ИИ и рабочие места: взгляд из Британии

giovanni1313 — 02.04.2024

Мы продолжаем знакомиться со свежими исследованиями, посвященными влиянию ИИ на рынок труда и на замещение рабочих мест. Сегодняшний обзор посвящен работе британской фабрики мысли IPPR “Transformed by AI: How Generative Artificial Intelligence Could Affect Work in the UK – and How to Manage It”.

Работа ограничивается анализом влияния ИИ на британский рынок труда. При этом структура занятости в Великобритании типична для пост-индустриальной экономики — преобладание офисных позиций, работников сферы услуг, а также существенная занятость в так называемом «четвертичном секторе», экономике знаний. Поэтому выводы этого отчета касаются большинства развитых стран.

В предыдущих публикациях по этой теме мы уже столкнулись с огромной проблемой: неадекватностью оценки влияния ИИ на конкретные позиции. Задача это действительно непростая. И, увы, исследователи предпочитают решать ее методом натягивания совы на глобус, причем соревнуясь между собой в изобретательности новых способов это сделать.


Сегодняшняя работа не стала исключением из этого права. Причем британские ученые, вполне по меметичному канону, превзошли в этом всех своих коллег. Итак, как же узнать, может ли GPT-4 заменить человека в трудовой задаче? Очень просто, ответят авторы. Надо спросить об этом саму GPT-4! Гениально, правда?

Проблема с таким подходом в том, что GPT-4 не очень хорошо представляет границы своих возможностей, даже когда дело касается конкретных, четко сформулированных вопросов. Когда же речь идёт об абстрактных описаниях трудовых задач, о заранее неизвестной их специфике — я бы вообще не доверял ответам модели.

Более того, формулировка вопроса сама по себе была непростой даже с точки зрения человека. Критерий звучал так: «Может ли человек выполнять эту задачу на 50% быстрее с помощью ИИ?». Во-первых, даже для специальности, на которой мы работаем уже много лет, мы не всегда можем понять, каков будет эффект на скорость от помощи ИИ. Будем там 50% ускорения или всё-таки 49%.

Во-вторых, далеко не для всех задач скорость является очевидным или основным критерием. В-третьих, формулировка требует, чтобы задачу всё-таки выполнял человек, пускай и обеспеченный помощью от ИИ. То есть формулировка требовала, чтобы выгода была именно от коллаборации машины и человека. Сценарии, в которых машина заменяет человека полностью, таким образом, вообще не рассматривались.
Но и это еще не всё. Опрашивая мнение модели о ее способностях, исследователи строго-настрого запретили ей браться за задачи, в которых нужно «задействовать властные полномочия, [которые] обычно требуют большой уровень эмпатии или ассоциируются с высокими ставками».

Почему? Ведь GPT-4 может и распоряжаться, прекрасно умеет в эмпатию [1, 2, 3] и при этом максимально взвешенно подходит к вопросам любой серьезности. Вероятно, потому, что авторам не хочется видеть ИИ на этих ролях. Но хотелки авторов — не очень серьезный аргумент в исследованиях по влиянию ИИ на экономику.

И это не последнее ограничение. Авторы также «запретили» использовать ИИ, если «задача потребует какого-либо существенного реинжиниринга, например установки видеокамеры, или внедрения записи информации, или реорганизации того, как выполняется задача». Видимо, потому что поставить видеокамеру или начать записывать общение с клиентами — это космически сложно, и никто на такое не пойдет. Равно как и на реинжиниринг процессов.

Так что, пытаясь исследовать влияние ИИ на рабочие места, авторы начали с того, что запретили ИИ влиять на немалую долю трудовых задач. Это существенно занизило потенциальные эффекты от ИИ. Подчеркнем также еще одно существенное ограничение, которое отражено в заголовке проекта. Изучались эффекты только от генеративного ИИ. Другие машинные алгоритмы работа не трогает.


Пока на этом критики хватит. Давайте перейдем к результатам, получившимся у авторов после такого занижения потенциальных изменений.

Изначально работа опирается на два подхода, две фазы внедрения ИИ, которые можно ассоциировать с первоначальным и с более зрелым этапами. Первый — ИИ «здесь и сейчас». То, что GPT-4 умеет делать уже сегодня. Второй — «интегрированный ИИ». Он подразумевает, что машина подключена к существующей ИТ-инфраструктуре предприятия, вроде баз данных и CRM, и умеет пользоваться этими инструментами.

