Заменит ли ИИ человека и какие профессии меняются первыми

Весной 2023 года, через несколько месяцев после широкого выхода чатов, вышли две работы, которые до сих пор цитируют в отрыве от оговорок.

17 марта 2023 года на arXiv вышла статья исследователей OpenAI и Пенсильванского университета с нарочито двусмысленным названием GPTs are GPTs. Цифры ниже взяты из редакции 21 августа 2023 года. Авторы смотрели задачи американских профессий и сверяли их с тем, что уже умела тогдашняя языковая модель, в том числе с помощью самой модели. Вывод на первой странице: примерно у 80% занятых в США хотя бы 10% рабочих задач могут быть затронуты, а примерно у 19% — не меньше половины задач. С доступом к модели, без надстроек, заметно быстрее при том же качестве можно сделать около 15% всех задач. Если прибавить программы, которые на модели надстраивают, доля поднимается до 47–56%. Авторы относят такие модели к технологиям общего назначения. Рядом в их тексте стоят книгопечатание и паровая машина, не узкий станок под одну операцию. Затронуты оказались люди с разной зарплатой, причём у более высоких доходов экспозиция может быть выше. Это уже ломало привычную картинку, где автоматизация бьёт только по конвейеру. Сроков внедрения статья не обещает.

5 апреля 2023 года экономисты Goldman Sachs Джозеф Бриггс и Девеш Коднани оценили макроэффект. Сдвиг рабочих процессов, по их расчёту, открывает автоматизации эквивалент 300 миллионов полных ставок в мире. Примерно две трети профессий в США имеют хоть какую-то экспозицию, и у таких профессий под замену может уйти от четверти до половины нагрузки. Тут же стоит фраза, которую пересказы часто теряют. Большинство работ и отраслей затронуты лишь частично, поэтому их скорее дополнят, чем вытеснят. Отдельно авторы ждали прироста мирового ВВП на 7% и подъёма роста производительности на 1,5 процентного пункта за десятилетие. Эквивалент ставок — это объём часов, которые модель теоретически закрывает, а не список уволенных фамилий.

Обе работы меряли возможность, не свершившийся факт. Поздние индексы экспозицию кое-где подняли, а средний балл автоматизации слегка опустили. Об этом ниже.

Привычная картинка — трактор и пахарь, или касса самообслуживания и кассир. Станок забирает профессию целиком, человек уходит в другую отрасль или остаётся без дела. Для генеративной модели эта картинка врёт в самом устройстве счёта.

Профессия — пачка задач. Одни текстовые и повторяемые, другие требуют присутствия, ответственности, рук, чужого согласия. Индексы МОТ и статья OpenAI режут должность именно так. Экспозиция — доля задач, которые модель в принципе может выполнить или сильно ускорить. Она не равна вероятности, что должность закроют в этом квартале. У кассира и у юриста экспозиция устроена по-разному, хотя оба слова есть в тревожных списках.

Ещё одна путаница — между тремя разными вопросами. Первый: умеет ли модель кусок работы в лаборатории. Второй: пользуются ли этим куском на настоящей смене. Третий: сокращает ли фирма штат, когда кусок ускорился. Ответы расходятся. Можно уметь и не пользоваться. Можно пользоваться и нанимать больше людей на то, что раньше не успевали. Форум собирает третий слой, опрос работодателей, а не замер качества модели. МОТ собирает первый, потенциал по классификатору задач. Anthropic с 2025 года публикует второй, реальные разговоры с Claude.

Поправка к аналогии короткая. Станок забирает операцию, которая и была почти всей должностью. Языковая модель забирает куски внутри должности и оставляет склеивание, проверку и ответственность. Там, где должность почти целиком состоит из таких кусков, она худеет. Там, где куски — десятая часть дня, меняется распорядок, не вывеска на двери.

Короткий ответ на запрос из поиска такой. Полной замены человека в опубликованных оценках нет, и авторы этих оценок сами ставят границу. Замена отдельных задач уже идёт, и она неравномерна по странам, полу и типу работы.

