CC BY
0
УДК 331.101.6+332.05 JEL: J24
DO110.24147/1812-3988.2024.22(2).35-44
ПАРАДОКС ПРОИЗВОДИТЕЛЬНОСТИ: ЗА И ПРОТИВ
Т.Ю. Стукен1, Т. А. Лапина113, О.С. Коржова1, Е.В. Коржов2
1 Омский государственный университет им. Ф.М. Достоевского (Омск, Россия) 2 ООО «СМАРТЕКС» (Омск, Россия)
Аннотация. В статье рассматривается влияние цифровых технологий на рост производительности труда на примере российских регионов. Связь между цифровизацией и производительностью труда не очевидна из-за наличия временных лагов, несовершенства информации, наличия взаимодополняющих активов, которые могут меняться с разной скоростью, и т. д. Информационной базой исследования являются официальные данные региональной статистики и Мониторинга развития информационного общества в Российской Федерации за период с 2016 по 2020 г. На основе имеющихся данных в статье использовано несколько подходов к оценке компьютерного капитала и несколько модификаций модели Кобба-Дугласа для оценки связи цифрового капитала и производительности труда. Сравнивая результаты, полученные на моделях разной спецификации, можно отметить статистически значимое положительное влияние распространения Интернета на рост производительности труда. В целом этот результат согласуется с выводами исследований, проведенных на других данных и в других странах. Это означает, что реализация активной политики по сокращению цифрового неравенства и «цифровой сплоченности» между регионами путем выявления и устранения барьеров может и должна способствовать общему росту производительности труда.
Информация о статье
Дата поступления 4 сентября 2023 г.
Дата принятия в печать 12 декабря 2023 г.
Тип статьи
Аналитическая статья
Ключевые слова
Цифровизация, производительность труда, парадокс производительности, факторы роста производительности труда, региональное развитие, региональное неравенство
Финансирование: Исследование выполнено за счет гранта Российского научного фонда № 22-28-20336, https://rscf.ru/project/22-28-20336/.
THE PRODUCTIVITY PARADOX: PROS AND CONS?
T.Yu. Stuken1, T.A. Lapina1®, O.S. Korzhova1, E.V. Korzhov2
1 Dostoevsky Omsk State University (Omsk, Russia) 2 LLC "SMARTEX" (Omsk, Russia)
Article info
Received
September 4, 2023 Accepted
December 12, 2023
Type paper
Analytical paper
Abstract. The article examines the impact of digital technologies on labor productivity growth on the example of Russian regions. The connection between digitalization and labor productivity is not obvious due to the presence of time lags, imperfect information, peculiarities of the distribution of surplus between market players, the presence of complementary assets that can change at different speeds, etc. Therefore, the question of the impact of digitalization on the level of labor productivity in Russia remains open. The information base of the study is the official data of regional statistics and Monitoring of the development of the information society in the Russian Federation for the period from 2016 to 2020. Based on available data, the article uses several approaches to assess computer capital and several modifications of the Cobb-Douglas model to assess the relationship between digital capital and labor productivity. Comparing the results obtained in models of different specifications, we can note a statistically significant positive impact of the spread of the Internet on labor productivity growth. In general, this result is consistent with the conclusions of studies performed on other data and in other countries. This means that the implementation of an active policy to reduce the digital divide and "digital cohesion" between regions by identifying and removing barriers can and should contribute to the overall growth of labor productivity.
Keywords
Digitalization, labor productivity, productivity paradox, labor productivity growth factors, regional development, regional inequality
Acknowledgements: The reported study was funded by the Russian Science Foundation project number 22-28-20336, https://rscf.ru/project/22-28-20336/.
1. Введение. В последнее время появляются новые технологии, товары и услуги, которые изменяют качественные характеристики труда и капитала, создавая новые возможности роста производительности труда. Однако в действительности связь между цифровизацией и производительностью труда крайне сложна. Помимо технической возможности повышения производительности труда важно учитывать стоимость новых технологий, готовность общества к их принятию, нормативные ограничения. Современные цифровые технологии могут повысить производительность труда за счет снижения занятости, однако появление новых задач и рабочих мест может дать противоположный эффект [1, р. 1493-1501].
Результаты эмпирических исследований подтверждают неоднозначность рассматриваемой связи. Отсутствие положительной связи между инвестициями в технологии и ростом производительности труда в развитых странах впервые было отмечено в 1970-1980-х гг. и получило название парадокса производительности. Р. Солоу отмечал, что компьютерный век можно увидеть везде, кроме статистики производительности1.
Позднее, в середине 1990-х гг., рост производительности труда позволил говорить об исчезновении этого парадокса [2; 3], однако с середины 2000-х гг. ученые вновь стали фиксировать замедление темпов роста производительности труда [4, р. 33-35; 5, р. 18-20; 6, р. 88]. Гипотеза об ускорении экономического роста под влиянием новых технологий не подтвердилась и в большинстве тестов, выполненных в исследовании В. Нордхауса [7, р. 20-29].