К чести авторов, небольшая часть мнений GPT-4 об ускоряемости трудовых задач ее силами были проверены ими вручную. Они получили 87%-ное совпадение мнений в рамках первого подхода и 76%-ное совпадение в рамках второго. В целом, это неплохие показатели, свидетельствующие, что самооценке своих сил у GPT-4 можно хотя бы частично доверять. Но стоит помнить, что совпадение оценок также учитывало, насколько хорошо GPT-4 определяла, что задача подпадает под искусственные ограничения, перечисленные выше.

Итак, первоначальные результаты анализа выглядят так. Для первого этапа, «здесь и сейчас», 11% всего отработанного англичанами времени могло быть ускорено внедрением ИИ. Для второго этапа, «интеграции», эта цифра подскакивает до очень внушительных 59%:


То есть более половины всей работы в стране очень существенно выиграет от внедрения ИИ. И это с учетом многочисленных ограничений на его использование, введенных авторами. Более того, этот показатель отражает текущий уровень развития ИИ. Меж тем, уже совсем скоро ожидается релиз новых еще более сильных моделей. Так, не позднее осени этого года выйдет очередная итерация GPT от ”OpenAI”. Cэм Альтман уже рекламирует, что это будет новый скачок в способностях. Сюрпризы могут преподнести и конкуренты ”OpenAI”.

Какие именно трудовые задачи выиграют от ИИ? Прежде всего, авторы разделяют все задачи на 5 крупных групп:

1. Повторяющиеся когнитивные и аналитические задачи
2. Организационные и стратегические задачи
3. Неповторяющиеся когнитивные и аналитические задачи
4. Межличностные и коммуникационные задачи
5. Ручные, операционные и технические задачи

Ниже мы можем увидеть распределение общего рабочего времени между этими группами в экономике Великобритании, а также долю времени, где вклад ИИ будет большим, для каждой группы:


Второй этап внедрения, «интегрированный ИИ», захватит львиную долю когнитивных, аналитических, организационных и стратегических задач. Почему не коммуникационных? Вероятно, там велика роль эмпатии — а в нее авторы машинам лезть запретили. Правда, не факт, что экономика будет слушать этих авторов. С учетом того, что это самая крупная группа, масштаб вероятного занижения вклада ИИ выглядит немаленьким.

Далее перейдём к группировке по профессиям. График профессиональных групп с наибольшим влиянием ИИ для сценария «здесь и сейчас»:


Профессии с наибольшим выигрышем от ИИ — секретари, администраторы и обслуживание клиентов. На первые две группы натиск автоматизации идёт уже давно — примерно с началом повальной компьютеризации в середине 1990-ых.

На следующем графике изображен масштаб влияния ИИ в сценарии «интегрированного ИИ»:


В топе по-прежнему та же тройка «офисного планктона». Но теперь практически все их задачи выполняются с привлечением ИИ. К этой группе приближаются практически все офисные позиции, включая менеджмент и продажи, а также креативный класс — ученые, инженеры и медиа-работники.
В наименьшей степени затронуты генеративным ИИ будут позиции в медицине (отчасти потому, что авторы запретили ИИ лезть в эту область), охране и полиции, промышленности и строительстве. Класть кирпич языковые модели не умеют. Такие специальности — прерогатива роботов, которые начали развиваться весьма бодро, но которые остались за рамками этого исследования. Поэтому еще раз повторим, что приведенные здесь цифры описывают лишь часть грядущих подрывных изменений.

Следующий график показывает рост производительности профессиональных групп от внедрения ИИ. Следует отметить, что точность этой оценки невысока. Исследователи не считали количественный эффект от внедрения ИИ для каждой задачи — использовался лишь максимально простой критерий, даст ИИ 50% ускорения или нет.


И вот мы подбираемся к самому главному вопросу: как эта резко выросшая производительность повлияет на количество рабочих мест?

Несмотря на важность вопроса, авторы подходят к нему с очень примитивной позицией. Если 40% и более задач в выбранной профессии могут быть ускорены ИИ — весь рост производительности приводит к тому, что пропорционально уменьшается число занятых в данной профессии. Если меньше 40% — все занятые остаются на своих местах, прирост производительности идет на увеличение благосостояния в целом и зарплат таких работников в частности.

