Ещё несколько лет назад вопрос «заберёт ли искусственный интеллект работу» обсуждали в основном в контексте прогнозов. К 2026 году данных стало заметно больше. Они уже позволяют увидеть первые реальные изменения, хотя окончательного ответа всё ещё нет.
Самый свежий пример появился летом 2026 года. Stanford Digital Economy Lab проанализировала административные данные ADP по миллионам работников в США вплоть до июня 2026-го. Исследователи не увидели массового вытеснения работников в экономике в целом. Однако у молодых сотрудников 22–25 лет в профессиях, наиболее подверженных влиянию ИИ, обнаружился заметный разрыв: их занятость оказалась примерно на 19% ниже траектории, по которой она росла бы теми же темпами, что и у ровесников в профессиях, менее подверженных влиянию ИИ. Авторы отдельно предупреждают, что это описательная связь, а не доказательство того, что весь разрыв вызван именно ИИ.
Почти одновременно появились и данные другого типа. В исследовании NBER 2026 года почти 6 000 руководителей компаний из США, Великобритании, Германии и Австралии в большинстве случаев сообщили, что за предыдущие три года ИИ ещё не оказал заметного влияния на численность персонала. Более 90% не увидели эффекта на занятость. При этом ожидания на следующие три года уже другие: в среднем руководители прогнозируют рост производительности на 1,4% и сокращение занятости примерно на 0,7%.
Картина получается менее эффектной, чем заголовки про «конец профессий», но интереснее. Массового исчезновения работы пока не видно. Однако уже заметны изменения в составе задач, требованиях к навыкам и найме, причём распределены они очень неравномерно.
Глобальные цифры: что они на самом деле измеряют
Начну с важного ограничения. Прогнозы Всемирного экономического форума нельзя считать ответом на вопрос, сколько рабочих мест уничтожит именно ИИ. Future of Jobs Report 2025 учитывает сразу несколько крупных факторов: технологические изменения, демографию, зелёный переход, геоэкономическую фрагментацию и экономическую неопределённость.
В опросе участвовали более 1 000 работодателей, представляющих свыше 14 миллионов работников в 55 странах. По их оценкам, к 2030 году совокупная перестройка рынка затронет около 22% сегодняшних рабочих мест. Ожидается создание 170 миллионов новых позиций и вытеснение 92 миллионов существующих. Чистый результат в этом сценарии положительный: плюс 78 миллионов рабочих мест.
Это заметно отличается от Future of Jobs 2023, где на горизонте до 2027 года прогнозировался чистый минус около 14 миллионов рабочих мест. Для статьи в 2026 году логичнее использовать свежую версию отчёта, но и она остаётся опросом ожиданий работодателей, а не гарантированным прогнозом.
Отдельно WEF спрашивал компании именно об ИИ. 86% работодателей ожидают, что ИИ и технологии обработки информации заметно изменят их бизнес к 2030 году. 77% планируют переобучать сотрудников для совместной работы с ИИ, 47% рассчитывают переводить людей из ролей, которых затронет ИИ, на другие позиции. Одновременно 41% допускают сокращение штата там, где ИИ сможет воспроизводить человеческую работу. Эти цифры показывают намерения компаний, а не уже произошедшие увольнения.
Международная организация труда в 2025 году измеряла другой показатель: степень потенциального воздействия генеративного ИИ на профессии. В отчёте этот показатель называют «экспозицией» — от английского exposure. По обновлённому индексу ILO, около 25% работников мира заняты в профессиях, где генеративный ИИ потенциально способен затронуть хотя бы часть задач. В странах с высоким доходом эта доля достигает 34%. К самой высокой категории потенциального воздействия ИИ относится 3,3% мировой занятости. Среди женщин этот показатель выше: 4,7% против 2,4% среди мужчин. В богатых экономиках разрыв ещё заметнее: 9,6% женской занятости против 3,5% мужской.
Здесь особенно легко ошибиться в формулировке. Потенциальное воздействие ИИ на профессию не означает потерю работы. ILO прямо пишет, что для большинства профессий более вероятно изменение состава задач: значительная часть работы всё ещё требует участия человека.
McKinsey в обновлённой модели 2024 года оценивает уже не количество профессий, а долю рабочих часов. В сценарии среднего темпа внедрения к 2030 году может быть автоматизировано около 27% сегодняшних рабочих часов в Европе и около 30% в США. Это снова не означает, что исчезнет 30% работников: один сотрудник выполняет множество разных задач, и автоматизация части времени может изменить содержание должности без её ликвидации.