Причин парадокса производительности применительно к современному периоду развития /Т-технологий может быть несколько. Э. Бриньольфссон выделяет следующие [4, р. 6-11]:
1. Ложные ожидания. Современные технологии могут не обладать высокими потенциальными возможностями изменения производительности, их эффект может быть заметен в определенных областях и через более длительный промежуток времени.
2. Ошибки измерения. Системы учета и статистики не успевают адекватно реагировать на быстрое изменение технологий. Возрастание роли нематериальных активов, больших данных и искусственного интеллекта является
глобальным вызовом и требует переосмысления этих систем [8].
3. Концентрация распределения. 1Т-технологии усиливают конкуренцию в отрасли, способствуя усилению дифференциации и неравенства. Преимуществами новых технологий пользуется относительно небольшая часть экономических агентов, а соперничество и ограничение доступа порождает расходы, не приводящие к росту совокупной производительности. Личные выгоды для одних не превращаются в выгоды для многих.
4. Временные лаги внедрения и реструктуризации. Чем глубже и шире потенциал новых технологий, тем больше временной лаг между появлением технологии и положительной отдачей от нее. С одной стороны, требуется время, чтобы создать критическую массу использования новой технологии, дающую возможность получить экономический эффект, а с другой - требуется время для обнаружения, развития и получения максимальных выгод от новой технологии.
Отмеченные причины во многом объясняют противоречивые оценки влияния цифровых технологий на производительность труда. Поэтому вопрос о влиянии цифровизации на уровень производительности труда в России, несмотря на высокую важность, остается открытым, что порождает значительное количество исследований, методов оценки и дискуссий.
Так, выводы В. Дементьева в целом не противоречат парадоксу производительности. Он установил, что регионы со снижающимся темпом роста производительности труда в среднем характеризовались большим уровнем инвестиций в исследования и разработки, чем те, которые не имели снижения индексов роста производительности труда. Данный факт автор объяснил исчерпанием резервов совершенствования используемых технологий и отвлечением ресурсов на исследования и разработки от текущего производства [9, с. 52].
В работе К. Зимина, А. Маркина и К. Скрипкина [10, с. 44] на основе анализа данных по российским предприятиям с использованием модифицированной функции Кобба-Дугласа доказано положительное влияние компьютерного капитала на производительность.
В исследовании Н. Абрамовой и Н. Гри-щенко [11, р. 302-304] использована производственная функция с набором независимых переменных, отражающих использование ин-
формационно-коммуникационных технологий (далее - ИКТ) в регионах (доля организаций, использовавших глобальные информационные сети, локальные информационные сети, персональные компьютеры, серверы и веб-сайты). По результатам исследования авторы не зафиксировали устойчивой связи между использованием ИКТ и производительностью труда.
Достаточно скептически относится к возможности существенного роста производительности труда за счет цифровых решений и реальный бизнес. По данным Центра конъюнктурных исследований Института статистических исследований и экономики знаний НИУ ВШЭ, только 15 % рссийских организаций обрабатывающей промышленности рассчитывают, что сделанные инвестиции в цифровые технологии приведут к высокому росту производительности труда, еще 50 % рассчитывают на умеренный рост [12, с. 7].
Отметим, что перечисленные работы базируются на разных методах исследования и источниках данных. В настоящей работе предпринята попытка оценить влияние ИКТ на уровень производительности труда с использованием публикуемых Росстатом данных Мониторинга развития информационного общества в Российской Федерации (https://rosstat.gov.ru/ statistics/mfocommuшty; далее - Мониторинг). Преимуществом указанного источника информации можно считать наличие показателей, характеризующих развитие ИКТ в бизнесе по следующим направлениям: использование организациями компьютеров и компьютерных сетей, использование Интернета, применение ИКТ работниками организаций, интеграция внутренних информационных систем и совместный доступ к информации внутри организации, интеграция информационных систем организации с информационными системами контрагентов, электронная коммерция.
2. Методы и данные. Основным методом анализа взаимосвязи цифровизации и производительности труда является использование различных спецификаций производственных функций. Наиболее часто для решения этой задачи используют функцию Кобба-Дугласа [3; 13; 14]:
У = ЛКаЬЬе, где К - затраты капитала, Ь - затраты труда, А -коэффициент научно-технического прогресса или общая производительность факторов производства, е - остатки. Оцениваемые парамет-
ры регрессии а, Ь показывают, на сколько процентов изменится выпуск при изменении на 1 % затрат капитала и труда соответственно. Функцию Кобба-Дугласа можно оценить и в моди-фицированом виде, где переменная-отклик -это производительность труда, а регрессор -капиталовооруженность труда:
Ь = л{ К Ь
Для оценки влияния цифровых технологий на производительность труда дополнительно к классическому перечню переменных используется переменная цифрового (или компьютерного, по аналогии с более ранними исследованиями) капитала С [2, р. 547-548; 3, р. 455-457; 9, с. 42; 15, с. 172-173]:
I = л( K
L {L
е.