Отсечка в 40% взята абсолютно с потолка. Но главное даже не в этом. Главное в том, что такой подход лишен экономической логики. Давайте рассмотрим эту логику повнимательнее.

Рост производительности означает, что у нас снижается себестоимость продукта. Если у нас снижается себестоимость продукта, то, при прочих равных, у нас снизится и его цена. Ведь в числе прочих равных у нас будет и равная норма прибыли до и после внедрения ИИ.

Чем ниже цена, тем больше спрос на такой продукт. Соответственно, рост производительности всегда подразумевает, что и объем выпуска тоже увеличивается. То есть имеет место экономический рост. Главное — понять, насколько именно он увеличивается. На стороне себестоимости расчет относительно простой: мы уменьшаем ее пропорционально росту производительности. А вот рост потребления нашего продукта упирается в то, какова для него эластичность спроса по цене.

Если спрос на продукт неэластичный — то даже гигантский выигрыш в производительности приведет к очень незначительному увеличению потребления. И наоборот, если спрос эластичный — то даже скромное уменьшение себестоимости приведет к бурному росту спроса.

При эластичности спроса, равной 1, увеличение спроса пропорционально уменьшению цены. С точки зрения рабочих мест это означает неизменную занятость: потребитель купит весь дополнительно произведенный продукт, но сверх того он ничего больше не возьмет.

При эластичности спроса меньше 1 у нас не получается реализовать весь дополнительный продукт: на него отсутствует спрос. Соответственно, нам стоит уволить «лишних» работников: мы вполне можем обойтись меньшим их числом, а наращивать продажи «некуда». При эластичности спроса больше 1 история обратная: мы будем увеличивать число работников, стремясь удовлетворить дополнительный потребительский спрос, обгоняющий рост производительности.


Наконец, посмотрим на ситуацию глазами потребителя. В условиях повального роста производительности и повального же снижения цен потребитель будет более охотно увеличивать потребление продуктов с высокой эластичностью и менее охотно — с низкой эластичностью. Эти изменения в структуре спроса и будут управлять перетоками рабочей силы между отдельными фирмами и отраслями.

Эта красивая теория наталкивается на одно очень серьезное неудобство: подсчитать эластичность спроса для того или иного продукта очень сложно. Ситуацию усугубляют длинные цепочки добавленной стоимости, где продукт может выступать в качестве промежуточной затраты (input) и где выпуск последующих продуктов может зависеть от эластичности спроса по цене десятков предыдущих.

Наконец, в контексте рассматриваемого исследования очень трудно привязать эластичность спроса для конкретного продукта к той или иной профессии. Как правило — особенно в случае длинных цепочек добавленной стоимости — для получения продукта нужны представители десятков и сотен профессий.

Всё хорошо, скажете вы, но в этой теории рабочие места вообще не могут быть вытеснены ИИ. Как бы мы ни повышали производительность с его помощью, у потребителя всегда будет корзина с продуктами с высокой и низкой эластичностью, и рабочие места всегда будут тасоваться между ними.

Действительно, для этого нам придётся добавить к этой теории еще один компонент: предельную производительность факторов производства. Главным образом, труда и капитала.

Предельная производительность означает, какую экономическую отдачу (в виде роста выпуска) вы получите, вложив в бизнес 1 дополнительный доллар труда. Или 1 дополнительный доллар капитала. Британское исследование совсем игнорирует эту плоскость: в нем задача формулируется так, что ИИ обязательно должен дополнять человеческого сотрудника и ускорять его работу.

Но это далеко не единственный возможный вариант. Вообще, с ростом экономической пользы от ИИ (которая во многом завязана на способность применять человеческие навыки) предельная производительность капитала растёт. Это уже означает, что структура расходов бизнеса смещается в сторону капитала. То есть траты на ИИ растут, а фонд оплаты труда падает.

Чтобы конкурировать с ИИ, людям придётся соглашаться на снижение зарплат. Однако снизу есть жесткое ограничение — законодательный минимальный уровень оплаты труда. В Великобритании он составляет немаленькие 11,44 фунтов ($14,45) в час. Но перед тем, как экономически обоснованная стоимость труда в него упрется, нас ждёт снижение зарплат в 2-3 раза — что уже подразумевает сильнейшие экономические и социальные перемены.


