Информационная рента и ее нелинейное распределение в условиях цифровой трансформации

Введение

Актуальность исследования обусловлена многогранным процессом цифровой трансформации, вносящим как технологические, так и институциональные изменения в механизм формирования рыночной власти, в результате чего информация из фактора производства превращается в инструмент формирования ренты. Для России, Беларуси и в целом евразийского пространства данная проблема представляет особое значение, поскольку развитие национальных цифровых экосистем требует пересмотра стратегий поддержки технологических компаний и выработки нового подхода к государственному регулированию.

Лауреаты Нобелевской премии 2001 года Дж. Акерлоф [1] (Akerlof, 1994), М. Спенс [8] (Spens, 2012) и Дж. Стиглиц [35] (Stiglitz, 2002) в своих исследованиях показали, что асимметрия информации порождает провалы рынка и скрытые формы монополии. В современных условиях эти идеи не потеряли своей актуальности получили развитие в работах Т.А.Селищевой [7] (Selishcheva, 2024), А. Гринфилда [4] (Grinfild, 2022), М. Хардта и А. Негри [14] (Khardt et al., 2006), которые связывают цифровизацию с новыми формами присвоения капитала в условиях контроля над нематериальными активами. Роль сетевых эффектов в процессе роста рыночной власти цифровых платформ раскрывается в работах Р.Меткалфа [15] (Benkler, 2006), М. Каца и К. Шапиро [25] (Katz et al., 1985), Дж. Гилдера [20] (Gilder, 2000). При этом на современном этапе развития информационной экономики акцент исследователей смещается с собственно цифровых технологий на институциональные механизмы их монополизации – так, Н. Срничек [9] (Srnichek, 2019), С.Б. Демирджи [18] (Demirci, 2025), Ли Х., Янг З., Цзин Ц., Ванг Й. [27] (Li et al., 2023) рассматривают платформы как форму извлечения ренты из механизмов интерпретации данных. Л. Хан [26] (Khan, 2019), С.А. Хендраван, А. Чатра, Н. Иман, С. Хидаятулла, Д. Супрайитно [21] (Hendrawan et al., 2024), Г.Н.Серян, А.В.Адамян [34] (Seryan et al., 2025) показывают, что традиционный антимонопольный микроэкономический анализ недостаточен для оценки структурного положения крупных компаний на рынке цифровых товаров и услуг. Однако в современной экономической науке отсутствует целостный подход, который способствовал бы обоснованию перехода от классической информационной асимметрии к структурно-институциональной, связывая экономические параметры платформенной власти (в форме получения ренты) с институциональными ограничениями.

Цель исследования заключается в разработке теоретико-аналитической модели нелинейной трансформации информационной ренты в условиях информационной экономики, учитывающей архитектурный контроль, данные, сетевые эффекты, антропогенный капитал, время координации проектов и институциональные ограничения цифровых платформ.

Научная новизна работы состоит в разграничении информационной асимметрии классического типа и структурно-институциональной асимметрии информационной экономики; обосновании нелинейного процесса распределения информационной ренты; разработке авторского закона нелинейной трансформации информационной ренты, в рамках которого эмпирически доказано, что регулирование цифровых платформ в ЕС, США и КНР может быть интерпретировано через институциональную триаду транспарентности, совместимости и сменяемости инфраструктуры.

Авторская гипотеза состоит в том, что в информационной экономике монополизация (и как следствие, дополнительная рента) возникает как результат синергии четырех процессов: концентрации архитектурного контроля, накопления данных, усиления сетевых эффектов и сокращения времени координации.

Методология исследования основана на междисциплинарном подходе и авторском методе информационно-антропогенного и временного анализа [3] (Baranov, 2024), объединяющем политическую экономию ренты, институциональную экономику, теорию информационной асимметрии и принципы платформенного капитализма. Исследование развивается в логике перехода от микроэкономического понимания неравномерности распределения информации к макро- и мезоуровневому анализу цифровых экосистем как частных центров координации и нормообразования. В качестве аналитического инструмента используется авторская модель оценки информационной ренты, позволяющая сопоставить экономическое содержание платформенного доминирования с его институциональными границами.