Что видно внутри компаний
Один из самых полезных результатов последних лет даёт NBER Working Paper 33509. Исследователи анализировали требования к задачам, примерно 58 миллионов профилей LinkedIn и 14 миллионов вакансий, сопоставляя их с использованием ИИ в компаниях за 2010–2023 годы.
Когда возможности ИИ охватывали большую часть задач в профессии, доля её представителей внутри компании снижалась примерно на 14%. Если воздействие концентрировалось лишь на нескольких задачах, эффект мог быть другим: человек освобождал время и переключался на то, где технология была менее полезна.
Есть и встречный эффект. Компании, активно использовавшие ИИ, росли быстрее, поэтому часть локального сокращения спроса на отдельные задачи компенсировалась общим ростом фирмы. В пересказе MIT Sloan это хорошо видно на примере высокооплачиваемых профессий: роли в верхней части шкалы оплаты, наиболее подверженные влиянию ИИ, за пять лет в среднем увеличили свою долю в общей занятости примерно на 3%. Для юридических профессий модель показала рост на 6,4%, потому что прямое замещение задач там было сравнительно низким, а сами компании активно использовали ИИ и росли.
Но у этого исследования есть важная граница. Данные заканчиваются 2023 годом и в основном описывают ИИ до массового распространения генеративных моделей. Авторы сами предупреждают, что ChatGPT и последующие системы способны изменить прежние закономерности.
Поэтому полезно сопоставить эту работу с более свежими исследованиями. NBER в 2026 году опросил руководителей почти 6 000 компаний и получил довольно спокойную картину уже заметных последствий: подавляющее большинство не увидело изменений численности персонала из-за ИИ за предыдущие три года. В Дании исследование Humlum и Vestergaard, пересмотренное в марте 2026 года, тоже не обнаружило статистически заметного эффекта чат-ботов на заработки и отработанные часы в течение двух лет после запуска ChatGPT. Зато работодатели меняли сам состав задач: в круг обязанностей входили генерация контента, контроль за работой ИИ и интеграция новых инструментов.
Американские данные Stanford за 2026 год добавляют неприятную деталь: средние показатели могут скрывать удар по отдельным группам. Наиболее заметный разрыв сейчас виден у молодых работников в профессиях, где ИИ чаще используется для автоматизации, а не для дополнения человека. Причём изменение пока проявляется прежде всего через более слабый найм, а не через волну увольнений уже работающих сотрудников.
Как это выглядит в разных отраслях
Здесь стоит разделять генеративный ИИ, классическое машинное обучение, компьютерное зрение и роботизацию. На рынке труда они часто обсуждаются вместе, хотя воздействуют на работу по-разному.
Производство
OECD изучила около 100 примеров внедрения ИИ в производстве и финансах в восьми странах: Австрии, Канаде, Франции, Германии, Ирландии, Японии, Великобритании и США. В производстве использовались компьютерное зрение, предиктивное обслуживание, системы поиска неисправностей и другие инструменты.
Главный наблюдаемый эффект в этих кейсах был связан с реорганизацией работы. Прямые сокращения встречались реже. Часть компаний перераспределяла людей на другие задачи, часть сокращала найм или не замещала уходящих сотрудников. Работники сообщали и о плюсах: меньше монотонной работы, выше физическая безопасность, иногда больше контроля над последовательностью задач. Но были и обратные эффекты, включая рост интенсивности труда и новые требования к навыкам.
Для производственной компании это важнее красивого тезиса «роботы заменяют людей». Один и тот же инструмент может убрать тяжёлую операцию, увеличить выпуск и одновременно сделать темп оставшейся человеческой работы жёстче. Всё зависит от того, как перестроен процесс.
Медицина
По итогам 2025 года в списке FDA было 1 451 медицинское устройство с ИИ, допущенное к обращению в США. Из них 1 104 позиции, или около 76%, относились к радиологии. К середине 2026 года список продолжал пополняться.
Сам по себе этот масштаб ничего не говорит о сокращении радиологов. FDA считает авторизованные устройства, а не количество реально внедрённых систем, сэкономленные рабочие часы или исчезнувшие должности. В списке есть разные типы решений: анализ и сегментация изображений, триаж, реконструкция, помощь в планировании и другие функции. Они автоматизируют фрагменты рабочего процесса, но из числа разрешений нельзя вывести процент заменённого труда.
