Парадокс праці штучного інтелекту: чому Хуанг вважає, що попереду дефіцити, а не безробіття — і насправді це вже відбувається

На Всесвітньому економічному форумі 2026 року у Давосі Дженсен Хуанг, генеральний директор Nvidia, взяв участь у широкій дискусії з Ларрі Фінком, генеральним директором BlackRock, щодо трансформативного потенціалу штучного інтелекту. Замість того, щоб розглядати AI як силу, що знищує робочі місця, Хуанг висунув контраргумент: технологія, навпаки, призведе до дефіциту робочої сили у кількох секторах. Цей аргумент кидає виклик поширеній наративу масового зсуву робочої сили і пропонує рамки для розуміння того, як AI змінює роботу, інфраструктурні потреби та глобальні економічні можливості.

Розмова висвітлила, як Nvidia з початку свого IPO у 1999 році — того ж року, коли BlackRock стала публічною компанією, — забезпечила 37% складеного доходу для акціонерів, тоді як BlackRock досягла 21% річної доходності. Однак дискусія виходила за межі фінансових показників і досліджувала глибші питання ролі технологій у трансформації суспільства. Хуанг позиціонував AI не як ізольовану застосунок, таку як ChatGPT або Claude, а як фундаментальний зсув платформи, порівнянний з появою персональних комп’ютерів, Інтернету та мобільних хмарних обчислень.

П’ятишаровий інфраструктурний революційний зсув: чому AI вимагає трильйонів глобальних інвестицій

Хуанг представив модель, яку він називає «п’ятишаровим тортом», щоб ілюструвати системну складність AI та інфраструктурні вимоги. Нижній шар — енергетика — обробка даних у реальному часі та генерація інтелекту потребують значної потужності. Над ним розташований шар напівпровідників та обчислювальної інфраструктури, де компанії, такі як TSMC, будують 20 нових фабрик для виробництва пластин. Третій шар — хмарні сервіси, що забезпечують ці можливості по всьому світу.

Четвертий шар — самі моделі AI — алгоритми та нейронні мережі, які привертають найбільшу увагу публіки. Однак Хуанг підкреслив, що моделі самі по собі недостатні без підтримуючих шарів. П’ятим і найвищим шаром є застосунки — фінансові послуги, охорона здоров’я, виробництво та нові сектори, які зрештою створюють економічну цінність.

Ця п’ятишарова модель показує, чому, за оцінками Хуанга, ми спостерігаємо «найбільше інфраструктурне будівництво в історії людства». Вже інвестовано сотні мільярдів доларів, і потрібні трильйони для обробки експоненційного зростання попиту на енергію, будівництва дата-центрів, виробництва чипів та розширення фабрик. Foxconn, Wistron і Quanta співпрацюють для побудови 30 нових фабрик для комп’ютерів. Тим часом виробники пам’яті, такі як Micron (інвестуючи 200 мільярдів доларів у США), SK Hynix і Samsung, швидко розширюють виробничі потужності.

Від радіології до медсестринства: як AI підсилює людське призначення, а не замінює працівників

Питання зайнятості стоїть у центрі тривог щодо AI. Хуанг заперечив поширену песимістичну точку зору, розрізняючи «призначення» роботи та її «завдання». Десять років тому радіологія стикнулася з прогнозами зникнення через надлюдські можливості комп’ютерного зору AI. Однак сьогодні кількість радіологів зросла, навіть якщо AI вже виконує основне завдання аналізу сканів.

Механізм: коли радіологи звільняються від рутинної роботи з інтерпретації сканів, вони можуть зосередитися на більш цінних видах діяльності — прямій діагностиці, спілкуванні з пацієнтами, клінічній співпраці. Лікарні тепер можуть обслуговувати більше пацієнтів ефективніше, отримуючи вищий дохід і виправдовуючи додаткові найми радіологів. Така сама динаміка застосовується до медсестринства. У США існує дефіцит приблизно 5 мільйонів медсестер, але автоматизовані системи для медичної документації та транскрипції візитів звільняють медсестер від адміністративних завдань, що раніше займали половину їхнього часу. З більшою здатністю обслуговувати пацієнтів, лікарні розширюються і наймають додаткових медсестер, а не скорочують штат.

Рамки Хуанга свідчать, що для будь-якої професії питання полягає не в тому, чи AI її знищить, а в тому, чи автоматизація допомагає виконувати рутинні завдання, одночасно підсилюючи основне призначення. Якщо автоматизація справді дозволяє працівникам зосередитися на незамінних людських функціях — догляді, судженні, складних рішеннях — тоді зайнятість зазвичай зростає, а не зменшується.

Сам процес інфраструктурного будівництва створює додатковий попит на кваліфікованих робітників — електриків, будівельників, техніків, сталеварів і мережевих спеціалістів. В США ці ролі переживають безпрецедентний попит, і зарплати тепер досягають шестизначних для тих, хто працює у виробництві чипів і будівництві AI-фабрик.