20 мая 2025 года Международная организация труда вместе с польским институтом NASK выпустила обновлённый индекс. В нём около 30 тысяч профессиональных задач, экспертная разметка и сверка с микроданными по занятости. Около 25% мировой занятости попадает в профессии с какой-то экспозицией к генеративным моделям. В странах с высоким доходом доля около 34%. В верхней, самой плотной группе риска внутри богатых стран сидит 9,6% женской занятости и 3,5% мужской. Разрыв МОТ связывает с тем, где именно работают женщины в конторских и административных ролях. Средний балл автоматизации чуть ниже, чем в индексе 2023 года: 0,29 против 0,30, разброс уже, стандартное отклонение 0,14 против 0,30. Рост умений моделей в голосе, картинке и видео поднял балл у медийных и веб-задач. При этом в релизе прямо сказано, что полная автоматизация должности остаётся ограниченной. В краткой записке самый плотный градиент занимает 3,3% мировой занятости, и даже там средний балл 0,7: часть задач всё равно остаётся человеку. Цифры — про потенциальную экспозицию, не про уже случившиеся увольнения. Инфраструктура, навыки и то, как устроена смена, режут внедрение очень по-разному.

Форум на ту же тему говорит языком найма, не языком лабораторного замера. Опрос более тысячи работодателей, вместе они представляют свыше 14 миллионов работников, 22 отраслевые группы и 55 экономик, горизонт 2025–2030. 86% ждут, что искусственный интеллект и обработка информации изменят их бизнес к 2030 году. Половина планирует переводить людей с убывающих ролей на растущие. 40% ждут сокращения штата там, где искусственный интеллект автоматизирует задачи. 85% ставят переобучение в приоритет. Если представить занятость мира как 100 человек, обучение к 2030 году понадобится 59. Из них 29, по оценке работодателей, можно доучить на текущем месте, 19 перевести внутри организации, а 11 рискуют остаться без нужного обучения. Навыковый разрыв 63% назвали главным барьером перемен. Искусственный интеллект и большие данные — самый быстро растущий навык в их списке, аналитическое мышление по-прежнему самый востребованный базовый навык, его считают необходимым семь компаний из десяти. Доля навыков, которые устареют или сильно изменятся за 2025–2030 годы, оценена в 39%. В докладе 2023 года было 44%, в 2020-м, на выходе из пандемии, 57%. Ожидание «всё придётся переучить» за пять лет даже чуть остыло, хотя абсолютный объём обучения остаётся огромным.

Отдельно стоит разложить 92 миллиона. Форум относит их ко всей структурной трансформации сразу: технология, демография, зелёный переход, геоэкономика. Строка самого искусственного интеллекта в той же главе другая. Тренды в искусственном интеллекте и обработке информации создают 11 миллионов мест и вытесняют 9 миллионов. Это больше, чем у любого другого технологического тренда по выбытию, и всё равно не 92 миллиона. Роботы и автономные системы в том же абзаце названы крупнейшим чистым вытеснителем, минус 5 миллионов мест. Замедление экономического роста — отдельная строка, минус 1,6 миллиона. Складывать эти строки друг с другом и с общими 92 миллионами нельзя. Форум считает их по разным срезам одного опроса, а не как слагаемые одного столбика.

