы. Переподготовка — амортизация последствий, а не устранение причины.

2. Безусловный базовый доход (UBI). Повышает автономный спрос A, но не меняет маржинальный стимул автоматизировать. Фирмы автоматизируют с той же скоростью. Парадокс: при свободном входе UBI привлекает новых участников, увеличивает N и расширяет клин. Деньги — в экономику, а автоматизация — быстрее.

3. Налог на прибыль (t). Пропорциональный налог масштабирует (1 − t)π_i, но сокращение одинаково влияет и на маржу, и на выгоду от автоматизации. Первый порядок не меняется. Налог на прибыль — не налог на автоматизацию.

4. Доля работников в прибыли (ε). Работники получают ε от прибыли. Каждый доллар, рециклированный через работников, генерирует лишь λ < 1 долларов секторного спроса. При λ < 1 клин сокращается, но не закрывается. Добровольное участие — доминантная стратегия «не участвовать» (Corollary 3). Приходится обязывать.

5. Коузианский торг. Экстерналия мультилатеральна: каждая фирма наносит каждой другой ℓL/N потерь. Слишком мало для отдельного переговора, слишком много в сумме. Автоматизация — доминантная стратегия, добровольное соглашение не self-enforcing. Коуз сам признавал, что его теорема не работает при большом числе участников.

6. Пигувинский налог на автоматизацию (τ*). Единственный инструмент, полностью устраняющий искажение. Ставка τ* = ℓ(1 − 1/N) взимает с каждой автоматизированной задачи ту долю спроса, которую фирма перекладывает на конкурентов. Доход направляется на переподготовку (повышает η), что снижает τ* в следующих периодах — налог становится самозатухающим.

По Тинбергену: отдельный рыночный провал требует отдельного инструмента. UBI, переподготовка и коллективные договоры — амортизация последствий. Налог на автоматизацию — устранение причины.

Исторические параллели: когда инновации убивали спрос

Ловушка увольнений — не первый случай, когда рынок не способен самокорректироваться при технологическом сдвиге. Три исторические волны раскрывают структуру проблемы.

Луддиты (1811–1816). Ручные ткачи хлопка в Британии столкнулись с механизацией, которая снизила реальную зарплату более чем на 50% за два десятилетия. Акемоглу и Джонсон (2024) показывают: несмотря на колоссальный рост производительности в хлопковом секторе, рабочие не получили компенсирующего роста занятости в других отраслях. Знаменитый разворот Рикардо — в 1817 году он считал машины благом для рабочих, к 1821-му добавил главу «О машинах», признав, что «машины могут сделать работу рабочих излишней» — предвосхитил ровно ту логику, которую формализует модель Фолка и Цукаласа: замещение труда без достаточного восстановления спроса.

Форд и конвейер (1913). Когда Форд ввёл движущийся конвейер, время сборки шасси упало с 12.5 часов до 93 минут. Текучесть кадров достигла 370%. Форд ответил знаменитой «пятёркой в день» — $5 за 8-часовую смену, вдвое выше рынка. Это была не благотворительность. Форд интернализировал спросовую экстерналию внутри одной фирмы: его рабочие покупали его автомобили. Модель Фолка — Цукаласа подтверждает, что монополист (N = 1) полностью интернализует экстерналию. Проблема в том, что большинство рынков — не монополии.

Кейнс и технологическая безработица (1930). В эссе «Экономические возможности для наших внуков» Кейнс ввёл термин «технологическая безработица» — ситуация, при которой «средства экономии труда обгоняют темпы, в которые мы находим ему новое применение». Он рассматривал это как переходную фазу, но фиксация именно на рассогласовании темпов — ключевая. Модель Фолка — Цукаласа добавляет структурный механизм: даже если переподготовка со временем повышает η, конкурентный клин сохраняется до тех пор, пока η < 1.

Общий паттерн: каждая волна технологической деструкции создавала период, в котором предложение труда вытеснялось быстрее, чем экономика поглощала его через новые задачи и рост спроса. Модель показывает, что даже в равновесии — без фрикций, без информационных асимметрий — этот период не самокорректируется.

Красная Королева: почему лучший ИИ усугубляет проблему

Модель вводит параметр ϕ — производительность ИИ-задачи относительно человеческой. При ϕ > 1 ИИ не только дешевле, но и продуктивнее. Интуиция подсказывает, что более производительный ИИ должен решать проблему спроса через рост выпуска. Модель показывает обратное: каждый отклоняющийся фирма захватывает большую долю рынка, но в симметричном равновесии выигрыши сокращаются. Клин расширяется (Proposition 6).

Механизм — эффект Красной Королевы: все бегут быстрее, чтобы остаться на месте. Фирма, которая автоматизирует первой, получает временное преимущество. Конкуренты отвечают тем же. В равновесии все автоматизировали больше, прибыль каждого ниже, чем при кооперативном оптимуме. Более продуктивный ИИ не решает проблему — он ускоряет бег.

Конкуренция не дисциплинирует — она ускоряет

Стандартная интуиция: больше конкуренция = больше дисциплина. В модели — наоборот. Клин ℓ(1 − 1/N)/k растёт с N. Фрагментированные рынки автоматизируют сильнее. При свободном входе (Proposition 8) избыточное число участников расширяет клин, а не сокращает его.