Основная часть

Современные экономисты отмечают, что рост органического строения капитала, впервые выявленный К. Марксом в XIX веке, в эпоху цифровой трансформации усиливается и приобретает новые масштабы [4, 7] (Grinfild, 2022; Selishcheva, 2024). Так, по мнению Т.А. Селищевой, в условиях информационной экономики особый интерес представляет трансформация всеобщего закона капиталистического накопления [7] (Selishcheva, 2024). В соответствии с «законом Меткалфа» для ИТ-рынков критичным параметром является размер сети, поскольку ценность возрастает с числом участников и масштабом их взаимодействий [15] (Benkler, 2006). При этом Р.Меткалф не выводил строгую универсальную формулу, скорее его модель эвристическая, показывающая ускоряющуюся отдачу от расширения сети в типичных коммуникационных системах. Однако очевидно, что в условиях сетевых эффектов борьба идет не за цену, а за архитектуру подключения, стандарты совместимости и правила доступа, поскольку именно данные параметры определяют, кто извлекает выгоду из роста связей.

С нашей позиции необходимо разграничить сетевые эффекты и технологический прогресс. Так, в соответствии с исследованиями М. Кац и К. Шапиро, сетевые эффекты представляют собой поведенческо-рыночный механизм, в рамках которого полезность участия растет с числом других участников [25] (Katz et al., 1985). Свидетельством данного процесса является «закон Мура», характеризующий экспоненциальный рост вычислительных возможностей как технологическую динамику. Данные явления связаны, но не тождественны, поскольку снижение стоимости технической составляющей позволяет цифровым сервисам получать массовое распространение, в то время как сетевые эффекты трансформируют эффект масштаба в рыночную власть.

С нашей позиции, сама возможность возникновения монополистических структур была бы невозможна без фундаментальных изменений в технологическом базисе экономики, поскольку именно экспоненциальный рост вычислительной мощности и пропускной способности сетей создал материальные предпосылки для доминирования цифровых платформ. Данный принцип обоснован в исследованиях американского экономиста Дж. Гилдера, вклад которого в анализ сетевых эффектов состоит в формулировании прогнозной гипотезы, описывающей системные последствия развития информационной инфраструктуры. В отличие от построения формальных теоретических моделей, Дж. Гилдер определил что в информационной экономике ключевым ресурсом становится не объем хранения данных, а скорость их передачи [20] (Gilder, 2000).

В этом пункте информационная экономика и институциональная экономика имеют точки соприкосновения. Тезис Дж. Акерлофа об асимметрии информации, ведущей к рыночным провалам в информационной экономике, перерастает в проблему более глубокого уровня – асимметрию интерпретации данных. Так, по мнению М. Хардта и А. Негри, в информационной экономике «эксплуатация в условиях гегемонии нематериального труда не есть присвоение стоимости, измеренной в единицах индивидуального или коллективного рабочего времени, а, скорее, это захват ценностей, произведенных коллективным трудом и тем самым обретающих общность в результате циркуляции в общественных сетях...» [14, c. 146] (Khardt et al., 2006). То есть как справедливо отметила Т.А. Селищева, «глобальные платформы (сети), вовлекая в виртуальное (цифровое) пространство пользователей различных стран, получают возможность извлечения прибавочной стоимости и, соответственно, последующего накопления капитала в рамках глобального виртуального пространства...» [7] (Selishcheva, 2024).

В результате формируются саморегулируемые информационные экосистемы, которые начинают функционировать по собственным, зачастую непрозрачным, алгоритмическим законам. Данные экосистемы, с одной стороны, резко снижают традиционные транзакционные издержки (поиска информации, ведения переговоров, контроля за исполнением), а с другой стороны, порождают новый класс институциональных издержек, к которым относятся издержки цифрового доверия (необходимость полагаться на «черный ящик» алгоритмов), издержки совместимости (потребность следовать стандартам, диктуемым платформой) и издержки адаптации человеческого капитала к постоянно меняющимся цифровым средам. Последний фактор особенно важен, поскольку время, затрачиваемое на непрерывное обучение и адаптацию к новым интерфейсам и правилам платформ, становится скрытой статьей расходов для участников экосистемы, одновременно повышая ценность тех, кто способен быстро осваивать и использовать эти изменения.