Посредством логарифмирования и замены переменных уравнение приводится к линейному виду:
1пР = 1пЛ + а1пК + Ь1пС1 +1пе;
Р = У, К = К, С1 = С,
ь ь ь
где Р - уровень производительности труда, К1 -уровень капиталовооруженности труда, С1 -уровень «цифровой вооруженности» труда (величина цифрового (компьютерного) капитала на единицу труда).
Оцененные методом наименьших квадратов, параметры а, Ь показывают эластичность производительности труда по соответствующему фактору.
Помимо выбора спецификации модели, самостоятельной проблемой является оценка величины цифрового капитала. Отсутствие единого универсального измерителя приводит к использованию различных показателей. Так, в работе К. Скрипкина применены показатели эксплуатационных расходов на информационные технологии, стоимость коммуникационного оборудования, стоимость программного обеспечения [15, с. 175]. Примерами других показателей могут быть инвестиции в оборудование для использования ИКТ, внедрение высокоскоростной широкополосной связи, использование компьютеров на рабочем месте, обучение ИКТ и др. [13]. Этот подход предъявляет высокие требования к выбору показателей, характеризующих величину цифрового капитала, и в случае неверного решения спосо-
бен серьезно исказить результаты. Например, использование собственного программного продукта или свободно распространяемого программного обеспечения не позволит точно оценить стоимость программного обеспечения, а передача ряда функций на аутсорсинг снизит показатели использования компьютеров и обучения персонала в области ИКТ.
В настоящей работе использовано два подхода к оценке цифрового капитала и цифровой вооруженности труда:
1. Совокупность показателей, характеризующих собственно компьютерную вооруженность труда в регионах Российской Федерации. Мониторинг содержит четыре показателя: число персональных компьютеров в расчете на 100 работников организаций; число персональных компьютеров, имевших доступ к Интернету, на 100 работников организаций; доля работников организаций, использовавших персональные компьютеры не реже 1 раза в неделю; доля работников, использовавших предоставленные организацией средства мобильного доступа в Интернет не реже 1 раза в неделю.
2. Совокупность показателей Мониторинга, характеризующих уровень цифрового развития бизнеса в регионах Российской Федерации. Таких показателей, характеризующих компьютерную вооруженность труда опосредованно, в Мониторинге значительно больше, и по содержанию они более разнообразны. По результатам корреляционного анализа, среднюю силу связи с производительностью труда демонстрируют такие показатели, как доля организаций, использовавших локальные вычислительные сети, интранет, экстранет, ЕКР-системы, а также доля организаций, размещавших заказы на товары (работы, услуги) в Интернете, в общем числе обследованных организаций. Во всех указанных случаях коэффициент корреляции Пирсона составляет 0,33 и выше и значим на 1 % уровне.
Для контроля отраслевой структуры производства использовались переменные, характеризующие удельный вес отрасли в структуре занятых региона в процентах от общей численности занятых [15, с. 173]. В результате оценивались следующие модели:
lnP = lnA + alnKl + 'Zi biCli + lne (модель 1); InP = (lnA + 'EidiSi) + alnKl + 'EibiCli + lne (модель 2); lnP = (lnA + XdiSi) + alnKl + ^biCi + lne (модель 3),
где Si - удельный вес численности занятых в 7-й отрасли, - ^й показатель компьютерной вооруженности труда регионе, С7 - 7-й показатель развития цифрового капитала в регионе, Ь7, ё7, - оцениваемые параметры регрессии.
Исследование основано на официальных данных Росстата и охватывает период с 2016 по 2020 г. Выбор периода обусловлен двумя обстоятельствами:
1) бурное развитие ИКТ приводит к тому, что анализ на более длинных временных интервалах может привести к дополнительному смещению оценок, поскольку на длинных временных интервалах выше вероятность изменения отдачи ресурсов вследствие появления новых технологических решений;
2) показатели развития ИКТ в регионах, включенные в Мониторинг, меняются с течением времени, некоторые показатели исключаются, другие, напротив, добавляются, поэтому увеличение периода наблюдения может исключить из анализа показатели, которые появились относительно недавно и которые, вероятно, важны в данный момент.
Показатель производительности труда для каждого региона в соответствующий период определялся через отношение ВРП в текущих ценах (млн руб.) к среднегодовой численности занятых в соответствующем году (тыс. чел.)2. Выбор измерения ВРП в текущих ценах обусловлен тем, что доступные данные по стоимости основных фондов также не приведены к сопоставимым ценам. Кроме того, коэффициент корреляции показателей производительности труда, рассчитанный для наших данных в текущих и сопоставимых ценах, составляет 0,99.
