Yan Lukashin
Стены
Знакомая прошлой зимой искала массажиста для мамы после инсульта. Не AI, а массажиста с руками. В её городе очередь к платному — три месяца, к бесплатному — никогда. AI к этому моменту уже умел писать анамнезы, считать дозировки, читать МРТ и составлять график реабилитации. Тело массировать не умел. И в ближайшие десять лет, видимо, не научится.
Это микро-сцена. Но она показывает то, что не видно из квартальных отчётов и презентаций для инвесторов. У дешёвого интеллекта есть стены. У них есть точное расположение, точная высота и довольно много эмпирических данных, потому что одну из этих стен пятнадцать лет лбом разбивает Япония. С известным результатом.
В [прошлой статье] я нашёл единственный честный bull-аргумент за капекс — демография. Сжатие рабочей силы делает автоматизацию вынужденной. Сегодня — обратная сторона. Та же демография наращивает стены, в которые этот аргумент упирается. Стены, через которые AI не проходит, расти будут быстрее, чем продуктивность в той части, где он проходит. Это и есть структурный потолок maintenance play.
Дальше — четыре стены подряд. Чем они сделаны, как их меряют, и почему aging их растит. Без doom. Холодный аудит границ.
Это микро-сцена. Но она показывает то, что не видно из квартальных отчётов и презентаций для инвесторов. У дешёвого интеллекта есть стены. У них есть точное расположение, точная высота и довольно много эмпирических данных, потому что одну из этих стен пятнадцать лет лбом разбивает Япония. С известным результатом.
В [прошлой статье] я нашёл единственный честный bull-аргумент за капекс — демография. Сжатие рабочей силы делает автоматизацию вынужденной. Сегодня — обратная сторона. Та же демография наращивает стены, в которые этот аргумент упирается. Стены, через которые AI не проходит, расти будут быстрее, чем продуктивность в той части, где он проходит. Это и есть структурный потолок maintenance play.
Дальше — четыре стены подряд. Чем они сделаны, как их меряют, и почему aging их растит. Без doom. Холодный аудит границ.
Стена, которую разбивают пятнадцать лет
Япония — лучшая возможная лаборатория для проверки тезиса «AI закроет дефицит кадров». Стареет давно. Денег на это потратила больше всех в мире. Сначала с роботами, потом с AI. Результат за пятнадцать лет известен и измерен.
Министерство экономики Японии прогнозирует рынок робототехники для ухода в $3,8 миллиарда к 2035-му. К 2022 году 63% домов престарелых использовали мониторинговых роботов, 26,4% — мобильных. Гуманоидные модели стоят порядка $67 000, что эквивалентно 37 месяцам зарплаты сиделки. Цифры серьёзные. Внедрение шло пятнадцать лет, с субсидиями METI, при политической поддержке, на самом мотивированном рынке планеты.
Что получили. Джеймс Райт в этнографической работе «Robots Won't Save Japan» (2023) даёт прямой вывод: care robots создали **дополнительную нагрузку** на и без того перегруженных работников, а измеримой экономии труда практически не дали. Эггльстон и команда Стэнфордского APARC находят то же самое с другого угла: внедрение роботов **скромно увеличило** занятость и удержание сиделок — то есть техника **дополнила** людей, не заместила их.
Сводки марта 2026-го добавляют деталей — это вторичные обзоры, не METI, оговорку держу. Care robots, по обещаниям индустрии, должны были сократить трудозатраты на 40%. Реальное проникновение — около 3% из-за стоимости и ограниченной надёжности. AI-системы планирования смен — единственное, что хоть как-то сработало: обещали экономию 20%, дали 18%. Зарплата сиделки в Японии — 2,7 миллиона иен в год, около $18 600. На 40% ниже средней по стране. Текучка — больше 15% в год. Дефицит, который автоматизация должна была закрыть, вырос: 380 000 человек к 2025-му, 570 000 к 2040-му.