На рисунке 1 показана институциональная трансформация информационной экономики, в условиях которой общие издержки после начального инвестиционного этапа выходят на плато, а средние издержки падают обратно пропорционально объему производства, приводя к экономии от масштаба, не зависящей от физического увеличения производственных мощностей. Высокие фиксированные затраты связаны с разработкой, лицензированием и архитектурой платформ (фактически с созданием институциональной среды), при этом близкие к нулю предельные издержки не зависят от технической составляющей, а определяются спецификой нематериальных и легко воспроизводимых активов на цифровых носителях.

Рисунок 1. Институциональная трансформация экономики от линейных к нулевым предельным издержкам

Источник: составлено автором.

Современная экономическая среда характеризуется возрастающей сложностью и динамизмом, что предъявляет повышенные требования к системам управления. Ключевым вызовом становится необходимость оперативного управления временными параметрами экономических процессов. В частности, для обеспечения устойчивого роста критически важно контролировать такие показатели, как время цикла разработки продукта и период окупаемости инвестиций [24] (Jacobides et al., 2018).

Переходя к анализу ренты в современных условиях, необходимо отметить, что классическая рента определяется как чистая экономическая выгода, получаемая собственником фактора производства (прежде всего земли) за использование его «первоначальных и неразрушимых» качеств, которая превышает альтернативные издержки. Когнитивная рента расширяет этот подход, учитывая выгоду от использования информации и издержки на ее получение и обработку. В простейшей форме может также представлять собой квадратичную зависимость от накопленного объема информации, учитывать усиление ценности засчет новых знаний и изменения динамики ренты во времени (табл. 1).

Таблица 1

Основные формы ренты в информационной экономике

№	Название ренты	Формула	Описание
1	Классическая рента		Классическая рента – разница между ценой (P) и предельными издержками производства (MC) за единицу продукции. Отражает чистую экономическую выгоду от производства. Если цена выше издержек, компания получает положительную ренту; если наоборот – отрицательную
2	Когнитивная рента		Bk – предельная выгода от информации k (например, дополнительная прибыль), Ck – предельные издержки на получение/обработку информации k. Разница показывает, насколько выгодно использовать именно это знание в бизнесе
		)x	Qk​ – объем (или количество) единиц знания, которые могут быть использованы (например, количество лицензий, развернутых систем и т.п.). Даже небольшая рента на единицу может превратиться в значительный доход при большом масштабировании
			Kk​ – накопленный объем информации или знаний, выраженный в единицах (например, количество опубликованных статей, патентов, моделей ИИ); a – константа, отражающая эффективность превращения информации в экономическую ценность. Уравнение свидетельствует о том, что рост ренты ускоряется по мере накопления знаний: при удвоении объема рента возрастает в четыре раза
		)x	ΔKk​ – прирост знаний за определенный период, b – коэффициент, показывающий, насколько новые знания усиливают ценность уже существующего. Если ΔKk​ положительно, то множитель становится больше 1, тем самым увеличивая общую ренту

С нашей позиции распределение информационной ренты подчиняется нелинейному закону: рента распределяется между участниками информационной экономики не пропорционально объему вложенных ресурсов (труда, капитала, информации), а нелинейно и концентрированно – в пользу тех субъектов, которые достигают критической массы накопленных сетевых эффектов и архитектурного контроля.