Показатель капиталовооруженности труда определен как частное от деления стоимости основных фондов по полной учетной стоимости на конец года (млн руб.) на среднегодовую численность занятых в соответствующем году (тыс. чел.)3.
Отраслевая структура занятости представлена как процент занятых в соответствующем виде экономической деятельности для каждого региона и года наблюдения4.
3. Результаты исследования. Как отмечалось ранее, российские регионы характери-
зуются высоким разрывом в уровне производительности труда. Доступные для анализа показатели цифровизации бизнеса также свидетельствуют о наличии значительного, хотя и меньшего, цифрового разрыва. Так, разрыв по числу компьютеров в расчете на 100 работников составил 2,33 раза, по числу компьютеров, имевших доступ в Интернет, в расчете на 100 работников - 2,54 раза.
Наибольший разрыв (7-12 раз) складывается в обеспеченности организаций специальными программными продуктами, в том числе
программами управления продажами, системами планирования ресурсов (ЕЛР-системами), системами управления взаимоотношениями с клиентами (СЛМ-системами), системами управления цепочками поставок ^СМ-системами).
Минимальные разрывы отмечены по доле организаций, использующих широкополосной интернет (в 1,21 раза) и по доле работников, использовавших персональные компьютеры не реже одного раза в неделю (в 1,7 раза).
Результаты регрессионного анализа моделей приведены в таблице.
Факторы Модель
1 2 3
Константа 0,329 5,397*** 6,641***
Капиталовооруженность труда 0,760*" 0,252*** 0,288***
Цифровой капитал: - число персональных компьютеров в расчете на 100 работников организаций -0,347 -0,036 -
- число персональных компьютеров, имевших доступ к Интернету, на 100 работников организаций 0,678*** 0,477*** -
- доля работников организаций, использовавших персональные компьютеры не реже 1 раза в неделю -0,084 -0,075 -
- доля работников, использовавших предоставленные организацией средства мобильного доступа в Интернет не реже 1 раза в неделю -0,162** 0,055* -
- доля организаций, использовавших средства защиты информации, передаваемой по глобальным сетям - - -0,002
- доля организаций, использовавших локальные вычислительные сети, в общем числе обследованных организаций - - -0,142
- доля организаций, использовавших интранет, в общем числе обследованных организаций - - 0,129**
- доля организаций, использовавших экстранет, в общем числе обследованных организаций - - 0,22
- доля организаций, использующих широкополосный доступ к сети «Интернет», в общем числе организаций - - -0,102
- доля организаций, использующих доступ к сети «Интернет» со скоростью не менее 2 Мбит/с, в общем числе организаций - - -0,3***
- доля организаций, имевших специальные программные средства для управления продажами товаров (работ, услуг) - - -0,178***
- доля организаций, использовавших ЕЛР-системы, в общем числе обследованных организаций - - -0,024
- доля организаций, использовавших СЛМ-системы, в общем числе обследованных организаций - - 0,306***
- доля организаций, использовавших SCM-системы, в общем числе обследованных организаций - - -0,252***
- доля организаций, размещавших заказы на товары (работы, услуги) в Интернете, в общем числе обследованных организаций - - 0,273***
- доля организаций, получавших заказы на выпускаемые товары (работы, услуги) по Интернету - - 0,071
Доля занятых (%) в: - сельскохозяйственном производстве -0,072*** -0,061***
Результаты регрессионного анализа зависимости производительности труда от величины цифрового капитала
The results of the regression analysis on the relationship between labor productivity and the value of digital capital
Окончание табл. The end of Table
Факторы Модель
1 2 3
- добывающем производстве - 0,011** 0,003
- обрабатывающем производстве - -0,033*** -0,03**
- производстве и распределении электроэнергии, газа и воды - -0,087*** -0,127***
- строительстве - -0,128*** -0,132***
- оптовой и розничной торговле - 0,038 -0,01
- гостиницах и ресторанах - 0,001 -0,022
- транспортировке и хранении - 0,007 0,041**
- связи - -0,136*** -0,146***
- сделках с недвижимостью - -0,376*** -0,288***
- государственном управлении - -0,052* -0,068**
- образовании - -0,125*** -0,028
- здравоохранении - -0,17*** -0,199***
- профессиональной, научной, технической деятельности - 0,06*** 0,078***
Коэффициент детерминации Я2аа,- 0,819 0,948 0,944
Количество наблюдений 435 408 408
Примечание. *** р < 0,01; ** р < 0,05; * р < 0,1. Расчеты авторов.
Согласно полученным результатам, цифровые технологии оказывают влияние на уровень производительности труда. Во всех трех моделях коэффициенты регрессии при соответствующих переменных статистически значимы.
