《2028 глобальна криза штучного інтелекту》глибокий аналіз

Підзаголовок: Коли “розумність” більше не буде дефіцитною, найуразливіша лінія фінансової системи першою порветься?

Ця стаття написана на основі сценарного аналізу Citrini Research від 22.02.2026 «THE 2028 GLOBAL INTELLIGENCE CRISIS» (скорочено “2028GIC”). У тексті чітко наголошується: «Це сценарій (scenario), а не прогноз (prediction).» Його цінність полягає не у “точному передбаченні майбутнього”, а у тому, щоб за допомогою максимально закритої ланцюгової моделі пояснити недооцінений ризик зліва — якщо AI стане надто успішним, він може не лише “підвищити продуктивність”, а й зруйнувати припущення про дефіцит людського інтелекту, що спричинить перезавантаження цінових та кредитних структур у фінансах.

1. Що саме робить ця стаття: “Макро-меморіал із 2028”

Оригінал написаний у стилі “запису з історії фінансів”: дата — 30.06.2028, використовується тон “макро-щоденника (Macro Memo)” для аналізу, як криза, що почалася у 2026 з “індустріальних ударів”, поступово переросла у системну фінансову кризу: рівень безробіття 10.2%, індекс S&P з 2026 жовтня знизився на 38% (з натяком на ще глибше падіння) — це типовий сценарний стиль: використання “подій, що вже трапилися”, щоб знизити когнітивне навантаження читача щодо складних причинно-наслідкових ланцюгів, дозволяючи зосередитися на “механізмах”, а не на “цифрах прогнозу”.

Переваги такого підходу:

• Відтворення “проміжних процесів”: фінансова криза ніколи не виникає за один день, вона проходить через етапи “локальних проблем → рефінансування ризиків → виявлення у балансах → регуляторне/ліквідне переформатування → системний колапс”.
• Посилення “уразливих точок”: хоча ви можете не погоджуватися з кінцевим сценарієм, ви краще бачите, які ринки першими здадуть позиції при руйнуванні базових припущень.

Недоліки:

• “Розповідь” не гарантує високої ймовірності. Сценарії часто передбачають “посилення припущень” у ключових точках, створюючи драматичний зворотній зв’язок.
• Легко сплутати “інтенсивність оповіді” з “визначальністю”.

Правильний підхід до читання — сприймати цю статтю як “скрипт для стрес-тестування”, і ставити собі питання:

У цій ланцюговій моделі, які елементи найімовірніше стануться? Які — найменш? Якщо станеться лише 30%, як це вплине на ринкові ціни?

2. Три ключові концепції: Premium за інтелект, Ghost ВВП, Friction→0

Найбільш натхненна частина — це те, як вона підняла вплив AI з рівня “інструменту підвищення ефективності” до “активу дефіцитності”.

2.1 “Інтелектуальна премія” (Intelligence Premium): людський інтелект був дефіцитним ресурсом

Автори наголошують: сучасна економіка довго базувалася на ідеї, що людський інтелект — найрідкісніший ресурс, тому у зарплатах, цінах активів і системах регулювання закладена стабільна “премія за розумних/білолицих/знаннявих працівників”. Вони прямо кажуть: від ринку праці до іпотечних систем і податкових режимів — все побудовано на припущенні “інтелектуальна дефіцитність”.

Якщо AI зробить “аналіз, рішення, створення, переконання, координацію” копійованими і масштабованими, ця премія зникне, і це призведе до болісного перерозподілу цін у фінансовій системі:

• Раніше “високий FICO, високий дохід, стабільна кар’єра” були “камінням” кредитних моделей;
• Але якщо структурні доходи високодоходних професій порушаться, базові припущення ризик-моделей зруйнуються.