В аналитическом виде нами предлагается закон нелинейной трансформации информационной ренты:

, (1)

где – информационная рента;

A – степень архитектурного контроля цифровой платформы, включая управление интерфейсами, правилами доступа, ранжированием, протоколами взаимодействия и механизмами допуска внешних участников;

D – объем, качество и аналитическое применение контролируемых данных;

N – сила сетевых эффектов, возникающих в результате роста числа пользователей и плотности их взаимодействий;

H – способность цифровой платформы концентрировать, удерживать и перераспределять человеческий капитал внутри собственной экосистемы;

MC – предельные издержки воспроизводства цифрового продукта;

T – совокупное время координации, включающее цикл разработки, обработки информации, вывода продукта на рынок и организационной адаптации;

α – коэффициент институциональной среды, отражающий правовой режим, качество регулирования и допустимую степень автономности цифровой платформы;

P – уровень транспарентности критических алгоритмов и возможность их независимого аудита;

C – степень технической и правовой совместимости стандартов, то есть снижение издержек переключения между платформами и трансфера данных;

S – сменяемость базового слоя информационной инфраструктуры без утраты данных, функциональности и непрерывности сервиса;

являются коэффициентами эластичности и институциональной чувствительности системы.

Из предложенного закона следует важный теоретический вывод – в информационной экономике монополизация возникает как синтез четырех процессов: концентрации архитектурного контроля, накопления данных, усиления сетевых эффектов и сжатия времени координации.

Однако для более полного раскрытия механизма возникновения информационной ренты необходимо перейти от уровня платформенной координации к уровню воспроизводства тех институциональных предпосылок, которые делают такую ренту возможной. Законодательство ЕС, США и КНР, регулирующее деятельность крупнейших цифровых платформ, предполагает структурную взаимосвязь трех направлений: антимонопольного регулирования, регулирования данных и регулирования алгоритмических систем. Подобная трехуровневая институциональная структура в наибольшей степени соответствует логике предложенного нами закона нелинейной трансформации информационной ренты.

В настоящее время в Европейском союзе реализуется комплексная институционально-правовая модель ограничения архитектурной власти цифровых платформ, в рамках которой цифровая платформа рассматривается как хозяйствующий субъект и в то же время как частный центр нормообразования, способный самостоятельно определять условия доступа, взаимодействия и конкуренции. Соответственно, европейское право исходит из того, что по мере усиления рыночного и институционального значения технической архитектуры платформы она становится самостоятельным объектом публично-правового воздействия.

Центральное место в подобной классификации занимает Регламент (ЕС) 2022/1925 Европейского парламента и Совета от 14 сентября 2022 года о состязательных и справедливых рынках в цифровом секторе и о внесении изменений в Директивы 2019/1937 и 2020/1828 (Закон о цифровых рынках) [30], назначение которого состоит в превентивном структурном ограничении контроля над данными со стороны цифровых платформ до того, как подобный контроль приведет к устойчивой монополии в информационном пространстве. В этих целях в законодательстве ЕС существуют институциональные механизмы анализа рыночной власти и особенностей рыночного позиционирования в информационной среде крупнейших цифровых платформ. С позиции предложенного нами закона указанное регулирование связано с переменными A и C (формула 1), поскольку оно ограничивает способность крупнейших цифровых платформ связывать пользователей и деловых контрагентов собственной экосистемой и соответсвенно, европейское право предполагает институционально закрепленное снижение величины информационной ренты, извлекаемой именно из архитектурного контроля.

Дополняет данную систему мер Регламент (ЕС) 2022/2065 Европейского парламента и Совета от 19 октября 2022 года о едином рынке цифровых услуг и о внесении изменений в Директиву 2000/31/EC (Закон о цифровых услугах) [31]. Логика вышеуказанных правовых актов отличается тем, что они ориентированы на повышение транспарентности маркетинговых механизмов, а также обоснование необходимости взаимодействия с уполномоченными органами и исследовательским сообществом. В терминах нашей модели данные меры наиболее близки к параметру P (формула 1), поскольку таким образом усиливается верификация платформенной власти и ограничивается возможность скрытого перераспределения выгод через непрозрачные механизмы ранжирования.

