Волны гасят ветер: во что упирается развитие ИИ в теории длинных волн Кондратьева

Что объединяет ткацкий станок, фабричный конвейер, телефонные сети и GPU? Каждое из этих изобретений в свое время выводило технологии на новый уровень. Многие ученые обращали внимание ^[1], что взрывное› развитие повторяется через равные промежутки времени. Один из них — советский экономист Николай Кондратьев ^[2], в 1920-е годы описавший длинные экономические циклы.

Длинные волны Кондратьева связывают с кластерами технологий, структурными сдвигами и сменой базовой инфраструктуры. ИИ хорошо укладывается в эту схему: сначала появились модели и сервисы, затем — гонка за дата-центрами, чипами и электричеством. А вместе с этим рост затрат, когда все как в сказке: чтобы остаться на месте — нужно бежать, то есть участвовать в гонке за мощностями. А когда хайп заканчивается, часто начинается спад — ведь мы говорим о волне.

Сначала разберем, как работает теория Кондратьева — она помогает приоткрыть завесу в будущее. Затем применим ее к ИИ, который сейчас на пике, и посмотрим, к чему приведет текущая волна — погрузятся ли в пучину стартапы, взлетевшие на новой технологии, или мы увидим еще большее развитие как технологий, так и бизнеса? Что будет с рынком труда, если волна все-таки пойдет на спад? И главное — что поможет нам не утонуть вместе с технологией?

Что такое волны Кондратьева?

Идея волн Кондратьева в том, что экономика развивается не ровной линией, а длинными циклами. Каждый длится несколько десятилетий и связан с крупной технологической перестройкой. В классической версии теории Кондратьева после промышленной революции обычно выделяют несколько длинных волн:

С 1803 до 1841–1843 годов — ранняя индустриализация, паровые машины, текстильная промышленность, первые крупные фабричные системы.

С 1844–1851 до 1890–1896 годов — железные дороги, сталь, уголь, телеграф, расширение промышленных рынков.

С 1891–1896 до 1945–1947 годов — электричество, химическая промышленность, двигатели внутреннего сгорания, массовое производство, автомобильная индустрия.

С 1945–1947 до 1981–1983 годов — нефтехимия, авиация, автомобили, массовое потребление, электроника, послевоенный промышленный рост.

С 1981–1983 до примерно 2018 года — микропроцессоры, персональные компьютеры, интернет, телекоммуникации, программное обеспечение, глобальные цифровые платформы.

С 2018 года и, согласно прогнозам, до 2060 года в качестве технологического ядра выступают искусственный интеллект ^[3], робототехника, биотехнологии, новые материалы, квантовые вычисления, энергетика и инфраструктура обработки данных.

Для нашей темы важна именно последняя волна. Если ИИ действительно становится ее ядром, то дата-центры, GPU, электросети, системы охлаждения и инфраструктура данных играют ту же роль, которую раньше играли железные дороги, электростанции, нефтехимические комплексы или телеком-сети. Речь идет о фундаментальной перестройке всей экономики.

За почти сто лет экономисты наблюдали много объяснений для колебаний — роста и спада каждой волны. Самое популярное сегодня связано с технологическими инновациями. Кондратьев писал, что важные открытия часто появляются в период спада, а массово внедряются уже во время следующего подъема. Позже Йозеф Шумпетер развил ^[4] эту идею через понятие «кластера инноваций». Кластер инноваций — это не одна технология, а набор связанных решений, которые усиливают друг друга и вместе запускают новый этап роста.

В прошлом цифровом цикле такой кластер собирался вокруг микропроцессоров, персональных компьютеров, интернета, мобильной связи, облаков, платформ и больших данных. Он запустил постоянный обмен информации между людьми и бизнесом. Нынешний кластер собирается вокруг ИИ-моделей, GPU, дата-центров, энергии, данных, ИИ-агентов, робототехники, космических технологий и новых интерфейсов. Его задача уже другая: не просто дать доступ к информации, а автоматизировать работу с ней.

Как это может выглядеть в реальности

Есть концепция «Индустрия 4.0» ^[5], которая описывает переход к умному производству: автоматизации, промышленному интернету вещей, цифровым двойникам, 3D-печати, дополненной реальности и ИИ. Ее предложил доктор экономических наук Клаус Шваб, основатель и президент Всемирного экономического форума, обобщив самые перспективные на тот момент технологии.

