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» (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».
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. 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.
Однако во время Великой рецессии 2007–2009 гг. произошло обратное: производительность увеличилась. Выпуск упал весьма значительно, однако количество отработанных часов упало еще больше в результате проводимой компаниями агрессивной политики по сокращению штатов, что привело к увеличению нагрузки на оставшихся работников. Те, кто сохранил свои рабочие места (и кто, безусловно, боялся новых сокращений в будущем), вероятно, начали работать более усердно, сократив время, которое они раньше тратили на занятия, не связанные напрямую с их служебными обязанностями; результат — рост производительности.
Разумеется, в условиях реальной экономики описанный выше сценарий реализуется в бесчисленном количество организаций всех размеров. Одна фирма может освоить новую технологию, которая увеличивает производительность. Другая — идет на сокращение выпуска в ответ на ослабление спроса. Все вместе это приводит к достаточно посредственному показателю общей производительности. Суть в том, что экономические величины, оцениваемые в краткосрочный период, такие, например, как продуктивность, носят переменный, а иногда даже и хаотический характер. Однако в долгосрочной перспективе тенденция просматривается намного четче. И действительно, мы видели подтверждение этого в главе 2; вспомним, что с начала 1970-х гг. показатели производительности намного опережают показатели оплаты труда.