И здесь я бы сознательно не писал, что «радиолог теперь только интерпретирует результат ИИ» или что один врач благодаря ИИ обязательно принимает больше пациентов. Для такого вывода нужны отдельные клинические и организационные исследования. Надёжнее сказать проще: радиология стала крупнейшей областью медицинского ИИ по числу FDA-авторизаций, но это пока доказательство зрелости рынка инструментов, а не исчезновения профессии.
Финансы
Финансовый сектор автоматизировал работу задолго до бума генеративного ИИ. Один из известных примеров — система JPMorgan COiN, появившаяся ещё в 2016 году. В годовом отчёте JPMorgan Chase за 2016 год компания писала, что система могла извлекать 150 параметров из 12 000 коммерческих кредитных соглашений за секунды. Ручная проверка такого объёма могла занимать до 360 000 часов в год.
Цифра впечатляющая, но даже здесь корректнее говорить об автоматизации конкретной операции, а не о «360 тысячах часов работы юристов, которые исчезли». В документе речь шла именно о времени ручного анализа договоров.
В 2026 году финансовые организации уже работают и с генеративными моделями, но регулирование делает полную автоматизацию ряда решений сложнее. В Евросоюзе системы ИИ для оценки кредитоспособности физических лиц и кредитного скоринга относятся к высокорисковым по AI Act. Для высокорисковых систем предусмотрены меры человеческого надзора, возможность понимать ограничения системы, интерпретировать её результат и при необходимости игнорировать или отменять его. Это точнее, чем общее утверждение, будто «во всех финансах алгоритм только советует, а человек всегда отвечает».
Транспорт и логистика
Самый показательный пример здесь одновременно является предупреждением о качестве прогнозов. В 2017 году International Transport Forum при OECD моделировал быстрый переход к беспилотным грузовикам. В двух сценариях быстрого внедрения из потенциальных 6,4 миллиона рабочих мест водителей в США и Европе к 2030 году от 3,4 до 4,4 миллиона могли стать избыточными.
Это не прогноз, который уже сбылся. Это сценарная модель, построенная почти десять лет назад при определённых предположениях о скорости внедрения, регулировании и реакции рынка труда. Именно поэтому я бы оставил её в статье: она хорошо показывает, насколько опасно превращать техническую возможность в уверенный прогноз занятости.
Автоматизация складов, сортировки и маршрутизации действительно развивается. Беспилотные перевозки тоже продвигаются. Но между рабочим прототипом и массовой заменой миллионов водителей стоят стоимость, инфраструктура, страхование, законы, безопасность и способность компаний перестроить операции. На горизонте рынка труда скорость внедрения иногда важнее самой технологии.
Сколько рабочих мест потеряется и появится
Одной честной цифры здесь нет, потому что разные исследования измеряют разные вещи.
- WEF 2025: к 2030 году прогнозирует 170 млн новых и 92 млн вытесненных рабочих мест, чистый прирост 78 млн. Это результат совокупности макротрендов, а не только ИИ.
- ILO 2025: около 25% мировой занятости приходится на профессии, где генеративный ИИ может затронуть хотя бы часть задач; 3,3% относится к высшей категории потенциального воздействия. Это оценка потенциала изменения задач, а не статистика увольнений.
- McKinsey 2024: в среднем сценарии к 2030 году автоматизация может охватить примерно 27% рабочих часов в Европе и 30% в США. Рабочие часы нельзя напрямую переводить в количество исчезнувших работников.
- NBER 2026, опрос компаний: более 90% руководителей не заметили влияния ИИ на занятость за предыдущие три года, но в следующие три года в среднем ожидают сокращение занятости на 0,7% и рост производительности на 1,4%.
- Stanford, данные по июнь 2026 года включительно: массового вытеснения в экономике США не видно, однако у работников 22–25 лет в профессиях, наиболее подверженных влиянию ИИ, появился существенный относительный разрыв в занятости. Авторы не называют этот разрыв доказанным причинным эффектом ИИ.
Эти числа не противоречат друг другу. Они смотрят на разные уровни: технический потенциал задач, планы работодателей, фактически отработанные часы, структуру найма и общую занятость.
Именно здесь раньше чаще всего возникала путаница. Известная работа Frey и Osborne с оценкой 47% рабочих мест США говорила о высокой технической вероятности компьютеризации профессий, а не предсказывала, что 47% американцев будут уволены. Спустя годы та же ошибка повторяется с генеративным ИИ: потенциал изменения задач превращают в прогноз безработицы.