Введение в анализ факторов, учитывающих структуру занятости, улучшило статистические характеристики модели 1. Из модели 2 следует, что основное влияние на производительность труда оказывает, по сравнению с другими цифровыми факторами, увеличение числа персональных компьютеров, имеющих доступ в Интернет, в расчете на 100 работников организаций: эластичность производительности труда по данному фактору составляет 0,477, а стандартизованная оценка параметра регрессии - 0,174.
Если в модели 2 статистически значимые переменные цифрового капитала оказывают положительное воздействие на рост производительности труда, то в модели 3 ситуация иная. Наряду с положительным влиянием использования интранета и Интернета в части размещения заказов, влияние использования специальных программных продуктов оказалось отрицательным для доли организаций, имевших специальные программные средства для управления продажами товаров (работ, услуг), и доли организаций, использующих ^СМ-системы. Также требует дополнительно-
го обсуждения отрицательное значение доли организаций, использующих доступ к сети «Интернет» со скоростью не менее 2 Мбит/с, в общем числе организаций, в первом приближении не согласующееся с теоретическими представлениями.
4. Заключение. Представленная работа продолжает исследования влияния цифровых технологий на производительность труда. Выполненные расчеты позволяют оценить связь цифровизации и производительности на других данных и оценить возможности цифровизации в решении проблем экономического развития. Проведенный анализ в целом подтвердил неоднозначное влияние цифровизации экономики на рост производительности труда.
Сравнивая результаты, полученные в моделях разных спецификаций, можно отметить статистически значимое положительное влияние распространения Интернета на рост производительности труда. В целом, данный результат согласуется с выводами исследований, выполненных на других данных и в других странах. Это означает, что проведение активной политики по сокращению цифрового разрыва и «цифровой сплоченности» между регионами посредством выявления и снятия барьеров может и должно способствовать общему росту производительности труда и сокращению социально-экономического неравенства.
В то же время достаточно неожиданным выглядит отсутствие статистической значимости в одних моделях и отрицательное влияние в других переменных, характеризующих скорость передачи данных и использование широкополосного интернета, инвестиций в программное обеспечение, поскольку в европейских исследованиях последних лет эти факторы признаются одними из ведущих цифровых факторов роста производительности труда [13, р. 21-22].
Вероятно, полученные результаты могут иметь несколько объяснений, которые при появлении дополнительной информации могут быть протестированы. В начальный период использования новых технологий, на этапе внедрения, имеют место значительные инвестиции без соответствующей отдачи, которая наступает позднее и приводит к переоценке роли цифровых технологий в росте производительности труда. Возможно, мы имеем дело с ситуацией недооценки потенциала роста производительности именно по этой причине. Данный эффект хорошо известен и описан в западных странах [4, р. 31-35].
Одной из причин полученных результатов может быть и несбалансированность процессов внедрения цифровых технологий и перестройки бизнес-процессов организаций. Специалисты обращают внимание на то, что важно учитывать комплементарные эффекты между процессами цифровизации, инновациями и человеческим капиталом. Продвижение процессов цифровизации без учета связанных комплементарных активов резко снижает их эффективность [16, р. 189-190; 17, с. 46-50]. Возможно, преобладающие технологии управления цифровизацией и производительностью в российских компаниях находятся на уровне, характеризующемся отсутствием регулярности и плановости управления технологическими решениями [18, с. 48-61].
Также следует остановиться на ограничениях информационной базы исследования. Ряд важных данных, характеризующих развитие цифровой экономики, либо не представлен в Мониторинге, либо не детализирован в
разрезе регионов. Это относится, в частности, к показателям затрат на сквозные технологии, использованию цифровых платформ, компетенциям персонала. Многие показатели не содержат достаточно четких критериев, позволяющих судить о действительном уровне цифровизации процессов, поскольку опираются только на опросную статистику, без соответствующей стоимостной оценки, либо показателей распространенности или охвата, детализированных в разрезе регионов. Вероятно, это одна из причин, приведшая к тому, что оценки переменных, связанных со скоростью интернета, оказались статистически незначимыми.
Еще одной важной проблемой является корректная оценка стоимости IT-услуг, отражение нематериальных активов в системах оценки состояния цифровой экономики, в том числе вклада цифровых платформ, больших данных, искусственного интеллекта.
По мере получения новых данных статистические оценки связи цифровизации и производительности труда будут уточняться.
Примечания
1 Solow R. We'd Better Watch Out // New York Times Book Review. July 12, 1987.
2 Регионы России. Социально-экономические показатели. 2020: стат. сб. / Росстат. М., 2020. URL: https://rosstat.gov.ru/storage/mediabank/LkooETqG/Re gion_Pokaz_2020.pdf; Регионы России. Социально-экономические показатели. 2021: стат. сб. / Росстат. М., 2021. С. 118-119. URL: https://rosstat.gov.ru/storage/ mediabank/Region_Pokaz_2021.pdf; Валовый региональный продукт. URL: https://rosstat.gov.ru/statistics/ accounts.