Следующий этап — «Индустрия 5.0». В этой логике ^[6] роботы и алгоритмы уже не просто заменяют отдельные операции, а работают рядом с человеком. Производство становится более автоматизированным, но человек все еще остается важной частью процесса: он ставит задачи, контролирует результат, принимает решения и адаптирует технологии к реальным условиям. Сейчас мы здесь.

Уже в ближайшем будущем прогнозируют начало «Индустрии 6.0 ^[7]», предполагающей полную автоматизацию производства и проектирования. Выпуск любых типов изделий будет осуществляться без участия человека — под управлением ИИ-систем и с помощью роботов.

«Основная идея — охватить полный производственный цикл. В рамках этой концепции все этапы — начиная от создания CAD-моделей, которые могут включать как механические узлы, так и печатные платы (PCB), и до финальной сборки и доставки продукции — предполагается выполнять с использованием генеративного искусственного интеллекта в сочетании с системой гетерогенных автономных роботов. При этом используется облачный ИИ, управляющий всеми процессами. Причем каждый робот оснащен локальным ИИ, который наделяет их способностью действовать как автономно, так и сотрудничая через роевой интеллект. В рой будут включаться различные типы роботов: человекоподобные, промышленные, коллаборативные, мобильные, дроны и обрабатывающие Центры с ИИ. Также в системе будут функционировать ИИ-агенты, связывающие цифровой мир и мир роботов»

ИИ как новый инновационный кластер

Волны или циклы обычно описывают через несколько стадий:

1. Зарождение новой технологии. Она еще дорогая, сырая и понятна узкому кругу специалистов. На этом этапе появляются первые изобретения, эксперименты, прототипы и компании, которые пытаются превратить технологию в бизнес.

2. Фаза быстрого роста. Технология дешевеет, ее начинают массово внедрять, под нее строят инфраструктуру. Так было с железными дорогами, электричеством, автомобилями, нефтехимией, компьютерами, интернетом. В этот момент появляются новые лидеры рынка, растут инвестиции, меняется спрос на сырье, оборудование, кадры и энергию.

3. Зрелость. Технология уже встроена в экономику. Она перестает быть чудом, становится нормой. Производительность растет медленнее, конкуренция усиливается, маржа снижается. Компании начинают оптимизировать расходы, а не просто строить новое.

4. Фаза накопленных противоречий. Это важная часть. Основные фонды — заводы, сети, дата-центры, оборудование, транспорт, энергетика — имеют разные сроки службы. Одни активы еще не окупились, другие уже устарели, третьи требуют модернизации. Деньги вложены в старую инфраструктуру, но новая технология уже требует других мощностей и другой экономики. На этой стадии растут издержки, появляются долги, часть инвестиций оказывается переоцененной. Начинаются списания, банкротства, консолидация рынка и поиск новой модели роста. Но в логике Кондратьева кризис наступает не только из-за заводов, ЦОД ^[8] и амортизации, но и из-за перестройки занятости: старая структура профессий уже не нужна в прежнем объеме, а новая еще не успела создать достаточно рабочих мест и понятных карьерных траекторий.

5. Формируется следующий технологический кластер — и цикл начинается заново.

Сейчас можно наблюдать, как ПО превращается в основу новой волны, а ИИ входит в стадию накопления противоречий. Например, на данный момент технологии  упираются в необходимость создания дорогостоящей инфраструктуры ^[8]. Модели, чат-боты и агенты — лишь верхний слой. Скрытая, но огромная часть айсберга — дата-центры, GPU, трансформаторы, охлаждение, электросети. Все это — невероятные капитальные расходы. Модели требуют вычислений, вычисления — чипов и ЦОД, ЦОД — электричества, охлаждения и сетей, для которых, оказывается, нужны ^[8] цветные металлы. 

А еще для длинных экономических волн важны не только технологии

Они зависят от того, есть ли на рынке достаточно компетенций, чтобы быстро создавать продукты, инфраструктуру и новые рынки.

Упрощенно модель длинных волн Кондратьева строится ^[9] на четырех элементах:

• развитие рынка, определяемое спросом, потенциальной выручкой, масштабами внедрения;

• потребительская ценность — насколько новые продукты реально нужны рынку;

• компетенции, объединяющие знания и людей (инженеров и исследователей), которые ими обладают;

• инновационные технологии, в случае ИИ — новые чипы, модели, платформы, способы производства.