Особое значение для параметров C и S (формула 1) имеет Регламент (ЕС) 2023/2854 Европейского парламента и Совета от 13 декабря 2023 года о гармонизированных правилах справедливого доступа к данным и их использования и о внесении изменений в Регламент (ЕС) 2017/2394 и Директива (ЕС) 2020/1828 (Закон о данных) [32]. Функциональная направленность данных нормативно-правовых актов состоит в снижении барьеров для переноса данных, упрощении перехода между цифровыми и, в частности, облачными сервисами, а также в ограничении инфраструктурной зависимости пользователя или организации от единственного поставщика. Тем самым переносимость данных и снижение издержек переключения перестают быть лишь элементом пользовательского удобства и становятся самостоятельным инструментом антимонопольной и инфраструктурной политики. Завершает данную институциональную конструкцию Регламент (ЕС) 2024/1689 Европейского парламента и Совета от 13 июня 2024 года, устанавливающий гармонизированные правила в области искусственного интеллекта и вносящий изменения в регламенты (ЕС) № 300/2008, (ЕС) № 167/2013, (ЕС) № 168/2013, (ЕС) 2018/858, (ЕС) 2018/1139 и (ЕС) 2019/2144, а также директивы 2014/90/ЕС, (ЕС) 2016/797 и (ЕС) 2020/1828 (Закон об ИИ) [33]. Данные акты предполагают введение риск-ориентированного регулирования систем ИИ, закрепления требований к управлению рисками, документации, прозрачности, человеческому контролю и надзору в отношении автоматизированных категорий информационных систем и моделей общего назначения. Следовательно, именно в Европейском союзе к 2024–2025 гг. наиболее полно складывается нормативная матрица, соответствующая триаде P–C–S (формула 1).

В США аналогичная логика присутствует, однако в отличие от ЕС американская система регулирования нормативно-правовых актов в сфере цифровых платформ пока не оформлена в виде единого федерального режима, функционально сопоставимого с европейскими законами о цифровых рынках и цифровых услугах, однако в ней также просматривается движение к ограничению закрытой архитектурной власти платформ. Ключевую роль в данной системе играют Федеральная торговая комиссия и Министерство юстиции Соединенных Штатов Америки, использующие механизмы антимонопольного законодательства, законодательства о защите потребителей и ряд актов, ограничивающих недобросовестные методы конкуренции для пресечения злоупотреблений со стороны крупнейших компаний информационной экономики.

Нормативной основой являются прежде всего Закон Шермана, Закон Клейтона и Закон о Федеральной торговой комиссии [19]. С позиции предложенного нами Закона нелинейной трансформации информационной ренты американское регулирование в большей степени воздействует на переменные A и D, то есть на архитектурный контроль и использование данных в целях установления монопольного контроля. При этом, в отличие от подходов ЕС, параметры P, C и S в правовом поле не регламентированы в полной мере. Вместе с тем все большее значение приобретают требования к детализации решений, принимаемых ИИ без контроля со стороны пользователя, требования к недискриминационному доступу, к ограничению эксклюзивных договорных практик.

Особую роль в алгоритмическом измерении американской модели играет Структура управления рисками ИИ, разработанная 26 января 2023 года Национальным институтом стандартов и технологий (NIST), которая предназначена для добровольного применения и направлена на верификацию надежности проектирования, разработки, использования и оценки ИИ-продуктов, сервисов и систем, призвана дополнять, согласовывать и поддерживать существующие усилия по управлению ИИ-рисками, не накладывая обязательных требований, но формируя стандарт добросовестного корпоративного поведения и институциональной самооценки алгоритмических рисков. В терминах нашей модели это означает постепенное движение в сторону параметра P, хотя и не в форме жесткой нормативной обязанности, а с помощью институциональных механизмов стандартизации и административного контроля.

В дополнение к базовому стандарту NIST опубликовал сопутствующие инструменты в виде дорожной карты и перспектив развития, а также запустил 30 марта 2023 года Центр ресурсов для надежного и ответственного ИИ – платформу для содействия внедрению ИИ, в том числе в рамках международного сотрудничества. 7 апреля 2026 года был выпущен концептуальный документ Профиль о заслуживающем доверия ИИ в критической инфраструктуре, призванный упорядочить использование технологий ИИ в критически важных областях экономики [28].