На этой веселой ноте мы завершим наш экскурс в теорию и вернемся к рассмотрению британского доклада. Задействовав свою сомнительную методологию, его авторы получают, что на первом этапе, «ИИ здесь и сейчас», сокращение занятости составит 545 тыс. человек. Второй этап, «интегрированный ИИ», оставит без работы 4,4 млн. человек. Огромная цифра для небольшой английской экономики.

Но немного выше мы указали, что эти «лишние» рабочие руки должны абсорбировать отрасли с высокой эластичностью спроса по цене. Однако тут встает проблема. Новые отрасли потребуют от работников другого набора навыков и умений. Чтобы ими овладеть, нужно время.

Поэтому «путь наименьшего сопротивления» — это переход на позиции, максимально похожие на те, что пострадали от автоматизации, но, по тем или иным надуманным причинам, защищенные от угрозы ИИ. График ниже показывает прирост занятости от такого перехода для разных профессиональных групп:


В частности, британские ученые полагают, что больше всего возрастут ряды офисных клерков. Вероятно, потому, что на растущих позициях будет нужна эмпатия, к которой авторы не хотят подпускать генеративный ИИ. Существенный рост мы также видим в сфере обслуживания: администраторы баров и гостевых домов, работники аптек и др.

На этом эконометрическая часть исследования заканчивается. Авторы переходят к программной части. А именно, как Британия должна встретить вызов со стороны генеративного ИИ и какие меры принять для поддержки своих граждан.

Центральным тезисом предлагаемой стратегии является «работоцентричность». Предлагается три главных направления работы:

1. Поощрять задачи и рабочие места, на которые генеративный ИИ влияет в меньшей степени;
2. Поддерживать работников во время перехода на такие позиции;
3. Обеспечивать широкое распределение плодов автоматизации внутри экономики.

По 3-му пункту возражений нет, 2-ой проистекает из 1-го. А вот 1-ый пункт вызывает сильнейшее недоумение.


У нас есть быстро растущая предельная производительность капитала. У нас есть быстро растущая перекрестная эластичность труда и капитала, что позволяет всё проще заменять человеческую работу машиной. У нас есть фундаментальный тренд на то, что человеческий труд становится все менее значимым элементом для создания благосостояния.

Авторы исследования решают показать дулю этим нашим фундаментальным трендам, технологическим прорывам и, чего уж там, экономической целесообразности. Деды работали? Значит, пускай и внуки шуруют на работу. Нечего тунеядствовать!

Нет, серьезно: мы не видим в исследовании ни полслова о трансформативном экономическом потенциале ИИ. Вместо этого ИИ воспринимается как досадное неудобство, раскачивающее лодку привычного порядка вещей. Главный аргумент создания рабочих мест «назло» ИИ для авторов — «присущая [ей] ценность, которой всё еще наделяется работа как на индивидуальном, так и на общественном уровне».


С «работой ради работы» есть одна проблемка: наёмный труд по определению является экономическим понятием. Что останется от работы, если, как предлагают авторы, мы уберем из нее экономическую базу? Очень немного. Останется лишь ритуал, нелепая бутафория, порожденная иррациональной тягой к прошлым временам. Всё более абсурдная.

«Присущая» работе ценность не универсальна и, скорее всего, отражает доминирование капиталистической этики, возникшее относительно недавно. Еще в середине 19 века ценность приписывали не работе, а праздности. Аристократия и высшее духовенство — то есть элиты — смотрели на труд с презрением. Более того, именно необходимость трудиться, чтобы зарабатывать себе на жизнь, и являлась одним из главных водоразделов, отделяющим элиты от низов.

Если переход от рентной к капиталистической экономике повлек за собой изменение ценностных установок общества, есть все основания полагать, что переход от капитализма к пост-капитализму, сопровождающийся потерей экономической значимости человеческого труда, повлечет еще более сильные перемены в ценностях. Призывы создавать «работу ради работы» в этом плане не более адекватны, чем риторика «без барина крепостные крестьяне сопьются и разорятся» в середине 19 века.

Понимая, что одними только традициями обосновать необходимость работы сложно, авторы исследования выдвигают еще один аргумент. «Обеспечение доступа к значимой и хорошо оплачиваемой работе для людей может убрать некоторую нагрузку по выплатам доходов через систему социальной защиты».