Это не история провала технологии. Это история того, как технология, которая в лаборатории действительно работает, упирается в физическую и социальную плотность задачи, под которую она запускалась. Уход за человеком — не «обработать запрос», а присутствие, прикосновение, согласие, доверие тяжёлого тела передать другому. Куски этого можно автоматизировать: подъём, перемещение, ночной мониторинг, расписание. Целое — нельзя. Пятнадцать лет показали, что нельзя.
Открытый вопрос. Если гуманоидные роботы — Figure, 1X, Tesla Optimus, японский AIREC — пересекут порог цены и качества к 2030-му и подешевеют в пять-десять раз, эта стена частично подвинется. Это возможно. Это не сегодняшняя реальность, и плыть к ней капексу 2026 года — ещё минимум пять-семь лет. Стена сейчас стоит. Высоту я только что назвал.
Министерство экономики Японии прогнозирует рынок робототехники для ухода в $3,8 миллиарда к 2035-му. К 2022 году 63% домов престарелых использовали мониторинговых роботов, 26,4% — мобильных. Гуманоидные модели стоят порядка $67 000, что эквивалентно 37 месяцам зарплаты сиделки. Цифры серьёзные. Внедрение шло пятнадцать лет, с субсидиями METI, при политической поддержке, на самом мотивированном рынке планеты.
Что получили. Джеймс Райт в этнографической работе «Robots Won't Save Japan» (2023) даёт прямой вывод: care robots создали **дополнительную нагрузку** на и без того перегруженных работников, а измеримой экономии труда практически не дали. Эггльстон и команда Стэнфордского APARC находят то же самое с другого угла: внедрение роботов **скромно увеличило** занятость и удержание сиделок — то есть техника **дополнила** людей, не заместила их.
Сводки марта 2026-го добавляют деталей — это вторичные обзоры, не METI, оговорку держу. Care robots, по обещаниям индустрии, должны были сократить трудозатраты на 40%. Реальное проникновение — около 3% из-за стоимости и ограниченной надёжности. AI-системы планирования смен — единственное, что хоть как-то сработало: обещали экономию 20%, дали 18%. Зарплата сиделки в Японии — 2,7 миллиона иен в год, около $18 600. На 40% ниже средней по стране. Текучка — больше 15% в год. Дефицит, который автоматизация должна была закрыть, вырос: 380 000 человек к 2025-му, 570 000 к 2040-му.
Это не история провала технологии. Это история того, как технология, которая в лаборатории действительно работает, упирается в физическую и социальную плотность задачи, под которую она запускалась. Уход за человеком — не «обработать запрос», а присутствие, прикосновение, согласие, доверие тяжёлого тела передать другому. Куски этого можно автоматизировать: подъём, перемещение, ночной мониторинг, расписание. Целое — нельзя. Пятнадцать лет показали, что нельзя.
Открытый вопрос. Если гуманоидные роботы — Figure, 1X, Tesla Optimus, японский AIREC — пересекут порог цены и качества к 2030-му и подешевеют в пять-десять раз, эта стена частично подвинется. Это возможно. Это не сегодняшняя реальность, и плыть к ней капексу 2026 года — ещё минимум пять-семь лет. Стена сейчас стоит. Высоту я только что назвал.
Качество — да. Труд — нет.
Прежде чем идти дальше, обязательный честный нюанс. Иначе любой вдумчивый читатель проверит и потеряет доверие к остальной статье.
Робототехника в японских домах престарелых улучшила качество ухода. Это эмпирически подтверждено. Меньше пролежней. Меньше использования физической фиксации. Длиннее листы ожидания — больше людей готовы туда попасть. Это реальная польза, и я её не отнимаю.
Но это улучшение качества при той же или большей численности персонала. Не сокращение труда. А капекс под maintenance play оправдывается именно labor saving — тем, что машина закрывает работу человека, которого нет. Качество ухода — социально важный, но другой эффект. Он не возвращает деньги в P&L и не закрывает дефицит рабочих рук, который и есть тихий мотор демографии.
Стена именно по труду. Care quality — отдельный, более добрый разговор.
Робототехника в японских домах престарелых улучшила качество ухода. Это эмпирически подтверждено. Меньше пролежней. Меньше использования физической фиксации. Длиннее листы ожидания — больше людей готовы туда попасть. Это реальная польза, и я её не отнимаю.