AI як найдоступніша технологія у світі

Хуанг стверджував, що AI — «найпростіше у використанні програмне забезпечення в історії». На відміну від попередніх епох обчислень, які вимагали вивчення мов програмування, системи AI приймають інструкції природною мовою. Людина без формальної освіти у галузі комп’ютерних наук може запитати: «Покажи, як побудувати сайт», і отримати покрокову інструкцію. Ця доступність має глибокі наслідки для країн із розвиненою економікою.

Замість того, щоб поглиблювати глобальний технологічний розрив, AI може його звузити. Бар’єр для входу значно нижчий, ніж у епоху програмного забезпечення. Люди з країн без розвиненої технологічної інфраструктури тепер можуть використовувати AI для участі у глобальній економіці знань. Відкриті моделі, такі як Deepseek та інші, ще більше демократизували доступ, дозволяючи компаніям і країнам налаштовувати рішення під місцеві мови, культури та дані.

Суверенний AI-імператив: чому кожна країна потребує власної AI-інфраструктури

Хуанг наполегливо виступав за концепцію «суверенного AI» — щоб кожна країна створювала свою власну AI-інфраструктуру, тренуючи моделі на рідних мовах і культурних даних. Це він назвав необхідністю для національної конкурентоспроможності, подібно до електромереж або транспортних систем. Це питання виходить за межі економіки і стосується збереження культури та технологічного суверенітету.

Європа є особливо переконливим кейсом. У той час як США домінували у епосі програмного забезпечення, Хуанг зазначив, що потужна промислова і виробнича база Європи була недоиспользована в той період. Перехід до AI, особливо з розвитком фізичного AI і робототехніки, відкриває Європі те, що він назвав «унікальною можливістю раз у житті». Замість «писати» AI, країни мають зосередитися на «навчанні» його — інтегруючи виробничу досконалість із штучним інтелектом, щоб стати лідерами у розумному виробництві та робототехніці.

Науково-дослідна традиція Європи може поєднатися з AI для значного прискорення відкриттів у різних галузях. Однак для реалізації цього потенціалу потрібна серйозна відданість енергопостачанню та інвестиціям у інфраструктуру. Хуанг закликав європейських лідерів серйозно ставитися до цього фундаменту.

Перевірка теорії AI-бульбашки

Коли його запитали, чи масові інвестиції в AI є спекулятивним надлишком, Хуанг запропонував простий індикатор ринку: GPU Nvidia у всіх поколіннях дуже важко орендувати у хмарі через зростаючі цінові спотові ціни. Це відображає справжній попит з боку стартапів і підприємств, що перенаправляють бюджети R&D у напрямку штучного інтелекту. Компанія Eli Lilly є яскравим прикладом — вона, колись, майже всі витрати на R&D спрямовувала на лабораторні дослідження, тепер суттєво інвестує у суперкомп’ютери для AI та дослідницькі лабораторії.

Цей інвестиційний бум у інфраструктуру обґрунтований саме обчислювальними вимогами кожного шару. З покращенням моделей AI і зростанням застосувань потреба у енергії, чипах, хмарних сервісах і фізичних об’єктах зростає, а не зменшується. Минулого року у компанії, орієнтованій на AI, було вкладено понад 100 мільярдів доларів, що зробило цей рік одним із найбільших у історії за обсягами венчурних інвестицій.

Переформатування глобального економічного калькулятора

Висновок із цієї дискусії полягає в тому, що AI є фундаментальним зсувом платформи, що радикально змінює стек обчислень. Вперше комп’ютери здатні обробляти неструктуровану інформацію — зображення, звук, природну мову — у реальному часі, інферуючи людські наміри та виконуючи складні завдання. Цей перехід від «записаних» систем до систем, що генерують у реальному часі, визначає відмінність AI від усіх попередніх технологій.

Замість звуження глобальних можливостей, Хуанг представив AI як рушій для ширшої економічної інклюзії. Ринки, що розвиваються, без спадкової технологічної інфраструктури, можуть обійти проміжні етапи, впроваджуючи AI з самого початку. Фактор доступності означає, що програміст у країні, що розвивається, без формальної освіти, має інструменти, рівні тим, що доступні інженерам у Кремнієвій долині.

Кінцевий економічний тест — чи створить інфраструктурне будівництво достатньо багатства і зайнятості, щоб підтвердити інвестиційну тезу. Якщо моделі радіології і медсестринства узагальнюються — якщо автоматизація підсилює людське призначення у всіх професіях — тоді передбачення Хуанга про дефіцит робочої сили, а не безробіття, може виявитися пророчим. Насправді, найраніші індикатори свідчать, що ця динаміка вже проявляється у сферах охорони здоров’я, виробництва та нових AI-орієнтованих галузях.