На первый взгляд, мотивация кажется убедительной. Но при внимательном рассмотрении и в ней обнаружится немало слабых мест. Проблема №1 — «значимость» (т. е. престижность и качество условий труда) рабочих мест. Увы, создавая рабочие места, экономика мало смотрит на значимость. А смотрит в первую очередь на экономический эффект. В итоге далеко не все профессиональные позиции удовлетворяют пожеланиям академиков. Хороших рабочих мест мало, и на всех их не хватит.


Проблема №2 — высокая зарплата. Уровень зарплаты на рабочем месте определяется не хотелками академиков (или государства), а производительностью труда. Любые хотелки, таким образом, придётся оплачивать из бюджета — в форме субсидий, покрывающих разницу между рыночно обоснованной стоимостью труда (которая, как мы обсудили выше, будет падать из-за растущей предельной производительности капитала) и «хорошо оплачиваемой» работой, на которую уповают исследователи.

Таким образом, нагрузка по выплатам через систему соцзащиты, может, и упадет. Но ее, по принципу сообщающихся сосудов (ведь авторы борются со следствием, а не с причиной), придётся в тех же объемах компенсировать выплатами в рамках промышленной политики.

Это подводит нас к проблеме №3. Почему именно субсидирование занятости, а не безусловный базовый доход (ББД)? На первоначальном этапе размер ББД всё равно будет слишком мал для сносного уровня жизни, дополнительный заработок от наёмного труда по-прежнему останется привлекательным.
Аргумент против — привлекательность труда всё равно будет ниже, чем без ББД. Это будет означать недоиспользование трудовых ресурсов.

Аргумент за — большая свобода граждан в организации своей жизни. Более привлекательной становится внеэкономическая деятельность на благо общества — волонтёрство и социальная работа. Более привлекательным становится саморазвитие — например, получение дополнительного образования. Более привлекательным становится заведение и воспитание детей. Коммерческие организации, в свою очередь, получают меньше рычагов для влияния на общество.

По большому счету, мы можем свести этот вопрос к такой формулировке: либо государство «выжимает» из населения немного больше экономической активности, либо немного ослабляет «трудовую повинность», предлагая больший простор для самореализации.


Лично для меня второй подход кажется более привлекательным. Не в последнюю очередь потому, что, чем дальше — тем более бессмысленными будут попытки консервации старого порядка перед лицом быстро совершенствующегося ИИ. Второй подход устремлен в будущее, первый — в прошлое.

Но коль скоро сегодняшний обзор посвящен британскому исследованию, придётся следовать позиции его авторов, которая явно ратует за первый подход. Какие меры помогут его реализовать?

Во-первых, это зеленая промышленная политика. Дело в том, что в рамках экологических инициатив структура рабочих мест в меньшей степени подвержена влиянию ИИ:


Впрочем, мы опять возразим на это тем, что исследование затрагивает лишь генеративный ИИ, который не умеет в физический труд. Но если исследование не затрагивает другие пути роботизации — это не значит, что они не угрожают рабочим местам. Например, такие задачи, как сортировка мусора и рекультивация свалок, являются очень перспективными с точи зрения замены людей роботами.

Во-вторых, это «социальные» рабочие места. Авторы прежде всего имеют в виду школьных учителей, социальных работников, спортивных инструкторов и некоторых медицинских работников среднего звена:


Авторы работы предлагают создать для этих специальностей «карьерный путь» (?), увеличить количество рабочего времени, затрачиваемого на межличностное общение и расширить число занятых в некоторых из них.

Причем авторы предлагают нарастить число социальных работников и медсестер по уходу за душевнобольными. Пускай это «значимая» работа согласно их представлениям, но одновременно эта работа является одной из самых ментально тяжёлых среди всех существующих профессий. Увы, это тот случай, когда попытка сохранить количество рабочих мест будет реализована за счёт их качества.

Наконец, авторы очерчивают целый круг позиций, в которых надо сохранять человеков только на том основании, что они человеки. Это задачи, затрагивающие межличностные отношения и доверие, этически и морально чувствительные задачи, творчество и самовыражение, решения с высокими ставками и решения сложных проблем в динамичном окружении.

Кажется, большая часть из этих задач была позаимствована из работы «Labor Market Exposure to AI: Cross-country Differences and Distributional Implications», которую я обсуждал в этом посте. Повторять критику здесь не будем.