Но это улучшение качества при той же или большей численности персонала. Не сокращение труда. А капекс под maintenance play оправдывается именно labor saving — тем, что машина закрывает работу человека, которого нет. Качество ухода — социально важный, но другой эффект. Он не возвращает деньги в P&L и не закрывает дефицит рабочих рук, который и есть тихий мотор демографии.
Стена именно по труду. Care quality — отдельный, более добрый разговор.
Старение делает стены выше
В [«Лишнем мозге»] я показал, что из семи крупнейших макропроблем мира только одна реально упирается в дефицит мышления — научный поиск и материалы. Остальные шесть держатся на координации, ресурсах, регуляторике, стимулах и доверии. Это сделанный счёт. Здесь — следующий шаг, которого там не было.
McKinsey — мейнстримовая оценка, не скептическая — фиксирует, что 30–40% совокупной рабочей активности структурно не автоматизируется текущими AI и робототехникой. Уход за людьми, начальное образование, физиотерапия, социальная работа, гостеприимство, розничный сервис, квалифицированные ремёсла с физическим присутствием, значительная часть строительства. То, что Райт нашёл в эльдеркэре, по этим секторам разлито относительно равномерно.
Теперь стрелки. В автоматизируемых 60–70% AI даёт реальный прирост — где-то 0,5–0,7% TFP за десять лет по честным расчётам Аджемоглу, где-то 1,5 п.п. в год по более бодрым прогнозам Goldman. Возьмём середину. В неавтоматизируемых 30–40% AI не двигает ничего, и спрос на эти секторы растёт по графику старения. По прогнозам, доля eldercare в ВВП Кореи вырастет с 6% до 12% к 2050 году. В Японии аналогично. В Германии, Италии — то же.
Сложите два движения. AI делает 60–70% экономики чуть продуктивнее на работника. Композиция экономики смещается в неавтоматизируемые 30–40%, которые растут быстрее по доле. Если веса смещаются достаточно быстро — а они смещаются по уже известному демографическому графику, — агрегатный per-worker productivity падает даже при substantial AI gains. Это не модельное упражнение. Это арифметика задачи Аджемоглу, и она работает против maintenance-тезиса именно в той части, где он должен был работать.
Получается уловка-22. Старение делает автоматизацию необходимой. Старение же делает её недостаточной. Чем сильнее давление — тем больше доля экономики, на которую инструмент не отвечает. Это и есть главное сужение демографического bull-аргумента из прошлой статьи.
McKinsey — мейнстримовая оценка, не скептическая — фиксирует, что 30–40% совокупной рабочей активности структурно не автоматизируется текущими AI и робототехникой. Уход за людьми, начальное образование, физиотерапия, социальная работа, гостеприимство, розничный сервис, квалифицированные ремёсла с физическим присутствием, значительная часть строительства. То, что Райт нашёл в эльдеркэре, по этим секторам разлито относительно равномерно.
Теперь стрелки. В автоматизируемых 60–70% AI даёт реальный прирост — где-то 0,5–0,7% TFP за десять лет по честным расчётам Аджемоглу, где-то 1,5 п.п. в год по более бодрым прогнозам Goldman. Возьмём середину. В неавтоматизируемых 30–40% AI не двигает ничего, и спрос на эти секторы растёт по графику старения. По прогнозам, доля eldercare в ВВП Кореи вырастет с 6% до 12% к 2050 году. В Японии аналогично. В Германии, Италии — то же.
Сложите два движения. AI делает 60–70% экономики чуть продуктивнее на работника. Композиция экономики смещается в неавтоматизируемые 30–40%, которые растут быстрее по доле. Если веса смещаются достаточно быстро — а они смещаются по уже известному демографическому графику, — агрегатный per-worker productivity падает даже при substantial AI gains. Это не модельное упражнение. Это арифметика задачи Аджемоглу, и она работает против maintenance-тезиса именно в той части, где он должен был работать.