Живое пользование, не прогноз, описала Anthropic в экономическом индексе. Материал вышел 15 января 2026 года, выборка — ноябрь 2025 года, в основном Claude Sonnet 4.5: миллион разговоров в чате Claude и миллион записей программного интерфейса. Разбор устроен так, чтобы сохранять приватность. В январе 2025 года у 36% профессий в их выборке Claude использовался хотя бы на четверти задач. По накопленным выпускам доля выросла до 49%. Когда ту же долю взвесили успешностью и тем, сколько времени задача занимает у человека, картина сдвинулась. Ввод данных и радиологи выглядят задетыми сильнее, чем по голому покрытию задач. Учителя и разработчики программ — слабее, чем казалось по одному покрытию. Про учительскую смену есть отдельный разбор нейросети для учителя. Компьютерные и математические задачи дают около трети разговоров в чате Claude и почти половину трафика интерфейса. Десять самых частых задач — 24% использования против 21% в январе. В ноябре совместная работа обогнала полную передачу задачи: 52% против 45%. В августе того же года передача ещё вела, 49% против 47%. В январе было 55% против 41%. Успех падает с длиной задачи, и два среза тут нельзя склеивать. Задачи уровня школы, около 12 лет обучения, ускоряются примерно в 9 раз, задачи уровня вуза, около 16 лет, примерно в 12. Успешность при этом посчитана иначе: около 66% на задачах уровня вуза и около 70% на задачах ниже школьного порога. Поправка на неуспех срезает прежнюю оценку прироста производительности труда в США примерно на треть, с 1,8 до около 1,2 процентного пункта в год по разговорам в чате и до около 1,0 по более трудным задачам интерфейса. Это по-прежнему много. Списка закрытых кафедр из этих пунктов не получается.

Три источника сходятся в одном месте и расходятся в единицах. Сходятся в том, что целиком человек из уравнения не вычитается. Расходятся в том, чей это счёт. Часы, которые можно ускорить. Профессии, где таких часов много. Планы отделов кадров на пять лет. Путать их — главный способ получить заголовок «нейросеть заменит профессию» из исследования, которое такого не утверждало.

Самый плотный слой один и тот же у МОТ и у форума. Конторская работа, где день состоит из переноса, сверки и оформления уже известных сведений.

МОТ ставит наверх клеркские занятия. В релизе от 20 мая это сформулировано прямо: выше всего экспозиция у конторских должностей, потому что модель теоретически закрывает много их задач. Рядом подросла экспозиция сильно оцифрованных умственных работ в медиа, в программах и в финансах. Голос, картинка и видео, по краткой записке МОТ, подняли балл у медийных и веб-задач. Из этого не следует, что программист исчезнет раньше кассира. Доля его задач, которые модель уже берёт в черновик, стала заметнее, чем в индексе 2023 года. У кассира другая механика, ближе к автомату у стойки, и форум считает её отдельной строкой спада, не строкой чата. Как устроена работа с кодом в чате, разобрано отдельно в материале про нейросеть для программиста.

У форума самый быстрый ожидаемый спад к 2030 году — у почтовых служащих, банковских кассиров и операторов ввода данных. В абсолютных числах крупнейшее сокращение ждут у кассиров и билетных клерков, у административных помощников и секретарей руководителей. Рутинный бланк попадает в зону черновика раньше, чем работа, где нужно стоять на месте и отвечать за приёмку. Авторский ход, переговоры и подпись под ответственностью в этот список спада не внесены.

С другой стороны той же таблицы — рост, и он тоже не про «всех заменят инженерами». В абсолюте форум ждёт больше всего новых мест у полевых ролей: сельхозработники, курьеры, строители, продавцы, пищевое производство. Рядом уход и образование: медсёстры, социальная работа, сиделки, преподаватели вузов и средней школы. В относительном приросте лидируют большие данные, инженеры финансовых технологий, специалисты по искусственному интеллекту и машинному обучению, разработчики программ. Рядом зелёные роли, в том числе инженеры возобновляемой энергетики. Модель одновременно давит на бланк и поднимает спрос на тех, кто этот бланк обслуживает кодом, и на тех, чья работа привязана к телу, к стройке и к уходу.

Почему контора первая, видно по устройству задачи. Текст уже лежит в файле. Критерий «сошлось / не сошлось» часто формальный. Ошибку можно поправить следующим сообщением, не отвозя станок в ремонт. Физическая смена так не устроена. Goldman в апреле 2023 года как раз писал, что открытые автоматизации профессии задеты частично: у тех, кто задет, речь о четверти или даже о половине нагрузки, не о всей смене. Стройка от этого не стала «вечной». Она просто не первая в очереди генеративной модели, которой нечем взять кирпич. В абсолютном прогнозе форума строители, напротив, в ряду растущих полевых ролей.