3 Регионы России. Социально-экономические показатели. 2020. С. 118-119, 581-582; Регионы России. Социально-экономические показатели. 2021. С. 118-119, 495-496.
4 Регионы России. Социально-экономические показатели. 2017: стат. сб. / Росстат. М., 2017. С. 178181. URL: https://rosstatgov.ru/storage/iTiediabank/peg-pok17.pdf; Регионы России. Социально-экономические показатели. 2019: стат. сб. / Росстат. М., 2019. С. 130137. URL: https://rosstat.gov.ru/storage/mediabank/ Region_Pokaz_2019.pdf; Регионы России. Социально-экономические показатели. 2020. С. 146-149; Регионы России. Социально-экономические показатели. 2021. С. 126-129.
Литература
1. Acemoglu D., Restrepo P. The Race between Man and Machine: Implications of Technology for Growth, Factor Shares, and Employment // American Economic Review. - 2018. - Vol. 108, Iss. 6. -P. 1488-1542. - DOI: 10.1257/aer.20160696.
2. Brynjolfsson E., Hitt L. Paradox Lost? Firm-Level Evidence on the Returns to Information Systems Spending // Management Science. - 1996. - Vol. 42, No. 4. - Р. 541-558. - DOI: 10.1287/mnsc.42.4.541.
3. Jorgenson D. W., Ho M. S., Stiroh K. J. Lessons from the US Growth Resurgence // Journal of Policy Modeling. - 2003. - Vol. 25, Iss. 5. - P. 453-470. - DOI: 10.1016/S0161-8938(03)00040-1.
4. Brynjolfsson E., Rock D., Syverson C. Artificial intelligence and the modern productivity paradox: a clash of expectations and statistics : Working Paper 24001. - National Bureau of Economic Research, November 2017. - 44 p. - DOI: 10.3386/w24001.
5. Cette G., Fernald J. G., Mojon B. The Pre-Great Recession Slowdown in Productivity // European Economic Review. - 2016. - Vol. 88. - P. 3-20. - DOI: 10.1016/j.euroecorev.2016.03.012.
6. Chung H. ICT investment-specific technological change and productivity growth in Korea: Comparison of 1996-2005 and 2006-2015 // Telecommunications Policy. - 2018. - Vol. 42, Iss. 1. -P. 78-90. - DOI: 10.1016/j.telpol.2017.08.005.
7. Nordhaus W. D. Are We Approaching an Economic Singularity? Information Technology and the Future of Economic Growth : Working Paper 21547. - National Bureau of Economic Research, September 2015. - 46 p. - DOI: 10.3386/w21547.
8. Byrne D. M. The Digital Economy and Productivity. - Washington, DC : Board of Governors of the Federal Reserve System, 2022. - 49 p. - (Finance and Economics Discussion Series; 2022-038). -DOI: 10.17016/FEDS.2022.038.
9. Дементьев В. Е. Парадокс производительности в региональном измерении // Экономика региона. - 2019. - Т. 15, № 1. - С. 43-56. - DOI: 10.17059/2019-1-4.
10. Зимин К. В., Маркин А. В., Скрипкин К. Г. Влияние информационных технологий на эффективность российского предприятия: методология эмпирического исследования // Бизнес-информатика. - 2012. - № 1 (19). - С. 40-48.
11. Abramova N., Grishchenko N. ICTs, Labour Productivity and Employment: Sustainability in Industries in Russia // Procedia Manufacturing. - 2020. - Vol. 43. - P. 299-305. - DOI: 10.1016/j.promfg.2020.02.161.
12. Цифровая активность предприятий обрабатывающей промышленности в 2019 г. - М. : НИУ ВШЭ, 2020. - 16 с. - URL: https://www.hse.ru/data/2021/05/26/1438201311/_ЦА_ПРОМЫШЛЕННОСТЬ_2019.pdf.
13. Borowiecki M., Pareliussen J., Glocker D., Kim E. J., Polder M., RudI. The impact of digitisation on productivity: Firm-level evidence from the Netherlands. - OECD, 2021. - 33 p. - (OECD Economics Department Working Papers; No. 1680). - DOI: 10.1787/e800ee1d-en.
14. Платонов В. В. «Парадокс Солоу» двадцать лет спустя, или Об исследовании влияния инноваций в информационных технологиях на рост производительности // Финансы и бизнес. -2007. - № 3. - С. 28-38.
15. Скрипкин К. Г. Парадокс производительности информационных технологий: современное состояние в мире и в России // Вестник Томского университета. - 2015. - № 395. - С. 172-178.
16. Ballestar M. T., Camiña E., Díaz-Chaoc A., Torrent-Sellens J. Productivity and employment effects of digital complementarities // Journal of Innovation & Knowledge. - 2021. - Vol. 6, Iss. 3. -P. 177-190. - DOI: 10.1016/j.jik.2020.10.006.