Получается уловка-22. Старение делает автоматизацию необходимой. Старение же делает её недостаточной. Чем сильнее давление — тем больше доля экономики, на которую инструмент не отвечает. Это и есть главное сужение демографического bull-аргумента из прошлой статьи.
С другой стороны: workforce стареет
Стены растут не только со стороны задач. Они растут со стороны людей.
OECD в Employment Outlook 2025 документирует механизм, которого нет в стандартном моделировании AI-эффекта на экономику. По мере старения рабочей силы падает межфирменная мобильность — частота, с которой люди переходят с работы на работу. Эмпирически это снижает агрегатный прирост производительности, потому что реаллокация — то, как капитал и навыки находят более производительное применение, — становится медленнее. OECD оценивает совокупное падение mobility за счёт чисто демографического сдвига в 2 процентных пункта между 2000 и 2060 годом. Два пункта за шестьдесят лет — мало звучит, кроме того момента, когда вспоминаешь, что mobility — это входной параметр для всех моделей производительности, и две точки на нём пересчитывают остальные.
Эккердт и Ву в 2024 году показали другое. По мере того, как доля населения, занятого в R&D, росла, средняя способность исследователя падала. Это quality-quantity tradeoff: когда исследователей мало, в них попадают самые одарённые; когда поле раздувается — приходят все, кто может. Это объясняет часть «idea getting harder to find» из Блума и компании — не только сами идеи трудятся, но и средняя сила тех, кто их ищет, ниже.
И последнее, чисто механическое. Передача знаний — формальная и неформальная — требует младшей когорты, которая «несёт» institutional memory дальше. В Японии её всё меньше. AI это не замещает, потому что AI кодируют люди, которых тоже всё меньше. Стена, которую aging строит со стороны людей, не противоречит стене со стороны задач из прошлой главы. Они складываются.
OECD в Employment Outlook 2025 документирует механизм, которого нет в стандартном моделировании AI-эффекта на экономику. По мере старения рабочей силы падает межфирменная мобильность — частота, с которой люди переходят с работы на работу. Эмпирически это снижает агрегатный прирост производительности, потому что реаллокация — то, как капитал и навыки находят более производительное применение, — становится медленнее. OECD оценивает совокупное падение mobility за счёт чисто демографического сдвига в 2 процентных пункта между 2000 и 2060 годом. Два пункта за шестьдесят лет — мало звучит, кроме того момента, когда вспоминаешь, что mobility — это входной параметр для всех моделей производительности, и две точки на нём пересчитывают остальные.
Эккердт и Ву в 2024 году показали другое. По мере того, как доля населения, занятого в R&D, росла, средняя способность исследователя падала. Это quality-quantity tradeoff: когда исследователей мало, в них попадают самые одарённые; когда поле раздувается — приходят все, кто может. Это объясняет часть «idea getting harder to find» из Блума и компании — не только сами идеи трудятся, но и средняя сила тех, кто их ищет, ниже.
И последнее, чисто механическое. Передача знаний — формальная и неформальная — требует младшей когорты, которая «несёт» institutional memory дальше. В Японии её всё меньше. AI это не замещает, потому что AI кодируют люди, которых тоже всё меньше. Стена, которую aging строит со стороны людей, не противоречит стене со стороны задач из прошлой главы. Они складываются.
Кому достанется выигрыш
Третья стена — политэкономическая, и она самая тонкая в моделях, но самая громкая в политике.
В рамке Аджемоглу-Рестрепо рост ВВП от автоматизации требует двух эффектов одновременно. Displacement — машина забирает у человека старую задачу. Reinstatement — для человека появляются новые задачи, в которых он более продуктивен, чем был раньше. Исторически это работало: автомобиль убил конюхов, но создал водителей, механиков, страхование, дорожное строительство. Чистый эффект на ВВП положительный, потому что новых задач в сумме оказывалось больше, и они были выше по продуктивности.
С AI впервые под вопросом вторая половина. Если новые когнитивные задачи, которые раньше были бы «работой для людей», теперь тоже автоматизируются — reinstatement не случается. Тогда автоматизация даёт redistribution дохода от труда к капиталу, а не рост ВВП. Грубо: программисту платили $200К — теперь компания тратит $40К на токены и сэкономила $160К. Сэкономленное не пошло автоматически в новые рабочие места выше квалификацией. Оно осело более высокой маржой у владельцев.