Эти элементы связаны между собой. Чем выше уровень компетенций, тем быстрее появляются новые технологии. Чем сильнее технологии, тем больше шансов создать продукт с высокой ценностью для клиентов. Чем полезнее продукт, тем быстрее растет рынок. Рост рынка дает компаниям деньги на новые исследования, кадры и инфраструктуру. Так возникает замкнутый цикл роста.

В идеальной ситуации эта связка работает как спираль: компетенции усиливают инновации, инновации создают новые продукты, продукты расширяют рынок, рынок снова финансирует развитие компетенций. За счет этого экономика может дольше удерживать фазу роста и сглаживать спад длинной волны.

Как выглядит спад в ситуации с ИИ

В теории Кондратьева спад начинается не потому, что технология внезапно стала ненужной. Проблема в накопленных противоречиях.

С ИИ это выглядит так: модели обновляются быстро, а дата-центры строятся годами. GPU устаревают быстрее, чем окупаются здания, электрика и охлаждение. Энергосети не успевают за спросом. Компании вкладывают миллиарды в мощности, но отдача от ИИ-проектов не всегда соразмерна.

Если расходы на инфраструктуру и энергию растут быстрее доходов бизнеса, начинается охлаждение: слабые стартапы закрываются, экспериментальные проекты сворачивают, активы переоценивают, рынок консолидируется. Это и есть спад ИИ-волны — не отказ от технологии, а основательная чистка рынка после перегрева, своего рода естественный отбор.

Но поговорим о компетенциях

Рынок труда — еще одно узкое место, где ИИ-волна может дать сбой. McKinsey оценивает ^[10], что в десяти крупнейших экономиках Европы уже сейчас технически можно автоматизировать до 58% рабочих часов. Технологии в целом готовы, главный вопрос — скорость внедрения в компаниях.

Исследователи делят профессии на три группы. В первой человек остается главным: врачи, менеджеры, преподаватели. Во второй люди работают вместе с ИИ-агентами, роботами и цифровыми помощниками: продавцы, медсестры, технические специалисты. В третьей рутинные процессы все сильнее переходят к алгоритмам: бухгалтерия, операционные роли, контрольные и административные функции.

Это не означает простую замену людей нейросетями. Скорее меняется сама структура профессий. Часть задач уходит в автоматизацию, часть навыков становится дороже: постановка задач, контроль результата, работа с данными, экспертиза в предметной области. Для Европы это означает масштабное переобучение миллионов работников — иначе технологическая волна усилит разрыв между теми, кто умеет работать с ИИ, и теми, чьи задачи первыми уходят в автоматику.

IMF уже оценивает ^[11], что в развитых экономиках около 60% рабочих мест подвержены влиянию ИИ. Примерно половина из них может выиграть от роста продуктивности, а другая половина столкнуться с рисками — либо их роль заменит ИИ, либо серьезно вырастет конкуренция за место. В странах с развивающимися рынками степень влияния ниже — около 40%, в странах с низким доходом — около 26%.

WEF в Future of Jobs Report 2025 дает ^[12] менее апокалиптическую, но все равно неприятную картину: к 2030 году структурные изменения затронут около 22% текущих рабочих мест, при этом ожидается создание 170 млн новых ролей и вытеснение 92 млн, то есть чистый прирост может составить 78 млн рабочих мест. Главный риск — не исчезновение работы, а несоответствие навыков: 63% работодателей называют разрыв в навыках главным барьером для трансформации бизнеса.

Получается, что вместо движения по спирали после резкого подъема возможно не менее стремительное падение. Рабочие места заменит ИИ, новые появятся, но квалификации у большинства людей на них не хватит. Безработица плюс дефицит кадров — и вот он, экономический кризис, на который наложится сильное социальное расслоение.

Самый тревожный свежий сигнал — исследование Stanford Digital Economy Lab Canaries in the Coal Mine? Авторы использовали ^[13] высокочастотные данные крупнейшего payroll-провайдера США ADP и обнаружили, что с конца 2022 года занятость работников 22–25 лет в наиболее ИИ-зависимых профессиях снизилась примерно на 13%. Особенно уязвимы роли с высокой долей рутинной когнитивной работы: разработка ПО, клиентская поддержка, базовая аналитика, администрирование, часть офисных функций. 