17. Ананьин В. И., Зимин К. В., Лугачев М. И., Гимранов Р. Д., Скрипкин К. Г. Цифровое предприятие: трансформация в новую реальность // Бизнес-информатика. - 2018. - № 2 (44). -С. 45-54.
18. Боровков А. И., Лысенко Л. В., Биленко П. Н., Верховский Н. С., Фельдман М. О., Лысенко С. Л., Завалеев И. С., Фокин С. Н., Красинский С. И., Парыгин А. В., Демин П. В., Третьяков А. Б. Цифровое производство: методы, экосистемы, технологии : раб. докл. департамента корпорат. обучения Моск. шк. управления Сколково. - Сколково, Нояб. 2017. - 82 с.
References
1. Acemoglu D., Restrepo P. The Race between Man and Machine: Implications of Technology for Growth, Factor Shares, and Employment. American Economic Review, 2018, Vol. 108, iss. 6, pp. 14881542. DOI: 10.1257/aer.20160696.
2. Brynjolfsson E., Hitt L. Paradox Lost? Firm-Level Evidence on the Returns to Information Systems Spending. Management Science, 1996, Vol. 42, no. 4, pp. 541-558. DOI: 10.1287/mnsc.42.4.541.
3. Jorgenson D.W., Ho M.S., Stiroh K.J. Lessons from the US Growth Resurgence. Journal of Policy Modeling, 2003, Vol. 25, iss. 5, pp. 453-470. DOI: 10.1016/S0161-8938(03)00040-1.
4. Brynjolfsson E., Rock D., Syverson C. Artificial intelligence and the modern productivity paradox: a clash of expectations and statistics, Working Paper 24001. National Bureau of Economic Research publ., November 2017. 44 p. DOI: 10.3386/w24001.
5. Cette G., Fernald J.G., Mojon B. The Pre-Great Recession Slowdown in Productivity. European Economic Review, 2016, Vol. 88, pp. 3-20. DOI: 10.1016/j.euroecorev.2016.03.012.
6. Chung H. ICT investment-specific technological change and productivity growth in Korea: Comparison of 1996-2005 and 2006-2015. Telecommunications Policy, 2018, Vol. 42, iss. 1, pp. 78-90. DOI: 10.1016/j.telpol.2017.08.005.
7. Nordhaus W.D. Are We Approaching an Economic Singularity? Information Technology and the Future of Economic Growth, Working Paper 21547. National Bureau of Economic Research publ., September 2015. 46 p. DOI 10.3386/w21547.
8. Byrne D.M. The Digital Economy and Productivity, Finance and Economics Discussion Series 2022-038. Washington, DC, Board of Governors of the Federal Reserve System publ., 2022. 49 p. DOI: 10.17016/FEDS.2022.038.
9. Dementiev V.E. Productivity Paradox in Regional Dimension. Economy of Region, 2019, Vol. 15, no. 1, pp. 43-56. DOI: 10.17059/2019-1-4. (in Russian).
10. Zimin K., Markin A., Skripkin K. IT impact on the firm productivity in Russia: methodology of empirical investigation. Business informatics, 2012, no. 1 (19), pp. 40-48. (in Russian).
11. Abramova N., Grishchenko N. ICTs, Labour Productivity and Employment: Sustainability in Industries in Russia. Procedia Manufacturing, 2020, Vol. 43, pp. 299-305. DOI: 10.1016/j.promfg.2020.02.161.
12. Tsifrovaya aktivnost'predpriyatii obrabatyvayushcheipromyshlennosti v 2019 g. [Digital activity of manufacturing enterprises in 2019]. Moscow, HSE publ., 2020. 16 p. Available at: https://www.hse.m/daW2021/05/26/1438201311/_%20%D0%A6%D0%90_%D0%9F%D0%A0%D0%-9E%D0%9C%D0%AB%D0%A8%D0%9B%D0%95%D0%9D%D0%9D%D0%9E%D0%A1%D0%A2 %D0%AC_2019.pdf. (in Russian).
13. Borowiecki M., Pareliussen J., Glocker D., Kim E. J., Polder M., Rud I. The impact of digitali-sation on productivity: Firm-level evidence from the Netherlands, OECD Economics Department Working Papers; No. 1680. OECD publ., 2021. 33 p. DOI: 10.1787/e800ee1d-en.
14. Platonov V.V. «Paradoks Solou» dvadtsat' let spustya, ili Ob issledovanii vliyaniya innovatsii v informatsionnykh tekhnologiyakh na rost proizvoditel'nosti ["The Solow Paradox" twenty years later, or On the study of the impact of innovations in information technology on productivity growth]. Finance and Business, 2007, no. 3, pp. 28-38. (in Russian).