Можно спорить о масштабе. Нельзя спорить о механизме. И этот механизм означает риск, который в моделях капекса не учитывают: политэкономический. Если рост от AI уходит непропорционально капиталу, регуляторика отыграет — налоги на роботов, минимальная зарплата, ограничения автоматизации в публичном секторе. Это уже звучит в Европейском парламенте, в Калифорнии, в обсуждениях минимальной гарантированной занятости. У капекса 2026 года в гайденсе этого риска нет. У реальности — есть.
Для maintenance play это означает третью стену. Даже если первые две — unautomatable доля и стареющий workforce — частично пробивает технология, политэкономия может закрыть второе и третье десятилетие deployment-а раньше, чем технология окупится. Доходность срезается регулированием в момент, когда уже всё построили.
В рамке Аджемоглу-Рестрепо рост ВВП от автоматизации требует двух эффектов одновременно. Displacement — машина забирает у человека старую задачу. Reinstatement — для человека появляются новые задачи, в которых он более продуктивен, чем был раньше. Исторически это работало: автомобиль убил конюхов, но создал водителей, механиков, страхование, дорожное строительство. Чистый эффект на ВВП положительный, потому что новых задач в сумме оказывалось больше, и они были выше по продуктивности.
С AI впервые под вопросом вторая половина. Если новые когнитивные задачи, которые раньше были бы «работой для людей», теперь тоже автоматизируются — reinstatement не случается. Тогда автоматизация даёт redistribution дохода от труда к капиталу, а не рост ВВП. Грубо: программисту платили $200К — теперь компания тратит $40К на токены и сэкономила $160К. Сэкономленное не пошло автоматически в новые рабочие места выше квалификацией. Оно осело более высокой маржой у владельцев.
Можно спорить о масштабе. Нельзя спорить о механизме. И этот механизм означает риск, который в моделях капекса не учитывают: политэкономический. Если рост от AI уходит непропорционально капиталу, регуляторика отыграет — налоги на роботов, минимальная зарплата, ограничения автоматизации в публичном секторе. Это уже звучит в Европейском парламенте, в Калифорнии, в обсуждениях минимальной гарантированной занятости. У капекса 2026 года в гайденсе этого риска нет. У реальности — есть.
Для maintenance play это означает третью стену. Даже если первые две — unautomatable доля и стареющий workforce — частично пробивает технология, политэкономия может закрыть второе и третье десятилетие deployment-а раньше, чем технология окупится. Доходность срезается регулированием в момент, когда уже всё построили.
А если довести до конца
Маленькая логическая проверка. Если рамка «AI закроет всё, что упирается в cognition» доводится до предела, мы получаем интересный мир.
Высокотехнологичная страна с малым числом работающих обходит — по любой экономической метрике — многочисленную страну с низким уровнем технологии. Дальше доводим: чем меньше людей и больше машин, тем выше показатель. На пределе — общество, где работают только машины и владельцы капитала, обходит общество, где работают люди. Технически такой мир возможен. Очевидно ли он желательный — отдельный вопрос, на который рамка ответа не даёт. Любая цивилизационная метрика, доведённая до абсурда, обнуляется. Не потому, что метрика плохая, а потому, что у инструмента есть граница, за которой его счёт перестаёт измерять то, что мы хотели измерить.
Это тот же приём, что и reductio про рождаемость как «эволюционную правоту»: возьми любую узкую метрику civilizational fitness и доведи — она всегда коллапсирует. Не атака на инструмент. Не «AI вреден». Граница, после которой данный инструмент перестаёт быть тем, что мы вообще обсуждаем.
К чему я. Стены, которые я перечислил, — рабочие чертежи технологии. Не приговор. Внутри них она работает и приносит конкретные деньги. Снаружи — нет. Перепутать одно с другим — самая дорогая ошибка цикла.