2.2 “Привид ВВП” (Ghost GDP): продуктивність зросла, гроші не циркулюють

Автор вводить термін Ghost GDP — “з’являється у національних рахунках, але не циркулює у реальній економіці”. Це структура, що здається суперечливою, але не є новою у фінансовій історії:

• Прибутки компаній через скорочення персоналу і автоматизацію короткостроково зростають;
• капітал (особливо “володарі обчислювальної потужності”) отримують вибухові прибутки;
• але зарплати падають, споживання зменшується, попит слабшає;
• тому “макроекономічні дані виглядають сильними (продуктивність, прибутки)”, але відчуття у людей і споживчий попит — слабкі.

Це можна зрозуміти як: підвищення ефективності пропозиції + дисбаланс у розподілі — недостатній реальний попит. Це відрізняється від класичної рецесії, викликаної високими ставками, — тут причина у зменшенні цінності людської праці.

2.3 “Механізм без тертя” (When Friction Went to Zero): посередницький рівень — це і є “мурашник”

Автор багато уваги приділяє руйнуванню “посередницьких” структур: за останні 50 років у США сформувався “шар” “збору ренти” — час, терпіння, інформаційна асиметрія, бренди, лінь порівнювати ціни — все це монетизувалося платформами і посередниками. Коли AI-агенти замінюють пошук, порівняння і рішення, “зменшення трьох кліків” зменшує “фрикції”, і багато бізнес-моделей виявляються побудованими на “міру цих фрикцій”.

Ця логіка цілком пояснює багато інтернет-компаній, платіжних систем і платформ: не тому, що продукт став гіршим, а тому, що “витрати на рішення” знизилися.

3. Аналіз сценарної ланцюгової реакції: від “індустріальних ударів” до “системної кризи”

Розбиваємо основний ланцюг на 5 етапів і вказуємо ключові припущення кожного.

Етап А (2026): скорочення персоналу робить прибутки “кращими”, ринок сприймає як позитив

Починається все гостро: перша хвиля скорочень у білолицих працівників у 2026, але у фінансових звітах це виглядає як позитив:

• Зниження витрат на персонал → зростання маржі;
• Прибутки вище очікувань → зростання цін акцій;
• Компанії реінвестують прибутки у AI — можливості зростають.

Це класична “зворотна петля”: короткострокове покращення фінзвітності приховує довгострокові проблеми попиту.
Ключове припущення: негативний вплив скорочень не відразу відобразиться у доходах, і ринок буде вірити у “приріст продуктивності” для оцінки.

Етап В (2027): поширення агентів, “шар збору ренти” починає руйнуватися

Описано, що у 2027 з’являються “агенти” — автоматичні помічники, як автозаповнення, і далі починається “зменшення фрикцій”:

• SaaS (особливо процеси/колаборація/інтеграція) стикається з конкуренцією “внутрішніх інструментів”;
• Платежі та карткові мережі (2-3%) обходяться через агентів;
• Платформи, що базуються на “не бажанні користувачів багато морочитися”, змушені йти у цінову війну.

Ключове припущення: агенти справді можуть виконувати “кінцеві” задачі між додатками і платформами, і регуляторні/безпекові бар’єри не стануть перешкодою.
У реальності це не так швидко, але змушує переосмислити, чи не базуються багато “захисних мурів” на “лінивості” користувачів.

Етап C (2027 Q3): “Software LBO” приватного кредиту починає руйнуватися

Це найфінансовіша і найсерйозніша частина. Вказано, що масштаб приватного кредитування з 2015 до 2026 зріс з менше ніж 1 трлн до понад 2.5 трлн доларів, і велика частина — у технологічних угодах, зокрема з “ARR-стабільним” леверидж-лондінгом.
З Zendesk як “показовим прикладом”: коли AI-агенти починають автоматизувати “створення заявок — розподіл — обробка”, ARR перестає бути “постійним”, і доходи “з’являються” без реального потоку.

Автор наголошує: спочатку ринок вважав, що це “контрольовано”, бо у приватному кредиті є “застосовний” період і “постійний капітал”, але потім:

• Великі альтернативні інвестори використовують страхові компанії (довгострокові зобов’язання) для фінансування цих активів;
• Коли активи перестають бути “грошовими”, регулятор підвищує капітальні вимоги, і страхові компанії змушені додатково капіталізуватися або продавати активи;
• Це викликає “пассивне зняття левериджу” — структура, що здавалася стабільною, починає руйнуватися через регуляторний тиск.