В сфере совместимости данных и возможности смены цифровой инфраструктуры американское право пока остается менее системным, поскольку соответствующие вопросы возникают в контексте конкурентного права, договорных обязательств, регулирования отдельных отраслей, инициатив отдельных штатов и обсуждаемых федеральных законопроектов, при это все вышеуказанное не унифицировано в единый стандарт. Поэтому США можно охарактеризовать как юрисдикцию, в которой институциональная логика триады P–C–S (формула 1) уже складывается, но реализуется не через завершенную институциональную конструкцию, а преимущественно децентрализованным, прецедентным и правоприменительным способом.

В отличие от европейского подхода, направленного прежде всего на ограничение рыночной и архитектурной монополии цифровых платформ, и американского подхода, предполагающего правоприменительное пресечение антиконкурентных практик, в КНР регулирование цифровых платформ развивается по иной институциональной траектории, исходя из необходимости интегрировать институциональную инфраструктуру платформ в систему государственного контроля. Нормативную основу данной модели составляет Закон о защите личной информации 2021 года 21, Закон о безопасности данных 2021 года [17], Закон о кибербезопасности 2016 года [16], Положение об управлении алгоритмическими рекомендациями в интернет-информационных сервисах 2022 года [22] и Временные меры по управлению услугами генеративного искусственного интеллекта 2023 года [23].

С позиции предложенного закона правоприменительная практика в КНР регламентирует параметр P, однако характер регулирования принципиально отличается от европейского варианта – в Китае преобладает административная обязанность цифровых платформ формировать алгоритмическую инфраструктуру в максимально доступной для проверки государства форме. Аналогичным образом параметры C и S реализуются в макроэкономической системе КНР как элементы управляемого информационного суверенитета, в рамках которого экспорт данных и архитектура цифрового взаимодействия подчиняются стратегическим целям государства. Особенно важным является режим трансграничной передачи данных – законодательство КНР рассматривает экспорт значимых массивов информации как потенциальный риск, требующий специального правового основания, соблюдения процедур оценки безопасности, сертификации либо иных предусмотренных законом институциональных механизмов. Следовательно, в системе права КНР параметр S ограничивается публично-правовыми требованиями национальной информационной безопасности и модель распределения информационной ренты в КНР также содержит элементы триады P–C–S, однако они в большей степени направлены на включение платформенной власти в иерархически организованный государственный цифровой порядок.

Для ЕАЭС, Союзного государства России и Беларуси, а также для национальных правопорядков Российской Федерации и Республики Беларусь триада P–C–S (формула 1) пока не закреплена в виде единого, системно оформленного и специально адресованного цифровым платформам правового режима. Однако, на национальном уровне в России уже достаточно длительный период времени существует ряд законов, регулирующих особенности информационного взаимодействия на микро- и макроуровнях – это Федеральный закон РФ от 27 июля 2006 г. № 149-ФЗ «Об информации, информационных технологиях и о защите информации» (с изменениями и дополнениями от 29 декабря 2025 г.) [12], Федеральный закон от 27 июля 2006 г. № 152-ФЗ «О персональных данных» (с изменениями и дополнениями от 7 июля 2025 г.) [13] и Федеральный закон от 26 июля 2006 г. № 135-ФЗ «О защите конкуренции» (с изменениями и дополнениями от 8 марта 2026 г.) [11]. При этом применительно к информационной экономике совокупность данных нормативно-правовых актов должна анализироваться в более широком контексте, включающем также Федеральный закон от 1 июля 2021 г. № 236-ФЗ «О деятельности иностранных лиц в информационно-телекоммуникационной сети «Интернет» на территории Российской Федерации» [10]. В совокупности данные акты определяют доступ к информации, обязанности операторов цифровой инфраструктуры, использование персональных данных, локализацию, надзор и отдельные аспекты платформенной ответственности, что безусловно отражает институциональную логику взаимодействия с цифровыми платформами на уровне отдельных субъектов хозяйствования, включая особенности передачи информации, однако они пока не образуют единого институционального режима [2] (Baranov, 2025).