Высокотехнологичная страна с малым числом работающих обходит — по любой экономической метрике — многочисленную страну с низким уровнем технологии. Дальше доводим: чем меньше людей и больше машин, тем выше показатель. На пределе — общество, где работают только машины и владельцы капитала, обходит общество, где работают люди. Технически такой мир возможен. Очевидно ли он желательный — отдельный вопрос, на который рамка ответа не даёт. Любая цивилизационная метрика, доведённая до абсурда, обнуляется. Не потому, что метрика плохая, а потому, что у инструмента есть граница, за которой его счёт перестаёт измерять то, что мы хотели измерить.
Это тот же приём, что и reductio про рождаемость как «эволюционную правоту»: возьми любую узкую метрику civilizational fitness и доведи — она всегда коллапсирует. Не атака на инструмент. Не «AI вреден». Граница, после которой данный инструмент перестаёт быть тем, что мы вообще обсуждаем.
К чему я. Стены, которые я перечислил, — рабочие чертежи технологии. Не приговор. Внутри них она работает и приносит конкретные деньги. Снаружи — нет. Перепутать одно с другим — самая дорогая ошибка цикла.
Что это значит для архитектора
Сведём.
Стена первая — задачи. ~30–40% работы вашей экономики структурно не автоматизируется текущей AI. В вашем бизнесе своя пропорция, и узнать её — половина работы архитектора. Где у вас физическое присутствие, тяжесть, доверие, переговоры, юридическая ответственность — там стена. AI вокруг этих задач помогает, внутри — нет.
Стена вторая — люди. Старение workforce бьёт по производительности через падение мобильности, через ослабление knowledge transfer, через quality-quantity tradeoff в найме. Эти три эффекта в моделях капекса обычно отсутствуют. В вашей компании они есть, и они нарастают. Архитектор готовится: документирует процессы так, чтобы передача не зависела от одного человека, и думает о том, чем закрывать критические роли, когда младшая когорта станет тоньше.
Стена третья — политэкономия. Если AI-дельта уходит непропорционально капиталу, регуляторика отыграет. Это не «может быть», это «уже происходит» в публичном секторе, в здравоохранении, в Европейском Союзе. Архитектор закладывает регуляторный шок в риски deployment, особенно в чувствительных секторах — здравоохранение, образование, финансы, найм, госуслуги.
И последнее, общее. Те, кто верит, что стен нет и капекс окупится в каждой точке экономики, — переплатят на пике. Те, кто отмахивается «AI ничего не решит», — упустят реальную дельту в автоматизируемых 60–70%. Архитектор делает то, что внутри стен окупается, и не делает ставок на то, что стены вот-вот рухнут. Позиция без фейерверков — зато она не зависит от того, чем кончится спор о пузыре.
В [следующей статье] я разверну, что это значит конкретно — для российского предпринимателя, для руководителя функции, для сильного специалиста в стране, где стены выше, чем у соседей, потому что и проблема острее, и доступ к инструменту тоньше.
Стена первая — задачи. ~30–40% работы вашей экономики структурно не автоматизируется текущей AI. В вашем бизнесе своя пропорция, и узнать её — половина работы архитектора. Где у вас физическое присутствие, тяжесть, доверие, переговоры, юридическая ответственность — там стена. AI вокруг этих задач помогает, внутри — нет.
Стена вторая — люди. Старение workforce бьёт по производительности через падение мобильности, через ослабление knowledge transfer, через quality-quantity tradeoff в найме. Эти три эффекта в моделях капекса обычно отсутствуют. В вашей компании они есть, и они нарастают. Архитектор готовится: документирует процессы так, чтобы передача не зависела от одного человека, и думает о том, чем закрывать критические роли, когда младшая когорта станет тоньше.
Стена третья — политэкономия. Если AI-дельта уходит непропорционально капиталу, регуляторика отыграет. Это не «может быть», это «уже происходит» в публичном секторе, в здравоохранении, в Европейском Союзе. Архитектор закладывает регуляторный шок в риски deployment, особенно в чувствительных секторах — здравоохранение, образование, финансы, найм, госуслуги.