Ключове припущення: збитки за кредитами у сфері IT/інформаційних сервісів достатньо великі і резонують із капіталом страхових компаній і регуляторними вимогами.
Ця механіка не фантастика, а історичний досвід “зрізу” фінсистеми у періоди “здавалось стабільних” термінових структур.

Етап D (2028): від “збитків” до “прийняття збитків” — критична точка кризи

Цитата, що стала класикою фінансової історії:

Не збитки викликають кризу, а їх визнання.

Далі автор звертає увагу на ринок іпотек: 13 трлн доларів у США.
Ключове питання — “The Mortgage Question”: коли доходи білолицих працівників зменшуються через структурні зміни, чи залишаються “якісні позичальники” (FICO 780, 20% внесок, хороша кредитна історія) “грошовими”?
Автор підкреслює, що це не 2008, коли “кредит був поганий з самого початку”, а ситуація у 2028 — “кредит був хорошим, але світ змінився”, і люди беруть позику на майбутнє, яке вони вже не вірять у змогу оплатити.

Це створює другий прискорювач: при падінні цін на нерухомість, нові покупці зменшують доходи, ціни падають ще більше, і знижується споживчий настрій.
Очікуваний ефект — падіння фондового ринку до рівня, близького до GFC (57% падіння).

Ключове припущення: доходи білолицих працівників зменшуються системно і тривало, що впливає на кредитні потоки і цінність іпотек, особливо у високотехнологічних регіонах, і може спричинити системний ризик.

Етап E (політика і суспільство): традиційні інструменти не працюють, “податкова база = людський час” — головна суперечність

Автор вводить політичний аспект: доходи бюджету залежать від “людського часу” (зарплати, зайнятість). Коли AI підвищує продуктивність, але зменшує зайнятість і зарплати, доходи падають, а суспільство потребує більше трансферів.
Виникає дилема: “потрібно давати гроші, але податкові надходження меншають”. Це може призвести до соціальних протестів (Occupy Silicon Valley), ілюструючи розрив між концентрацією багатства і психологічним станом.

4. Три найсильніших висновки сценарію

4.1 Він захоплює ідею, що “вплив AI — це спершу питання розподілу, а вже потім — продуктивності”

Багато сценаріїв зосереджуються на “ефективності”, але ігнорують, хто отримує цю вигоду. Концепція Ghost ВВП точно відображає ризик: якщо вигода концентрується у капіталі і власниках обчислювальної потужності, тоді макро-дані і відчуття у людей будуть різними, і економіка може опинитися у “структурній кризі високої продуктивності і низького попиту”.

4.2 Вона детально описує ланцюг “приватний кредит — страхові фонди — регуляторний капітал”, що дуже нагадує реальність

Фінансова криза часто починається там, де “здавалося, що не буде паніки”. Приватний кредит з довгим періодом і “незалежним капіталом” вважався безпечним, але при поєднанні з фондами страхових компаній і регуляторними вимогами, він може почати руйнуватися через “зняття левериджу”. Це реальний сценарій.

4.3 Він нагадує: головне у ринку іпотек — не “зараз платиш”, а “чи стабільний дохід у майбутньому”

Найбільш руйнівне — не “збитки вже є”, а “припущення про стабільність доходів”. Навіть якщо короткостроково можна утримувати іпотеку через заощадження або кредитні лінії, споживання зменшиться раніше — через зниження доходів і підвищення ризиків.

Це відповідає досвіду “споживчої рецесії” у багатьох кризах.

5. Три найслабших і найпотребуючих корекції пункти сценарію

5.1 “Механізм без тертя” занадто швидкий: реальні фрикції — не лише у системі, а й у регулюванні

Реальні фрикції — це регуляторні, юридичні, організаційні бар’єри, KYC, дані, відповідальність, шахрайство, офлайн-операції. Навіть якщо агент дуже розумний, потрібна взаємодія між організаціями.
Тому “зменшення фрикцій до нуля за рік” — перебільшення.