Женская занятость в верхней группе риска у МОТ — отдельная строка релиза, не моральная оценка. В богатых странах в самой плотной группе 9,6% женской занятости и 3,5% мужской. Институт просит не читать индекс как прогноз увольнений. Технические пределы, дыры в инфраструктуре и нехватка навыков режут внедрение по странам очень по-разному. Для читателя практический смысл проще. Если ваша должность в конторском слое, меняется состав дня, и меняется раньше, чем у человека на объекте.

Отдельная оговорка про радиологов из отчёта Anthropic. Речь о том, что успешность модели на уже наблюдаемых задачах этой профессии высока относительно покрытия. Клиническая ответственность в этих цифрах не измерялась, и переписка с чатом диагноза не заменяет.

Даже в верхней группе остаётся слой, который индексы сознательно не записывают в «выполнено».

Первое — сверка с миром вне текста. Накладная может быть составлена безупречно и не совпадать со складом. Договор может быть гладким и противоречить тому, о чём стороны договорились голосом. Модель видит то, что ей положили в окно. Чего не положили, того для неё нет. В разборе DeepSeek как раз видно, откуда берётся длинное связное рассуждение и почему оно не равно проверке факта. Длинный ход мыслей повышает уверенность тона. Уверенность тона не повышает долю правды. Как модель дописывает то, чего в исходнике не было, разобрано в материале про риски нейросетей.

Второе — чужая воля. Подпись, допуск, согласие пациента, приёмка заказчиком, решение суда. Ускорить подготовку бумаги можно. Передать право подписи бумаге нельзя, и ни один из трёх источников этого не обещает. 40% работодателей у форума, которые ждут сокращения штата, говорят о задачах, не о передаче юридической ответственности программе.

Третье — руки и место. Курьер, сиделка, монтажник, повар на раздаче присутствуют в прогнозе роста как раз потому, что генеративная модель их день почти не режет. Роботы в том же докладе дают чистый минус 5 миллионов мест. Это другая технология и другой счёт, не чат. Смешивать «нейросеть написала письмо» и «робот разобрал палету» в одну профессию «заменённого человека» — способ снова получить неверную аналогию.

Четвёртое — вкус и имя. Шаблон для ленты модель соберёт быстро, и медийные задачи как раз получили более высокий балл в обновлении МОТ. Именная работа, где заказчик платит за узнаваемый ход, в список быстрого спада у форума не внесена. То же с текстом и с роликом из картинки. Черновик дешевеет. Отбор, правка и ответственность за публикацию остаются на человеке, и объём правки часто больше, чем кажется по первому удачному кадру.

Пятое — сбой на длинной задаче. У Anthropic успешность около двух третей даже на относительно понятных поручениях, а на многочасовых она проседает, если человек не дробит работу. Профессия, где ошибка стоит дорого, не может жить на двух третях без второго чтения. Поэтому «модель закрывает 50% задач» в статье 2023 года и «модель закрывает смену» — разные предложения. Второе из первого не вытекает.

Источник: схема по релизу МОТ от 20 мая 2025 года, докладу ВЭФ (январь 2025) и экономическому индексу Anthropic, выборка ноября 2025 года, публикация 15 января 2026 года

Чужой список профессий полезен как карта, не как приговор. Две должности с одним названием расходятся по задачам сильнее, чем две строки в докладе. Секретарь, который полдня в переговорной, и секретарь, который полдня переносит цифры из письма в таблицу, сидят в разных клетках одного классификатора.

Практический ход, который не требует верить ни форуму, ни банку. Выписать один обычный день пятнадцатью строками, глагол и объект. «Сверить акт», «написать ответ клиенту», «сходить на объект», «подписать у руководителя». Дальше отметить, что из этого уже лежит в тексте и имеет понятный критерий готовности. Это и есть кандидаты на черновик. Остальное — присутствие, допуск, чужое решение.