Это прямо противоречит аргументу о том, что «рынок сам всё отрегулирует». Рынок регулирует — в сторону избыточной автоматизации. Чем больше игроков, тем меньше каждый внутренний спрос, тем сильнее стимул заместить труд.

Что насчёт эндогенных зарплат?

Акемоглу и Рестрепо (2018) показали, что падающие зарплаты могут стабилизировать автоматизацию: displaced workers увеличивают предложение труда, зарплаты снижаются, экономия на автоматизации сужается. Фолк и Цукалас добавляют: это меняет когда проблема начинается, но не whether она существует. Зарплатная гибкость — Пиррова победа: зарплаты падают до уровня, при котором автоматизация невыгодна, но работники, сохранившие места, получают чуть больше себестоимости машин. Экстерналия исчезает не потому, что решена, а потому, что покупательная способность обрушена.

Рециклирование капитального дохода

Если владельцы тратят долю η̂ от прибыли в секторе, эффективная потеря спроса сокращается с ℓ до ℓ̂ = ℓ − η̂s. Но полное закрытие экстерналии требует η̂ ≥ ℓ/s. Когда ℓ > s (кооперативный оптимум — нулевая автоматизация), необходимая доля превышает 100%. Рециклирование помогает, но не спасает.

Практические следствия

Модель указывает на три сектора, где эмпирическая проверка наиболее прозрачна:

• Customer support — тысячи фирм одновременно заменяют агентов на agentic AI. Salesforce — пример.
• Software services — инструменты вроде Devin меняют headcount-to-output ratio. Goldman Sachs пилотирует autonomous coder.
• Back-office operations — регуляторная отчётность делает и внедрение, и доходность прозрачными.

Эмпирическая сигнатура: эрозия прибыли на фоне массовых сокращений. Стандартная модель предсказывает, что снижение издержек повышает прибыль. Если прибыль падает вместе с занятостью — маркер спросовой экстерналии.

Более широкая картина: литература показывает, что ИИ даёт большие приросты производительности (Brynjolfsson et al., 2025b), что конкурентное давление ускоряет внедрение (Li et al., 2025), и что эффективный человеческий контроль становится сложнее по мере улучшения ИИ (Bastani and Cachon, 2025). Каждый из этих результатов документирует сильный фирменный стимул к автоматизации. Модель показывает, что происходит, когда все фирмы действуют одновременно.

Политический контекст 2025–2026

Пигувинский налог на автоматизацию — не абстракция. В октябре 2025 Берни Сандерс представил доклад «Big Tech Oligarchs' War Against Workers», оценивающий риск вытеснения до 100 млн рабочих мест в США и предлагающий налог на автоматизацию крупных корпораций. В апреле 2026 OpenAI опубликовала 13-страничный документ с предложениями о налоге на автоматизированный труд, смещении налоговой базы с зарплат на корпоративный доход и создании публичного фонда благосостояния.

Модель Фолка — Цукаласа даёт этим предложениям теоретический фундамент: налог на автоматизацию — не «штраф за инновации», а коррекция рыночного провала, при котором фирмы систематически перенамеренны к замещению труда. Ставка τ* = ℓ(1 − 1/N) требует только секторных наблюдаемых величин (зарплата, норма потребления, коэффициент замещения). Доход направляется на переподготовку, повышающую η, что снижает τ* в следующих периодах.

Ограничения

Модель — один сектор, один период, симметричные фирмы. Каждое упрощение — консервативное. Многосекторная экономика порождает перекрёстные спросовые спирали. Динамика добавляет необратимость инвестиций. Гетерогенность фирм и работников усугубляет проблему. Направление — к более крупной проблеме, а не к меньшей.

Итог

Ловушка увольнений — это не коллективная близорукость и не жадность отдельных CEO. Это структурное свойство конкурентных рынков. Фирмы не «забывают» о последствиях — они не могут позволить себе быть единственной, кто отказывается автоматизировать. UBI, переподготовка, коллективные договоры, налог на прибыль — всё это амортизация последствий. Единственный инструмент, который меняет стимул на марже — Пигувинский налог на автоматизацию. Всё остальное — лечение симптомов.

Рикардо увидел проблему в 1821 году. Кейнс назвал её в 1930-м. Форд интернализировал её для монополии в 1914-м. Фолк и Цукалас показывают, что для конкурентного рынка интернализация требует прямого вмешательства — и что окно для этого вмешательства сужается по мере роста числа конкурентов и улучшения ИИ.

---

Источники:

• Falk, B. H., & Tsoukalas, G. (2026). The AI Layoff Trap. arXiv:2603.20617
• Acemoglu, D., & Restrepo, P. (2018). The Race Between Man and Machine. AER, 108(6).
• Acemoglu, D., & Restrepo, P. (2019). Automation and New Tasks. JEP, 33(2).
• Acemoglu, D., & Johnson, S. (2024). Learning from Ricardo and Thompson. NBER WP 32416.
• Keynes, J. M. (1930). Economic Possibilities for our Grandchildren.
• Guerreiro, J., Rebelo, S., & Teles, P. (2022). Should Robots Be Taxed? RES, 89(1).
• OpenAI (2026). Policy Paper on AI-Driven Economic Upheaval.
• CNBC (2025–2026). Block layoffs, Salesforce layoffs, Dario Amodei interview.