5.2 Швидкість заміни “білолицих” викликає сумніви: можливо, спершу зникнуть “початкові” і “експертні” позиції, а не всі

Дослідження Dallas Fed (Davis, 24.02.2026) показує, що AI швидше замінює “знаннявий” тип роботи, але може і допомагати досвідченим.
Залежність від віку: молоді працівники — найбільше під ударом, але не всі білолиці зникнуть одночасно.

5.3 “Використання криптовалюти для розрахунків агентами” — це більше художній прийом, ніж необхідність

Автори говорять про можливість обходу платіжних систем через крипту, але це не є обов’язковим для сценарію кризи. Головне — зменшення фрикцій і перерозподіл прибутків.

Тому не потрібно вважати “перехід платежів у крипту” ключовим фактором.

6. Як зробити сценарій більш практичним — моніторинг і індикатори

Головна ідея — сценарій можна розбити на показники. Ось список для відслідковування (без прогнозів, лише за спостереженнями):

Ідея цієї панелі — не гадати, чи стане AI “раптово AGI”, а спостерігати за “ранні ознаки” у розподілі і кредитах.

7. Важливі нові рамки для особистого, бізнесу і інвестицій

7.1 Для особистих фінансів: ставити себе у позицію “з високим tacit knowledge і премією за досвід”

Якщо реалії Davis — правильні, то головна небезпека — “розрив кар’єрної драбини”: молоді не зможуть накопичити досвід через автоматизацію початкових позицій.
Тому стратегія — обирати сфери, де потрібно особисте судження, відповідальність і координація; використовувати AI для прискорення обробки інформації і зосереджуватися на “якісних рішеннях”, міжособистісних зв’язках і системному мисленні.

7.2 Для бізнесу: зосередитися на “довірі, даних, виконанні і екосистемі”

Коли агент знижує витрати на пошук і порівняння, “захист” через канали і інформаційні переваги зменшується.
Замість цього — будувати бар’єри на основі:

• Верифікованої якості і здатності виконувати зобов’язання (офлайн, ланцюги постачання, сервіс)
• Регулювання і відповідальності (можуть нести ризики, підлягають відповідальності)
• Унікальних даних і екосистемної інтеграції (не лише інформація, а закритий цикл процесів)

7.3 Для інвесторів: остерігатися “активів із високим рівнем стабільності майбутнього”

Автор наголошує: криза починається не з “найуразливіших”, а з “найбільш довірених” — іпотеки, ARR-кредити, “вечні” капітали.
Тому для інвестицій важливо:

• Враховувати високий рівень ризику для активів із високим левериджем і довгим терміном;
• Оцінювати здатність активів протистояти зниженню попиту;
• Не вірити у “захищеність від паніки”, оскільки регуляторні і капітальні правила можуть викликати “примусове зняття” (deleveraging).

8. Висновок: Це не “пророцтво кінця світу”, а сценарій для стрес-тестування

Найцінніше у “2028GIC” — це те, що він змушує визнати:

Якщо AI справді зруйнує дефіцит людського інтелекту, багато наших систем і цінові моделі вже не підходять.

Але потрібно враховувати, що реальні зворотні зв’язки у світі не йдуть за сценарієм, і фрикції, регуляція, соціальні адаптації і створення нових робочих місць змінюють хід подій.
Тому найзрілий підхід — зберігати механізми аналізу (розподіл, кредит, системні вразливості), зменшувати часову прив’язку (не ставити на повну реалізацію сценарію за 24 місяці), і використовувати індикатори для моніторингу “локальних проявів”.

Якщо сценарій можна розбити на панель індикаторів — він перетворюється з “оповідання” у “інструмент”.

Джерела

Citrini Research & Alap Shah: «THE 2028 GLOBAL INTELLIGENCE CRISIS» (22 лютого 2026)
Federal Reserve Bank of Dallas: J. Scott Davis, «AI is simultaneously aiding and replacing workers, wage data suggest» (24 лютого 2026)