15. Skripkin K.G. IT productivity paradox: present state of research in the world and in Russia. Tomsk State University Journal, 2015, No. 395, pp. 172-178. DOI: 10.17223/15617793/395/29. (in Russian).
16. Ballestar M.T., Camina E., Diaz-Chaoc A., Torrent-Sellens J. Productivity and employment effects of digital complementarities. Journal of Innovation & Knowledge, 2021, Vol. 6, iss. 3, pp. 177-190. DOI: 10.1016/j.jik.2020.10.006.
17. Ananyin V., Zimin K., Lugachev M., Gimranov R., Skripkin K. Digital organization: Transformation into the new reality. Business informatics, 2018, no. 2 (44), pp. 45-54. (in Russian).
18. Borovkov A.I., Lysenko L.V., Bilenko P.N., Verkhovsky N.S., Feldman M.O., Lysenko S.L., Zavaleev I.S., Fokine S.N., Krasinsky S.I., Parygin A.V., Demin P.V., Tretyakov A.B. Digital Production. Methods, Ecosystems, Technologies, Report of the Corporate Training Department of the Moscow School of Management Skolkovo. Skolkovo, November 2017. 82 p. (in Russian).
Сведения об авторах
Стукен Татьяна Юрьевна - д-р экон. наук, декан
экономического факультета
Адрес для корреспонденции: 644077, Россия, Омск,
пр. Мира, 55а
E-mail: Stuken@omsu.ru
ORCID: 0000-0001-6005-9678
Web of Science ResearcherID: H-6777-2016
SPIN-код РИНЦ: 9653-8983
Лапина Татьяна Александровна - канд. экон. наук, доцент кафедры региональной экономики и управления человеческими ресурсами Адрес для корреспонденции: 644077, Россия, Омск, пр. Мира, 55а
E-mail: lapinaomgu@gmail.com ORCID: 0000-0003-1854-8034 РИНЦ AuthorID: 364848
Коржова Ольга Сергеевна - старший преподаватель кафедры региональной экономики и управления человеческими ресурсами
Адрес для корреспонденции: 644077, Россия, Омск,
пр. Мира, 55а
E-mail: olishb@yandex.ru
ORCID: 0000-0002-5189-2753
РИНЦ AuthorID: 758207
Коржов Евгений Васильевич - директор по персоналу
E-mail: ekorzhoff@yandex.ru Вклад авторов
Стукен Т.Ю. - руководство проведением исследования, разработка методики исследования, анализ данных, проверка результатов исследования. Лапина Т.А. - подготовка метаданных, разработка методики исследования, анализ данных, проверка результатов исследования, визуализация и представление данных.
Коржова О.С. - разработка методики исследования, сбор информации, анализ данных, перевод информации на иностранный язык, подготовка метаданных. Коржов Е.В. - разработка методики исследования, анализ данных.
Для цитирования
Стукен Т. Ю., Лапина Т. А., Коржова О. С., Коржов Е. В. Парадокс производительности: за и против // Вестник Омского университета. Серия «Экономика». -2024. - Т. 22, № 2. - С. 35-44. - DOI: 10.24147/1812-3988.2024.22(2).35-44.
About the authors
Tatiana Yu. Stuken - Doctor of Economic Sciences,
Dean of the Faculty of Economics
Postal address: 55a, Mira pr., Omsk, 644077, Russia
E-mail: Stuken@omsu.ru
ORCID: 0000-0001-6005-9678
Web of Science ResearcherlD: H-6777-2016
RSCI SPIN-code: 9653-8983
Tatiana A. Lapina - PhD in Economic Sciences, Associate Professor at the Department of Regional Economics and Human Resource Management Postal address: 55a, Mira pr., Omsk, 644077, Russia E-mail: lapinaomgu@gmail.com ORCID: 0000-0003-1854-8034 RSCI AuthorID: 364848
Olga S. Korzhova - senior lecturer at the Department of Regional Economics and Human Resource Management
Postal address: 55a, Mira pr., Omsk, 644077, Russia E-mail: olishb@yandex.ru ORCID: 0000-0002-5189-2753 RSCI AuthorID: 758207
Evgenii V. Korzhov - HR Director E-mail: ekorzhoff@yandex.ru
Authors' contributions
Stuken T.Yu. - management of the research, development of research methodology, data analysis, verification of research results.
Lapina T.A. - preparation of metadata, development of research methodology, data analysis, verification of research results, visualization and presentation of data. Korzhova O.S. - development of research methodology, information collection, data analysis, translation of information, preparation of metadata. Korzhov E.V. - development of research methodology, data analysis.
For citations
Stuken T.Yu., Lapina T.A., Korzhova O.S., Korzhov E.V. The productivity paradox: pros and cons?. Herald of Omsk University. Series "Economics", 2024, Vol. 22, no. 2, pp. 35-44. DOI: 10.24147/1812-3988.2024.22(2).35-44. (in Russian).