И последнее, общее. Те, кто верит, что стен нет и капекс окупится в каждой точке экономики, — переплатят на пике. Те, кто отмахивается «AI ничего не решит», — упустят реальную дельту в автоматизируемых 60–70%. Архитектор делает то, что внутри стен окупается, и не делает ставок на то, что стены вот-вот рухнут. Позиция без фейерверков — зато она не зависит от того, чем кончится спор о пузыре.
В [следующей статье] я разверну, что это значит конкретно — для российского предпринимателя, для руководителя функции, для сильного специалиста в стране, где стены выше, чем у соседей, потому что и проблема острее, и доступ к инструменту тоньше.
Курс [AI Architect] — про границы инструмента, а не про веру в его безграничность. Мы учим строить то, что окупается внутри стен — где AI реально двигает P&L. И учим видеть, где стены, чтобы не делать ставку на то, что они рухнут к нужному квартальному отчёту.
Когда тебе продают «AI закроет всё», ты должен уметь спросить: какая часть моей экономической активности по McKinsey попадает в 30–40% unautomatable, и что я с этой частью делаю не за счёт автоматизации.
Когда тебе продают «AI закроет всё», ты должен уметь спросить: какая часть моей экономической активности по McKinsey попадает в 30–40% unautomatable, и что я с этой частью делаю не за счёт автоматизации.
Источники и данные
Каждая ключевая цифра помечена статусом: **confirmed** / **analyst estimate** / **leak**.
Japan eldercare: $3,8B рынок к 2035, 63% nursing homes monitoring, 26,4% mobility, $67K humanoid [confirmed — METI 2022 / MHLW отчёты]:
- Stanford APARC, Impact of Robots on Nursing Home Care in Japan: https://aparc.fsi.stanford.edu/research/impact-robots-nursing-home-care-japan
- US Department of Commerce, Japan Healthcare Caregiving Technologies: https://www.trade.gov/market-intelligence/japan-healthcare-caregiving-technologies
Wright «Robots Won't Save Japan» (2023): near-zero net labor savings [confirmed — академическое исследование]:
- Cornell University Press: https://www.cornellpress.cornell.edu/book/9781501768040/robots-wont-save-japan/
Eggleston et al. (Stanford APARC): робототехника скромно увеличила employment care workers [confirmed — Robots and labor in nursing homes, peer-reviewed]:
- ScienceDirect, Robots and labor in nursing homes: https://www.sciencedirect.com/science/article/pii/S0927537124001623
Care robots: −40% обещали → ~3% реальное проникновение; AI scheduling 18% vs обещанных 20% [analyst estimate — март 2026]:
- Medium / ogata, «Japan Is Running Out of 570,000 Care Workers — And AI Just Failed Its Most Important Test» (март 2026): https://medium.com/@jinchannel6/japan-is-running-out-of-570-000-care-workers-and-ai-just-failed-its-most-important-test-8ce324b1f359
- Japan Times, «AI is coming for our aging parents» (апрель 2026): https://www.japantimes.co.jp/commentary/2026/04/30/world/ai-comes-for-aging-parents/
Дефицит сиделок 380K (2025) → 570K (2040) [confirmed — MHLW Japan]:
- Humans Are Obsolete, обзор данных: https://humansareobsolete.com/articles/japan-aging-workforce-robotics-crisis-570000-care-worker-shortage-2040-february-3-2026
McKinsey: 30–40% совокупной работы не автоматизируется [analyst estimate — McKinsey Global Institute, automation potential].
Eldercare 6% → 12% ВВП Кореи к 2050 [analyst estimate — R3 раздел 6 на базе UN WPP + KOSTAT].
OECD Employment Outlook 2025: aging снижает mobility на 2 п.п. (2000–2060) [confirmed]:
- OECD Employment Outlook 2025: https://www.oecd.org/en/publications/oecd-employment-outlook_19991266.html
Ekerdt & Wu (2024): средняя способность исследователя падает по мере роста R&D-доли [confirmed — академическое исследование, цитируется в OECD анализе].
