Слоп, производительность и почему ИИ-экономика топчется на месте

ИИ генерирует огромный объём контента, но не создаёт реальной ценности — исследования MIT, McKinsey и Bain не фиксируют роста ВВП. Разбираем тезис Гэри Маркуса о «слопе» как главном продукте эпохи генеративного ИИ.

Это вольный пересказ статьи Гэри Маркуса «Slop, productivity, and why the AI-fueled world is going nowhere mighty fast» (7 июня 2026). Все права на иллюстрации принадлежат авторам оригинальных материалов (Financial Times, The Washington Post). Ссылки на исследования сохранены.

Я увидел один график в Financial Times — от Джона Бёрна-Мёрдока — и он точно отражает то, что я давно пытаюсь сформулировать. ИИ генерирует огромный объём вывода (что многие понимают как производительность), но не даёт ощутимой отдачи для большинства компаний — это подтверждают исследования MIT, McKinsey, Bain и многих других. И он существенно не изменил ВВП.

Конкретный график из FT посвящён мобильным приложениям. Похожие графики можно построить в любой области: море номинальной производительности — и почти никакого реального воздействия на мир.

График FT: агентный ИИ спровоцировал бум выпуска мобильных приложений, но признаков роста популярности не видно. Источник: Financial Times / Джон Бёрн-Мёрдок
График FT: агентный ИИ спровоцировал бум выпуска мобильных приложений, но признаков роста популярности не видно. Источник: Financial Times / Джон Бёрн-Мёрдок

Книг больше — читают меньше

Возьмём книги. Генеративный ИИ породил гораздо больше книг, но непохоже, что они стали лучше или что их стали больше покупать. Продажи книг за тот же период даже немного снизились. И я не слышу аргументов в пользу того, что книги стали качественнее.

График Washington Post: резкий рост числа доступных книг начиная с 2022 года. Источник: The Washington Post
График Washington Post: резкий рост числа доступных книг начиная с 2022 года. Источник: The Washington Post

В том же материале Washington Post есть похожие графики: рост числа загруженных музыкальных треков, самостоятельно поданных судебных исков, отправленных научных статей, сгенерированного веб-контента.

Нет никаких оснований думать, что всё это добавило что-то к ВВП или к качеству науки и музыки. Большинство этого — слоп (иногда — рабочий слоп).

Графики: рост объёма ИИ-контента по всем категориям — музыка, судебные иски, научные статьи, веб-контент. Источник: The Washington Post
Графики: рост объёма ИИ-контента по всем категориям — музыка, судебные иски, научные статьи, веб-контент. Источник: The Washington Post

Графики из FT и Washington Post раз за разом показывают одно: нас захлёстывает волна ИИ-контента — от приложений до музыки и научных статей. Но это не делает их хорошими. Большинство из них — нет.

Математика под угрозой

То же самое, скорее всего, происходит в математике. Группа математиков написала открытое письмо — Лейденскую декларацию, — о которой сообщила The New York Times. В нём говорится:

«Современные автоматизированные методы способны производить правдоподобные, но ненадёжные (или даже ошибочные) аргументы, которые сложно отличить от корректных математических доказательств. Эти быстро развивающиеся события оказывают возрастающее давление на нашу систему рецензирования, ставя под угрозу нашу способность поддерживать традиционные стандарты корректности, прозрачности и независимой верифицируемости доказательств.»

Иными словами — математический слоп.

Производительность в бухгалтерском смысле

Один инвестор напомнил мне, насколько узким является техническое определение производительности применительно к ВВП: «В национальных счетах оплата людям за то, чтобы они рыли ямы и тут же их засыпали, тоже увеличивает ВВП».

Использование генеративного ИИ наращивает расходы на токены и наводняет мир контентом. Но слишком часто этот контент — созданный гигантской, но ненадёжной машиной предсказания слов, скорее регургитирующей, чем изобретающей, — имеет мало долговременной ценности.

Возможно, крупнейшее исключение — программирование. Но даже там неясно, сколько систем, созданных с помощью агентного кодинга, выживут в долгосрочной перспективе.

Кто теряет деньги

В агентном кодинге огромные убытки несут все участники цепочки:

  • Провайдеры (OpenAI, Anthropic, Cursor и др.) теряют деньги и торопятся поднять цены
  • Клиенты сопротивляются новым моделям ценообразования
  • По анализу Гербена Вирды, Anthropic и OpenAI «могут реально платить 1 000 долларов за каждые 100 долларов, которые вы им платите»
  • Посредники дата-центров вроде CoreWeave тоже в убытках
  • Положение чипмейкеров сложно оценить — с учётом кругового финансирования и сокращающегося денежного потока

График: показатели прибыльности / убыточности в экосистеме ИИ. Источник: Гэри Маркус
График: показатели прибыльности / убыточности в экосистеме ИИ. Источник: Гэри Маркус

Единственная возможная история о реальной производительности (программирование) — это именно то, что сжигает больше всего денег. Вполне вероятно, что когда провайдеры попытаются поднять цены до уровня, покрывающего убытки, стоимость ИИ превысит стоимость людей, которых он якобы заменяет.

Вот уж действительно — рыть ямы, не создавая реальной ценности.

Похожие выводы — с разных углов — см. также у Пола Кругмана и Пола Кедроски.

И напоследок — твит Юйчэня Джина, написанный, судя по всему, с долей иронии:

Твит Юйчэня Джина: «Раньше я тратил выходные на создание 1 бесполезного приложения. Теперь могу создать 67 бесполезных приложений за выходные, каждое с логотипом, красивой страницей и 0 пользователей». Источник: X / Twitter
Твит Юйчэня Джина: «Раньше я тратил выходные на создание 1 бесполезного приложения. Теперь могу создать 67 бесполезных приложений за выходные, каждое с логотипом, красивой страницей и 0 пользователей». Источник: X / Twitter

Источник: Гэри Маркус. Slop, productivity, and why the AI-fueled world is going nowhere mighty fast — Marcus on AI, 7 июня 2026. Перевод и адаптация: ЛЕРН ВАЙБКОДИНГ