Пожалуй, единственным дополнением британских исследователей к этой позиции стало громкое, ничем не подкрепленное утверждение о том, что защита таких профессий от внедрения ИИ «будет сопряжено с социальными и экономическими выгодами». В упомянутой выше работе хотя бы постулировалось, что такие профессии не будут автоматизированы, потому что или общество не захочет этого делать, либо технологии не дорастут.

С экономическими выгодами проще: теория видит абсолютно никакой разницы между благом “made by human” и тем, которое сделала машина. Не видит она разницы и между перечисленными выше профессиями и всеми остальными.

Социальные выгоды — менее ясная тема. По идее, позицию авторов можно интерпретировать как «машина будет хуже человека». В такой формулировке аргумент выглядит еще более слабым. Начнем с того, что для большинства задач машин, заменяющих человека, еще нет. Соответственно, сравнивать еще не с чем. Причем для технологий ИИ потенциально не существует предела совершенствования. Что выгодно отличает его от двуногой обезьяны homo sapiens, мозги которой переделать очень трудно. Особенно в лучшую сторону.


Авторы отмечают, что консервация человеческой занятости в ряде сфер приведет к эффекту относительного их удорожания. Действительно, рост предельной производительности капитала из-за ИИ будет удешевлять блага, производимые с его помощью. А вот для «человеческих» позиций такой эффект будет отсутствовать.

Это повлечет за собой дороговизну благ в нескольких критически важных с точки зрения общества отраслях. Прежде всего, это медицина. Это психологическая помощь. Это культурная деятельность. Это авиаперевозки. Это охрана. Наконец, это правопорядок, школьное образование и уход за немощными людьми.

Последние три категории, как правило, являются государственной прерогативой. В Великобритании это касается и здравоохранения. Вырисовывается интересная картина, где госсектор всеми правдами и неправдами пытается сохранить (и даже сильно увеличить) занятость, в то время как частный сектор поглощает роботизация. «Работоцентричная» стратегия британских исследователей несет в себе явную политическую окраску.

Для реализации своей стратегии авторы рекомендуют задействовать налоговые инструменты и расширить систему социальной защиты. Но еще одна предлагаемая ими мера — сокращение рабочей недели — вряд ли принесет положительный эффект. Рассмотрим ее подробнее — она часто, еще со времен Джона Кейнса, рассматривается как одно из следствий «всеобщей автоматизации».


Здесь нам опять надо вернуться к коренной причине, подтачивающей рынок труда. Это рост предельной производительности капитала. Если предельная производительность ИИ растёт, его использование становится всё более выгодным. Использование человеческого труда, соответственно, всё менее выгодным. Для сохранения баланса, для достижения полной занятости стоимость человеческого труда должна уменьшаться в той же степени, в какой растёт производительность капитала.

Труд должен дешеветь. Но предложение сократить рабочую неделю не делает труд более дешевым. Напротив, оно делает его более дорогим — так как этот ресурс становится более дефицитным. То есть эффект совершенно противоположный. Если для бизнеса труд и раньше не был выгодным, то сейчас он становится еще менее выгодным.

Предложенное средство могло сработать, когда существовала низкая взаимозаменяемость между трудом и капиталом. То есть низкая перекрестная эластичность спроса на эти факторы производства. Рынок труда существовал отдельно, рынок капитала — отдельно. Можно было «играть» объемом предложения на рынке труда, не опасаясь, что спрос на него будет замещен капиталом.

Технологии ИИ критически повышают перекрестную эластичность труда и капитала. Например, ”OpenAI” прямо ставит для себя цель разработать искусственную универсальную замену человеческому работнику. Это значит, что любые попытки сделать человеческий труд более дорогим приведут к тому, что бизнес развернется к более дешевым ИИ-решениям.

Пора подводить итоги. Пока большинство экономических исследований, посвященных будущему рынку труда, проявляют излишний консерватизм и склонны недооценивать масштаб подрывных изменений. Нынешняя британская работа не стала исключением.

Даже в рамках этого консерватизма мы видим прогноз гигантских изменений в структуре занятости. Потеря рабочего места грозит почти 60% людей. И простых решений, которые позволят обойти стороной эти потрясения, совершенно не просматривается.


__________________________________________

Оставить комментарий

Популярные посты:

• Ранее
• Архив