Для зумеров риск ИИ-волны не в том, что пропадут все профессии, а в том, что исчезнет старая модель входа в них. Раньше джуниор учился на рутинных задачах: писал простые куски кода, собирал отчеты, отвечал клиентам, готовил документы. Теперь именно эти задачи первыми уходят в автоматизацию. Работодатель все чаще ждет от новичка не «готовности учиться», а способности сразу работать с ИИ-инструментами, проверять их результат и брать на себя более сложные задачи. В результате ожидания растут, а задачи для входа в профессию и первой работы — выпадают. А как известно, без джуна не будет и мидла.

Прокачка компетенций может сгладить спад технологической волны

Согласно модели волн Кондратьева, ИИ сейчас находится где-то между фазой быстрого роста и фазой накопления противоречий.

С одной стороны, технология стала массовой: бизнес внедряет генеративный ИИ, бигтех строит дата-центры, растут расходы на GPU, энергию и инфраструктуру. Stanford AI Index фиксировал ^[14], что в 2024 году ИИ использовали 78% опрошенных организаций против 55% годом ранее, а генеративный ИИ — 71% против 33%. 

С другой стороны, экономика ИИ еще не устоялась. Рынок только проверяет, какие продукты реально окупаются, где есть рост производительности и как быстро возвращаются вложения в инфраструктуру. Поэтому текущая стадия — это уже не голый хайп, а скорее инфраструктурная гонка. Модели требуют GPU, GPU требуют ЦОД, те — охлаждения, трансформаторов и электричества. В IV квартале 2025 года мировые расходы на ИИ-инфраструктуру, по данным IDC ^[15], достигли 89,9 млрд долларов, рост составил 62% год к году.

Как только число противоречий достигнет критической массы, может начаться спад. В этот момент компании должны обновлять продукты или создавать новые рынки. Если они этого не делают, длинная волна войдет в классическую фазу замедления: начнут расти издержки, старые активы будут хуже окупаться или вовсе перестанут это делать, спрос перестанет разгоняться.

Для ИИ это будет особенно ощутимо. Сначала рынок быстро рос за счет моделей, чат-ботов, генерации кода и корпоративных помощников. Затем начался следующий этап: чтобы сохранить темп, нужны новые компетенции, более мощные чипы, дата-центры, энергия, охлаждение, данные и специалисты (!). То есть рост уже зависит не только от идеи, а от способности постоянно обновлять технологическую базу и нанимать или обучать квалифицированные кадры.

Только в таком случае спираль сработает, и ИИ может стать источником новой волны экономического роста. Но если компетенции, инфраструктура и рынки не будут успевать друг за другом, технология начнет накапливать противоречия еще быстрее: расходы расти, оборудование устаревать, спрос и инвестиции падать.

Спад длинной волны можно смягчить с помощью массовых инвестиций в компетенции, новые технологии и продукты. 

Механика следующая ^[9]: деньги идут в развитие ключевых компетенций: инженеров, научные школы, производственные навыки, технологические платформы. Эти компетенции помогают создавать новые продукты. Новые продукты формируют новые рынки. Рост рынков снова дает деньги на развитие компетенций. Получается спираль: знания → технологии → продукты → рынки → новые знания.

Пока эта спираль работает, экономика может удерживать рост дольше, чем предполагает классическая схема волн Кондратьева. Спад не исчезает полностью, но смягчается: вместо резкого провала получается более плавная траектория.

У этой логики есть предел. Любой рынок рано или поздно насыщается, достигает критической точки. Сначала новый продукт быстро растет, затем конкурентов становится больше, потребитель привыкает, а каждый следующий этап роста требует все больше затрат. В этот момент нужно заранее запускать следующую волну компетенций и технологий. Если этого не сделать, начинается новая фаза замедления: спрос слабеет, издержки растут, старые активы хуже окупаются. Люди остаются без работы, не тратят деньги (которых у них теперь нет), значит, бизнес их тоже не получает. В проигрыше все.

На исторических данных идею развития компетенций связывают с технологическим лидерством ^[16]. Согласно исследованию ^[9], страны и регионы, которые быстрее накапливают компетенции и внедряют инновации, легче проходят нисходящие фазы длинных волн. В качестве примера часто приводят США и страны Восточной Азии: Китай, Японию, Южную Корею. Их рост связывают с активными вложениями в технологии, патенты, производство и новые рынки.

Получается, ИИ может сгладить спад новой технологической волны только в одном случае — если экономика успеет сформировать устойчивую систему, включающую обучение ^[17], инфраструктуру и реальные продукты. А значит, даже если ИИ может заменить джуна, обучать его все равно выгодно — если не в краткосрочной, то в долгосрочной перспективе.