Социальный риск начинается раньше увольнения
ИИ может менять положение человека даже тогда, когда его должность формально остаётся на месте. Алгоритм способен влиять на найм, распределение заказов, график, оценку эффективности и доступ к работе.
Особенно хорошо это видно в платформенной экономике. В исследовании 2025 года Human Rights Watch описала положение водителей, курьеров и других платформенных работников в США. Алгоритмы участвуют в назначении заказов, расчёте оплаты, оценке показателей и деактивации аккаунтов. Многие из этих людей оформлены как независимые подрядчики и поэтому не получают части гарантий, которые есть у штатных работников. HRW отдельно фиксировала жалобы на непрозрачные причины блокировок и сложность обжалования.
Европейский союз уже начал отвечать на эту проблему. Директива 2024/2831 о платформенной работе требует, чтобы люди могли получить понятное объяснение решения, принятого или поддержанного автоматизированной системой, и добиться его пересмотра человеком. Решения об ограничении, приостановке или прекращении аккаунта платформенного работника либо иные решения сопоставимого ущерба должны приниматься человеком.
В Нью-Йорке Local Law 144 регулирует другую зону: автоматизированные инструменты при найме и оценке сотрудников. Работодатель или агентство не могут использовать такой инструмент без независимого аудита на предмет предвзятости (bias audit), проведённого в течение предыдущего года, публикации информации об аудите и необходимых уведомлений кандидатам или сотрудникам. Правоприменение началось 5 июля 2023 года.
Есть и менее юридическая, но практическая сторона. В исследованиях OECD обучение и консультации с работниками были связаны с лучшими результатами внедрения и большим доверием к использованию ИИ. Это не доказывает, что любое участие сотрудников автоматически повышает производительность. Но для руководителя вывод вполне прикладной: скрытое внедрение системы, которая влияет на работу людей, создаёт дополнительные риски, которых можно избежать ещё на этапе проектирования.
Что делают государства и компании
Пока быстрее развивается регулирование отдельных рисков, чем формируется универсальный ответ на вопрос «что делать с работой после ИИ».
Южная Корея ещё в 2020 году запустила Korean New Deal. Здесь важно правильно читать цифры. Общий план предусматривал около 160 трлн вон инвестиций до 2025 года и включал цифровое направление, зелёный переход и усиление социальной защиты. На собственно Digital New Deal приходилось около 58,2 трлн вон, а не все 160 трлн. В цифровой части были развитие данных, 5G и ИИ, цифровизация образования, инфраструктуры и систем профессионального обучения.
В Евросоюзе акцент смещается на права человека при алгоритмическом управлении и на контроль за использованием высокорисковых ИИ-систем. В бизнесе другая логика: по WEF 77% опрошенных работодателей собираются переобучать существующих сотрудников для работы рядом с ИИ, 69% планируют нанимать людей, умеющих создавать и улучшать ИИ-инструменты, 62% ищут навыки практической работы с ними.
Универсальный базовый доход, налог на роботов и сокращение рабочей недели остаются политическими и экономическими идеями, а не общепринятым ответом. Пока гораздо ближе к реальности обычные инструменты перехода: переобучение, страхование дохода, поддержка при смене профессии, перенос социальных гарантий между разными формами занятости и правила для автоматизированных решений.
После 2030 года заканчиваются данные и начинаются сценарии
До 2030 года уже есть корпоративные планы и модели внедрения, а сам горизонт достаточно короток для более-менее осмысленных оценок. Чем дальше мы уходим к 2040 году, тем больше результат зависит от вещей, которые сегодня невозможно зафиксировать: стоимости вычислений, качества моделей, скорости роботизации, регулирования, спроса на новые услуги и того, кому достанется прирост производительности.
Один вариант выглядит относительно спокойно. ИИ постепенно становится обычным рабочим инструментом, как когда-то электронная почта, поисковики или офисное ПО. Часть функций исчезает, часть профессий уменьшается, но компании создают новые задачи быстрее, чем сокращают старые. Рабочее время перераспределяется в сторону контроля, общения, принятия решений, работы с физическим миром и задач, где нужен контекст, которого нет у модели.