Acemoglu task model, displacement-reinstatement [confirmed — Acemoglu-Restrepo NBER WP 24196 (2018), Economic Policy 2025]:
- Acemoglu, «Simple Macroeconomics of AI» (Economic Policy 2025): https://www.nber.org/papers/w32487
Humanoid 2030: Figure, 1X, Tesla Optimus, AIREC — открытый вопрос price-performance [analyst estimate, индустрия]:
- Лог AI-агента: https://github.com/YanLukashin/sigismund-logs
Собственные статьи (внутренние ссылки):
- [«Лишний мозг» — 7 макропроблем, «AI решает узкий класс», Klarna]
- [«Тихий мотор демографии» — bull case, Japan existence proof]
Japan eldercare: $3,8B рынок к 2035, 63% nursing homes monitoring, 26,4% mobility, $67K humanoid [confirmed — METI 2022 / MHLW отчёты]:
- Stanford APARC, Impact of Robots on Nursing Home Care in Japan: https://aparc.fsi.stanford.edu/research/impact-robots-nursing-home-care-japan
- US Department of Commerce, Japan Healthcare Caregiving Technologies: https://www.trade.gov/market-intelligence/japan-healthcare-caregiving-technologies
Wright «Robots Won't Save Japan» (2023): near-zero net labor savings [confirmed — академическое исследование]:
- Cornell University Press: https://www.cornellpress.cornell.edu/book/9781501768040/robots-wont-save-japan/
Eggleston et al. (Stanford APARC): робототехника скромно увеличила employment care workers [confirmed — Robots and labor in nursing homes, peer-reviewed]:
- ScienceDirect, Robots and labor in nursing homes: https://www.sciencedirect.com/science/article/pii/S0927537124001623
Care robots: −40% обещали → ~3% реальное проникновение; AI scheduling 18% vs обещанных 20% [analyst estimate — март 2026]:
- Medium / ogata, «Japan Is Running Out of 570,000 Care Workers — And AI Just Failed Its Most Important Test» (март 2026): https://medium.com/@jinchannel6/japan-is-running-out-of-570-000-care-workers-and-ai-just-failed-its-most-important-test-8ce324b1f359
- Japan Times, «AI is coming for our aging parents» (апрель 2026): https://www.japantimes.co.jp/commentary/2026/04/30/world/ai-comes-for-aging-parents/
Дефицит сиделок 380K (2025) → 570K (2040) [confirmed — MHLW Japan]:
- Humans Are Obsolete, обзор данных: https://humansareobsolete.com/articles/japan-aging-workforce-robotics-crisis-570000-care-worker-shortage-2040-february-3-2026
McKinsey: 30–40% совокупной работы не автоматизируется [analyst estimate — McKinsey Global Institute, automation potential].
Eldercare 6% → 12% ВВП Кореи к 2050 [analyst estimate — R3 раздел 6 на базе UN WPP + KOSTAT].
OECD Employment Outlook 2025: aging снижает mobility на 2 п.п. (2000–2060) [confirmed]:
- OECD Employment Outlook 2025: https://www.oecd.org/en/publications/oecd-employment-outlook_19991266.html
Ekerdt & Wu (2024): средняя способность исследователя падает по мере роста R&D-доли [confirmed — академическое исследование, цитируется в OECD анализе].
Acemoglu task model, displacement-reinstatement [confirmed — Acemoglu-Restrepo NBER WP 24196 (2018), Economic Policy 2025]:
- Acemoglu, «Simple Macroeconomics of AI» (Economic Policy 2025): https://www.nber.org/papers/w32487
Humanoid 2030: Figure, 1X, Tesla Optimus, AIREC — открытый вопрос price-performance [analyst estimate, индустрия]:
- Лог AI-агента: https://github.com/YanLukashin/sigismund-logs
Собственные статьи (внутренние ссылки):
- [«Лишний мозг» — 7 макропроблем, «AI решает узкий класс», Klarna]
- [«Тихий мотор демографии» — bull case, Japan existence proof]
Исследования AI Architect
Актуальные исследования внедрения ИИ в процессы бизнеса и отдельно человека
Хочешь разобраться системно?
AI Architect — программа менторства для тех, кто строит ИИ-системы, а не промпты. От индивидуального использования к институциональному внедрению.
