• По данным US Bureau of Labour Statistics, рост производительности составлял 2.7% в год в 1947–1973 и 2.1% в 1990–2001.
• По словам Gownder, в 2007–2019 рост производительности был 1.5% в год; исключением он называет 2001–2007 с 2.8% в год.
• Gownder говорит, что не видит доказательств того, что сегодняшние AI-инструменты повышают производительность.
• Он ссылается на формулировку экономиста Роберта Солоу (1987) о том, что эффекты технологий «везде, кроме статистики производительности», и утверждает, что это «держится» и сейчас.
• Исследование Forrester по замещению рабочих мест AI оценивает риск на уровне 6% рабочих мест к 2030 году, около 10.4 млн, через RPA, BPA, физическую робототехнику и generative AI.
• Для оценки уязвимости профессий Forrester использовал около 800 типов работ и 34 навыка из классификаций BLS, а также интервью с 200 компаниями и подход, сходный с исследованием Frey & Osborne (2013).

Почему это важно: В тексте обсуждается «Solow Paradox» — ситуация, когда технологические изменения воспринимаются как повсеместные, но не отражаются в статистике производительности. Это влияет на то, как компании и экономисты интерпретируют отдачу от инвестиций в IT и AI. Отдельная линия — риск структурного замещения части профессий: даже если эффект на производительность не виден, автоматизация может менять структуру занятости.

На что обратить внимание: В интервью разделяются две темы: измерение производительности и фактическое замещение рабочих мест — это не одно и то же. Также отмечается, что часть заявлений о «сокращениях из-за AI» может быть интерпретирована как финансовое ужесточение, а не прямое замещение задач работающими системами. Наконец, в тексте подразумевается следующий шаг: если AI-агенты станут эффективнее, связь с производительностью может проявиться, но сейчас доказательств эффекта мало по словам собеседника.