Аналогичная ситуация наблюдается и в Республике Беларусь. Нормативную основу здесь образуют Закон Республики Беларусь от 10 ноября 2008 г. № 455-З «Об информации, информатизации и защите информации» [6] и Закон Республики Беларусь от 7 мая 2021 г. № 99-З «О защите персональных данных» [5], содержащие отдельные институциональные механизмы, связанные с хранением, обработкой, защитой и доступом к данным, а также с технологическими требованиями к инфраструктуре. Однако, как и в российском правопорядке, данные механизмы пока не сведены в самостоятельный комплекс платформенного регулирования, сопоставимый по степени целостности с европейской моделью. Соответственно для евразийского пространства особую научную и практическую значимость приобретает постановка вопроса о необходимости институциональной кодификации триады P–C–S.

Для примера приведем расчет информационной ренты для компании «Яндекс» (Россия) (табл. 2)

Таблица 2 Сводные данные по значению переменных для расчета информационной ренты по компании «Яндекс» (Россия)

Таблица 3 Расчет информационной ренты для компании «Яндекс» (Россия)

Сводные данные по абсолютной и нормированной информационной ренте по крупнейшим компаниям информационной экономики – Apple (США), Google (США), Alibaba Group (КНР), SAP (Германия, ЕС), «Яндекс» (Россия) и EPAM Systems (Республика Беларусь) представлены в таблице 4.

Таблица 4 Сводные данные по абсолютной и нормированной информационной ренте по выбранным компаниям информационной экономики

Исходя из данных таблицы 4 становится очевидным, что лидеры информационной экономики Apple (США) и Google (США) демонстрируют наибольшие значения информационной ренты, при этом близкий к ним уровень показывает Яндекс (Россия), в то время как SAP (Германия, ЕС) и особенно EPAM Systems, обладая значительным технологическим и организационным потенциалом, формируют существенно меньшую ренту. В этом контексте особенно показательно положение «Яндекса», значение информационной ренты которого, близкое к глобальным платформенным лидерам, свидетельствует о том, что даже в условиях санкционной политики недружественных стран и жестких технологических ограничений возможно формирование сильной платформенной власти, в случае если компания аккумулирует поиск, рекламу, картографию, мобильность, медиасреду и накопление данных в единую архитектурную экосистему.

Заключение

Очевидным является то, что российская макроэкономическая политика в отношении крупных цифровых экосистем не должна сводиться ни к безусловному протекционизму, ни к чисто антимонопольному ограничению в классическом смысле – более продуктивным представляется такой режим регулирования, при котором национальные платформы сохраняют способность к конкуренции с внешними центрами силы за счет формирования замкнутой цифровой экосистемы, контролирующей региональный и национальный рынок. Для России это означает необходимость постепенно смещать акцент от абстрактной поддержки «цифровых чемпионов» к институциональному оформлению требований транспарентности критических алгоритмов, трансфера данных, доступа к интерфейсам и ограничению избыточных транзакционных издержек внутри платформенных экосистем.

Белорусский случай, представленный EPAM Systems, демонстрирует принципиально иную конфигурацию. Низкое значение информационной ренты не свидетельствует о слабости компании, а напротив, показывает специфику ее модели – EPAM конкурентоспособна прежде всего как сервисный, инженерный и проектный актор, а не как платформенный центр, извлекающий ренту из архитектурной конфигурации на рынке. Для Беларуси стратегический выбор не может быть просто продолжением сервисно-аутсорсинговой модели, если страна претендует на более высокий уровень цифрового суверенитета и внутренней платформенной капитализации, но очевидным является тот факт, что столь же неверно искусственное копирование модели замкнутых экосистем США или ЕС. Более реалистичная и перспективная траектория заключается в формировании таких цифровых направлений, при которых белорусские компании и государственные цифровые институты могли бы постепенно наращивать контроль над прикладной архитектурой.