Черновик имеет смысл гонять на модели, которая уже доступна в чате GPThub: DeepSeek V4 Flash, Gemini 3.8 Flash или Claude Sonnet 5. Смотреть стоит не на красоту ответа, а на четыре вещи. Совпали ли числа с исходником. Не добавлены ли факты, которых в исходнике не было. Понятно ли, что человек должен проверить руками. Не склеились ли два разных документа в один уверенный текст. Для кода отдельный контур, его лучше сверять по гайду о выборе модели для разработки. Для разнородных поручений внутри одной смены полезнее сначала понять, какая модель под какой кусок, это разобрано в гайде о выборе модели. Если речь о процессе отдела, а не о личном черновике, рядом лежит разбор нейросети для рабочих задач бизнеса.

Типичная ошибка проверки — отдать модели вопрос «заменишь ли ты мою профессию» и принять ответ за исследование. Модель перескажет усреднённые заголовки, в том числе те, где 300 миллионов ставок уже превратились в 300 миллионов увольнений. Надёжнее дать ей свой список задач и запретить дописывать задачи, которых в списке нет. Второй проход — попросить найти, где ответ выдумал критерий, которого вы не задавали. Третий — сравнить два черновика одного и того же акта. Расхождения и есть зона, где человек пока не лишний.

Короткий набор поручений, который стоит прогнать на своей пачке документов, без выдуманных итогов.

1. «Вот перечень моих задач за вчера. Разложи на три кучки: черновик может сделать модель, человек обязан проверить, без человека задача не начинается. Ничего не добавляй от себя.»
2. «Вот исходная таблица и вот текст, который ты из неё собрал. Выпиши строки, где число или имя не совпало с таблицей.»
3. «Отметь места, где ты сделал вывод, хотя в исходнике было только описание. Верни эти места списком.»

Если в первой кучке стабильно больше половины дня, вы в зоне, которую МОТ называет высокой экспозицией, даже если названия должности нет в десятке форума. Если первая кучка — пара писем, а остальное объект и подпись, заголовок про вашу профессию вас почти не касается. Такая раскладка честнее любого рейтинга «профессий, которые исчезнут к 2030 году», потому что рейтинг усредняет чужие задачи.

Если в ленте снова появляется круглая цифра, полезно сразу искать единицу измерения. Миллионы мест у форума — это экстраполяция опроса работодателей на занятость МОТ, горизонт 2025–2030, все макротренды вместе. Если подпись не говорит, что это строка искусственного интеллекта, перед вами общий структурный счёт, не счёт чата. У чата в том же докладе свои 11 и 9 миллионов. Миллионы ставок у Goldman — теоретический объём часов 2023 года, не табель увольнений. Проценты у OpenAI — доля задач в американской классификации, редакция августа 2023 года. Проценты МОТ от мая 2025 года — доля занятости в профессиях с ненулевой экспозицией, с отдельной верхней группой. Проценты Anthropic — доля разговоров и покрытие задач в их собственной выборке, не доля рынка труда страны.

Дальше имеет смысл следить не за новым громким эпитетом, а за тремя рядами, которые уже публикуют. Поднимется ли у МОТ верхняя группа, или снова сдвинется только средний балл отдельных цифровых задач. Удержат ли работодатели в следующем докладе форума перевод людей внутри штата, или доля тех, кто ждёт сокращения, уйдёт от нынешних 40%. И сдвинется ли у Anthropic баланс 52 на 45 в сторону полной передачи задачи, когда модели станут устойчивее на длинных поручениях. Пока совместная работа чаще делегирования, разговор о замене человека целиком обгоняет измерения.

Увы, ни один из рядов не скажет за вас, какая из ваших пятнадцати строк исчезнет первой. Это как раз единственный кусок, который считается на вашем столе, а не в Женеве и не в Давосе.