Есть более жёсткий вариант. Если способности систем будут расти быстрее, чем компании и государства успеют перестраивать образование и социальную защиту, переход может ударить по отдельным поколениям и профессиям задолго до того, как массовая безработица появится в статистике. Нынешняя картина с молодыми работниками в части американских профессий, наиболее подверженных влиянию ИИ, как раз показывает, где такой эффект может проявиться первым: при входе в профессию.
Возможен и обратный перекос. Компании автоматизируют много задач, но общий спрос на товары и услуги растёт настолько, что производительность создаёт дополнительную занятость. Экономическая история знает такие случаи, однако переносить прошлые технологические волны на генеративный ИИ автоматически тоже нельзя. У новых моделей другой охват: они затрагивают когнитивную работу, которую долго считали относительно защищённой от автоматизации.
Поэтому прогноз на 2040 год я бы не оформлял как таблицу с процентами безработицы. Сейчас для таких цифр просто нет надёжного основания. Намного полезнее следить за тем, что уже измеряется: наймом молодых специалистов, изменением рабочих часов, заработками, составом задач внутри профессий и темпом реального внедрения ИИ в компаниях.
Что я бы проверил в собственной компании
Для бизнеса вопрос «сколько профессий исчезнет» слишком общий. Гораздо полезнее взять один реальный процесс и разложить его на операции.
Какие действия повторяются каждый день? Где сотрудник копирует данные, сортирует документы, пишет типовые ответы, ищет информацию или проверяет однотипные условия? Сколько времени это занимает сейчас? Что произойдёт, если модель ошибётся? Нужен ли здесь вообще ИИ или обычная автоматизация на основе правил окажется дешевле и надёжнее?
После этого можно запускать ограниченный пилот вместе с человеком, а не сразу строить полностью автономную схему. Я бы измерял хотя бы четыре вещи: время выполнения, количество ошибок, объём обработанной работы и нагрузку на сотрудника. Иногда система ускоряет один этап и одновременно создаёт новый ручной контроль на следующем. Если смотреть только на «минуты, сэкономленные ИИ», это легко пропустить.
Сотрудникам тоже лучше заранее объяснить, что именно меняется. Не обещать, что ИИ «никого никогда не заменит», если компания не может этого гарантировать. И не подавать проект как подготовку к сокращению, если задача заключается в устранении рутины. Нормальная формулировка проще: вот процесс, вот участок, который мы пробуем автоматизировать, вот критерии качества, вот что остаётся за человеком.
Данные 2023–2026 годов пока не подтверждают сценарий мгновенного исчезновения труда. Но они уже показывают, что фраза «ничего не происходит» тоже устарела. Меняются задачи, меняется найм, меняется цена отдельных навыков. И, судя по самым свежим исследованиям, первые серьёзные эффекты могут появляться не там, где громче всего говорят об увольнениях, а там, где молодому специалисту становится сложнее получить первую работу.
Ссылки
Ссылки
- Исследование: Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence (Stanford Digital Economy Lab, версия от 12 августа 2026)
- Исследование: Firm Data on AI (NBER Working Paper 34836, 2026)
- Исследование: What Work Does Generative AI Do? (NBER Working Paper 35677, 2026)
- Исследование: Still Waters, Rapid Currents: Early Labor Market Transformation under Generative AI (NBER Working Paper 33777, версия 2026)
- Исследование: Future of Jobs Report 2025 (World Economic Forum)
- Исследование: Generative AI and Jobs: A Refined Global Index of Occupational Exposure (ILO, 2025)
- Исследование: Artificial Intelligence and the Labor Market (NBER Working Paper 33509)
- Разбор исследования: How artificial intelligence impacts the US labor market (MIT Sloan, 2025)
- Исследование: A new future of work: The race to deploy AI and raise skills in Europe and beyond (McKinsey Global Institute, 2024)
- Исследование: The impact of AI on the workplace: Evidence from OECD case studies of AI implementation (OECD, 2023)
- Документация: Artificial Intelligence-Enabled Medical Devices (FDA)
- Первичный источник: JPMorgan Chase 2016 Annual Report
- Исследование: Managing the Transition to Driverless Road Freight Transport (ITF/OECD, 2017)
- Документ: Directive (EU) 2024/2831 on platform work
- Документ: EU Artificial Intelligence Act, Regulation (EU) 2024/1689
- Официальная страница: NYC Automated Employment Decision Tools, Local Law 144
- Исследование: The Gig Trap: Algorithmic, Wage and Labor Exploitation in Platform Work in the US (Human Rights Watch, 2025)
- Официальный материал: Korean New Deal, Government of the Republic of Korea